Uber abre ChatGPT Work a 30.000 empleados tras un piloto con 1.000
Uber dio acceso a ChatGPT Work, el agente de IA empresarial de OpenAI, a la totalidad de sus 30.000 empleados después de un piloto con 1.000 trabajadores. Es el primer despliegue de una plataforma de agentes de IA que abarca a una compañía completa, según anunciaron ambas empresas.
Para un founder, la señal es clara: la adopción de agentes dejó de ser un experimento de un equipo de innovación y pasó a ser una decisión de infraestructura. Si una empresa del tamaño de Uber mueve a toda su plantilla a un agente, el debate interno deja de ser "si conviene" y pasa a ser "cómo lo implementamos sin romper nada".
¿Qué hace exactamente ChatGPT Work dentro de Uber?
El agente se conecta con herramientas que Uber usa a diario: Google Drive, Gmail, Google Calendar y Slack. Según la descripción oficial de OpenAI, puede investigar información, preparar resúmenes de reuniones, armar presentaciones, analizar datos y completar tareas que cruzan varias aplicaciones.
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 díasOpenAI presentó ChatGPT Work en julio como un agente capaz de tomar acciones dentro de las aplicaciones y archivos de un usuario y sostener una tarea durante horas. Según PYMNTS, el lanzamiento comenzó el 9 de julio y el producto se describe como un agente dentro de ChatGPT Enterprise pensado para trabajo más complejo que una consulta de chat típica.
El sistema funciona por defecto con GPT-6.1 Sol, un modelo que OpenAI describe como un equilibrio entre rendimiento y costo, y suma funciones de voz e imagen. Los equipos de ingeniería de Uber, en cambio, seguirán usando Codex, la herramienta de programación de OpenAI, para escribir código.
Según Adgully, el despliegue se apoya en una biblioteca interna de habilidades de IA de Uber, integraciones aprobadas y capacitación dedicada para empleados. Ese detalle importa: la diferencia entre un agente que se usa y uno que se abandona a las tres semanas suele estar en el entrenamiento y en las integraciones habilitadas, no en el modelo.
¿Cómo fue el piloto antes del lanzamiento masivo?
Durante la prueba con 1.000 empleados, el 80% de los usuarios no eran ingenieros, según Sumanth Sukumar, vicepresidente de ingeniería de Uber. Las áreas de finanzas, operaciones y producto usaron la herramienta para analizar datos operativos, traducir materiales de capacitación a distintos mercados y crear paneles de trabajo personalizados.
Ese 80% es el dato más relevante del caso. La mayoría de las implementaciones de IA empresarial fracasan cuando quedan atrapadas en el equipo técnico. Que cuatro de cada cinco usuarios del piloto vinieran de áreas no técnicas sugiere que el valor del agente está en tareas administrativas y de análisis, no solo en código.
Uber también probó un esquema al que llama "AI pods": grupos de 30 ingenieros de inteligencia artificial que trabajaron dos semanas con distintos equipos para automatizar partes de sus tareas. Ninguna de las dos empresas reveló cuánto costará la implementación completa del sistema.
"Nuestro enfoque es poner herramientas de IA poderosas a disposición de todos en Uber, dándoles a los equipos margen para experimentar", dijo Sukumar. Agregó que la empresa evaluará qué flujos de trabajo surgen antes de decidir cómo seguir ampliando el uso interno de inteligencia artificial.
El dato que explica la urgencia: el presupuesto de IA se agotó en cuatro meses
El presupuesto que Uber había destinado a inteligencia artificial para todo 2026 se agotó en los primeros cuatro meses del año, un indicio de la velocidad con la que la empresa amplió el uso de estas herramientas puertas adentro.
Ese detalle cambia la lectura del anuncio. No se trata de una compañía probando IA con cautela, sino de una que ya consumió su asignación anual antes de mitad de año y necesitaba escalar de forma ordenada. Para un founder, es una advertencia sobre cómo presupuestar: si el consumo de tokens crece más rápido que la plantilla, el costo de IA deja de ser una línea menor y se vuelve una variable de gestión.
¿Por qué OpenAI necesita este caso de referencia?
Sumar a una empresa del tamaño de Uber como cliente de referencia es una señal de peso frente a otras grandes compañías que evalúan adoptar agentes similares. Greg Brockman, presidente y cofundador de OpenAI, calificó el despliegue como "un gran paso para ampliar el acceso a capacidades e instrumentos de inteligencia artificial de avanzada" para las decenas de miles de empleados de Uber.
El contexto competitivo es intenso. Según eWeek, ChatGPT Work compite directamente con Claude Cowork de Anthropic, que también puede planificar y ejecutar tareas de varios pasos de forma autónoma. La carrera está puesta en el cliente empresarial, donde los agentes buscan completar flujos de trabajo con supervisión limitada.
El negocio detrás también es grande. Bloomberg reportó el 9 de octubre que el negocio empresarial de OpenAI impulsa los ingresos anualizados de la compañía, que se espera alcancen al menos US$70.000 millones a fin de año, frente a US$50.000 millones al cierre de septiembre, según recogió PYMNTS. En DevDay 2026, Sam Altman dijo que ChatGPT ya tiene 1.200 millones de usuarios activos semanales, según Moneycontrol.
¿Qué cambia para tu startup?
El caso Uber no es replicable en escala, pero sí en método. Tres cosas se pueden copiar sin tener 30.000 empleados.
- Empieza por un piloto acotado y mide quién lo usa. Uber arrancó con 1.000 personas y descubrió que el 80% no eran ingenieros. Antes de comprar licencias para todo el equipo, corre dos semanas con un grupo pequeño y registra qué áreas lo adoptan solas.
- Habilita las integraciones antes que el modelo. El valor de ChatGPT Work en Uber viene de conectarse con Drive, Gmail, Calendar y Slack. Un agente sin acceso a tus herramientas reales es un chatbot más caro.
- Presupuesta el consumo como variable, no como fijo. Uber agotó su presupuesto anual de IA en cuatro meses. Define límites de uso por equipo y revisa el gasto mensualmente, o el costo te va a sorprender a mitad de año.
- Documenta los flujos que funcionan. El esquema de "AI pods" de Uber —30 ingenieros trabajando dos semanas dentro de otros equipos— es una forma concreta de convertir hallazgos sueltos en procesos replicables.
El contexto incómodo: 3.300 despidos semanas antes
El anuncio llega semanas después de que Uber despidiera a unos 3.300 empleados, el 10% de su plantilla global, en la mayor reducción de personal de la compañía desde la pandemia. El director ejecutivo, Dara Khosrowshahi, explicó en un memo interno que el objetivo era reducir capas de management y simplificar equipos.
Khosrowshahi no atribuyó esos despidos a la inteligencia artificial, y la empresa aclaró que la decisión apuntaba a redirigir recursos hacia sus negocios de viajes, delivery y vehículos autónomos. Uber tampoco dijo que ChatGPT Work haya reemplazado puestos de trabajo específicos.
La secuencia, sin embargo, es la que muchos equipos van a vivir: primero se recortan capas intermedias, después se despliegan herramientas que absorben parte de ese trabajo de coordinación. La lectura honesta para un founder es que la IA no justifica por sí sola un despido, pero sí redefine qué tareas necesita una estructura más plana.
Un antecedente que ya venía de mayo
La relación entre ambas compañías se remonta a mayo de este año, cuando presentaron en conjunto herramientas de IA orientadas a conductores y pasajeros, como un asistente que ayuda a los choferes a optimizar sus ganancias. Según Unite.AI, esa colaboración incluyó Uber Assistant, un asistente para conductores que convierte datos del mercado en recomendaciones de posicionamiento, además de una capa interna de gobernanza llamada AI Guard que filtra prompts y respuestas para reducir alucinaciones.
Uber y OpenAI adelantaron que compartirán más datos sobre la adopción y los resultados del nuevo despliegue a medida que avance. Ese compromiso de publicar resultados medibles es, quizás, lo más útil para el resto del ecosistema: la mayoría de los anuncios de IA empresarial se quedan en el comunicado y nunca muestran qué pasó después.
Conclusión
El despliegue de ChatGPT Work en Uber marca un punto de inflexión: los agentes de IA pasaron de prueba de concepto a infraestructura de trabajo para toda una compañía. Lo verificable hoy es el alcance —30.000 empleados, 80% de usuarios no técnicos en el piloto, un presupuesto anual agotado en cuatro meses— y lo que falta es la parte más importante: los resultados medibles que ambas empresas prometieron compartir.
Para un founder hispanohablante, la lección práctica no es copiar la escala, sino el orden: piloto chico, integraciones reales, capacitación y control de gasto. El agente no reemplaza el criterio; lo pone a prueba más rápido.
Fuentes
- Infobae: Uber les dio a sus 30.000 empleados acceso a un agente de IA de OpenAI
- Adgully: Uber rolls out OpenAI's ChatGPT Work to all 30,000 global employees
- PYMNTS: Uber Deploys OpenAI Agents to All 30,000 Employees
- Unite.AI: Uber Rolls Out ChatGPT Work to More Than 30,000 Employees
- eWeek: OpenAI Unveils ChatGPT Work, an AI Agent for the Workplace
- Moneycontrol: OpenAI DevDay 2026
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 días
