ChatGPT Work: el agente de OpenAI para todos los profesionales

El agente de ChatGPT que quiere salir de la ingeniería

OpenAI lanzó ChatGPT Work el mes pasado como una versión modificada de Codex pensada para profesiones no técnicas. El producto cuesta US$20 al mes, está disponible en el plan más barato de ChatGPT y puede conectarse al correo, Slack, Notion, Figma y un largo listado de herramientas SaaS para ejecutar proyectos de varios pasos sin intervención humana. Forbes confirmó el 9 de julio que corre sobre GPT-5.6 en sus tres variantes (Sol, Luna y Terra).

La promesa es ambiciosa: que un contador, una médica o un operador de venture capital puedan hacer con un agente lo mismo que un ingeniero ya hace con Codex. Pero los números de adopción que la propia OpenAI reconoce cuentan otra historia.

La brecha de adopción que OpenAI no logra cerrar

Un estudio interno de la compañía citado por TechCrunch muestra que, en junio, el 98% de los empleados de OpenAI usaban Codex, pero solo el 17% de los suscriptores organizacionales y menos del 1% de los suscriptores individuales hacían lo propio. Es el mismo tipo de brecha que sufre ChatGPT Work: la app combinada de Codex, Work y ChatGPT tiene 20 millones de usuarios frente a más de 1.000 millones que, según OpenAI, escriben prompts en la web.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El ingeniero líder de la app de escritorio, Andrew Ambrosino, lo resume con crudeza: "Tenemos que separar si estamos construyendo el flujo de trabajo que todo el mundo va a hacer, o si nosotros somos los raros". Esa autocrítica es relevante para cualquier founder: la tecnología ya funciona dentro de OpenAI, pero no cruza la puerta hacia profesionales no técnicos.

El propio reportero de TechCrunch relata que usar ChatGPT Work durante cuatro días de uso casual le consumió 80 millones de tokens, equivalentes a US$65 según el cálculo del modelo — más del triple de lo que pagó por la suscripción mensual. OpenAI subsidia cada sesión de agente, lo que muestra hasta dónde está dispuesta la compañía a empujar la adopción antes de optimizar costos.

El dilema del arnés: ¿más botones o más magia?

Para entender por qué los agentes no escalan fuera del software, los ingenieros de OpenAI insisten en una palabra: harness (arnés). Es la capa de software que envuelve al modelo y decide qué información ve, qué herramientas puede usar y cómo presenta sus respuestas. Para programadores basta una interfaz de línea de comandos; para el resto del mundo, hace falta mucho más.

Ambrosino compara el proceso con el skeuomorfismo — esa vieja práctica de hacer que las apps parezcan objetos reales, como una calculadora digital que imitaba una calculadora de bolsillo. "No era solo diseño vergonzoso. Ayudó a que la gente entrara y hiciera la transición". Por eso ChatGPT Work conserva botones visibles para seleccionar proyectos y plugins, aunque algunos compañeros en OpenAI argumentan que un botón sobra si el usuario puede pedírselo al modelo con palabras.

El conflicto interno revela un trade-off real: los power users prefieren menos UI; los nuevos usuarios necesitan botones para descubrir qué puede hacer el agente. Y todavía hay fricciones serias: configurar permisos para Google Drive resultaba confuso y circular según el reportero, y muchas opciones importantes solo están en la versión web mientras otras solo funcionan en el móvil.

Anthropic, OpenAI y ahora Meta: la guerra de los agentes

ChatGPT Work no llegó solo. Anthropic lanzó antes su propio Claude Cowork, y según TechCrunch Codex superó a Claude Code en descargas a partir de abril de 2026, después de meses de liderazgo de Anthropic. La diferencia, dicen los ingenieros de OpenAI, estuvo en aprender de los errores: cuando Codex nació como web app apostaron a que el modelo resolvería todo sin intervención, y fallaron. Claude Code en cambio ofreció una conversación paso a paso con opciones intermedias, y ganó mercado hasta que Codex adoptó un enfoque similar.

Ahora la pelea es de tres. El 5 de agosto, Meta lanzó Muse Code en beta, su primer agente de codificación potenciado por Muse Spark 1.2, según reportó CNBC. La apuesta de Meta es agresiva en precio: en el nivel contributor, cuesta US$0,20 por millón de tokens de salida frente a los US$25 de Claude Opus 5 — entre 12 y 21 veces más barato. A cambio, Meta usa los prompts y el código de los desarrolladores para entrenar futuros modelos.

Según los benchmarks publicados por Meta y analizados por Memeburn, en Terminal-Bench 2.1 el ranking lo lidera Claude Opus 5 (86,7%), seguido por Muse Spark 1.2 (82,9%), GPT-5.6 Terra con Codex (81,8%) y Grok 4.5 (81,6%). En DeepSWE 1.1 el orden es Claude Opus 5 (65%), GPT-5.6 Terra (64,8%), Muse Spark 1.2 (59,3%) y Grok 4.5 (53%). La distancia entre los tres primeros es de pocos puntos, lo que confirma que el campo está más parejo de lo que el marketing sugiere.

Aun así, Meta ya tiene 7.000 ingenieros usándolo semanalmente, según The Information, y presiona a OpenAI y Anthropic en el flanco del precio. Para un founder, eso significa que el costo por usar un agente frontera va a caer rápido: el propio Thibault Sottiaux, líder del producto Work en OpenAI, recordó que el modelo Luna acaba de recibir un recorte de precio del 80%.

¿Qué significa esto para tu startup?

Para una startup hispana que hoy está decidiendo si invertir tiempo en agentes, hay tres conclusiones accionables:

Empieza por tareas medibles, no por magia. Codex ganó tracción porque el código o funciona o no. El reportero de TechCrunch compara ChatGPT Work con "el peor pasante que has tenido" cuando el esfuerzo es bajo. Empieza con reportes semanales, armado de dashboards o migración de datos entre CRMs, donde el resultado es fácil de auditar. Evita por ahora flujos donde solo vos podés evaluar la calidad.
Paga por el tier correcto y vigila los tokens. Un founder técnico puede sacarle jugo al plan de US$20, pero el reportero gastó US$65 en cómputo real con cuatro días de uso casual. Si montas un producto sobre estos agentes, modela el costo por usuario desde el día uno — el subsidio actual es real, pero Sottiaux confirmó que la compañía busca eficiencia, no pérdidas permanentes.
Aprovecha la presión competitiva. Con Claude Cowork, ChatGPT Work y ahora Muse Code compitiendo, los precios por token cayeron fuerte en seis meses. Si tu startup depende de APIs de modelos para un producto, renegociá contratos y considera arquitecturas model-agnostic que te permitan cambiar de proveedor cuando baje el precio. El ganador no será el modelo con mejor benchmark, sino el que tenga mejor relación precio/calidad cuando tu Scale-up despegue.

El propio Akshay Nathan, jefe de ingeniería de producto en OpenAI, lo admitió desde dentro: "Todavía hay demasiada complejidad… soy muy optimista de que podemos resolverla, con el modelo y de una forma verdaderamente nativa de IA". Esa frase resume el estado del sector: la promesa existe, los benchmarks son sólidos, pero la adopción fuera de ingeniería sigue siendo el cuello de botella.

Conclusión

OpenAI tiene claro el destino — agentes que ejecuten proyectos enteros para cualquier profesional — y la tecnología de modelo ya está a la altura. El problema es el tramo entre el programador y el contador: permisos confusos, configuraciones circulares, métricas que no se pueden medir tan fácilmente como "el código compila o no". La entrada de Meta con precios agresivos y la presión de Anthropic por mejor experiencia de usuario van a acelerar la caída de costos y la mejora de UX. Para un founder, el momento de experimentar es ahora, mientras los planes siguen subsidiados y la competencia empuja los precios a la baja.