Los modelos de IA avanzan rápido, pero todavía muestran enormes dificultades cuando deben completar trabajos profesionales de principio a fin. El Remote Labor Index (RLI) pone a prueba sistemas de IA con encargos reales y encontró que incluso el modelo con mejores resultados solo completó satisfactoriamente el 15,8% de las tareas.
La prueba fue desarrollada por el Center for AI Safety (CAIS) junto a Scale Labs y se aleja de los benchmarks tradicionales. En lugar de preguntas preparadas o ejercicios matemáticos, utiliza trabajos de diseño 3D, CAD, arquitectura, diseño gráfico, animación, audio, análisis de datos y desarrollo web.
Incluso los mejores modelos de IA siguen necesitando revisión humana
Fable 5 consiguió el mejor resultado con un 15,8% de trabajos completados correctamente. Opus 4.8 alcanzó un 8,3%, mientras que GPT-5.5 llegó al 6,3%. Esto significa que el modelo líder todavía falla en más del 84% de los trabajos profesionales evaluados.
Aun así, la evolución frente a versiones anteriores es fuerte. Cuando apareció el Remote Labor Index, el mejor sistema apenas podía automatizar alrededor del 2,5% de las tareas. Llegar al 15,8% en menos de un año muestra una mejora importante, aunque todavía queda una distancia enorme hasta poder reemplazar de forma confiable a un profesional.
Uno de los ejemplos involucraba la recreación de un anillo de compromiso mediante CAD. Fable 5 produjo un resultado mucho mejor que generaciones anteriores, pero los evaluadores todavía consideraron que el acabado no alcanzaba una calidad profesional. El problema ya no es solamente generar algo reconocible, sino entregar un archivo listo para utilizarse en un entorno de trabajo real.
Otro caso mostró todavía mejor esa diferencia. GPT-5.5 debía crear planos y renders de un baño y consiguió una imagen final convincente, pero el proyecto 3D tenía geometría defectuosa y carecía de texturas. El render presentado tampoco correspondía realmente al modelo entregado. La IA ya puede acelerar muchas tareas, pero estos resultados muestran que todavía hace falta una revisión humana seria antes de considerar terminado un trabajo profesional.
