El 29 de septiembre de 2026, OpenAI presentó más de 20 anuncios durante DevDay. Se podía mirar cada novedad por separado: un nuevo agente, un espacio para documentos, una API, plugins más poderosos, un nuevo modelo y una manera de utilizar la suscripción de ChatGPT fuera de ChatGPT. Sin embargo, al poner todas las piezas juntas aparece una historia bastante más interesante: OpenAI está intentando que la inteligencia artificial deje de ser solamente un sitio al que vamos a conversar y se convierta en una infraestructura alrededor de la cual trabajamos.
OpenAI
Esa es también la idea central del material que dio origen a este artículo: el cambio relevante no consiste simplemente en que ChatGPT pueda responder mejor, sino en que empieza a acumular las diferentes capas necesarias para recibir objetivos, mantener contexto, utilizar herramientas, trabajar durante más tiempo, compartir información con personas y agentes y, finalmente, ejecutar parte del trabajo.
Durante los últimos años, la unidad fundamental de interacción con una inteligencia artificial fue el prompt. Nosotros escribíamos algo, el modelo respondía y, si necesitábamos avanzar, volvíamos a escribir. DevDay 2026 empieza a sugerir otra unidad de trabajo: el objetivo.
No significa que los prompts desaparezcan. Significa que cada vez será menos necesario dirigir manualmente cada movimiento cuando podamos definir qué queremos conseguir, entregar contexto, establecer permisos y dejar que diferentes componentes de inteligencia trabajen alrededor de ese resultado.
Dots: pasar de pedir ayuda a delegar responsabilidades
Los Dots son probablemente la representación más clara de ese cambio. OpenAI los describe como agentes siempre disponibles, impulsados por GPT-6 Astra, con su propia computadora en la nube y capacidad para trabajar hacia objetivos de manera continua. Pueden utilizar aplicaciones conectadas, trabajar en varios proyectos, conservar contexto entre canales y regresar al usuario cuando necesitan información, aprobación o una decisión.
Eso introduce una diferencia que puede parecer semántica, pero empresarialmente no lo es. Un asistente espera que alguien le pida algo; un agente persistente puede asumir una responsabilidad.
Pensemos en un director comercial que todas las mañanas necesita revisar oportunidades abiertas, detectar cuentas que llevan varios días sin actividad, encontrar cambios importantes y preparar recomendaciones para el equipo.
Actualmente puede utilizar inteligencia artificial para hacer partes de ese proceso, pero alguien tiene que iniciar continuamente el trabajo. Con un agente persistente, el objetivo empieza a parecerse más a: “mantén vigilancia sobre estas oportunidades, investiga los cambios relevantes y avísame cuando aparezca algo que requiera mi atención”.
OpenAI señala además que el usuario controla qué aplicaciones puede utilizar el Dot y que existen reglas para determinar cuándo puede actuar, cuándo necesita aprobación y qué acciones deben permanecer en manos humanas. La computadora del agente está separada del equipo local salvo que el usuario decida conectarlo, una distinción particularmente importante cuando estos sistemas comienzan a relacionarse con información empresarial.
Hay que hacer una precisión sobre los límites, porque alrededor de estos lanzamientos es fácil convertir una promoción inicial en una característica permanente. OpenAI indica actualmente que el primer Dot está incluido en Pro o Business Premium, que las conversaciones con el Dot no consumen los límites normales de ChatGPT y que las tareas que éste inicia en Codex o ChatGPT Work sí utilizan las asignaciones correspondientes.
También ofrece límites ampliados durante el primer mes de lanzamiento. OpenAI
ChatGPT Space: cuando la inteligencia artificial entra al lugar donde vive el trabajo
Un agente persistente necesita algo más que conversaciones. Necesita documentos, contexto compartido y lugares donde humanos y agentes puedan trabajar sobre los mismos objetos.
Ahí aparece ChatGPT Space. OpenAI lo presenta como un espacio para que equipos, ChatGPT y Dots trabajen sobre conocimiento compartido. Dentro de esta arquitectura están Pages, documentos editables sobre los que se puede escribir, investigar, generar gráficos, crear imágenes y colaborar con otras personas.
Este movimiento me parece más importante de lo que aparenta porque durante años el flujo de trabajo con inteligencia artificial ha tenido una separación muy clara. Pensamos o generamos algo en ChatGPT y después lo trasladamos a Word, Google Docs, PowerPoint, Notion, Excel o cualquier otro sistema donde termina viviendo el trabajo.
Space intenta reducir esa separación. El documento deja de ser simplemente un archivo que le entregamos a la inteligencia artificial y se convierte en un objeto sobre el que humanos y agentes pueden colaborar.
Una propuesta comercial, por ejemplo, podría comenzar como una conversación, transformarse en una Page, recibir información de aplicaciones conectadas, ser revisada por varias personas y continuar siendo trabajada por un agente. OpenAI también anunció diapositivas colaborativas, tareas de equipo y herramientas para que ChatGPT participe desde Slack y Microsoft Teams. OpenAI
Desde una perspectiva empresarial, lo interesante no es solamente sustituir un procesador de textos. Es reducir la distancia entre conocimiento, decisión y ejecución.
Los plugins pueden convertirse en un nuevo canal de distribución de software
La tercera pieza tiene consecuencias especialmente importantes para cualquier persona que construya software. OpenAI ha convertido los plugins en paquetes capaces de reunir instrucciones especializadas, aplicaciones conectadas, herramientas mediante MCP y extensiones con interfaces interactivas. ChatGPT y Codex comparten además un directorio universal de plugins.
Developers
DevDay amplió esta arquitectura permitiendo que los desarrolladores construyan paneles interactivos, experiencias en la barra lateral y visores de archivos dentro de ChatGPT. OpenAI también anunció mejoras en creación, publicación, ranking y recomendaciones de plugins dentro del directorio y de las propias conversaciones. OpenAI
Aquí aparece algo económicamente muy interesante: distribución basada en intención.
Uno de los grandes problemas de una empresa de software no es solamente construir un buen producto. Es encontrarse con la persona correcta en el momento en que realmente necesita resolver el problema.
Si una persona le dice a ChatGPT que necesita analizar sus ventas, organizar un viaje, administrar determinada información o trabajar con sus datos financieros, el sistema tiene contexto suficiente para entender qué está intentando hacer. Si además puede descubrir un plugin apropiado y presentarlo dentro del mismo flujo, la búsqueda de software empieza a cambiar.
Ya no sería solamente “voy a una tienda de aplicaciones y reviso categorías”. Podría ser “explico lo que necesito y la inteligencia artificial me conecta con la capacidad adecuada”.
Visto así, ChatGPT empieza a parecerse menos a una aplicación individual y más a una plataforma sobre la que otras compañías pueden distribuir capacidades. La comparación con un sistema operativo debe entenderse como una analogía, pero ayuda a visualizar la arquitectura: identidad, modelos, agentes, documentos, herramientas, aplicaciones y distribución empiezan a convivir alrededor de una misma capa.
Sign in with ChatGPT cambia la economía de las aplicaciones con IA
Otro anuncio puede terminar siendo igualmente importante, aunque al principio resulte menos vistoso. OpenAI permite ahora utilizar Sign in with ChatGPT como identidad y, en determinadas aplicaciones, autorizar el consumo de capacidad incluida en una suscripción Plus o Pro. El usuario no tiene que crear ni entregar una API key y puede controlar cuánto de su utilización puede consumir cada herramienta. OpenAI Developers
Hasta ahora la economía normal del software con inteligencia artificial obligaba a cada aplicación a pagar su propio consumo de modelos y trasladar ese costo, directa o indirectamente, a sus clientes.
Por eso una persona puede terminar pagando ChatGPT y después varias aplicaciones que incluyen nuevamente su propio costo de inteligencia artificial.
La nueva arquitectura empieza a separar el producto de la inteligencia que utiliza. Una compañía podría cobrar por su software, especialización, infraestructura o experiencia, mientras que determinados procesos de IA consumen capacidad que el usuario ya tiene contratada con OpenAI.
Eso no significa que esas aplicaciones pasen a ser gratuitas. OpenAI aclara expresamente que las suscripciones, infraestructura y servicios de terceros pueden seguir teniendo sus propios cargos.
Actualmente el uso del plan de ChatGPT en aplicaciones externas está disponible para Plus y Pro en herramientas participantes, entre las que OpenAI enumera a Warp, Devin, Notion y Vercel, además de otros proyectos comerciales y open source.
Help Center
También vale la pena hacer otra precisión. Lovable puede utilizarse como ejemplo hipotético para explicar cómo funcionaría este modelo, pero no aparece en la lista oficial de herramientas con plan sharing publicada por OpenAI al momento de escribir este artículo. Conviene separar siempre la posibilidad tecnológica de una integración confirmada.
Si este mecanismo se extiende, nuestra cuenta de ChatGPT podría convertirse en algo más parecido a una identidad acompañada de una bolsa de capacidad de inteligencia artificial que podemos utilizar a través de diferentes productos.
Para una startup, eso puede modificar bastante la ecuación inicial. La empresa podría concentrarse en desarrollar una gran experiencia, una solución vertical o un proceso especializado sin tener que absorber necesariamente todo el costo de inferencia de cada usuario desde el primer día.
Decisions API: no todas las decisiones necesitan una conversación
Uno de los anuncios que más me interesa desde Customer Intelligence y ventas es Decisions API. OpenAI la diseñó para concentrar la inteligencia de Luna sobre preguntas definidas por el desarrollador que tienen un conjunto finito de respuestas posibles. El sistema puede recibir contexto mediante texto o imágenes y devolver una decisión utilizable para clasificar información, enrutar solicitudes o elegir el siguiente movimiento de un agente.
Pensemos en un CRM. Para decidir qué hacer con un prospecto, probablemente no necesitamos que un modelo escriba un ensayo explicándonos la situación cada vez. Tal vez solamente necesitamos decidir si debe continuar en nurturing, pasar a un vendedor, recibir determinada oferta o no recibir ninguna acción todavía.
Eso conecta directamente con varios conceptos que hemos venido desarrollando alrededor de Customer Intelligence. Un sistema podría reunir señales de comportamiento, Interest Score, Intent Score, TMD Score, historial comercial y Customer Experience para determinar un Next Best Action dentro de un conjunto de posibilidades previamente autorizadas.
La inteligencia generativa seguiría siendo necesaria cuando haya que investigar, razonar, escribir, negociar o resolver una situación nueva. Pero miles de decisiones operativas no necesitan toda esa capacidad. Necesitan seleccionar correctamente entre opciones conocidas.
Ese cambio parece pequeño hasta que pensamos en agentes que ejecutan cientos de pasos. Si cada paso tuviera que llamar al modelo más costoso y realizar razonamiento profundo, muchas automatizaciones serían económicamente absurdas. Una arquitectura inteligente utilizará diferentes niveles de inteligencia según la dificultad de la tarea.
GPT-6.1 Sol y el costo de tener agentes trabajando continuamente
Ahí entra GPT-6.1 Sol. OpenAI afirma que el modelo ofrece rendimiento cercano a GPT-6 Astra en programación agente, uso de computadoras y trabajo profesional, pero con precios estándar de entrada y salida equivalentes aproximadamente a una quinta parte de Astra.
La reducción de costo importa particularmente en sistemas agentes porque un agente no hace una sola pregunta. Puede leer información, navegar, ejecutar herramientas, interpretar resultados, volver a razonar, escribir código, revisar lo que hizo y continuar durante decenas o cientos de pasos.
Una mejora del costo por token, por tanto, no solamente abarata una conversación. Puede decidir si un proceso completo tiene o no sentido económico.
La arquitectura que aparece después de DevDay resulta bastante clara. Astra puede reservarse para trabajos que realmente requieren la máxima capacidad; GPT-6.1 Sol puede encargarse de una parte importante del razonamiento complejo a menor costo; Luna puede utilizarse para trabajos rápidos y repetitivos; Decisions API puede resolver microdecisiones estructuradas; los Dots mantienen continuidad; Space ofrece el lugar de trabajo; los plugins aportan herramientas y aplicaciones; y Sign in with ChatGPT permite que parte de esa inteligencia acompañe al usuario fuera de ChatGPT.
Vistas por separado parecen funciones. Vistas juntas parecen arquitectura.
Lo que esto significa para una empresa
Para mí, la consecuencia empresarial más importante no consiste en preguntarnos cuál de estas nuevas funciones debemos instalar mañana. La pregunta más útil es qué tipo de organización podemos construir cuando inteligencia, datos, herramientas y ejecución empiezan a conectarse.
Eso se acerca mucho a la idea de Business Growth Intelligence que estamos desarrollando en Kursery. Una compañía no necesita un agente simplemente porque los agentes están de moda. Necesita sistemas capaces de observar qué está pasando, comprender clientes y mercado, decidir qué conviene hacer, ejecutar las acciones autorizadas y aprender del resultado.
Los anuncios de OpenAI hacen cada vez más plausible una arquitectura de ese tipo. Un agente podría observar. Otro podría investigar. Un decision model podría clasificar. Un sistema de Customer Intelligence podría calcular intención. Un Next Best Action podría decidir qué hacer. Una persona podría aprobar las decisiones de mayor impacto y el resultado alimentaría nuevamente al sistema.
Ahí está, en mi opinión, el cambio que vale la pena observar. La inteligencia artificial empresarial no se dirige únicamente hacia modelos que saben más. Se dirige hacia sistemas capaces de mantener contexto, utilizar diferentes niveles de inteligencia, trabajar con nuestras herramientas, tomar determinadas decisiones y continuar aprendiendo después de cada resultado.
Durante mucho tiempo preguntamos qué tan inteligente era el chatbot. Con esta nueva arquitectura, la pregunta empieza a ser distinta: qué tan inteligente puede llegar a ser una empresa cuando cada interacción genera información, cada decisión deja aprendizaje y la inteligencia artificial puede acompañar el proceso completo.