OpenAI lanza Dots, su agente IA siempre activo contra Meta Muse

OpenAI entra de lleno en la carrera del agente IA personal con Dots

OpenAI presentó Dots en su DevDay 2026: agentes de IA siempre activos que, según la compañía, ejecutan flujos completos en nombre del usuario mientras él está en otra cosa. La apuesta se construye sobre el modelo GPT-6 Astra y se complementa con ChatGPT Space, un espacio colaborativo donde humanos y agentes comparten contexto y entregables. La noticia llega semanas después del debut de Meta Muse, que en menos de tres semanas superó los 3,4 millones de descargas según datos de Sensor Tower citados por TechCrunch.

Para un founder, la pregunta ya no es si la IA responde bien, sino qué trabajo en su empresa está dispuesto a dejar en manos de un agente que opera sin supervisión continua.

Qué son exactamente los Dots

Dots (un «dot» individual) son agentes persistentes con tres características centrales:

🤖 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

Tienen su propio computador en la nube y navegador propio.
Pueden conectarse a más de 4.000 aplicaciones a través del ecosistema de plugins de OpenAI.
Aprenden gradualmente preferencias, estándares y hábitos del usuario.

El modelo detrás es GPT-6 Astra, descrito por OpenAI como el más capaz hasta la fecha en uso de computador: moverse por apps y sitios como lo haría un humano. Las conversaciones con un Dot no descuentan del límite de uso de ChatGPT y se puede interactuar con ellos desde ChatGPT (web, desktop y móvil), Slack y Microsoft Teams, manteniendo el contexto entre canales. OpenAI también adelantó que pronto será posible llamarlos por teléfono como modelo de audio.

Un Dot trabaja en segundo plano mientras el humano hace otra cosa: investiga bugs apenas se reportan, prepara propuestas, actualiza análisis cuando llegan nuevos datos o transforma transcripciones en clips, notas y posts.

ChatGPT Space: el espacio donde humanos y agentes comparten proyecto

ChatGPT Space es el otro anuncio fuerte del DevDay: un entorno colaborativo donde compañeros de equipo, ChatGPT y el Dot del usuario trabajan sobre el mismo pool de conocimiento del proyecto. Space incluye Pages, slides, plugins y spreadsheets colaborativos.

El cambio es relevante porque rompe el modelo 1:1 del chatbot. En lugar de mantener el trabajo del agente atrapado en el historial de chat de una persona, Space ofrece un lugar persistente donde organizar información, crear artefactos compartidos y continuar el trabajo entre personas y agentes. Teams también pueden delegar trabajo recurrente a automatizaciones que se ejecutan por horario o por evento.

En la práctica, esto dibuja un escenario en el que empleados y agentes IA colaboran contra el mismo contexto, se pasan tareas y actualizan entregables comunes.

Qué cambia frente a un chatbot tradicional

La distinción importa especialmente para empresas. La primera ola de IA generativa obligaba a iniciar cada interacción: abrir el asistente, dar contexto, pedir un output, revisarlo y volver a empezar cuando algo cambiaba. Dots están diseñados alrededor de la continuidad.

OpenAI plantea casos concretos donde esta diferencia es operativa:

Desarrollo: un Dot monitoriza feedback de clientes, identifica bugs recurrentes, propone fixes menores, los construye, los testea y devuelve pull requests con videos mostrando los cambios. El desarrollador sigue concentrado en la feature principal.
Producto y marketing: el agente aprende audiencia, posicionamiento y estándares creativos de la organización, y revisa materiales de lanzamiento cuando cambia el producto subyacente.
Ventas: un Dot compara los requisitos de un prospecto contra documentación y historial de cuenta, identifica pruebas técnicas pendientes, arma un proof of concept, sugiere el solutions engineer adecuado y mantiene la propuesta al día.
Contenido: procesa una transcripción de entrevista, encuentra clips, prepara show notes, redacta posts sociales y arrastra cambios editoriales a todos los materiales asociados.

El patrón común no es generación: es workflow ownership. El empleado fija objetivo y estándares; el agente monitoriza el trabajo y responde cuando cambian las circunstancias.

Cómo se controlan unos agentes que actúan solos

Dots incorpora varias capas de control. Los ejemplos de fondo («proactive research») usan herramientas de solo lectura que no pueden enviar mensajes ni modificar contenido. Cuando entran cambios reales o acciones externas, entran en juego:

Custom Rules que permiten o prohíben acciones específicas.
Activity View para inspeccionar trabajo en background e intervenir.
Un sistema de auto-review que chequea acciones potencialmente consecuentes contra instrucciones, Custom Rules y requisitos de seguridad antes de ejecutarlas o pedir aprobación.
Acciones reservadas al humano, como cambiar contraseñas.

Cada Dot opera en un computador en la nube separado del equipo del empleado, salvo que el usuario conecte ambos explícitamente. Sitios soportados pueden usar credenciales guardadas sin exponer la contraseña al modelo. Y aunque un Dot puede pedir permiso para conectarse a un laptop u otro dispositivo, eso le daría acceso mucho más profundo al entorno de trabajo.

El mensaje implícito es claro: el gobierno de los agentes es parte del producto, no un feature empresarial que se agrega después. Un error de chatbot produce un párrafo inexacto; un error de un agente operando software autenticado puede alterar registros, enviar información o disparar workflows.

Qué significa esto para tu startup

Para founders, el lanzamiento de Dots obliga a repensar dónde encaja la IA en la organización.

Estructura de costos: medir agentes por chat subscription ya no sirve. Si persistentemente ejecutan tareas administrativas, de ingeniería, ventas, research o creativas, hay que medirlos como labor + infraestructura: trabajo útil completado, frecuencia de intervención humana, costo de los errores y si la productividad justifica el gasto de cómputo y gobernanza.
Política de acceso: hoy se decide quién lee un documento interno; mañana se decide qué agentes pueden observar sistemas operativos, manipular software y decidir qué hacer a continuación. El onboarding de agentes (identidad, credenciales, accesos, monitoreo, offboarding) se vuelve un problema de IT de primera clase.
Frontera personal vs corporativo: Dots conviviría con Muse, Instinct, Manus o Grok Bot. El empleado llega con su agente personal a la vez que la empresa despliega agentes corporativos. Esa frontera es una decisión de gobernanza, no de producto.

Acciones concretas que un founder puede empezar a aplicar esta semana:

Inventariar workflows repetitivos que un Dot podría asumir: procesamiento de facturas, triage de feedback, mantenimiento menor de código, generación recurrente de reportes. Empezar por los que tienen un objetivo claro y errores de bajo costo.
Definir Custom Rules antes de desplegar, no después: qué acciones quedan prohibidas, cuáles requieren aprobación, qué datos no puede leer. Sin reglas explícitas, el sistema cae al default, y el default de OpenAI no conoce tu negocio.
Separar identidad humana de identidad de agente desde el inicio: cuentas de servicio dedicadas, logs auditables y un directorio que distinga claramente personas de «machine coworkers».