# mollick-real-ai-agents-work-oneusefulthing-2025-09-29

## Veille

Ethan Mollick - Agentes de IA y Trabajo Real - Impacto Económico - Estudio de OpenAI - Replicación de Investigación - Futuro del Trabajo - One Useful Thing

## Titre Article

Real AI Agents and Real Work: The race between human-centered work and infinite PowerPoints

## Date

2025-09-29

## URL

https://www.oneusefulthing.org/p/real-ai-agents-and-real-work?utm_campaign=post&utm_medium=web

## Keywords

AI Agents, trabajo real, impacto económico, OpenAI, capacidades de IA, transformación del trabajo, replicación de investigación, IA agéntica, futuro del trabajo, adopción de IA, automatización de tareas, productividad de la IA, investigación científica, colaboración humano-IA

## Authors

Ethan Mollick, Professeur à la Wharton School, University of Pennsylvania

## Ton

**Perfil:** Académico-accesible | Testimonio en primera persona | Analítico-prospectivo | Intermedio-experto

Mollick adopta su estilo característico de profesor-comunicador: fundamenta una tesis prospectiva (los agentes de IA cruzando el umbral del trabajo económicamente relevante) en evidencia empírica concreta (estudio de OpenAI, mediciones de METR) y en su propia experimentación (replicar un artículo de economía con Claude Sonnet 4.5). El título, que opone "trabajo centrado en el humano" y "PowerPoints infinitos", cristaliza la tensión central en una frase memorable. El tono es mesurado: ni catastrofismo ni entusiasmo ingenuo, con atención sostenida a las limitaciones (capacidades "irregulares", ausencia de agencia real, riesgo de sobreproducción de contenido mediocre). Público objetivo: directivos, investigadores y profesionales que buscan comprender el impacto real de los agentes de IA en el trabajo.

## Pense-betes

- Estudio de OpenAI: expertos (14 años de experiencia promedio) vs. IA en tareas realistas de 4 a 7 horas, evaluación a ciegas
- Los humanos aún ganan, pero por poco; los modelos recientes progresan rápido
- Principal debilidad de la IA: el formato de salida y el seguimiento de instrucciones (mejora rápidamente)
- Predicción: la próxima generación de modelos debería superar a los expertos humanos en promedio
- La IA reemplaza tareas, no puestos de trabajo enteros; capacidades "irregulares" (excelente aquí, deficiente allá)
- Experimento de Mollick: Claude Sonnet 4.5 replica de forma autónoma un sofisticado artículo de economía (lectura, ordenamiento de archivos, conversión STATA → Python)
- Validación cruzada: verificación puntual por Mollick y re-replicación por GPT-5 Pro
- Lo que a los humanos les toma horas se logra en minutos → posible palanca contra la crisis de replicación científica
- Estudio de METR: la duración de las tareas que la IA puede completar de forma autónoma crece exponencialmente (de GPT-3 a GPT-5)
- Los agentes carecen de agencia en el sentido humano: los humanos definen los objetivos y los límites
- Tres usos productivos: automatizar tareas rutinarias, aumentar las capacidades humanas, crear nuevas oportunidades
- Riesgo central: sobreproducción de contenido de bajo valor ("PowerPoints infinitos") si las organizaciones carecen de imaginación

## RésuméDe400mots

Ethan Mollick sostiene que los agentes de IA han cruzado un umbral crítico: ahora son capaces de realizar trabajo económicamente relevante. Primero se apoya en un estudio reciente de OpenAI que compara modelos de IA con expertos humanos (14 años de experiencia promedio en finanzas, derecho, comercio minorista) en tareas realistas diseñadas para tomar entre 4 y 7 horas, evaluadas a ciegas por un tercer grupo de expertos. Resultado: los humanos aún ganan, pero por poco, con márgenes que varían según el sector. Los modelos más recientes progresan rápidamente, y la principal debilidad de la IA —el formato de salida y el seguimiento de instrucciones— está mejorando con rapidez. Mollick predice que la próxima generación de modelos superará a los expertos humanos en promedio. Sin embargo, matiza: la IA reemplaza tareas, no puestos de trabajo enteros, y sus capacidades siguen siendo "irregulares", excelentes en algunas tareas y deficientes en otras.

Para ilustrar el valor de este trabajo real, Mollick relata su propia experiencia: pidió a Claude Sonnet 4.5 que replicara un sofisticado artículo de economía que incluía múltiples experimentos, proporcionando el texto completo y el archivo de datos de replicación. De forma autónoma, el modelo leyó el artículo, ordenó los archivos, convirtió el código STATA a Python y verificó metódicamente todos los hallazgos, incluidas interacciones complejas. Mollick verificó puntualmente los resultados e hizo que GPT-5 Pro re-replicara la replicación. Lo que llevaría horas a investigadores experimentados se logra en minutos —una vía importante para abordar la crisis de replicación científica, al permitir una verificación a gran escala antes imposible.

Este salto de capacidad proviene de la mejora en la precisión de los modelos: incluso pequeñas ganancias reducen sustancialmente los fallos a lo largo de cadenas largas de tareas, y los modelos "pensantes" recientes incorporan autocorrección. El estudio de METR muestra que la duración de las tareas que la IA puede completar de forma autónoma ha crecido exponencialmente desde GPT-3.

Mollick señala, no obstante, que los agentes carecen de agencia en el sentido humano: no deciden sus propios objetivos, y los humanos deben definir las metas y los límites. Identifica tres usos productivos: automatizar tareas rutinarias (informes, presentaciones), aumentar las capacidades humanas (replicación de investigación) y crear nuevas oportunidades. El riesgo simétrico es la "sobreproducción infinita de PowerPoints": organizaciones sin imaginación que usan agentes para generar cada vez más contenido de bajo valor. El futuro del trabajo dependerá de nuestra capacidad para concebir usos que complementen las capacidades humanas en lugar de reemplazarlas mecánicamente.

## GrapheDeConnaissance

- Ethan Mollick —publie→ Real AI Agents and Real Work (DOCUMENT, 0.98)
- Ethan Mollick —travaille_chez→ Wharton School (ORGANISATION, 0.98)
- OpenAI —publie→ étude capacités agents IA (DOCUMENT, 0.95)
- agents IA —permet→ travail économiquement pertinent (CONCEPT, 0.93)
- Ethan Mollick —utilise→ Claude Sonnet 4.5 (TECHNOLOGIE, 0.95)
- Claude Sonnet 4.5 —permet→ réplication d'articles de recherche scientifique (CONCEPT, 0.92)
- GPT-5 Pro —soutient→ réplication réalisée par Claude (CONCEPT, 0.88)
- METR —mesure→ longueur des tâches accomplies de façon autonome par l'IA (CONCEPT, 0.9)
- agents IA —améliore→ longueur des tâches autonomes (croissance exponentielle) (CONCEPT, 0.9)
- agents IA —remplace→ tâches (pas emplois entiers) (CONCEPT, 0.88)
- réplication automatique —résout→ crise de réplication scientifique (CONCEPT, 0.85)
- Ethan Mollick —recommande→ augmentation des capacités humaines par l'IA (CONCEPT, 0.87)
- Ethan Mollick —prédit→ un risque de surproduction de contenu à faible valeur par les agents IA (AFFIRMATION, 0.85)
- Ethan Mollick —prédit→ la prochaine génération de modèles dépassera en moyenne les experts humains (AFFIRMATION, 0.88)

---
Canonical: https://www.thekb.eu/es/fiches/mollick-real-ai-agents-work-oneusefulthing-2025-09-29/