Los agentes de IA de Big Tech siguen teniendo problemas de autonomía en el mundo real, lo que impulsa la demanda de entornos de aprendizaje por refuerzo (RL), campos de entrenamiento simulado cruciales para el dominio de tareas de varios pasos. Empresas emergentes como Mechanize Work y Prime Intellect se apresuran a proporcionar estos entornos, respaldadas por las crecientes inversiones de laboratorios de IA como Anthropic. Aunque la RL impulsa grandes avances (por ejemplo, o1 de OpenAI), los críticos advierten de los problemas de escalabilidad y los riesgos de "piratería de recompensas". El sector refleja el auge del etiquetado de datos, pero se enfrenta al escepticismo sobre su viabilidad a largo plazo en medio de la rápida evolución de la IA.