Un laboratorio puso a la inteligencia artificial más avanzada del mercado a pilotar un dron de oficina en cinco etapas encadenadas. Superó la referencia humana en cada una de las cinco. La secuencia completa, de principio a fin, funciona en 2,8% de las veces.
Los dos números son verdaderos al mismo tiempo, y la distancia entre ellos es lo más útil que salió de una prueba de IA este mes. Es ella la que explica por qué tantos proyectos de automatización impresionan en la demostración y decepcionan el lunes.
Qué se probó
Andon Labs, laboratorio que evalúa modelos en tareas largas, montó el Drone-Bench: el modelo escribe el código que hace que un dron barato, un DJI Tello EDU, ejecute una misión solo. Son cinco etapas, una alimentando a la siguiente:
- reconstruir la oficina en un modelo tridimensional a partir del video;
- descubrir dónde está el dron dentro de ese modelo;
- navegar sin chocar;
- detectar a la persona correcta;
- seguir a esa persona.
GPT-6 Astra, lanzado el 3 de septiembre, fue el primer modelo en superar la línea base humano-IA en cada una de las cinco etapas. Ese es el resultado que se volvió titular, y es real.
El resto del informe es menos festivo. Superar la línea base ocurrió en al menos un intento de cada etapa. Contando las diez rondas, la detección de la persona funcionó en 4; la reconstrucción tridimensional, en 1. El laboratorio lo resume en una frase: la puntuación del mejor caso no significa desempeño confiable.
Por qué cinco etapas buenas no hacen un proceso bueno
La confiabilidad no se suma, se multiplica. Para que la misión completa funcione, las cinco etapas tienen que funcionar en la misma ronda. Basta multiplicar las dos tasas publicadas para ver qué pasa: 4 de 10 por 1 de 10 ya da 4%. Con las otras tres etapas en el camino, la medición de la secuencia completa quedó en 2,8%.
La misma cuenta aplica a cualquier proceso automatizado, con o sin dron. Si cada etapa acierta en una proporción, el proceso acierta en el producto de ellas:
- 5 etapas con 95% de acierto cada una: 77% de procesos completos correctos;
- 5 etapas con 90%: 59%;
- 5 etapas con 80%: 33%;
- 10 etapas con 90%: 35%.
Y el camino inverso asusta más: para que un proceso de cinco etapas entregue 95% de acierto de punta a punta, cada etapa tiene que acertar 99% de las veces. No es un objetivo que se alcance ajustando el texto de una instrucción.
Cuántas etapas tiene tu proceso
La cuenta solo funciona si cuentas las etapas de verdad. Una etapa es todo punto en el que el resultado de una cosa se convierte en la entrada de la siguiente. Una atención al cliente que parece una sola tarea suele ser seis:
- leer el mensaje del cliente;
- entender cuál es el pedido;
- consultar el inventario o la agenda;
- calcular precio, plazo o envío;
- escribir la respuesta;
- registrarlo en el sistema.
Un cobro, un presupuesto y una selección de currículums tienen una estructura parecida. Si cada una de estas seis etapas acierta el 90% de las veces —lo cual ya es bueno—, la atención completa sale correcta en el 53% de los casos. No es una hipótesis: en un relevamiento de la propia OpenAI, más de la mitad de las tareas largas necesitó intervención humana. La mitad de las atenciones tiene algo mal en algún punto, y la mayoría de los errores son silenciosos: el precio salió de la tabla vieja, el plazo ignoró el feriado, el registro no se hizo.
La jugada que más mejora el resultado
Como el objetivo por etapa es demasiado alto para alcanzarlo ajustando instrucciones, la salida es cambiar la composición de la cadena. En orden de efecto:
1. Cambia etapa de modelo por etapa de código siempre que la regla sea fija. Calcular el envío, aplicar una tabla de precios, verificar si la fecha es hábil, sumar impuestos: eso son reglas, y una regla escrita en código acierta el 100% de las veces. Cada etapa que sale del modelo y se convierte en código desaparece de la multiplicación. Es la diferencia entre 90% y 100% en uno de los factores, y el efecto en el resultado final es grande.
2. Reduce el número de etapas. Dos etapas que siempre ocurren juntas pueden ser una sola. Una etapa que existe porque el sistema antiguo lo exigía suele poder eliminarse sin ningún problema.
3. Pon la revisión humana antes del paso irreversible. Enviar al cliente, cobrar, publicar, borrar. La revisión no mejora la cuenta de la multiplicación: impide que el error salga de la empresa y permite recomenzar desde la mitad, no desde el principio.
4. Prefiere etapas que fallan de forma visible. Una etapa que se equivoca y avisa cuesta mucho menos que una que se equivoca en silencio. Cuando el modelo no está seguro, necesita tener una forma de decirlo en vez de inventar un valor plausible.
Lo que esta prueba no dice
Pilotar un dron es más difícil que responder a un cliente: involucra el mundo físico, cámara, retraso de red y ninguna posibilidad de volver a intentarlo después de chocar contra la pared. Las tasas de una oficina no son las tasas de tu atención al cliente, y sería deshonesto trasladar el 2,8% a tu empresa.
Lo que sí se traslada es la estructura de la cuenta. Y vale la pena registrar que Andon Labs proyecta que un modelo de frontera resolverá la secuencia completa en un único intento para el primer trimestre de 2027. Es una proyección, no un resultado, hecha a partir del ritmo de los últimos dos años, pero indica la dirección: las tasas por etapa suben, y la multiplicación se va volviendo menos cruel.
Mientras eso no ocurre, la decisión práctica sigue siendo la misma. Antes de automatizar un proceso, cuenta las etapas y mide cada una por separado. Es la única forma de saber si el resultado malo vino de una etapa débil o de muchas etapas mediocres, y la solución es completamente distinta en cada caso.
Cómo resolvemos esto en la práctica
Cuando implementamos IA en procesos de empresa, el primer paso no es elegir el modelo: es diseñar la cadena, separar lo que es regla de lo que es juicio y medir etapa por etapa. Casi siempre la ganancia viene de sacar etapas de la IA, no de agregar más.
Fuentes
Resultados del Drone-Bench y del Vending-Bench según la publicación de Andon Labs y la cobertura de The Decoder, de septiembre de 2026. Las tasas por subtarea y la tasa de la secuencia completa son del informe del laboratorio. El lanzamiento de GPT-6 Astra el 3 de septiembre de 2026 es de OpenAI.
Preguntas frecuentes
¿Qué significa que la inteligencia artificial acierte el 2,8% de las veces en la prueba del dron?
Significa que la misión completa, con las cinco etapas encadenadas saliendo bien en la misma ronda, ocurrió en cerca del 2,8% de las ejecuciones. Esto convive con el hecho de que el modelo superó la referencia humana en cada etapa por separado: superarla ocurrió en al menos un intento de cada etapa, pero no en todas a la vez.
¿Por qué un proceso con etapas confiables aun así falla?
Porque la confiabilidad de las etapas se multiplica en lugar de sumarse. Cinco etapas que aciertan el 90% de las veces cada una entregan el proceso completo correcto en el 59% de los casos. Con diez etapas al 90%, la cifra cae al 35%. Cuanto más larga la cadena, mayor la distancia entre la calidad de cada parte y la calidad del conjunto.
¿Cuántas etapas tiene un proceso típico de atención al cliente?
Por lo general seis: leer el mensaje, entender el pedido, consultar el stock o la agenda, calcular precio y plazo, redactar la respuesta y registrar todo en el sistema. Una etapa es cualquier punto en el que el resultado de una cosa se convierte en la entrada de la siguiente, y la cuenta suele sorprender a quien creía que era una sola tarea.
¿Cómo aumentar la tasa de acierto de un proceso automatizado?
La medida de mayor impacto es reemplazar una etapa basada en modelo por una etapa basada en código siempre que la regla sea fija, como calcular el envío o aplicar una tabla de precios, porque el código acierta siempre y desaparece de la multiplicación. Después vienen reducir el número de etapas, colocar una revisión humana antes del paso irreversible y priorizar etapas que avisan cuando se equivocan.
¿La revisión humana mejora la tasa de acierto?
No mejora la cuenta de la multiplicación, pero sí cambia el perjuicio. Evita que el error llegue al cliente y permite retomar el proceso desde la mitad en lugar de desde el principio. Por eso el lugar correcto para colocarla es justo antes del paso irreversible: enviar, cobrar, publicar o borrar.
¿Estos números aplican a mi negocio?
Las tasas no, pero la estructura del cálculo sí. Pilotar un dron involucra el mundo físico, la cámara y el retraso de red, y es más difícil que responder a un cliente. Lo que se traslada es el método: contar las etapas del proceso, medir cada una por separado y multiplicar, para saber si el problema es una etapa débil o son muchas etapas mediocres.