MSD / Gegenbefund / RESEARCH EDITION

Cuando la IA amplía el trabajo: el contrahallazgo de METR

En un ensayo aleatorizado con 16 desarrolladores experimentados y 246 tareas, herramientas de IA de principios de 2025 alargaron el tiempo de trabajo un 19 %. Los participantes valoraron su utilidad de forma mucho más favorable.

Jetzt eintauchen ↓RECHERCHESTAND 12.11.2026 · FAKTEN + EINORDNUNG + SZENARIEN
RESEARCH NOTE / 2025Gegenbefund

KI & Agenten

Investigación externa · Clasificación MSD
Keine Behauptung eines eigenen Versuchs.

01 / EINORDNUNG

Qué significa este hallazgo.

Grenzen des Nachweises

Se examinaron grandes proyectos y herramientas de código abierto conocidos de la época. Otras tareas y modelos más nuevos pueden producir resultados diferentes.

Nuestra derivación para una operación piloto.

probar el soporte con un grupo de comparación real; Documente la velocidad percibida y la finalización medida por separado.

Esta derivación es una recomendación editorial de MSD. No es un resultado adicional del estudio citado.

Fuente y versión

METR · randomisierter Versuch · Publikations-/Bezugsjahr 2025. Recherchiert am 12.11.2026.

Leer fuente primaria ↗

Investigación externa, no un proyecto de referencia de un cliente de MSD. Publicaremos nuestros propios ensayos únicamente con su configuración, fecha, mediciones e intentos fallidos documentados.

02 / ENLACES

Piense en el futuro. Sigue comprobando.

KI & Agenten / Methodik / 2026

Neue Werkzeuge, neue Auswahlverzerrung ↗

METR describe un experimento de seguimiento en febrero de 2026. La evidencia de un trabajo más rápido es difícil de interpretar debido a la selección de participantes y tareas, así como a problemas con la medición del tiempo.

METR · Methodenupdate 24.02.2026
KI & Agenten / Grundlage / 2017

Atención: el lenguaje se puede procesar en paralelo ↗

El artículo de Transformer presenta una arquitectura basada en la atención para el procesamiento de secuencias. Es un componente metodológico del lenguaje posterior y de modelos multimodales.

Vaswani et al. · Attention Is All You Need
IA y agentes / Investigación / 2022

ReAct combina planificación y acción lingüística ↗

ReAct examina cómo los modelos de lenguaje pueden conectar pasos intermedios con acciones en un entorno. Las herramientas proporcionan nuevas observaciones para pasos posteriores.

Yao et al. · ReAct