La IA se vuelve más inteligente sola durante la noche: el método de "autogeneración" que nos enseñó el autoresearch de Karpathy

¿Qué pasaría si, mientras usted duerme, una IA ejecutara 700 experimentos durante la noche y, al despertar, descubriera que ya encontró por sí sola 20 mejoras? Suena a ciencia ficción, pero ocurrió de verdad. Es la historia de autoresearch, el proyecto de código abierto que Andrej Karpathy —el investigador de IA que lideró el equipo de conducción autónoma de Tesla y trabajó en OpenAI— publicó en marzo de 2026.

Lo interesante no es el resultado en sí. Este proyecto muestra, en una forma diminuta y muy clara, un principio de diseño capaz de "hacer que cualquier proyecto se mejore a sí mismo". Y ese principio no pertenece solo a la investigación en IA: se puede trasladar tal cual al trabajo cotidiano de cualquier empresa. De eso vamos a hablar hoy.

Lo que hizo realmente autoresearch

Karpathy llevaba meses ajustando a mano, poco a poco, el código para entrenar un modelo de IA. Hasta que se hizo la pregunta obvia: "¿Por qué estoy haciendo esto a mano? ¿Y si le encargo los experimentos a un agente de IA?". Esa pregunta se convirtió en autoresearch.

La estructura es asombrosamente simple. En la práctica solo hay tres archivos.

Funciona así. El agente modifica train.py una vez, ejecuta el entrenamiento durante exactamente 5 minutos y lo puntúa con un solo valor de validación (una medida de qué tan bien acierta el modelo la siguiente palabra; cuanto más bajo, mejor). Si mejoró, adopta el cambio; si empeoró, lo descarta y prueba la siguiente idea. Repite unas 12 veces por hora, alrededor de 100 veces durante la noche, sin intervención humana.

Lo esencial, en palabras del propio Karpathy, cabe en una frase.

"No se trata de tocar directamente el archivo de Python como haría un investigador. Se trata de programar el markdown program.md que le da contexto al agente."

Es decir, el trabajo de la persona deja de ser modificar código y pasa a ser definir hacia qué objetivo y hasta dónde se puede cambiar. El resultado fue nítido: tras un total de 700 experimentos, el agente descubrió por sí solo 20 optimizaciones y, al aplicar esas mejoras a un modelo más grande, el tiempo de entrenamiento se redujo un 11 %. La gente empezó a llamar a este método el "Karpathy Loop".

Y hay indicios de que no quedó en un simple fenómeno pasajero. En mayo de 2026, Karpathy se incorporó al equipo de investigación de pre-entrenamiento de Anthropic. Puede leerse como una señal de que el "bucle de autogeneración" que mostró autoresearch conecta con los intereses reales de los laboratorios de IA de vanguardia.

La verdadera innovación no es la herramienta, sino el "diseño de autogeneración"

El código de autoresearch no llega a las 630 líneas. No llamó la atención por contener una tecnología deslumbrante. Lo notable es que destiló, en algo tan pequeño, el esqueleto de un diseño capaz de hacer que cualquier sistema se mejore a sí mismo. Ese esqueleto se resume en cuatro puntos.

1. Reducir a una sola la superficie que se puede cambiar. autoresearch solo permitía modificar el archivo train.py. Si todo se puede cambiar, no hay control ni aprendizaje posible. Limitar el "lugar donde experimentar libremente" a un único punto es el primer paso.
2. Definir "mejor" con un solo número. Un único indicador, val_bpb, es el criterio de toda decisión. Como no es una persona quien juzga por intuición si mejoró o empeoró, sino el número, el bucle gira sin necesidad de intervención humana.
3. Hacer girar el bucle con un tiempo fijado. Cada experimento dura 5 minutos; la decisión de adoptar o descartar es inmediata. Solo con ciclos cortos y repetibles se pueden intentar 100 pruebas en una noche. Cien intentos rápidos le ganan a un único intento perfecto.
4. La persona marca la dirección; la máquina ejecuta. Lo que aporta la persona son solo tres cosas: elegir el objetivo, definir el indicador y diseñar el espacio de experimentación. La mayor parte de la ejecución restante ya se puede automatizar.

Fíjese en que en estos cuatro puntos no hace falta ni una sola vez la palabra "modelo de IA". Por eso este diseño se traslada tal cual al trabajo de una empresa.

Cómo llevarlo al trabajo de tu empresa

Un "sistema que se mejora solo durante la noche" no es exclusivo de los laboratorios de las grandes corporaciones. Si una tarea es repetitiva y su éxito o fracaso se puede medir con un número, se le pueden aplicar estos cuatro pasos.

• Mensajes de atención al cliente: superficie a cambiar = el texto del primer mensaje de respuesta. Indicador = tasa de respuesta o de conversión a reserva. Bucle = la IA genera variantes del texto → se prueban a pequeña escala → se adopta la de mejor resultado → se repite.
• Copys de anuncios y páginas de producto: superficie a cambiar = la línea del titular. Indicador = tasa de clics. La persona solo fija los límites, del tipo "este tono jamás", y deja en manos de la IA generar las variantes y compararlas.
• Manuales de procedimiento internos (SOP): superficie a cambiar = un paso concreto del procedimiento. Indicador = tiempo de gestión o número de errores. Se prueba un solo cambio por semana y, si mejora, se incorpora al manual. Pero es aquí donde la mayoría se equivoca en el primer paso: si se toma como indicador solo el "tiempo de gestión", puede que gane velocidad y se derrumbe la calidad. Qué se mide cambia el resultado por completo.

¿Ve el patrón común? No cambiarlo todo a la vez, sino fijar un solo punto que cambiar y un solo número que medir, y hacerlo girar en ciclos cortos. Con solo establecer esa disciplina, el sistema empieza a mejorar por sí mismo.

Pero hay una trampa que es obligatorio señalar. Si se elige mal el indicador, se optimiza lo que no toca. Si se pone como único indicador "acortar la duración de la llamada", el resultado es que el agente corta al cliente a las prisas. A este fenómeno —cuando el número se convierte en objetivo, solo mejora el número y se estropea lo que de verdad importa— se le suele llamar la ley de Goodhart. Por eso, en esta metodología, el verdadero trabajo de la persona es elegir el indicador correcto y trazar los límites que no se deben cruzar. Quien hace girar el bucle es la máquina, pero decidir hacia dónde girar es, hasta el final, tarea de la persona.

Eso es precisamente lo primero que hace IROUMISM cuando empieza a trabajar con un cliente. Qué tarea poner en el bucle, qué tomar como indicador de "mejor", hasta dónde permitir que se cambie de forma automática y en qué punto debe detenerse la persona: trazar juntos esos límites es donde nace un sistema que se autogenera.

Para cerrar

El mensaje de autoresearch es claro: un sistema que se autogenera no surge de una tecnología grandiosa, sino de un diseño pequeño y preciso. Una sola superficie que cambiar, un solo número que medir, un bucle definido y una persona que marca la dirección. Con estos cuatro elementos, un proyecto empieza a mejorar por sí mismo.

El problema está en elegir "qué poner en el bucle". Cuál de las tareas de su empresa encaja mejor en este bucle de autogeneración, y con qué indicador medirla para evitar optimizar lo que no toca: eso lo analizamos juntos.

¿Qué tarea de su empresa podría ser la primera en subir a un "bucle que se mejora solo"? En un diagnóstico gratuito de 30 minutos le ayudamos a encontrar el primer candidato.