Un modelo de inteligencia artificial presentado recientemente alcanzó una puntuación de 99.9% en ARC-AGI-3, una prueba diseñada para evaluar la capacidad de razonamiento ante situaciones novedosas sin instrucciones previas. Sin embargo, este resultado depende de un factor arquitectónico específico: un sistema que permite al modelo retener aprendizaje entre intentos. Al operar en configuración estándar, sin este mecanismo de soporte, el rendimiento se redujo a 62.71%.

Esta discrepancia de 37.19 puntos porcentuales plantea interrogantes sobre cómo se evalúan y comunican las capacidades de sistemas de IA avanzados. El desempeño no ocurre en un vacío; depende de variables como la arquitectura de memoria disponible, el contexto de ejecución y las herramientas integradas. La diferencia entre ambas puntuaciones no invalida el resultado inicial, pero sí subraya la importancia de contextualizar los benchmarks en función de las condiciones operativas reales.

Desempeño en tareas de oficina: automatización con límites

Más allá de pruebas de razonamiento abstracto, el modelo demostró capacidades en simulaciones de tareas administrativas comunes. Logró un 72.6% en evaluaciones que incluían búsqueda de proveedores, comparación de precios, organización de datos y elaboración de presentaciones de forma autónoma. Esto representa una mejora de 6.9 puntos porcentuales respecto a su predecesor, además de completar estas tareas aproximadamente 47% más rápido.

La capacidad de ejecutar procesos multietapa sin supervisión constante abre posibilidades para delegar tareas repetitivas: responder correos, llenar formularios, buscar información. Estas actividades consumen horas de trabajo sin agregar valor estratégico directo. Sin embargo, esta autonomía introduce riesgos operacionales que no pueden ignorarse.

Autonomía y riesgo: el equilibrio crítico

Cuando un sistema autónomo comete errores en procesos reales—ingresar datos incorrectos, ejecutar búsquedas deficientes, tomar decisiones basadas en información incompleta—las repercusiones pueden ser significativas. Un error en un proceso de compra, contratación o análisis financiero puede propagarse rápidamente a través de sistemas conectados. Esto subraya la necesidad de mantener supervisión adecuada, especialmente en funciones que afecten decisiones críticas o datos sensibles.

La evolución de estos sistemas no se trata solo de capacidad bruta, sino de confiabilidad operativa. Las organizaciones que adopten estas tecnologías enfrentarán decisiones sobre dónde establecer puntos de control, qué procesos pueden ejecutarse sin intervención humana y cuáles requieren validación. La pregunta no es si automatizar, sino cómo automatizar de manera que el riesgo sea manejable y el valor sea verificable.