Por Canuto  

Boris Power, jefe de Investigación Aplicada de OpenAI, afirmó que entre 80% y 90% de la investigación de la compañía se dirige a GPT-7, GPT-8 y generaciones posteriores, según The Decoder. El ejecutivo distinguió esa apuesta de largo plazo de las mejoras entre versiones, que sirven para aprender e iterar, y señaló otro desafío inmediato: ayudar a los usuarios a descubrir qué pueden hacer con la IA.
***

  • Boris Power afirmó que entre 80% y 90% de la investigación de OpenAI apunta a GPT-7, GPT-8 y generaciones posteriores, según The Decoder.
  • Power dijo que las actualizaciones dentro de una misma generación pueden apoyarse en datos de entrenamiento especializados y ayudar a la empresa a iterar.
  • El ejecutivo también situó entre los retos de los asistentes actuales ayudar a los usuarios a descubrir qué tareas pueden resolver con IA.

Boris Power afirma que OpenAI concentra su investigación en GPT-7 y modelos posteriores

Boris Power, jefe de Investigación Aplicada de OpenAI, afirmó que entre 80% y 90% de la investigación de la compañía se dirige a GPT-7, GPT-8 y generaciones posteriores, según The Decoder. El ejecutivo también describió las actualizaciones entre versiones como útiles para aprender e iterar, aunque insuficientes como estrategia de largo plazo.

En declaraciones recogidas por The Decoder a partir de una intervención en Fellows Forum, Power planteó una diferencia entre perfeccionar una generación existente y preparar la siguiente. Su descripción también desplaza parte de la conversación sobre asistentes de IA: además de mejorar los modelos, OpenAI tendría que ayudar a las personas a entender qué pueden hacer con ellos.

La apuesta de largo plazo está en las próximas generaciones

Power dijo que entre 80% y 90% de la investigación de OpenAI ya se dirige a GPT-7, GPT-8 y generaciones posteriores. Según su explicación, la empresa concentra tantos esfuerzos en ese horizonte porque allí se encuentra «la mayor parte del valor». La proporción corresponde a una afirmación del ejecutivo recogida por The Decoder, no a una medición independiente de resultados comerciales.

La cifra, tal como la presentó Power, sugiere una división entre el trabajo que prepara cambios de generación y el que busca mejoras más cercanas. En su lectura, una nueva generación puede elevar el rendimiento de manera más amplia, mientras que los ajustes entre versiones responden a oportunidades específicas y de alcance más limitado.

El ejecutivo describió el salto generacional como un punto en el que «todo lo demás simplemente funciona mucho mejor». La frase expresa su valoración sobre el efecto de una nueva generación, aunque la información citada no detalla métricas, tareas concretas ni comparaciones cuantitativas para medir ese avance.

Power añadió que, después de cada salto, OpenAI debe volver a aprender dónde conviene invertir para obtener mejoras rápidas. Ese proceso implica que las prioridades no quedan fijadas de una vez: los avances de una generación pueden cambiar qué ajustes parecen prometedores en la siguiente etapa de desarrollo.

Las mejoras intermedias sirven para iterar, pero no bastan

Como ejemplo de cambios dentro de una misma generación, Power mencionó el paso de GPT-5.1 a GPT-5.2. Señaló que ese tipo de mejora puede proceder de datos de entrenamiento especializados, una vía para afinar el comportamiento del modelo sin que ello represente necesariamente un salto comparable al de una nueva generación.

Según la fuente, Power describió esas mejoras como apuestas intencionalmente cortoplacistas y dijo que dentro de OpenAI se las considera «extremadamente miopes». También reconoció que ayudan a la empresa a iterar y aprender más rápido en el presente, por lo que su utilidad inmediata convive con límites estratégicos.

Esta distinción no supone un rechazo absoluto a las actualizaciones menores. Según Power, sirven para detectar qué funciona y ajustar el rumbo, pero no constituyen por sí solas la estrategia adecuada para el largo plazo, cuando la apuesta central de investigación mira a generaciones posteriores.

La tensión entre ambos horizontes es relevante para entender el planteamiento: los cambios pequeños pueden producir aprendizaje operativo, mientras que las nuevas generaciones concentran las expectativas de avances más amplios. La información citada no cuantifica el costo de cada línea de trabajo ni especifica qué equipos o recursos corresponden a cada categoría.

La experiencia del usuario es otro frente pendiente

Power situó uno de los desafíos de los asistentes actuales en el proceso de incorporación de usuarios. A su juicio, muchas personas que usan ChatGPT todavía no saben qué tareas pueden resolver con IA, una barrera que limita el aprovechamiento de las capacidades disponibles.

Por eso, describió como objetivo que los modelos futuros expliquen mejor qué es posible hacer y anticipen lo que las personas necesitan. La propuesta amplía la evaluación de un asistente más allá de su capacidad para responder: también importa si ayuda al usuario a formular un objetivo y a reconocer cuándo la herramienta puede ser útil.

En la comparación de Power, GPT-4 requería instrucciones cuidadosamente formuladas, mientras que GPT-5 resulta más sencillo de usar, aunque todavía demanda bastante retroalimentación. Su descripción plantea una transición gradual: facilitar la interacción no elimina la necesidad de que el usuario oriente al sistema y corrija o precise sus resultados.

Power caracterizó a GPT-6 como un modelo que ya funciona más como un colega capaz al que se le puede entregar directamente un objetivo. Esa comparación refleja su valoración del avance en la interacción, pero la información citada no especifica pruebas, condiciones de uso ni tareas con las que se pueda contrastar esa caracterización.

Una nueva medida de progreso para los asistentes

La visión expuesta reúne dos desafíos distintos: elevar las capacidades con nuevas generaciones y hacerlas más accesibles para quienes usan los asistentes. El primero depende, según Power, de la investigación orientada a GPT-7 y posteriores; el segundo exige que el sistema ayude a descubrir posibilidades y entienda mejor los objetivos que se le plantean.

Ese énfasis en la incorporación de usuarios no significa que Power considere resuelta la calidad de los modelos, sino que identifica otra limitación como especialmente importante. Un asistente puede mejorar técnicamente y aun así requerir que las personas sepan cómo pedirle ayuda, aportar contexto y responder a sus resultados.

La diferencia entre GPT-4, GPT-5 y GPT-6 que plantea Power funciona como una secuencia de expectativas sobre la forma de interacción: instrucciones cuidadosas, más facilidad con retroalimentación y, después, la posibilidad de delegar un objetivo. Son caracterizaciones atribuidas al ejecutivo, no una evaluación comparativa independiente de esos modelos.

La declaración más concreta sobre la estrategia de investigación es la proporción de 80% a 90% destinada, según Power, a GPT-7, GPT-8 y versiones posteriores. El ejecutivo sostiene que las mejoras intermedias permiten aprender con rapidez, pero presenta los saltos de generación y una mejor guía al usuario como piezas centrales del trabajo futuro de OpenAI.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados