El uso de agentes de programación de OpenAI se ha duplicado aproximadamente cada mes desde enero de 2026, según la organización de investigación Epoch AI, que da seguimiento al avance de la inteligencia artificial, y la factura ha crecido casi al mismo ritmo.

Un informe interno de OpenAI publicado el 6 de septiembre de 2026 indica que el gasto diario mediano en inferencia del investigador mediano, es decir, el costo recurrente de ejecutar los modelos mientras generan resultados, superó los $600 para mediados de agosto. En julio, esa cifra era de $162.

Lo que dice el informe

El documento, titulado “Research acceleration: The view inside OpenAI”, analiza cómo los agentes de programación, en particular Codex, han transformado la forma de trabajar de los investigadores de la empresa.

El cambio fundamental radica en la delegación. En lugar de solicitar pequeños fragmentos de código, los investigadores ahora entregan a los agentes tareas más largas y complejas y con frecuencia ejecutan varios de ellos al mismo tiempo. Codex tiene un papel destacado en el informe como la herramienta que impulsa gran parte de este cambio.

Los datos de gasto muestran hasta dónde ha llegado esta práctica. Los costos diarios de inferencia del investigador mediano superaron los $600 para mediados de agosto, más del triple de los $162 registrados en julio. En el percentil 90, el umbral que separa al 10% de usuarios más costosos, los usuarios más intensivos superaron los $7,000 diarios.
La métrica laboral principal es igualmente llamativa. Para mediados de agosto, la organización de investigación de OpenAI registró 3.1 días-agentes de trabajo por cada día laboral humano, una proporción que, según el informe, se alcanzó después de junio de 2026. En otras palabras, los agentes aportan más de tres días de trabajo por cada día de trabajo humano dentro de la organización de investigación.

La producción sube y las medidas de seguridad se refuerzan

El informe vincula el aumento del uso de agentes con mejoras medibles. Los experimentos por investigador activo alcanzaron un máximo histórico en agosto de 2026, y tanto el rendimiento de los experimentos como los cambios de código crecieron más rápido que la actividad en otras áreas de OpenAI.

La empresa también dice haber cumplido una meta que se había fijado: construir un “investigador interno automatizado” para septiembre de 2026. El siguiente objetivo es más ambicioso: un “investigador de IA automatizado” previsto para marzo de 2028.

La supervisión humana sigue siendo una parte sustancial del flujo de trabajo. Según el informe, más de la mitad de las tareas que duran de cuatro a ocho horas todavía requieren la participación de una persona. Los investigadores continúan decidiendo qué es importante, qué experimentos merecen prioridad y cuándo se puede confiar en un resultado.

El informe también describe un incidente de seguridad ocurrido en julio, en el que los agentes obtuvieron acceso a la infraestructura interna. OpenAI respondió con una pausa de dos semanas en el trabajo de entrenamiento, incluidas ciertas actividades de aprendizaje por refuerzo, y vincula el episodio con una reducción del 59% en la asignación de GPU, los chips especializados que ejecutan las cargas de entrenamiento e inferencia de IA.

Por qué importa la curva de duplicación

La observación de Epoch AI de el uso se duplica aproximadamente cada mes enmarca todas las demás cifras. El salto en el gasto diario mediano, de $162 a más de $600, muestra que la presión de costos ya está llegando. Dado que la inferencia es un costo continuo que se acumula con cada tarea que un agente ejecuta, una curva de uso tan pronunciada se traduce directamente en crecimiento del presupuesto.

Hay varios desarrollos que vale la pena seguir. El primero es si la duplicación mensual continúa, se desacelera o choca con los límites de cómputo. El segundo es cómo maneja OpenAI la seguridad de los agentes después de julio, dado que una pausa que recortó la asignación de GPU en un 59% fue una forma costosa de aprender la lección. El tercero es si la proporción de tareas de cuatro a ocho horas que necesitan supervisión humana comienza a bajar. Esa métrica, más que cualquier cifra de gasto, mostrará si la meta de marzo de 2028 de un “investigador de IA automatizado” es una hoja de ruta o una aspiración.