¿Los creadores de ChatGPT ya no utilizan ChatGPT para trabajar?
En menos de un año, OpenAI ha cambiado su IA principal de un cuadro de chat a agentes de IA (AI Agent).
Para junio de 2026, Codex ya procesaba el 99.8% de los tokens de salida semanales de toda la empresa OpenAI.
Hace solo 10 meses, esa cifra era inferior al 10%.
El cambio ocurrió alrededor de septiembre del año pasado. Codex se conectó a modelos más potentes, complementó sus capacidades y pudo asumir tareas cada vez más complejas.
Los empleados descubrieron gradualmente que, en lugar de preguntar y responder en un cuadro de diálogo, era mejor dejarle una tarea completa para que la ejecutara por sí misma.
Y esto no es solo una prueba de algún equipo de ingeniería. En toda la empresa, cada departamento, desde asuntos legales y finanzas hasta contratación, la ha situado como su principal herramienta de IA.
Hoy, más del 85% de los tokens de salida per cápita en OpenAI son producidos por Codex. Los usuarios intensivos consumen más tokens, por lo que la proporción ponderada en toda la empresa ha alcanzado el 99.8%.
Así, un chatbot ha sido reemplazado por su hermano en la empresa donde nació.
https://openai.com/index/how-agents-are-transforming-work/
OpenAI lo deja claro en su último blog:
Los agentes (Agent) están reescribiendo la unidad básica del trabajo del conocimiento: de una pregunta-respuesta individual, a una tarea de largo plazo completa que se puede "delegar".
Un chatbot atiende una pregunta corta a la vez, pero un agente puede ejecutarse de forma independiente durante minutos u horas, ajustando herramientas, interactuando con el entorno e iterando hasta completar la tarea.
Hoy, casi una cuarta parte de las solicitudes a Codex corresponden a trabajos que a un humano le tomaría más de una hora completar.
El presidente de OpenAI, Greg Brockman, al compartir este informe, dijo: Los agentes están siendo adoptados rápidamente, acelerando el trabajo de todos.
La imagen que acompañaba su mensaje era precisamente esta curva ascendente y empinada dentro de la empresa.
El fuego se extiende desde las mesas de los ingenieros a la oficina legal
Los primeros en cambiar fueron los ingenieros.
Esto no es sorprendente, Codex fue creado precisamente para quienes escriben código.
Desde diciembre de 2025, el ingeniero promedio de OpenAI trasladó la mayor parte de su trabajo a Codex. Hoy, el 99% de los tokens de salida de un ingeniero promedio provienen de Codex, dejando solo migajas para ChatGPT.
Pero este fuego no se detuvo en el departamento de ingeniería.
Departamentos que ni siquiera tocan código, como asuntos legales, finanzas y contratación, cruzaron colectivamente la línea alrededor de abril de 2026, convirtiendo a Codex en su herramienta principal, y lo hicieron incluso más rápido que los ingenieros.
Hoy, un abogado o reclutador de OpenAI produce también más del 85% de sus tokens de salida per cápita desde Codex.
El uso en cada departamento ha aumentado rápidamente, como un fuego encendido.
Según OpenAI, para junio de 2026, el uso mediano en investigación se multiplicó por 56, en soporte al cliente por 32, en ingeniería por 27, e incluso el departamento legal, que fue el más lento en cambiar, aumentó 13 veces.
Cuando un abogado delega trabajo a un agente, esa imagen es más convincente que cualquier prueba de rendimiento.
La verdadera señal son aquellos que originalmente no escribían código
Si solo ves que los ingenieros prefieren Codex, te estás perdiendo la señal más crucial.
Desde agosto de 2025, el crecimiento de usuarios no desarrolladores superó ampliamente al de los desarrolladores: 137 veces en el ámbito personal, 189 veces en el organizacional y 12 veces dentro de OpenAI.
Una herramienta nacida para escribir código está siendo utilizada por cada vez más personas que no saben nada de código.
¿Qué hacen con Codex?
El equipo financiero lo usó para procesar 24,771 formularios de impuestos K-1, un total de 71,637 páginas. Con este proceso desensibilizado, el equipo terminó dos semanas antes que el año pasado.
El equipo de relaciones públicas fue más directo: creó un agente automático de Slack para clasificar invitaciones a charlas: las de bajo riesgo se procesan automáticamente, las de alto riesgo pasan a revisión humana.
Las tareas que se atreven a delegarle también son cada vez más pesadas.
Para mayo de 2026, el 80.6% de los usuarios individuales le asignaron tareas estimadas en más de 30 minutos, el 70.2% en más de 1 hora, y el 25.6% directamente le encargaron trabajos de más de 8 horas.
Es más sutil aún: más de una cuarta parte del trabajo que los departamentos comerciales hacen con Codex es en realidad programación. Una persona de finanzas está entrando sigilosamente en el territorio del ingeniero.
Los muros entre puestos de trabajo se están desvaneciendo lentamente.
Desglose del trabajo realizado con Codex por departamentos de OpenAI, por tipo de tarea: el 31% en finanzas es programación, el 25% en marketing de productos, e incluso en departamentos no técnicos ('otros'), el 50% es escribir código. Codex está borrando poco a poco los muros entre puestos.
En este punto, Codex ya no es solo un agente de programación; ha trascendido para convertirse en un agente de flujo de trabajo universal.
Esto es lo que realmente resulta inquietante.
De herramienta a ejecutor, Codex cambia de identidad
Lo que sostiene todo esto es un cambio radical en el rol de Codex.
Ya no es ese complemento de autocompletar para escribir código; ahora puede hacerse cargo de toda una cadena de tareas de ingeniería: implementación, refactorización, depuración, pruebas, verificación, todo en uno.
Las versiones iniciales ya podían ejecutarse de forma autónoma durante más de 7 horas en una sola sesión, iterando implementaciones, corrigiendo errores de prueba y entregando finalmente una solución funcional.
Esto no es solo ayudarte a escribir un par de líneas de código; es que le delegas una tarea completa y ella la ejecuta de principio a fin.
La escala paralela es aún más reveladora.
Para junio de 2026, los usuarios intensivos en el percentil P99 podían hacer que Codex produjera más de 60 horas de ciclos de agentes en un solo día, distribuidos en varios agentes que se ejecutan en paralelo.
Los usuarios ya no se conforman con una respuesta, sino que dirigen simultáneamente un escuadrón de agentes a lo largo del día.
Duración diaria de ejecución de agentes de Codex dentro de OpenAI, dividida en cinco niveles desde usuarios promedio hasta los más intensivos. Para junio de 2026, los usuarios más intensivos podían generar más de 60 horas de trabajo de agentes en un solo día.
Una persona, un día, coordina 60 horas de trabajo, eso es lo que otros hacen en una semana.
La base de Codex es GPT-5.5. Puede manejar tareas más largas con menos tokens.
Lo más sorprendente es otra cosa que hace GPT-5.5.
Para acelerar la velocidad sin ralentizar el rendimiento, OpenAI le pidió reescribir los algoritmos heurísticos de balanceo de carga y particionamiento.
GPT-5.5 analizó semanas de tráfico real, escribió soluciones personalizadas y aumentó la velocidad de generación de tokens en más del 20%.
Así, GPT-5.5 se convirtió en un motor que comenzó a optimizarse a sí mismo.
Incluso un ingeniero de Nvidia que tuvo acceso anticipado dijo que perder el acceso a GPT-5.5 se sintió como una amputación.
Detrás de todo esto, el compañero de trabajo de las personas ha cambiado silenciosamente: de un chatbot de preguntas y respuestas, a un agente capaz de ejecutar tareas largas de forma independiente.
Lo que no cambia es que quien da las instrucciones, toma las decisiones y asume la responsabilidad sigue siendo la persona. Lo que cambia es la acción predeterminada en la oficina: de abrir un cuadro de chat para preguntar, a delegar una tarea completa a un agente para que la ejecute.
Este informe es más bien un ensayo de un cambio en la forma de trabajar.
En el futuro, lo que realmente marcará la diferencia será cuánto te atreves a delegar a la IA.
Referencias:
https://openai.com/index/introducing-codex/https://openai.com/index/codex-for-every-role-tool-workflow/
https://x.com/gdb/status/2070199649823297653
https://openai.com/index/how-agents-are-transforming-work/https://openai.com/index/harness-engineering/
Este artículo proviene del WeChat público '新智元' (New Zhiyuan), autor: ASI启示录; editor: 元宇
