
El uso interno de agentes de inteligencia artificial en OpenAI supera los salarios de sus investigadores
Techinfo


OpenAI ha publicado un segundo informe sobre la aceleración de su investigación interna, donde se detalla cómo los agentes de inteligencia artificial están profundamente integrados en el desarrollo de nuevos modelos. La empresa busca documentar indicadores de lo que se conoce como mejora recursiva autónoma (RSI, por sus siglas en inglés), un proceso en el que los sistemas de inteligencia artificial aceleran el desarrollo de futuras generaciones de modelos.
Según el informe, el uso de herramientas internas como Codex y Dots ha aumentado notablemente en los últimos tiempos. En octubre, se estima que el investigador promedio habría consumido el equivalente a 2,400 dólares en tokens por día, lo que representa un incremento del 62 por ciento en comparación con el mes anterior. Entre el 10 por ciento de los usuarios más activos, ese valor teórico se duplicó, alcanzando los 23,000 dólares diarios.
Al convertir este uso en jornadas laborales de ocho horas, se estima que los agentes operan el equivalente a 5.7 días de trabajo por investigador cada día calendario, y alrededor de ocho en los equipos de pre y post-entrenamiento. Más de dos tercios de los investigadores monitoreados utilizaron al menos cuatro agentes en paralelo durante los picos de uso.
Según OpenAI, el valor teórico del tiempo de funcionamiento de estos agentes fue el doble de los costos salariales regulares de los investigadores en septiembre. Sin embargo, este cálculo no incluye los paquetes de acciones, que representan entre el 70 y el 80 por ciento de la compensación total en la empresa. En términos del total de recursos computacionales destinados a la investigación, el uso de agentes internos representó solo el 2 por ciento.
Entre marzo y octubre, la tasa de éxito estimada de los agentes autónomos que trabajan sin intervención humana en tareas de dos a cuatro horas aumentó del 23 al 46 por ciento, según OpenAI. Para tareas de cuatro a ocho horas, la tasa subió del 13 al 35 por ciento. Sin embargo, un desglose utilizando una taxonomía de Epoch AI muestra que los sistemas manejan principalmente tareas simples.
Se informa que los agentes completan el monitoreo de entrenamientos en un 79 por ciento de los casos y responden preguntas técnicas de manera independiente en un 72 por ciento del tiempo, pero frecuentemente fallan en trabajos de ingeniería más complejos. La tasa de éxito para construir entornos de evaluación y aprendizaje por refuerzo se sitúa en un 29 por ciento, mientras que para la redacción de código para sistemas de inferencia y servicio es del 25 por ciento.
En una encuesta interna no representativa realizada a 101 empleados, los investigadores manifestaron que, en términos medianos, preferirían renunciar al 40 por ciento del personal de su equipo o al 30 por ciento de su capacidad de cómputo antes que pasar tres meses sin los actuales agentes de codificación. En una encuesta rápida separada, 27 de 28 empleados optaron por el último modelo interno en lugar de un ingeniero humano de mediana carrera.
Entrevistas cualitativas con diez investigadores revelaron desventajas del uso intensivo de estas herramientas. Según los entrevistados, los modelos carecen de "gusto" para identificar buenas ideas de investigación y para la calidad del código y los datos. Los agentes tienden a perderse en pasos innecesarios, hacen suposiciones erróneas en los análisis y presentan cambios de código de "baja calidad" junto con artefactos de datos inutilizables. Por lo tanto, la supervisión humana cercana es esencial para evitar ciclos de cómputo desperdiciados.
Los conceptos clave para GPT-6 Astra y GPT-6.2 Astra provinieron exclusivamente de humanos en las áreas de post-entrenamiento y seguridad, según los equipos entrevistados. Solo en la fase de preentrenamiento de GPT-6.2 Astra, algunos investigadores indicaron que obtuvieron ideas importantes a través del diálogo con Codex.
OpenAI advierte en su conclusión que los datos recopilados hasta ahora sobre la colaboración entre humanos y la inteligencia artificial pueden no extrapolarse de manera lineal. La empresa señala los recientes y rápidos avances en inteligencia artificial en matemáticas y considera posible que se produzcan avances igualmente abruptos en la investigación de aprendizaje profundo a medida que los modelos adquieran más autonomía.
La organización de evaluación METR había estimado recientemente, tras una mirada de once semanas dentro de la competencia Anthropic, que el uso de inteligencia artificial allí había casi duplicado el ritmo de desarrollo. Antes de eso, OpenAI había declarado en su primer informe sobre aceleración de investigación a principios de septiembre que había alcanzado su objetivo autoimpuesto de contar con un pasante de investigación automatizado en inteligencia artificial. El científico jefe, Jakub Pachocki, advirtió sobre la pérdida de control en una publicación acompañante, después de que una auditoría revelara numerosas lagunas en el sistema de supervisión.
Los investigadores de OpenAI han revelado que valoran sus herramientas de inteligencia artificial más que casi la mitad de sus colegas. Este hallazgo destaca la creciente importancia que otorgan a la IA en su trabajo diario.
"AI Radar" — análisis profundos sobre los temas de IA más relevantes
Además, se ofrece un boletín titulado "AI Radar", que proporciona análisis detallados sobre los temas de inteligencia artificial más significativos, con una frecuencia de seis veces al año. También se incluye un resumen diario de noticias sobre IA, siempre actualizado, y un archivo completo que abarca diez años de información, respaldado por un equipo con más de diez años de experiencia en el campo de la inteligencia artificial.
Fuente original: The Decoder.


Un modelo de OpenAI crea scripts de vigilancia de correos electrónicos durante una tarea de escritura

Google presenta Gemini 4 Neon: un equilibrio entre velocidad y eficiencia en inteligencia artificial

Osmo presenta un modelo de inteligencia artificial capaz de detectar olores como un humano

Investigaciones revelan fallas de seguridad en modelos de IA de Anthropic, OpenAI y Google

Datasette Lite: una aplicación Python que corre en el navegador

El uso interno de agentes de inteligencia artificial en OpenAI supera los salarios de sus investigadores

Un modelo de OpenAI crea scripts de vigilancia de correos electrónicos durante una tarea de escritura

Un nuevo sensor de IA predice el riesgo de hipoglucemia nocturna en personas con diabetes

Google implementa una barra lateral colapsable en su buscador de escritorio


