OpenAI dice que la adopción de IA en las empresas está avanzando más allá de las preguntas y respuestas hacia trabajos delegados de varios pasos, pero sus propios datos muestran que el progreso es muy desigual. La nueva investigación de la compañía describe una brecha creciente entre las firmas “frontier” y los adoptantes típicos, con las organizaciones más activas utilizando agentes, contexto empresarial y herramientas conectadas de forma mucho más extensa.

Los hallazgos provienen de dos estudios de OpenAI: Enterprise Signals, que examina la IA agéntica en la base de clientes empresariales de la compañía, y el documento de trabajo How Organizations Use AI: Evidence from ChatGPT. OpenAI dice que los estudios se basan en más de 10 millones de mensajes y examinan la adopción entre empresas, funciones y niveles de antigüedad.

Codex apunta a un cambio hacia el trabajo delegado

La señal más clara es el crecimiento reportado de Codex, el agente de programación y trabajo de software de OpenAI. En junio, Codex generó el 64% de los tokens de salida combinados de Codex y ChatGPT entre clientes empresariales, según OpenAI. La compañía sostiene que la medida indica un cambio hacia tareas más largas y sustanciales, porque los flujos de trabajo agénticos suelen producir más salida que las solicitudes conversacionales breves.

Esa interpretación importa para los compradores empresariales. Un asistente puede ayudar a un empleado a razonar sobre una presentación o una tarea de investigación; un agente puede recopilar información, usar sistemas conectados, crear archivos y preparar un resultado para revisión humana. OpenAI presenta ChatGPT Work y Codex como ejemplos de este modelo, aunque los datos no establecen cuánto de la salida reportada fue aceptada sin una edición humana sustancial ni cuánto trabajo se completó con éxito.

El uso de Codex también se está extendiendo más allá de la ingeniería. Desde febrero, los usuarios empresariales activos semanales de Codex crecieron 108 veces en legal, 41 veces en ventas, 41 veces en reclutamiento y 26 veces en marketing, informa OpenAI. La ingeniería creció cinco veces en el mismo periodo. Estas son grandes cifras de crecimiento relativo, pero OpenAI no proporciona los recuentos de usuarios subyacentes en el material suministrado, por lo que no deben leerse como evidencia de que los equipos no técnicos tengan ahora despliegues más grandes que los equipos de ingeniería.

OpenAI cita a Virgin Atlantic como ejemplo de uso interfuncional. La aerolínea dice que los equipos de ingeniería usaron Codex para refactorizar código heredado en 30 minutos en lugar de dos semanas, mientras que los equipos de producto usaron ChatGPT Work para investigación competitiva. Esas declaraciones son ejemplos proporcionados por OpenAI y no fueron verificadas de forma independiente en el resumen de investigación de la compañía.

La brecha frontier se está ampliando

OpenAI clasifica mensualmente a los clientes empresariales por tokens de salida por usuario activo. Define a las firmas frontier como las del 10% superior y a las firmas típicas como las ubicadas aproximadamente entre los percentiles 45 y 55. En junio, las firmas frontier generaron 8,3 veces más tokens de salida por usuario activo que las firmas típicas, frente a una diferencia de 2,6 veces en enero.

La compañía describe los tokens de salida como un proxy de la profundidad de uso, no como una medida directa del valor empresarial. Más texto o código generado puede reflejar flujos de trabajo más largos, pero también puede resultar de una redacción de prompts ineficiente, revisiones repetidas o tareas que requieren una revisión sustancial. Por tanto, la relación creciente indica una diferencia en la intensidad de uso, pero deja abiertas preguntas sobre productividad, calidad y retorno de la inversión.

El mismo patrón aparece en el uso de capacidades avanzadas. OpenAI dice que el 21% de los usuarios activos semanales en las firmas frontier usaron Plugins, frente al 9% en las firmas típicas. El uso de Skills fue del 19% en las firmas frontier frente al 3% en las típicas. Los Plugins pueden conectar un agente con datos y acciones de la empresa, mientras que Skills proporcionan instrucciones reutilizables, según OpenAI.

OpenAI también informa que el 95% de sus propios empleados usan Plugins semanalmente. Dado que OpenAI es tanto el proveedor del producto como la fuente de esta comparación interna, lo mejor es tratar esa cifra como una señal de adopción reportada por el proveedor y no como un benchmark de mercado.

La evidencia es útil, pero está controlada por el proveedor

La investigación ofrece una visión que las encuestas convencionales suelen pasar por alto: patrones reales de uso en conversaciones de trabajo y telemetría de producto, en lugar de descripciones que los empleados hacen de su comportamiento. OpenAI dice que sus datos muestran que los empleados al inicio de su carrera usan ChatGPT con más frecuencia que los ejecutivos. Seis meses después de la adopción, los trabajadores de carrera temprana enviaban 13 mensajes más por semana que los ejecutivos, informa la compañía.

OpenAI también dice que, entre las empresas públicas de EE. UU. estudiadas en su documento de trabajo, los adoptantes empresariales tenían más activos, más empleados y mayor inversión en I+D que los no adoptantes. Esa es una asociación, no una prueba de que la adopción de IA produjo un mejor desempeño financiero. Las empresas más grandes pueden simplemente tener más recursos para comprar, desplegar y gobernar sistemas de IA.

Las afirmaciones centrales siguen siendo reportadas por el proveedor. La evidencia suministrada no incluye una revisión independiente de la metodología, datos de costes a nivel de cliente, tasas de error, tasas de finalización de tareas ni una comparación con sistemas que no sean de OpenAI. Por tanto, los compradores deberían usar los informes para formular hipótesis sobre los patrones de despliegue, no como una medición neutral del mercado de IA empresarial.

Qué significan los hallazgos para los creadores de IA y las empresas

Para los equipos de producto, la investigación apunta a un cambio en la unidad de diseño. El producto valioso puede no ser un chatbot de propósito general, sino un flujo de trabajo que combine instrucciones, permisos, datos de negocio y acciones. Un plugin de ventas, por ejemplo, podría combinar un manual interno con acceso al CRM y propuestas anteriores antes de producir una respuesta para revisión.

Esa arquitectura introduce requisitos operativos que son menos importantes para la asistencia simple. Los equipos necesitan límites de permisos, registros de auditoría, controles de acceso a datos, pasos de aprobación y formas de recuperación cuando un agente usa el contexto incorrecto o toma una acción inadecuada. La revisión humana sigue siendo especialmente importante cuando los resultados afectan a clientes, trabajo legal, decisiones financieras o sistemas de producción.

La brecha de adopción también sugiere que comprar acceso a un modelo de IA no es lo mismo que escalar su uso. La propia conclusión de OpenAI es que las empresas necesitan aprendizaje continuo de los empleados, flujos de trabajo compartidos, infraestructura de datos y gobernanza. Para los líderes empresariales, un punto de partida práctico es identificar flujos de trabajo individuales eficaces, medir dónde ahorran tiempo o mejoran la calidad y convertirlos en procesos repetibles en lugar de depender de una experiencia informal en prompts.

Para los competidores y creadores, la expansión de los agentes de IA en legal, ventas, reclutamiento y marketing aumenta la importancia de las integraciones. Los sistemas que puedan recuperar de forma segura el contexto empresarial actual y completar acciones acotadas pueden volverse más útiles que los sistemas que solo generan texto pulido. Pero la investigación no muestra si los productos de OpenAI superan a las alternativas en fiabilidad, coste total o seguridad.

Qué vigilar a continuación

Las siguientes señales serán evidencia más detallada sobre finalización de tareas, tasas de revisión y resultados empresariales medibles. Los informes de OpenAI también pueden aclarar cómo varía la brecha de salida de 8,3 veces según el sector y la función, y si el alto uso de tokens se traduce en menores costes operativos o entregas más rápidas.

Los compradores empresariales deberían vigilar una disponibilidad más amplia de permisos de agentes, plantillas de flujo de trabajo y controles de auditoría en ChatGPT Work, Codex y Plugins. También deberían buscar evaluaciones independientes de clientes que informen sobre ejecuciones fallidas, intervención humana y costes de despliegue, no solo sobre el crecimiento del uso.

Una prueba adicional será si la adopción continúa fuera de ingeniería una vez que los agentes se conecten a sistemas empresariales sensibles. El crecimiento en legal, ventas, reclutamiento y marketing es notable, pero el uso sostenido dependerá de la calidad de los datos, la revisión de cumplimiento y de si los agentes pueden completar el trabajo con suficiente fiabilidad como para ganarse la confianza.

Perspectiva de Creati.ai

El anuncio de OpenAI es menos una afirmación de que las empresas ya han resuelto la IA agéntica que una medición de lo desigualmente que se están acercando a ella. La brecha frontier reportada sugiere que la ventaja competitiva puede venir tanto de la capacidad organizativa—diseño de flujos de trabajo, acceso a datos y gobernanza—como del acceso al modelo.

Por tanto, la pregunta importante para los creadores no es simplemente cuántos empleados usan una herramienta de IA. Es si un sistema puede completar una pieza de trabajo definida, mostrar lo que hizo, mantenerse dentro de sus permisos y producir un resultado que las personas puedan verificar. Los datos de OpenAI hacen visible esa transición, mientras que su metodología controlada por el proveedor significa que el mercado aún necesita evidencia independiente sobre calidad y economía.