La IA ya resuelve sola el 46 % de las tareas de investigación. El otro 54 % es criterio humano
OpenAI reporta que sus agentes completan sin ayuda casi la mitad de las tareas de investigación de 2 a 4 horas, el doble que en marzo. El dato confirma que la IA potencia a los equipos, pero también muestra que el criterio, el control y las reglas humanas siguen definiendo el resultado.
PorSebastián RondónCEO y fundador de KMS Agency Group
Hace unos días, OpenAI publicó un dato que vale la pena leer con calma: sus agentes de IA ya completan, sin ayuda humana, el 46 % de las tareas de investigación que a una persona le tomarían entre dos y cuatro horas. En marzo de este año esa cifra era del 23 %. En solo unos meses, el porcentaje se duplicó.
Es fácil quedarse con el titular y concluir que la IA ya hace el trabajo sola. En KMS Agency lo leemos de otra forma: el dato confirma que la IA potencia a los equipos, pero también deja muy claro dónde sigue siendo indispensable el criterio humano. Y para una empresa que quiere implementar agentes, esa segunda parte es la que define si el proyecto funciona o no.
Qué dice exactamente el informe
Las cifras vienen del informe *Research acceleration: The jagged frontier*, el segundo que OpenAI publica sobre cómo la IA acelera su propia investigación. Según la reseña de The Next Web, estos son los puntos centrales:
- Tareas de 2 a 4 horas: los agentes las completan solos el 46 % de las veces, frente al 23 % de marzo.
- Tareas de 4 a 8 horas: el éxito subió del 13 % al 35 %.
- Uso por investigador: a precios de lista de la API, el investigador mediano de OpenAI usó unos USD 2.400 diarios en tiempo de agente en octubre, un 62 % más que en septiembre.
- Trabajo en paralelo: a mediados de octubre, más de dos tercios de los investigadores tenían al menos cuatro agentes trabajando al mismo tiempo en su momento de mayor uso.
Son números fuertes. Pero el propio informe trae los matices que más nos interesan.
Una frontera irregular: muy buena en unas tareas, débil en otras
OpenAI llama a este avance una frontera *jagged*, es decir, irregular. Los resultados cambian mucho según el tipo de tarea:
- Monitorear entrenamientos de modelos: 79 % de éxito sin ayuda.
- Responder preguntas técnicas: 72 %.
- Escribir código para sistemas de inferencia y servicio: 25 %.
- Construir entornos de evaluación y entrenamiento: 29 %.
La lectura práctica es sencilla: la IA rinde muy bien en tareas acotadas, repetitivas y fáciles de verificar, y mucho menos en tareas que exigen diseño, contexto y decisiones con consecuencias. No es un promedio que suba parejo en todo; es un mapa con picos y valles.
OpenAI agrega una advertencia honesta sobre sus propios datos: a medida que los agentes mejoraron, los investigadores pudieron cambiar qué tareas les entregaban. Es decir, el porcentaje de éxito también refleja la elección humana de qué delegar.
Las ideas siguen viniendo de las personas
Este es, para nosotros, el punto más importante del informe. OpenAI preguntó a investigadores clave de dónde salieron las ideas principales detrás de sus modelos más recientes. En los equipos de post-entrenamiento y seguridad, atribuyeron todas las ideas a personas, con los modelos ayudando a construirlas.
En entrevistas, los investigadores dijeron que los agentes todavía tienen poco criterio («poor taste») en ideas de investigación, código, datos y redacción, y que necesitan supervisión cercana. Uno de ellos incluso reconoció no tener certeza de que esa ventaja humana dure mucho tiempo. Precisamente por eso conviene construir hoy los procesos de control, y no esperar a que el problema aparezca.
Hay otro dato revelador: el área de Seguridad y Alineación fue la que más creció en tiempo de investigadores, con un aumento del 77 % en semanas de trabajo documentadas entre enero y septiembre. Cuanto más capaces son los agentes, más esfuerzo humano se dedica a controlarlos.
El 54 % restante: criterio, control y restricciones
Si los agentes resuelven solos el 46 % de esas tareas, el otro 54 % no desaparece. Ahí están el criterio, la revisión, las excepciones y las decisiones que tienen impacto real en clientes, dinero y reputación.
En KMS Agency vemos lo mismo en cada implementación. Un agente de IA bien configurado responde, cotiza, registra datos y hace seguimiento a gran velocidad. Lo que marca la diferencia es todo lo que lo rodea:
1. Qué tareas se delegan. Igual que en OpenAI, la elección de qué entregarle al agente define buena parte del resultado. 2. Qué reglas sigue. Precios, políticas, tono, límites: lo que puede y lo que no puede hacer. 3. Cuándo pide aprobación. Hay decisiones que deben pasar por una persona antes de ejecutarse. 4. Quién revisa los resultados. Un agente sin supervisión es un riesgo, no un ahorro.
Por eso decimos que la IA no reemplaza a los equipos: los potencia. Pero solo cuando alguien con experiencia le pone el marco.
Qué significa para una pyme, un hotel o una clínica
El informe habla de un laboratorio de investigación, pero el patrón aplica a cualquier empresa. La pregunta útil no es «¿la IA puede hacer mi trabajo?», sino «¿qué parte de mi operación es acotada, repetitiva y verificable, y qué parte necesita criterio?».
Pymes de servicios y comercio
Responder consultas frecuentes, registrar leads en el CRM, enviar seguimientos y agendar citas son tareas que un agente puede asumir con alta efectividad. Negociar un precio especial, manejar un cliente molesto o decidir una excepción sigue siendo trabajo del equipo comercial, con el agente preparando la información.
Hoteles y alojamientos
Un agente puede atender por WhatsApp a cualquier hora, informar disponibilidad, enviar tarifas y confirmar datos de la reserva. Pero las políticas de cancelación, los bloqueos para eventos o una solicitud especial de un huésped requieren reglas claras y, muchas veces, la aprobación de una persona del hotel.
Clínicas y consultorios
El agente puede orientar sobre servicios, horarios y requisitos, y agendar o reprogramar citas. Todo lo que tenga que ver con criterio clínico, información sensible o casos fuera de lo común debe escalarse al personal de la clínica, sin excepción.
En los tres casos, el agente gana velocidad y disponibilidad; el equipo humano conserva el control de lo que importa.
Cómo empezar sin perder el control
A partir de lo que muestra el informe y de nuestra experiencia implementando agentes, recomendamos este orden:
- Mapear las tareas de atención, ventas y operación, y separar las acotadas y verificables de las que exigen criterio.
- Empezar por las de mayor volumen y menor riesgo, donde el agente tiene más probabilidad de éxito.
- Escribir las reglas y los límites antes de encender el agente, no después del primer error.
- Definir puntos de aprobación humana para precios, excepciones y decisiones sensibles.
- Medir y ajustar cada semana: qué resolvió solo, qué escaló y dónde se equivocó.
Conclusión
El salto del 23 % al 46 % en pocos meses muestra que la capacidad de los agentes avanza rápido. Pero el mismo informe deja claro que el éxito depende de qué tareas se les entregan, de la supervisión y del criterio de las personas. Las empresas que van a sacar más provecho no son las que más IA usen, sino las que mejor la gobiernen.
En KMS Agent AI diseñamos empleados virtuales que atienden y ejecutan en WhatsApp, CRM y correo, con reglas, límites y aprobación humana desde el primer día. Si quieres saber qué parte de tu operación puede asumir un agente y cuál debe quedarse en manos de tu equipo, conversemos.