MSD / Methodik / RESEARCH EDITION

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.

Jetzt eintauchen ↓RECHERCHESTAND 12.11.2026 · FAKTEN + EINORDNUNG + SZENARIEN
RESEARCH NOTE / 2026Methodik

KI & Agenten

Investigación externa · Clasificación MSD
Keine Behauptung eines eigenen Versuchs.

01 / EINORDNUNG

Qué significa este hallazgo.

Grenzen des Nachweises

Los autores consideran plausible una aceleración más fuerte, pero califican los datos sobre la magnitud del efecto como evidencia débil.

Nuestra derivación para una operación piloto.

Renovar el diseño experimental tras los saltos técnicos. Cualquiera que rechace determinadas tareas sin IA cambia la muestra examinada.

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

Fuente y versión

METR · Methodenupdate 24.02.2026 · Publikations-/Bezugsjahr 2026. 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.

IA y agentes / Resultado contrario / 2025

Cuando la IA alarga el trabajo: el resultado contrario 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.

METR · Ensayo aleatorizado
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