Por el equipo de Smili Phone
¿Qué tan buenos son los agentes de IA en el trabajo real, el tipo de trabajo por el que la gente recibe un pago? Un nuevo benchmark llamado GDPx, lanzado el 2 de noviembre por la firma SemiAnalysis, intenta responder esa pregunta. El resultado es humilde. El mejor modelo obtuvo solo 12 por ciento en total.
Eso no significa que las herramientas de IA sean inútiles. Significa que hay una gran brecha entre aprobar un examen y hacer bien un trabajo, y conocerla te ayuda a usarlas con prudencia.
Qué prueba GDPx en realidad
La mayoría de los benchmarks de IA se parecen a exámenes escolares: preguntan y verifican si la respuesta es correcta. GDPx es distinto. Da a los modelos tareas del trabajo económico real en 11 áreas, incluyendo diseño de chips, ciberseguridad, biología, trabajo legal, trading cuantitativo, ciencia de materiales e ingeniería de software. La idea es medir lo que un agente puede terminar, no solo lo que sabe.
SemiAnalysis eligió estas áreas porque tienen valor económico real, así que el éxito allí importaría más que una nota de examen.
Quién obtuvo qué nota
Según SemiAnalysis, Opus 5.5 de Anthropic lideró en general con 12 por ciento, ganando en trading cuantitativo, diseño de hardware y diseño de chips. GPT-6 Astra lideró en automejora recursiva y ciencia de materiales, y Gemini 4 Carbon encabezó biología e ingeniería de software.
Ningún modelo se acercó a una nota aprobatoria, e incluso los líderes fallaron en la mayoría de las tareas. SemiAnalysis señala que los clasificadores de seguridad que se negaron en algunas áreas bajaron algunas notas, y dejar esas áreas fuera cambiaría el orden.
Por qué debes tomar el número con cautela
Un solo benchmark nunca es toda la historia. Estas son las tareas de una firma y su propia rúbrica de calificación, y todavía no hay una reproducción independiente. SemiAnalysis también vende investigación a la misma industria que está calificando, así que una dosis saludable de escepticismo es justa.
Más importante aún, una nota baja en trabajo experto de frontera dice poco sobre las tareas de todos los días. Redactar un informe u organizar facturas no es lo mismo que diseñar un chip o construir una estrategia de trading.
Cómo usar bien los agentes de IA de todos modos
- Empieza con trabajos de bajo riesgo. Deja que un agente redacte, resuma u organice, y luego revisa su trabajo antes de que salga algo.
- Mantén a una persona a cargo de las decisiones importantes. Si un error costaría dinero, reputación o seguridad, una persona debe aprobarlo.
- Prueba con tus propias tareas. Elige diez trabajos reales, califica al modelo en esos, y repite la prueba cuando cambies la instrucción o el modelo.
- Divide los trabajos grandes en pasos pequeños. Pide una parte a la vez y revísala antes de seguir.
- Vigila los errores seguros. Una respuesta fluida no siempre es una respuesta correcta, sobre todo en detalles técnicos o legales.
Qué significa esto para los usuarios de todos los días
La lección práctica es simple. Usa los agentes de IA como asistentes capaces, no como expertos sin supervisión. Son excelentes para acelerar el trabajo de rutina y terribles si se les deja solos con trabajo que necesita juicio, verificación o responsabilidad.
Si usas herramientas de IA para trabajar o estudiar en Escondido y quieres ayuda para configurarlas en tu teléfono o laptop, pasa por la tienda con tu dispositivo. Podemos revisar la configuración contigo.
Relacionado: El impulso de agentes de OpenAI en DevDay · El agente de Google tiene su propio correo
