Investigación Cuando la IA se optimiza a sí misma: señales para el negocio en Latinoamérica
La capacidad de los agentes de IA para automatizar tareas complejas se dispara: desde kernels GPU hasta proyectos freelance. ¿Qué implica para las empresas latinoamericanas?
Hace un par de años, la idea de que una inteligencia artificial escribiera código para acelerar el entrenamiento de otra inteligencia artificial sonaba a ciencia ficción. Hoy, el modelo Fable logró un speedup de 18.71x en un kernel de Cuda para la GPU RTX PRO 6000 Blackwell, superando a Claude Opus 4.8 (14.4x) y a GPT-5.5 (4.34x). No solo eso: Fable lo hizo con un único lanzamiento de kernel por token, mientras que el resto necesitaba entre 4 y 14 lanzamientos separados. El benchmark KernelBench-Mega muestra que la IA ya puede optimizar su propio hardware de forma autónoma. Esto no es un récord aislado; es un engranaje que empieza a girar solo, y el motor se llama mejora recursiva.
Pero la automatización no se queda en los laboratorios. El Remote Labor Index (RLI), creado por el Center for AI Safety y Scale Labs, mide qué tan bien los sistemas de IA pueden completar proyectos freelance de principio a fin. En octubre de 2025, los modelos lograban un 2.5% de éxito. En julio de 2026, la tasa subió a 16.1%. En solo ocho meses, la capacidad se cuadruplicó. Los tres modelos más recientes evaluados —GPT-5.5, Opus 4.8 y Fable 5— obtuvieron 6.3%, 8.3% y 16.1% respectivamente. Los tipos de tareas son concretos: rediseñar un anillo de compromiso, producir un video animado de 60 segundos para una empresa de jardinería, o generar planos y renders de un baño a partir de fotos. Son trabajos que hoy realizan diseñadores, arquitectos y animadores freelance en todo el mundo, incluida América Latina. Si en dos años la tasa de éxito alcanza el 80%, ¿qué pasará con los miles de profesionales que compiten en plataformas como Upwork o Fiverr? La ventaja de costos de la región podría evaporarse si los agentes hacen el trabajo por menos que un salario local.
El benchmark OSWORLD 2.0 añade otra capa de realismo. Evalúa agentes que deben completar tareas que toman, en promedio, 1.6 horas a un humano: usar Slack, LinkedIn, GitLab, AWS, hacer análisis financieros, preparar documentos, gestionar portales de seguros. La versión anterior (OSWORLD 1.0) tenía tareas de apenas 2 minutos. Ahora el desafío escala. Los resultados del mejor agente (Claude Opus 4.8 con máximo razonamiento) solo alcanzan un 20.6% de precisión binaria. Pero la trayectoria es clara: en OSWORLD 1.0, los modelos pasaron de ~30% en julio de 2025 a ~75% en junio de 2026. Es probable que OSWORLD 2.0 siga la misma curva. Para una empresa mediana en México o Colombia, eso significa que tareas administrativas que hoy requieren medio equipo —conciliaciones, atención al cliente, gestión de inventarios— podrían ser asumidas por agentes en menos de dos años.
La pregunta ya no es si la IA reemplazará ciertos trabajos, sino qué tan rápido se desplazará el umbral de lo que sigue siendo rentable hacer con humanos. Un ejemplo concreto lo da JD.com, el gigante chino del e-commerce. Su Oxygen AI Item Center (Oxygen AIIC) gestiona decenas de miles de categorías de productos y procesa cientos de millones de actualizaciones al día sobre procesadores Huawei Ascend (NPUs chinos). Combina ontologías construidas con expertos humanos, búsqueda semántica, modelos de lenguaje y visión que se auto-evolucionan incrementalmente, y un “túnel unificado” que conecta con todas las aplicaciones del negocio. El resultado: un sistema de inventario que se actualiza a sí mismo sin supervisión masiva. Para empresas latinoamericanas como Mercado Libre, Falabella o los retailers locales, la tentación de adoptar arquitecturas similares es enorme. Pero el caso de JD también revela un riesgo geopolítico: si la infraestructura de cómputo china se convierte en la base de estos sistemas, la dependencia tecnológica de la región podría cambiar de eje.
En el fondo, lo que estos datos sugieren es que la expansión de capacidades económicamente relevantes de la IA está ocurriendo más rápido que la capacidad humana de generar nuevas ventajas comparativas. Las empresas que hoy apuestan por mano de obra barata como diferencial competitivo pueden despertar en cinco años compitiendo contra agentes que trabajan 24/7, sin descanso, sin sueldo. La salida no es frenar la tecnología —eso no depende de la empresa— sino integrar la IA como un acelerador interno. Quienes ya están experimentando con agentes para procesos de back-office, atención al cliente o diseño, al menos tendrán una visión realista de lo que viene. Quienes esperen a que la tasa de éxito del RLI llegue al 80% para actuar, llegarán tarde.
