OpenAI ha presentado LifeVal, una evaluación de agentes sobre tareas cotidianas que combinan búsqueda, navegador, conectores y acciones. En lugar de limitarse a preguntas de conocimiento, incluye encargos como buscar una guardería, organizar voluntariado, preparar un plan doméstico o completar un trámite. La aportación útil es el cambio de unidad: una respuesta fluida no basta si faltan restricciones, acciones o decisiones que correspondían a la persona.
Para elegir los ámbitos, OpenAI partió de la American Time Use Survey y la Multinational Time Use Study y añadió una encuesta demográficamente representativa de 3.995 personas sobre dónde valorarían ayuda. El conjunto cubre cuidados, salud, educación, administración doméstica, finanzas personales, compras y servicios públicos.
Los porcentajes publicados pertenecen a tareas concretas
La página muestra, entre otros ejemplos, un 93,1 % al comparar guarderías, un 98,0 % al organizar voluntariado ante una inundación y un 100 % al localizar una vivienda bajo unas condiciones. No publica en esa página una única tasa global que permita afirmar que el agente resuelve el 93 %, el 98 % o el 100 % de la vida cotidiana.
| Elemento | Qué permite leer | Qué no demuestra |
|---|---|---|
| Tarea definida | Si el agente conserva requisitos y completa pasos observables | Que cualquier petición parecida tenga la misma dificultad |
| Puntuación del caso | Rendimiento bajo la rúbrica y entorno de OpenAI | Éxito universal ni ausencia de errores peligrosos |
| Decisiones pendientes | Si el sistema devuelve el control cuando falta una preferencia | Que la persona detecte todas las omisiones |
La selección de tareas está mejor conectada con necesidades declaradas que un catálogo inventado por un laboratorio. Aun así, la misma página no detalla todos los casos, anotadores, repeticiones, versiones de sitios ni tratamiento de fallos. Tampoco consta una réplica independiente publicada en el corte consultado.
Una evaluación doméstica necesita medir acción y consecuencia
Un equipo puede adoptar el principio sin ejecutar LifeVal. Para una tarea propia, conviene guardar cinco piezas: requisito inicial, fuentes consultadas, acciones permitidas, resultado verificable y decisiones reservadas a la persona. En dominios de alto impacto añade qué comprobación externa se exige antes de usar el resultado.
Ejemplo didáctico · No es una tarea de LifeVal
Compara tres ayudas públicas para este perfil. Cita la página oficial y la fecha de cada requisito. No envíes formularios. Marca como pendiente cualquier condición que dependa de residencia o ingresos no aportados.
La evaluación no debería premiar solo que aparezcan tres enlaces. También debe comprobar si las condiciones corresponden al perfil, si la vigencia está fechada y si el agente se abstuvo de enviar. En salud o finanzas, un plan bien organizado sigue necesitando profesionales, datos actuales y consentimiento para acciones sensibles.
El límite más importante es no confundir ayuda con autonomía
OpenAI presenta LifeVal como una forma de impulsar asistentes que hagan más que conversar. Eso no convierte cada acción en apropiada. Una buena rúbrica debe penalizar una compra, inscripción o comunicación realizada sin la autorización prevista, aunque el resultado final parezca útil.
LifeVal aporta una dirección editorial valiosa: medir tareas completas y no impresiones. Hasta que se publique el conjunto completo y exista contraste externo, sus resultados deben leerse como una evaluación del productor y por caso, no como una certificación general de fiabilidad.
Transparencia: noticia elaborada con asistencia de IA a partir de la publicación de OpenAI. Texploto no ejecutó LifeVal ni tuvo acceso a sus tareas privadas.
