OpenAI e Ironclad comparan agentes en once tareas de contratación: Astra alcanza un 55 %
La puntuación media supera el 41,6 % de GPT-5.6 Sol, pero mide criterios cumplidos en una evaluación de investigación.
Por qué confiar en Pulso Diario
Ilustración editorial original
El trabajo anunciado el 6 de octubre examina si una IA configura procesos completos, desde acuerdos de confidencialidad hasta aprobaciones de compras y cláusulas por jurisdicción.
Qué se evaluó
Cada tarea incluía entre ocho y cincuenta criterios. Astra utilizó razonamiento Max y Sol, High. Los tiempos estimados fueron 19,2 y 37 minutos por intento. Son simulaciones de velocidad de ejecución, no horas ahorradas por clientes.
Fuentes: [1] OpenAI · evaluación con Ironclad
Cómo leer el resultado
La diferencia es de 13,4 puntos porcentuales, equivalente a una mejora relativa aproximada del 32 %. Un 55 % de puntuación media no significa completar perfectamente el 55 % de los contratos: la métrica agrega requisitos de las tareas.
Fuentes: [1] OpenAI · evaluación con Ironclad
Ilustración editorial original
Por qué configurar una cláusula exige varias decisiones
La documentación de Ironclad diferencia propiedades —como importe o contraparte—, etiquetas que trasladan esos datos al documento y condiciones que deciden el comportamiento del proceso. Una condición puede introducir una cláusula de tratamiento de datos cuando el contrato los incluye; otra puede solicitar una aprobación adicional al superar un importe. El trabajo exige que esos elementos se correspondan.
Qué debe comprobar una implantación
Ironclad también permite adaptar las preguntas del formulario y calcular valores mediante fórmulas. Esto obliga a revisar tanto lo que aparece en el contrato como las rutas de aprobación. Como criterio de evaluación aplicado, conviene probar casos a ambos lados de cada umbral, no solo el ejemplo con el que se construyó el flujo.
Los errores de un proceso pesan más que un promedio
Un buen resultado agregado puede convivir con un fallo en una aprobación decisiva. Para implantar agentes importa identificar qué requisitos son imprescindibles y exigir su cumplimiento antes de permitir acciones reales.
Opinión de Pulso Diario · elaborada a partir de los hechos y fuentes citadosFuentes y límites de verificación
Es una prueba interna específica. OpenAI declara entrenamiento con tareas sintéticas basadas en contratos públicos de EDGAR y sin contratos privados de clientes.
Fuentes: [1] OpenAI · evaluación con Ironclad · [2] Ironclad · propiedades, condiciones y fórmulas
Comentarios · ¿qué duda te queda?
¿Qué dato te ayudaría a entender mejor esta noticia? Comparte tu pregunta o señala un posible error con su fuente. Usaremos las dudas para orientar nuevas explicaciones, sin prometer una respuesta individual.
Los comentarios se revisan antes de publicarse. Respeta a los demás, aporta argumentos y evita publicidad o datos personales. Puedes eliminar tus propios comentarios.
Google se cargará al pulsar. Privacidad.
Has accedido con Google.
Más en Inteligencia artificial
Claude amplía su marca de agua textual a tres modelos: qué permite detectar y qué no
Claude abre hilos temporales para agilizar conversaciones largas sin reducir los tokens facturados
La historia viral de Claude Code y 17.342 fotos: qué revisar en tu iPhone
OpenAI presenta LifeVal para evaluar la ayuda de la IA en tareas cotidianas
IA cuántica: la carrera por calcular lo que hoy se nos resiste
Gemini tiene diez consejos para la próxima década: el primero empieza por tu cuerpo
Karpathy se hartó de YouTube: así creó HackerTube con IA en unas dos horas
Los nuevos proyectos de pago de Gemini API guardan solicitudes por defecto: cómo controlar el registro
Sheets añade las fuentes web de las respuestas generadas con Gemini a cada celda
«Brain fry»: cuando supervisar la IA se convierte en otra carga de trabajo
AlphaFold y las curas con IA: qué está demostrado y qué falta
