La inteligencia artificial ha dejado de ser un simple asistente para convertirse en un trabajador autónomo que opera durante horas, y los resultados ya están aquí.
La revolución tecnológica acaba de acelerar al máximo. Los agentes autónomos de Inteligencia Artificial no solo están trabajando por periodos de tiempo cada vez más largos, sino que sus logros ya son hazañas históricas. Hemos pasado de una era en la que la IA nos ahorraba segundos de trabajo a una donde nos ahorra horas enteras. El ejemplo más reciente es el nuevo modelo GPT-5 de OpenAI, diseñado para tareas de programación, que ha demostrado tener tanta autonomía que podría trabajar independientemente por más de siete horas. Este salto es de vértigo: Replit, por ejemplo, ha visto cómo su sistema de desarrollo de software agéntico, Agent 3, pasaba de trabajar de forma autónoma por 2 minutos a operar hasta por 200 minutos (unas 3 horas). Para el programador común, esto significa que la práctica habitual ahora es asignar a la IA una tarea compleja y dejar que trabaje de forma autónoma durante varios minutos, lo que se traduce en horas de trabajo humano ahorradas. Las consecuencias son claras: la IA ya ha superado a sus creadores en las disciplinas más complejas, logrando el primer puesto en el prestigioso ICPC (una de las competiciones de programación más exigentes), resolviendo 12 de 12 problemas y superando por primera vez a todos los competidores humanos. Además, modelos agénticos han conseguido medallas de oro en las Olimpiadas Internacionales de Matemáticas en los últimos meses.
Hemos pasado de una era en la que la IA nos ahorraba segundos de trabajo a una donde nos ahorra horas enteras.
Sin embargo, alcanzar estos horizontes temporales largos no ha sido sencillo. El desafío principal que enfrentan estos sistemas es la autoconsistencia. En tareas tediosas o que requieren muchos pasos repetidos, si el modelo comete un error, este permanece en su ventana de contexto. El agente se convence de que no es bueno realizando la tarea, degradando su confianza y provocando más fallos, un fenómeno que todos hemos vivido al interactuar con ChatGPT. Afortunadamente, los modelos razonadores más recientes están mejorando al incluir la capacidad de reflexionar sobre sus respuestas y corregir errores «en caliente». Un ejemplo es Agent 3, que utiliza la multimodalidad—la capacidad de ver e interactuar con interfaces como un usuario final—para ejecutar la aplicación que está desarrollando, verificar si funciona correctamente y corregir cualquier bug de inmediato. Este bucle de retroalimentación hace que la ejecución sea más robusta y consistente, extendiendo su horizonte de desempeño autónomo.
El desafío principal que enfrentan estos sistemas es la autoconsistencia.
Las proyecciones futuras sugieren que este crecimiento es exponencial, siguiendo una especie de «Ley de Moore para la autonomía». La duración de las tareas que la IA puede resolver con éxito se está duplicando cada siete meses. Esto significa que si un modelo como GPT-5 (lanzado en agosto de 2025) maneja tareas de 2 horas, para finales de 2026 podríamos estar viendo inteligencias artificiales que completen el equivalente a una jornada laboral de 8 horas de forma completamente autónoma. Este avance en programación y matemáticas es fundamental, pues es la llave para la Fase Cuatro en la hoja de ruta de OpenAI hacia la Inteligencia Artificial General (AGI): la automatización del descubrimiento científico y la capacidad de descubrir nuevo conocimiento. El objetivo de la industria ahora ya no es ganar competiciones (OpenAI ya ha declarado que se retira de estas lides con sus medallas de oro), sino ir hacia problemas más abiertos y horizontes temporales de meses o años, buscando automatizar el descubrimiento científico. La compañía MTH Incorporated, con su sistema Gaus, ya tiene la misión corporativa de automatizar la investigación matemática, buscando un camino hacia una futura superinteligencia.
Estamos presenciando cómo la IA deja de ser solo una herramienta de copiloto y se convierte en un agente de investigación autónomo. El verdadero juego empieza ahora: cuando la máquina que antes te ayudaba a escribir una línea de código se convierte en la máquina capaz de reescribir las reglas de las matemáticas y la ingeniería por sí misma.
Foto de Portada: © ThisIsEngineering
Fuente: (Paper) The Illusion of Diminishing Returns
