OpenAI está intentando llevar los agentes de IA más allá del desarrollo de software y hacia los flujos de trabajo cotidianos de contadores, inversores, médicos, equipos de operaciones y otros trabajadores basados en ordenador. Su esfuerzo más reciente, ChatGPT Work, conecta un modelo con herramientas del lugar de trabajo y le pide que complete tareas de varios pasos en lugar de limitarse a responder preguntas.

La expansión es estratégicamente importante, pero las primeras evidencias apuntan a un difícil problema de adopción. TechCrunch informa que los empleados de OpenAI usan su herramienta de programación agentica a tasas muy altas, mientras que el uso entre suscriptores externos sigue siendo limitado. La brecha sugiere que construir agentes capaces es solo una parte del reto; hacer que sean comprensibles, controlables y fiables para personas fuera de la ingeniería puede determinar si el mercado crece más allá de los primeros adoptantes técnicos.

ChatGPT Work lleva los agentes más allá de la programación

ChatGPT Work se lanzó el mes pasado y está disponible en el plan de suscripción de 20 dólares al mes de OpenAI, según TechCrunch. El producto se describe como una versión más amplia de Codex, el agente de programación de la compañía, diseñado para usuarios que quizá no trabajen con código fuente ni con herramientas de línea de comandos.

La propuesta central es el acceso a espacios de trabajo digitales ya existentes. La aplicación de escritorio de OpenAI puede conectarse con correo electrónico, Slack, Notion, Figma y otras aplicaciones, lo que permite que un agente recopile información y actúe en varios sistemas. Entre los ejemplos citados por TechCrunch figuran crear informes semanales de métricas, convertir hojas de cálculo en herramientas de planificación, reunir investigación de inversión y producir gráficos a partir de conversaciones del lugar de trabajo.

Ese enfoque sitúa a ChatGPT Work en la misma categoría amplia que productos como Claude Code, el agente de navegación de Perplexity AI y otros agentes de IA que operan sobre el software existente del usuario en lugar de dentro de un único chat aislado. OpenAI apuesta a que un agente de propósito general puede servir a muchas profesiones si el producto que lo rodea maneja la complejidad de las herramientas, los permisos y la planificación de tareas.

Los líderes de producto de la compañía presentan el cambio como un paso de la asistencia conversacional a la ejecución autónoma. Esa es una postura de OpenAI, no una evaluación verificada de forma independiente sobre cuán fiablemente funciona el sistema en distintos lugares de trabajo.

La brecha de adopción es la prueba central

La evidencia más sólida del problema procede de datos de uso citados por TechCrunch a partir de un estudio respaldado por OpenAI. En junio, según los informes, el 98% de los empleados de OpenAI utilizó Codex, frente al 17% de los suscriptores organizacionales y menos del 1% de los suscriptores individuales.

Esas cifras cuentan con respaldo del proveedor y no deben tratarse como una medición independiente del mercado en general. No obstante, ilustran la distancia entre la familiaridad interna y la adopción externa. Los ingenieros de OpenAI trabajan en entornos donde los agentes de programación encajan de forma natural en los procesos existentes. La mayoría de los demás usuarios primero debe entender qué delegar, cómo proporcionar contexto y cómo revisar el resultado.

Andrew Ambrosino, líder de ingeniería de OpenAI, dijo a TechCrunch que la compañía vio inicialmente a empleados no ingenieros tener dificultades con Codex porque el producto exponía conceptos técnicos como cambios de código y diffs vacíos. Desde entonces, el equipo ha trabajado para hacer la experiencia más generalista, con el objetivo de reducir la cantidad de conocimiento especializado necesaria para usar un agente.

Esto también explica el énfasis de OpenAI en controles visibles y botones de flujo de trabajo. Un usuario técnicamente sofisticado podría invocar la capacidad adecuada mediante un prompt, pero los usuarios generales quizá no sepan que esa capacidad existe. Ambrosino argumentó que la facilidad de descubrimiento importa durante las primeras etapas de adopción, incluso si algunos controles desaparecen con el tiempo a medida que los usuarios se familiarizan más con el software agentico.

Más acceso crea más riesgo

Dar acceso a un agente a los sistemas del lugar de trabajo también cambia el problema de seguridad. El modelo ya no solo genera texto para que un usuario lo revise. Puede leer mensajes privados, recuperar registros, actualizar documentos, crear eventos de calendario o actuar en varias aplicaciones.

Ambrosino reconoció el riesgo de que un agente pudiera extraer información de un mensaje directo privado mientras prepara un documento y no entender que esa información no debería compartirse. Dijo a TechCrunch que acepta ese riesgo en su trabajo probando el producto, aunque señaló que no había encontrado ese resultado.

Esa anécdota no demuestra que el problema esté resuelto. Para los compradores empresariales, las preguntas relevantes incluyen si el acceso puede limitarse por aplicación, proyecto, tipo de datos o rol de usuario; si las acciones requieren aprobación; y si los administradores pueden auditar lo que el agente vio y cambió. El material de origen no establece cómo gestiona ChatGPT Work cada uno de esos controles.

El producto también se enfrenta a los problemas de fiabilidad del software por el que debe navegar. Muchos sistemas empresariales no fueron diseñados para agentes autónomos, y las interfaces inconsistentes, los registros incompletos y los permisos ambiguos pueden convertir una tarea aparentemente simple en algo difícil. Un agente que extrae con éxito una vez un calendario mal formateado es útil; un sistema empresarial debe funcionar de forma predecible en miles de casos variados.

Por qué esta apuesta importa para los creadores y compradores de IA

Para OpenAI, una adopción más amplia de agentes podría aumentar el valor y el uso de sus modelos, porque las tareas de mayor duración consumen más recursos de inferencia. Más importante aún, la compañía necesita llegar a profesiones más allá de la ingeniería de software si quiere que los agentes de IA respalden una porción mucho mayor del trabajo del conocimiento.

Ya se está formando competencia en torno a flujos de trabajo más estrechos. Harvey se centra en el trabajo legal, mientras que Clay apunta a procesos relacionados con ventas, según TechCrunch. Esas empresas emplean una estrategia agnóstica respecto al modelo, lo que les permite seleccionar distintos modelos subyacentes cuando cambian el rendimiento o el costo. OpenAI, en cambio, intenta hacer que un solo producto orientado al consumidor sea útil en muchas funciones.

Eso crea una compensación para los desarrolladores. Un agente general puede reducir la necesidad de comprar e integrar múltiples herramientas especializadas, pero un producto vertical puede ofrecer mejores permisos, terminología, procesos de revisión y fiabilidad específica del dominio. Los equipos de producto que evalúen ChatGPT Work deberán comparar la comodidad de un asistente amplio con los controles y la previsibilidad de un sistema enfocado.

Las cifras de adopción también sugieren que la experiencia de usuario puede importar tanto como la capacidad del modelo. Los ingenieros pueden tolerar la configuración, la retroalimentación técnica y la depuración ocasional. Los usuarios de finanzas, comunicaciones y operaciones tienen más probabilidades de necesitar límites de tarea claros, fuentes visibles, acciones reversibles y una escalada sencilla cuando el agente no está seguro.

Qué observar a continuación

La primera señal será el uso de ChatGPT Work en relación con la base de usuarios más amplia de ChatGPT de OpenAI. TechCrunch informa que la aplicación conjunta es utilizada por 20 millones de personas, mientras que OpenAI dice que más de mil millones de usuarios escriben prompts a ChatGPT en línea. La comparación no es una métrica de adopción de igual a igual, pero muestra la magnitud del desafío de la compañía.

Los compradores empresariales deberían vigilar la información publicada sobre uso activo, tasas de finalización de tareas, tasas de error, controles de permisos, registros de auditoría y la frecuencia con la que los usuarios deben intervenir. La disposición de OpenAI a divulgar esos detalles facilitaría distinguir una adopción real del flujo de trabajo de las pruebas impulsadas por la curiosidad.

El mercado también debería observar si los usuarios prefieren agentes generales o productos especializados como Harvey y Clay. Otra señal importante será si OpenAI puede hacer que los agentes sean útiles sin exigir a los clientes reorganizar sus pilas de software existentes o aceptar un acceso amplio a datos sensibles.

Perspectiva de Creati.ai

La noticia de OpenAI trata menos de añadir otro asistente que de probar si la autonomía puede convertirse en una interacción normal en el lugar de trabajo. ChatGPT Work aborda una limitación real de las interfaces de chat: los usuarios a menudo necesitan ayuda para coordinar información y acciones entre varios sistemas, no solo redactar una respuesta.

Pero la adopción general dependerá de una autonomía restringida, no de la autonomía por sí sola. Es probable que los desarrolladores y las empresas recompensen a los productos que expliquen a qué accedieron, pidan aprobación en momentos decisivos y fallen de forma segura cuando las instrucciones o los datos sean ambiguos. OpenAI ha demostrado la ambición de llevar los agentes de IA a los no ingenieros; la siguiente pregunta es si el diseño de su producto puede ganarse el permiso para actuar.