Pacific Northwest National Laboratory y OpenAI se asocian para acelerar los permisos federales

Modernizar la forma en que el gobierno federal otorga permisos para infraestructura crítica es esencial para construir una economía estadounidense más rápida, segura y competitiva. Desde proyectos de energía y manufactura avanzada hasta sistemas de transporte y agua, los permisos determinan qué tan rápido las ideas prometedoras se convierten en inversiones reales. Sin embargo, hoy en día las evaluaciones ambientales y técnicas suelen tomar años, lo que frena la innovación, aumenta los costos y retrasa los beneficios que estos proyectos aportan a las comunidades.

Por eso OpenAI se ha asociado con el Pacific Northwest National Laboratory (PNNL) del Departamento de Energía de Estados Unidos y su equipo PermitAI^TM⁠(se abre en una nueva ventana) para evaluar si los agentes de programación pueden ayudar a acelerar de forma responsable el trabajo de permisos federales. PermitAI, una iniciativa financiada por la Oficina de Políticas del Departamento de Energía, y OpenAI trabajaron junto con 19 expertos en el proceso de revisión de la Ley Nacional de Política Ambiental (NEPA, por sus siglas en inglés) para diseñar una evaluación comparativa (llamada DraftNEPABench) que analiza qué tan bien se desempeñan los modelos de IA en tareas relacionadas con los flujos de trabajo de NEPA, como la redacción de declaraciones de impacto ambiental.

En un conjunto representativo de tareas de redacción que abarcan secciones de documentos NEPA de 18 agencias federales, 19 expertos concluyeron que los agentes de programación generalistas tienen el potencial de acelerar el trabajo de redacción de documentos NEPA en hasta 1 a 5 horas por subsección, lo que equivale aproximadamente a una reducción del 15 % en el tiempo de redacción, lo que marca un avance significativo en cómo la IA puede apoyar flujos de trabajo gubernamentales complejos.

Los permisos federales son un proceso complejo y con gran carga documental dentro del gobierno. Las revisiones suelen requerir leer cientos de páginas de informes técnicos, verificar información en múltiples fuentes y redactar análisis detallados que deben cumplir con requisitos normativos.

A través de esta colaboración, OpenAI y PNNL exploraron el potencial⁠(se abre en una nueva ventana) de generalizar agentes de programación (en este caso, Codex CLI) como una forma eficaz de extraer rendimiento de modelos de razonamiento como GPT‑5 para tareas de investigación, análisis técnico y redacción de informes que involucran un sistema de archivos. Al dar a los modelos acceso a una interfaz de línea de comandos (normalmente usada para tareas de programación), pueden usar estrategias más generales para resolver una tarea que las heurísticas diseñadas a mano. Estos agentes deben:

• Leer y sintetizar con precisión documentos que abarcan cientos de páginas de contenido técnico y normativo
• Verificar hechos en múltiples fuentes ambientales, de ingeniería y regulatorias
• Redactar informes estructurados que cumplan criterios legales y técnicos muy específicos

Para que Estados Unidos siga haciendo crecer su economía en esta era de la inteligencia⁠(se abre en una nueva ventana), debe poder construir de forma segura, responsable y rápida. A medida que los sistemas de IA impactan cada vez más el mundo físico, debemos entender sus capacidades en ámbitos como la ingeniería civil, el análisis ambiental y regulatorio. Con el tiempo, los modelos avanzados tendrán que entender con precisión las leyes y regulaciones mientras ayudan a inventar tecnologías nuevas y más seguras, proteger los recursos naturales y satisfacer las necesidades humanas.

Durante más de 50 años, el proceso ha exigido que las agencias federales revisen y documenten los impactos ambientales de proyectos como puentes, plantas de energía, líneas de transmisión e instalaciones de manufactura. Esta evaluación comparativa ayuda a identificar en qué partes los modelos de IA actuales pueden ayudar de forma responsable a las personas a acelerar estos flujos de trabajo.

Además de reducir los riesgos de la autonomía, este trabajo puede impulsar el diseño de mejores interfaces para expertos y sistemas de IA. Más allá de los PDF estáticos, los agentes de programación pueden generar dinámicamente informes web e imágenes interactivas a partir de su trabajo, lo que facilita la validación por parte de los revisores humanos.

Con la IA, las agencias podrán revisar, perfeccionar y aprobar propuestas con mayor eficiencia, y los empleados públicos obtendrán más capacidad gracias a equipos de agentes de IA que se encargan de las partes más demandantes de tiempo de su trabajo, para que ellos puedan enfocarse en el criterio, la supervisión y la toma de decisiones complejas. Este trabajo está alineado con el compromiso más amplio de OpenAI con el servicio público y con el objetivo de OpenAI for Government de brindar a los servidores públicos herramientas que los hagan más eficaces y respaldados.

Esta evaluación comparativa analiza la capacidad de los modelos en tareas de redacción bien definidas donde el contexto relevante está disponible, no toda la ambigüedad y discrecionalidad de las decisiones de permisos en el mundo real. Se hace énfasis en la precisión y el uso correcto de referencias para aclarar dónde los modelos podrían ayudar a los revisores humanos. Al revisar los casos de falla, encontramos que algunos “errores” en realidad se debían a referencias desactualizadas y criterios de evaluación débiles, por lo que tuvimos que actualizar las rúbricas en consecuencia. En términos más generales, si los materiales de origen están incompletos, son inconsistentes o están desactualizados, es posible que los modelos no señalen estas discrepancias sin instrucciones explícitas. Es más probable que las implementaciones en el mundo real incluyan retroalimentación e iteración por parte de expertos, lo que se espera que mejore el desempeño más allá de lo que se reporta en estas tareas de benchmark autocontenidas.

OpenAI está apoyando a PNNL para seguir desarrollando y perfeccionando soluciones para las aplicaciones de PermitAI⁠(se abre en una nueva ventana), diseñadas para ayudar a las agencias federales a agilizar los procesos de permisos. Con el tiempo, esperamos que el tiempo promedio de aprobación de proyectos de infraestructura revisados a nivel federal pase de meses a semanas, acelerando el desarrollo de proyectos, fortaleciendo la competitividad de Estados Unidos y apoyando el crecimiento económico a largo plazo.