OpenAI ha publicado un texto de estrategia el 31 de julio con una cifra interna que merece pararse a mirar: el trabajo agéntico a través de Codex representa ya el 99,8% de los tokens de salida semanales dentro de la compañía. El documento también actualiza la escala del negocio, con más de mil millones de usuarios activos y más de dos millones de empresas.
Puntos clave
- Más de mil millones de usuarios activos y más de dos millones de empresas usando sus modelos.
- Codex genera el 99,8% de los tokens de salida semanales dentro de OpenAI. Finanzas es uno de los equipos que cita como ejemplo de adopción.
- Seis meses después de registrarse, un usuario manda en torno a un 50% más de mensajes al día y usa ChatGPT para el doble de tipos de tarea.
- GPT-5.6 Sol ayudó a optimizar el software de producción con el que OpenAI sirve sus modelos, y recortó un 20% el coste de servir de extremo a extremo.
- La misma vía mejoró la decodificación especulativa con más de un 15% de ganancia en eficiencia de generación.
Qué significa realmente ese 99,8%
Hay que leer la cifra con cuidado, porque es fácil malinterpretarla. No dice que el 99,8% del trabajo en OpenAI lo haga una máquina. Dice que de todos los tokens que los modelos generan para uso interno cada semana, casi todos salen de flujos agénticos vía Codex, no de alguien escribiendo en un chat.
Eso es un cambio de modo de uso, no un porcentaje de sustitución. La gente ha dejado de preguntar y ha pasado a encargar. Una pregunta en chat consume unos cientos de tokens. Un agente que recorre un repositorio, propone cambios, los prueba y los itera consume cientos de miles.
Que Finanzas aparezca citado junto a los equipos técnicos es el detalle que dice más. Los agentes de código dejaron de ser cosa de ingeniería en cuanto la tarea consistió en manipular datos, no en escribir producto.
La IA optimizando la infraestructura de la IA
La otra parte con sustancia es la de eficiencia, y es un bucle que conviene entender.
GPT-5.6 Sol trabajó con los equipos técnicos de OpenAI para optimizar el software de producción con el que la compañía sirve sus propios modelos. Resultado: un 20% menos de coste de servicio de extremo a extremo. Además mejoró la decodificación especulativa, la técnica que adelanta tokens probables para acelerar la generación, con más de un 15% de ganancia.
Ese 20% es exactamente el margen que financia recortes de precio como el de esta semana, cuando OpenAI bajó un 80% el precio de GPT-5.6 Luna. El modelo se paga a sí mismo abaratando su propia infraestructura.
OpenAI insiste en otro punto que va en la misma dirección: la eficiencia no depende solo del modelo, depende del sistema alrededor. Enrutado, gestión de contexto, diseño de herramientas. Su ejemplo es el salto de GPT-5.6 Sol en ARC-AGI-3, del 13,3% al 38,3% cambiando dos ajustes de API y usando seis veces menos tokens de salida. El modelo era el mismo.
La métrica que propone: coste por resultado
El texto defiende una forma de medir distinta a la habitual. En lugar de comparar precio por millón de tokens, mirar el coste de un resultado correcto, incluyendo tiempo, reintentos, supervisión y errores.
Con esa vara, un modelo caro que acierta a la primera puede salir más barato que uno barato que necesita cinco intentos y una revisión humana. Y al revés: un modelo barato que cumple el listón de calidad amplía muchísimo el acceso.
Es una idea interesante y también es una idea que le conviene a quien vende el modelo caro. Ambas cosas son ciertas a la vez.
Por qué importa
Si tienes IA en producción y quieres saber si vas bien, hay una comprobación que sale de este texto y que se hace en una tarde.
Mira de dónde salen tus tokens. Si la mayoría vienen de gente escribiendo en un chat, estás en la fase de productividad personal, que está bien pero se estanca. Si vienen de procesos que se ejecutan solos sobre tus datos, estás en la fase que mueve la aguja.
El dato de los seis meses apunta a lo mismo desde el lado del usuario: la gente que lleva medio año usando la herramienta manda un 50% más de mensajes y para el doble de tipos de tarea. La adopción no es un interruptor, es una curva, y el equipo que lleva seis meses dentro no se parece al que acaba de empezar.
La conclusión práctica para un director que está decidiendo si amplía licencias: los números de uso del primer mes no sirven para proyectar nada. Mide a los seis.
Relacionado
