OpenAI publicó esta semana una cifra que merece más atención que el número en dólares que la acompaña. A mediados de agosto, su organización de investigación emplea 3,1 jornadas de agente de esfuerzo por cada jornada de trabajo humano. La frase que se citó fue la del gasto: el investigador medio consume más de $600 diarios de inferencia a precios de API. La frase que importa para cualquiera que dirija un equipo es la otra.
Tres jornadas de agente por cada jornada humana significa que la jornada humana es ahora el cuello de botella. Todo resultado que produce un agente tiene que ser leído, evaluado y aceptado por alguien, y ese alguien dispone de una jornada de trabajo, no de tres. Este artículo hace las cuentas y muestra dónde se forma la cola.
TL;DR
El artículo «Research acceleration» de OpenAI sitúa el esfuerzo de los agentes en 3,1 jornadas por cada jornada humana, señala una tendencia hacia investigadores que ejecutan cuatro o más agentes a la vez y reporta que más de la mitad de las tareas exitosas de 4 a 8 horas necesitaron al menos una intervención humana. Si juntamos todo eso, una jornada de trabajo contiene varios momentos en los que un agente se ha detenido y espera a una persona, además de un flujo constante de trabajo terminado a la espera de ser aceptado. La cola que se llena es la de «resultados esperando a una persona», y la mayoría de las herramientas no la muestra. Sharkly hace explícita esa cola: estados de espera en la Tarea, una Inbox que los dirige a la persona responsable y la aceptación como un cambio de estado registrado.
Los números
Todo lo que aparece a continuación procede del artículo de OpenAI, salvo que se indique lo contrario.
| Dato | Valor | Periodo |
|---|---|---|
| Jornadas de agente por jornada humana, organización de investigación | 3,1 | Mediados de agosto de 2026 |
| Inferencia diaria del investigador medio a precios de API | Más de $600 | Mediados de agosto de 2026 |
| Gasto diario en tokens del investigador en el percentil 90 | Más de $7.000 | Actual |
| Tareas exitosas de 4 a 8 horas con 1 o más intervenciones humanas | Más de la mitad | De enero a julio de 2026 |
| Tendencia de concurrencia | 4 o más agentes simultáneamente | En aumento |
La lectura que hace Simon Willison del mismo artículo añade la forma de la curva: el gasto por investigador pasó de casi cero en febrero a unos $600 a finales de agosto, con una subida pronunciada entre julio y agosto que, según sus sospechas, coincide con el acceso interno al modelo que más tarde se lanzó como GPT-6 Astra.
Ninguna de estas cifras se refiere a un equipo de programación que entrega producto, y los investigadores de OpenAI no son una población típica. Pero la proporción es extrapolable. Cualquier equipo que haya pasado de un agente en una terminal a varios agentes en marcha está en la misma curva, unos meses por detrás.
Las cuentas
Tomemos la proporción al pie de la letra. En una jornada humana de ocho horas, los agentes producen aproximadamente veinticinco horas de esfuerzo. No todo eso necesita a una persona. Algunas ejecuciones fallan, otras son exploratorias y otras alimentan a otros agentes. Pero toda ejecución que termina en un cambio que alguien va a entregar requiere una decisión humana, y la cifra de intervenciones indica que la decisión suele llegar antes de que termine la ejecución.
Si más de la mitad de las tareas largas exitosas necesitaron al menos una intervención, entonces, con cuatro agentes en marcha, es de esperar que dos o tres de ellos interrumpan a una persona a lo largo de una tarea, en momentos que no ha elegido. Esas interrupciones no son fallos. Un agente que se detiene y pregunta es mejor que uno que adivina y lanza. El coste está en dónde aterriza la pregunta.
Una pregunta que aterriza en una terminal se responde cuando alguien se topa con ella por casualidad. Un resultado que aterriza en una terminal se revisa cuando alguien se acuerda de que existe. Multiplícalo por cuatro agentes, y por tres jornadas de agente por jornada humana, y la terminal se convierte en el lugar donde el trabajo va a esperar.
La cola que nadie monitorea
Todo equipo que ejecuta agentes tiene dos colas. La primera es el trabajo que espera a un agente: el backlog, visible en el gestor de tareas que use el equipo. La segunda es el trabajo que espera a una persona: resultados por aceptar, preguntas por responder, fallos por clasificar. La segunda cola es la que crece a razón de 3,1 a 1, y es la que la mayoría de las herramientas no muestra.
Sharkly trata esa cola como el objeto principal. Una Tarea es la unidad de trabajo principal, y el estado de la Tarea y el estado de trabajo del Agente se mantienen separados: una Tarea iniciada puede mostrar Working, Waiting for human reply, Waiting for human review o Error. Los estados de espera son de primera clase, no se infieren de un registro silencioso.
Esos estados se dirigen a algún sitio. La Inbox es una cola personal de actividad de tareas, y su sección Primary contiene las tareas con una señal activa que requiere atención: esperando tu respuesta, esperando tu revisión, trabajo fallido o bloqueado, menciones directas, asignaciones a tu persona. Agrupa la actividad por tarea, de modo que cuatro agentes que reportan sobre una misma Tarea son una sola fila, no cuatro notificaciones. Slack es un canal de salida opcional; silenciar un grupo allí no elimina el registro de la Inbox.
Responder es la forma en que el trabajo continúa. Un comentario en una Tarea con un Agente asignado y listo puede iniciar una ejecución de seguimiento usando el hilo como contexto, de modo que responder la pregunta reanuda el trabajo en lugar de reiniciarlo.
Cómo se ve la aceptación con esta proporción
Con un agente por persona, la revisión puede ser informal. Con tres jornadas de agente por jornada humana, no puede serlo, porque la persona que revisa no será la que inició la ejecución, y la ejecución puede haber terminado horas atrás.
En Sharkly, la aceptación consiste en que una persona cambie el estado de la Tarea después de leer la evidencia. La respuesta final del Agente se guarda en la Tarea. El registro de ejecución documenta por qué se encoló la ejecución, cuándo empezó y terminó, las llamadas a herramientas, los eventos de Runtime y los detalles de fallo, en una pestaña Executions separada de la cronología de comentarios. Lee el resumen, luego el registro y después el diff. Fusionar una pull request vinculada no cambia el estado de la Tarea, así que una fusión nunca se confunde con una decisión. Nuestro flujo de trabajo de revisión con human-in-the-loop recorre las cinco puertas en orden.
El debate en Hacker News sobre el artículo de OpenAI se centró en una preocupación relacionada: resultados puntuados por un clasificador agéntico, con lo medido y lo que lo evalúa procedentes de la misma casa. Esa es la versión de investigación del problema de un equipo de producto. Cuando los agentes producen más de lo que las personas pueden leer, la tentación es dejar que un agente decida qué deberían leer las personas. Una cola visible con un responsable humano es la alternativa.
En qué invertir la jornada humana
Usa la jornada humana para la dirección y la aceptación: dar forma al ticket, otorgar autoridad, leer la evidencia, decidir la fusión y el lanzamiento. Deja la ejecución, las pruebas y los informes a los agentes. Los agentes investigan, ejecutan, prueban e informan. Las personas marcan la dirección, otorgan autoridad y aceptan el resultado. La proporción del artículo de OpenAI es el aspecto que tiene ese contrato cuando funciona.
Reserva la jornada humana para la supervisión solo cuando el trabajo realmente necesite a una persona observando en tiempo real: un cambio en producción sin posibilidad de reversión, una ejecución en un directorio del que depende otro trabajo. Sharkly no sustituye a Claude Code, Codex ni al Runtime que hace el trabajo. Es la capa que mantiene visibles el contexto, el progreso, los bloqueos, los resultados y la revisión humana desde la solicitud hasta el lanzamiento, para que la jornada humana se dedique a las decisiones y no a averiguar en qué terminal hay una pregunta.
Preguntas frecuentes
¿De dónde sale la cifra de 3,1? Del artículo de OpenAI «Research acceleration: the view inside OpenAI», que afirma que, a mediados de agosto, la organización de investigación emplea 3,1 jornadas de agente de esfuerzo por cada jornada de trabajo humano.
¿Esto se aplica a equipos de ingeniería de producto? Las cifras concretas proceden de una organización de investigación. La dirección de la proporción se aplica a cualquier equipo que pase de un agente a varios: la producción de los agentes crece más rápido que la capacidad de revisarla.
¿Qué es la cifra de intervenciones? Más de la mitad de las tareas exitosas de 4 a 8 horas entre enero y julio implicaron una o más intervenciones humanas. Las ejecuciones largas tienen éxito con una persona que interviene, no sin ella.
¿Cómo muestra Sharkly la cola de revisión? Waiting for human reply y Waiting for human review son estados de trabajo del Agente en la Tarea, dirigidos a la sección Primary de la Inbox de la persona responsable. El trabajo fallido y bloqueado también aparece allí.
¿Qué se considera una aceptación? Que una persona cambie el estado de la Tarea después de leer la respuesta del Agente, el registro de ejecución y el diff. Una pull request fusionada no cambia el estado por sí sola.
La versión corta
La proporción de OpenAI dice que los agentes ya producen tres días de esfuerzo por cada jornada humana, y su cifra de intervenciones indica que hay una persona en el circuito en la mayoría de las tareas largas. El recurso escaso es la jornada humana, y la cola que se llena es la de resultados esperando a una persona. Haz visible esa cola, dirígela a un responsable y registra la decisión. Conecta un Computer, crea un Agent y asígnale algo aburrido. La documentación cubre cada concepto con más detalle: docs.sharkly.ai.
