Auto-GPT convierte GPT-4 en un agente que se da sus propios pasos

Auto-GPT ha empezado a circular estos días como una demostración de lo que ocurre cuando GPT-4 deja de responder una única pregunta y pasa a trabajar en cadena. El proyecto recibe un objetivo general, propone pasos intermedios, los ejecuta y utiliza el resultado para decidir qué hacer después.

Junto a iniciativas como BabyAGI, se ha convertido en una de las primeras demostraciones populares de los llamados agentes autónomos: programas que emplean un modelo de lenguaje como motor de decisión para completar tareas con cierta independencia. No es una nueva versión de GPT-4 ni un producto de OpenAI, sino software abierto construido sobre su API.

De una conversación a una secuencia de trabajo

Un chatbot convencional espera una instrucción y devuelve una respuesta. Si se le pide investigar un mercado, redactar un informe y guardar conclusiones, el usuario suele tener que guiar cada fase de la conversación.

Auto-GPT intenta eliminar parte de esa intervención. El usuario puede definir una meta amplia —por ejemplo, investigar un asunto o diseñar una estrategia— y el programa la divide en objetivos más pequeños. Después formula instrucciones para GPT-4, evalúa la respuesta obtenida y decide cuál debe ser la siguiente acción.

La idea no reside en que el modelo haya adquirido voluntad propia. El programa utiliza un bucle: objetivo, planificación, ejecución, observación del resultado y nueva planificación. GPT-4 aporta la capacidad de interpretar instrucciones y generar texto; la aplicación añade memoria, reglas y acceso a herramientas.

En sus demostraciones, Auto-GPT puede buscar información en internet, almacenar notas y trabajar con archivos. Eso amplía de forma importante lo que se puede pedir a un modelo de lenguaje, pero también cambia el tipo de error posible. Ya no basta con que una respuesta aislada sea incorrecta: una mala decisión al principio puede arrastrarse durante toda la cadena de tareas.

BabyAGI propone una receta más pequeña

BabyAGI persigue una lógica similar con una estructura más sencilla. Parte de una tarea inicial y mantiene una lista de trabajos pendientes. Tras completar uno, crea otros nuevos y los ordena en función del objetivo final.

El nombre alude a la inteligencia artificial general, o AGI, la hipotética capacidad de una máquina para abordar problemas muy distintos con flexibilidad humana. Pero estos proyectos están muy lejos de eso. No descubren por sí solos qué objetivos merecen la pena ni verifican de forma fiable sus propias conclusiones. Son automatizaciones basadas en modelos existentes, con un grado mayor de iteración.

Su interés está en mostrar una arquitectura que hasta ahora había permanecido sobre todo en artículos técnicos y prototipos internos: un modelo de lenguaje puede actuar como coordinador de herramientas, no solo como generador de texto.

La autonomía sigue teniendo límites muy claros

El entusiasmo alrededor de Auto-GPT tiene una explicación comprensible. Ver a un programa encadenar búsquedas, notas y decisiones crea la impresión de que el sistema trabaja por su cuenta. Sin embargo, la autonomía de estos primeros proyectos es limitada y depende de instrucciones humanas, permisos y servicios externos.

GPT-4 puede inventar datos, interpretar mal una petición o elegir un plan poco eficaz. Cuando una aplicación le permite lanzar búsquedas, escribir documentos o interactuar con otros servicios, esos fallos pasan de ser un problema de calidad del texto a un riesgo operativo. Por eso las demostraciones más sensatas requieren supervisión humana y entornos con permisos restringidos.

También existe una barrera práctica: cada paso implica una llamada a la API y, por tanto, tiempo y coste. Una tarea aparentemente simple puede requerir numerosas iteraciones si el agente se desvía, repite búsquedas o no logra decidir entre varias opciones.

Un cambio de dirección para los modelos de lenguaje

La aparición de Auto-GPT y BabyAGI coincide con las primeras semanas de disponibilidad de GPT-4, presentado por OpenAI el 14 de marzo. La atención ya no se centra únicamente en si el modelo escribe mejor, programa mejor o razona mejor que su antecesor. La pregunta empieza a ser qué sucede cuando se conecta a memoria, búsqueda, archivos y flujos de trabajo.

Para empresas y desarrolladores, el camino inmediato no pasa por delegar procesos completos sin control. Pasa por automatizar partes bien delimitadas: recopilar información, preparar borradores, clasificar documentos o proponer los siguientes pasos de una tarea. Los agentes prometen reducir trabajo repetitivo, pero su utilidad dependerá de que puedan comprobar resultados, respetar límites y pedir ayuda cuando no sepan continuar.

Auto-GPT no resuelve todavía esos problemas. Sí ha hecho visible una posibilidad que GPT-4 por sí solo no mostraba en una ventana de chat: los modelos de lenguaje pueden convertirse en la capa de decisión de programas que actúan, no solo conversan.