Los agentes Codex de OpenAI ya dominan su uso interno de tokens de IA
OpenAI afirma que Codex genera ahora el 99,8% de sus tokens de salida semanales internos, un cambio destacado por una reciente noticia de Google News sobre el gasto empresarial en IA.
Esa cifra no refleja gasto, ingresos ni productividad. Mide los tokens de salida, las unidades de texto generadas por un modelo, dentro de la empresa que vende esta tecnología. Aun así, muestra un cambio significativo en la forma en que los empleados de OpenAI utilizan la IA.
ChatGPT antes gestionaba la mayor parte del trabajo interno con IA. Codex, un agente capaz de ejecutar tareas más largas y utilizar herramientas, domina ahora la actividad en ingeniería, asuntos legales, finanzas y selección de personal.
La competencia importante ya no es OpenAI frente a otro proveedor de modelos. Es la asistencia basada en chat frente al trabajo delegado a agentes. Un chatbot responde a una solicitud, mientras que un agente puede inspeccionar archivos, llamar a herramientas, revisar su enfoque y operar durante minutos u horas.
OpenAI presenta esa transición como evidencia de que el trabajo productivo se está desplazando hacia los agentes. La misma transición también hace que el consumo de IA sea más difícil de predecir, atribuir, proteger y evaluar.
Por tanto, los compradores empresariales se enfrentan a una pregunta más precisa de lo que sugiere el titular de Google News. Deben determinar si el creciente uso de tokens representa trabajo delegado valioso o un costoso bucle que genera actividad sin un resultado equivalente.
Lo que realmente muestra el cambio de tokens de OpenAI
Los datos internos de OpenAI muestran un cambio conductual decisivo, pero no demuestran que todas las empresas vayan a lograr los mismos resultados.
OpenAI publicó su análisis el 12 de agosto de 2026. La empresa examinó la actividad de Codex entre clientes individuales, usuarios organizacionales y su propia plantilla.
Hasta agosto de 2025, el empleado medio de OpenAI destinaba menos del 10% de sus tokens a Codex. Durante ese periodo, ChatGPT seguía siendo la interfaz predeterminada para el uso interno de IA.
El equilibrio cambió a medida que Codex incorporó una ejecución de mayor duración, mejores modelos y compatibilidad con tareas paralelas. OpenAI afirma que el empleado medio ahora produce más del 85% de los tokens de salida mediante Codex.
Según los datos de adopción de agentes de OpenAI, Codex representa el 99,8% de los tokens de salida semanales de toda la empresa. La diferencia entre ambas cifras es importante.
El primer número describe la combinación media de actividad en Codex y ChatGPT por empleado. El segundo refleja el total de tokens generados, que queda fuertemente influido por los usuarios intensivos de agentes.
Los agentes generan naturalmente más tokens que los chats convencionales. Leen contexto repetidamente, planifican acciones, inspeccionan resultados, llaman a herramientas y revisan su trabajo.
Un empleado también puede ejecutar varios agentes a la vez. Por eso, la cuota de tokens de salida mide actividad computacional, no un recuento directo de trabajadores o tareas completadas.
Los usuarios internos más intensivos de OpenAI ilustran esta diferencia. Para junio de 2026, los empleados situados en el percentil 99 producían regularmente más de 60 horas de turnos de agentes Codex al día.
Esa cifra no significa que una persona trabajara 60 horas. Refleja a varios agentes operando en paralelo mientras su operador humano dirigía o revisaba el trabajo.
Las tareas más largas también se han vuelto habituales entre los usuarios individuales incluidos en la muestra. Para mayo de 2026, el 80,6% había enviado al menos una solicitud a Codex que OpenAI estimó que representaba más de 30 minutos de trabajo humano.
Otro 70,2% envió una solicitud estimada en más de una hora. Un 25,6% adicional envió al menos una solicitud estimada en más de ocho horas.
Estas estimaciones se refieren al esfuerzo humano asociado a una tarea, no necesariamente al tiempo de ejecución del agente ni a la cantidad de trabajo eliminada. El método de clasificación de OpenAI tampoco puede demostrar que cada resultado generado fuera aceptado o útil.
Incluso con esas limitaciones, la dirección es clara. Los usuarios están pidiendo a la IA que gestione unidades de trabajo más grandes en lugar de solicitar respuestas aisladas.
Una interacción de chat puede producir un resumen, un borrador o un fragmento de código. Un agente puede examinar un repositorio, modificar varios archivos, ejecutar pruebas, interpretar fallos e intentar correcciones.
La distinción explica por qué la actividad empresarial de IA puede crecer mucho más rápido que el número de empleados o el volumen de mensajes. Cada trabajo delegado contiene varias interacciones con el modelo que permanecen ocultas tras una solicitud del usuario.
Esta es la inversión central del acontecimiento. El prompt visible se está convirtiendo en una parte menor del trabajo, mientras que la ejecución autónoma consume una proporción mayor de la computación.
Para las organizaciones, esto cambia el significado de la adopción de IA. Contar licencias y mensajes ya no describe hasta qué punto los modelos participan en el trabajo operativo.
También cambia el límite de riesgo. Un chatbot normalmente propone una respuesta, mientras que un agente puede realizar acciones en sistemas conectados.
Esa autoridad más amplia convierte el diseño de permisos, los registros de auditoría, las puertas de revisión y los controles de costes en parte del despliegue. Ya no son detalles administrativos secundarios.
Por qué las señales de Google News apuntan más allá de los chatbots
La noticia de Google News importa porque los datos de OpenAI vinculan la creciente demanda de tokens con la expansión de los agentes más allá de la ingeniería de software.
Codex comenzó como un producto asociado a la programación. Los ingenieros fueron los primeros empleados en trasladar la mayor parte de su uso de OpenAI desde ChatGPT al agente.
El ingeniero medio de OpenAI cruzó ese umbral en diciembre de 2025. OpenAI afirma ahora que el ingeniero medio genera el 99% de los tokens de salida mediante Codex, en lugar de ChatGPT.
La transición más reveladora ocurrió en otras áreas. Los departamentos jurídico, financiero y de selección de personal pasaron a un uso mayoritario de Codex alrededor de abril de 2026, después de que los ingenieros ya hubieran establecido el patrón.
OpenAI informa de que el abogado o reclutador medio genera ahora más del 85% de los tokens de salida mediante Codex. Eso no significa que esos empleados pasen la mayor parte del día programando.
En cambio, Codex se ha convertido en un entorno de ejecución general. Los usuarios no técnicos lo emplean para automatización, análisis estructurado, transformación de datos, depuración y herramientas internas.
El desglose ocupacional de OpenAI refuerza esa interpretación. Más de una cuarta parte del trabajo de Codex generado por empleados de funciones empresariales se encuadró en categorías de ingeniería o programación.
Dentro de finanzas y operaciones empresariales, la ingeniería o programación representó el 31% de la producción clasificada de Codex. El trabajo del conocimiento representó el 34%, mientras que el análisis financiero supuso el 16%.
Para los empleados de producto, marketing y operaciones, el trabajo del conocimiento representó el 51% de la producción clasificada. La ingeniería o programación representó otro 25%.
Estas categorías sugieren que los agentes están reduciendo la barrera práctica entre solicitar trabajo técnico e intentar realizarlo directamente. No demuestran que los especialistas ya no sean necesarios.
Un reclutador podría pedir a un agente que transforme datos de varias fuentes en un flujo de trabajo interno. Un empleado de finanzas podría pedirle que concilie archivos, cree un análisis repetible o pruebe una pequeña herramienta.
El empleado sigue siendo responsable del contexto, el criterio, la autorización y la revisión. Sin embargo, la vía de ejecución puede incluir código sin requerir un proyecto de software convencional.
La adopción por parte de quienes no son desarrolladores creció rápidamente en las tres poblaciones estudiadas por OpenAI. De agosto de 2025 a principios de junio de 2026, los usuarios semanales no desarrolladores aumentaron 137 veces entre los usuarios individuales.
OpenAI informó de un aumento de 189 veces entre los usuarios organizacionales y de 12 veces dentro de su propia plantilla. Esos múltiplos partían de bases distintas, por lo que no deben compararse como niveles de adopción equivalentes.
Sin embargo, respaldan el mismo hallazgo direccional. El uso de agentes se está expandiendo más allá del público técnico que adoptó primero Codex.
El patrón también encaja con los informes empresariales más amplios de OpenAI. Su estudio sobre uso empresarial indica que el volumen de mensajes de ChatGPT creció ocho veces, mientras que el consumo de tokens de razonamiento por organización de API aumentó aproximadamente 320 veces interanual.
Ese estudio anterior abarcaba más que Codex. Incluía uso agregado de los productos empresariales de OpenAI y una encuesta a 9.000 trabajadores de casi 100 organizaciones.
OpenAI también informó de más de un millón de clientes empresariales y más de siete millones de puestos de trabajo. Casi 200 organizaciones habían procesado cada una más de un billón de tokens.
En conjunto, estas cifras describen dos curvas de adopción. El volumen de mensajes dirigidos a personas está aumentando, pero la computación dentro de flujos de trabajo integrados y de varios pasos crece mucho más rápido.
Por eso el chat se está convirtiendo en una unidad incompleta para medir la IA empresarial. Un mensaje puede iniciar una larga secuencia de inferencia, recuperación, uso de herramientas, validación y revisión.
El cambio presiona a varios grupos a la vez. Los equipos financieros deben prever un consumo variable. Los equipos de seguridad deben gobernar el acceso a los sistemas. Los directivos deben decidir qué trabajo merece capacidad continua.
Los empleados también se enfrentan a una nueva forma de responsabilidad operativa. Ejecutar muchos agentes puede parecer productivo, pero la actividad en paralelo no equivale al trabajo completado y aceptado.
Las organizaciones necesitarán pruebas compartidas de lo que ocurrió durante la ejecución de un agente. Una base de conocimiento de IA con capacidad de búsqueda puede preservar el contexto pertinente, pero no puede sustituir los permisos ni la evaluación formal.
La oportunidad es real. Los agentes pueden ayudar a los trabajadores a cruzar límites técnicos y completar tareas que antes quedaban estancadas en la cola de otro equipo.
El desafío de gestión es igualmente real. Las empresas deben identificar dónde esa autonomía produce valor repetible y dónde simplemente multiplica las llamadas al modelo.
La asistencia por chat y la ejecución de agentes siguen economías distintas
Los agentes transforman la IA empresarial de un servicio principalmente marcado por el ritmo del usuario en una carga de trabajo variable cuyo consumo depende del comportamiento de ejecución.
El chat tradicional impone un límite natural a la actividad. Una persona hace una pregunta, espera una respuesta, la evalúa y decide si continúa.
La ejecución de agentes elimina algunas de esas pausas. El sistema puede elegir la siguiente acción, devolver resultados previos al contexto y continuar hasta alcanzar una condición de parada.
Cada ciclo puede añadir tokens de entrada a medida que el agente vuelve a leer instrucciones, archivos, respuestas de herramientas y su historial acumulado. Los tokens de salida capturan solo una parte de esa carga de trabajo total.
Las tareas largas también encuentran bifurcaciones. Un agente puede probar una implementación, inspeccionar un error, revisar su plan y ejecutar otra prueba.
Esos reintentos pueden ser productivos porque el trabajo real rara vez sigue un primer plan perfecto. También pueden convertirse en desperdicio cuando el agente carece de la información, el permiso o la capacidad necesarios para terminar.
Esto hace que el modelo más barato sea una respuesta incompleta al control de costes. Un modelo menos capaz podría utilizar menos recursos por llamada, pero requerir más intentos y más corrección humana.
OpenAI plantea ese argumento en sus directrices de inversión en IA. Recomienda medir tareas completadas, tiempo ahorrado, decisiones mejoradas y flujos de trabajo preparados para escalar.
La empresa afirma que el precio por millón de tokens cayó un 97% entre GPT-4 y GPT-5.4. También señala que GPT-5.6 utilizó un 54% menos de tokens de salida en un índice de agentes de programación y completó las tareas un 57% más rápido.
Estos son resultados de referencia comunicados por OpenAI, no una garantía para la carga de trabajo de cada cliente. El contexto, las herramientas, los criterios de evaluación y los costes de fallo de cada empresa pueden cambiar el resultado.
La reducción de los costes unitarios no reduce necesariamente el gasto total. El uso puede expandirse más rápido de lo que mejora la eficiencia, especialmente cuando los agentes trabajan durante más tiempo y operan de forma simultánea.
Esta dinámica se parece más a la computación en la nube que a las licencias de software convencionales. La demanda depende del comportamiento en tiempo de ejecución, el diseño de las cargas de trabajo, la selección de modelos, el tamaño del contexto y la ejecución repetida.
También introduce un problema de medición. Un alto número de tokens puede indicar una automatización valiosa, una tarea difícil, contexto innecesario, fallos repetidos o un agente que nunca se detiene de manera eficiente.
La investigación independiente da a los compradores motivos para tratar el consumo con cautela. Un estudio de 2026 que examinó tareas de programación determinó que las cargas de trabajo agénticas utilizaban muchos más tokens que el chat de código o el razonamiento sobre código.
Los investigadores informaron diferencias de consumo de hasta 1.000 veces en su entorno experimental. Las ejecuciones de una misma tarea variaron hasta 30 veces.
Un mayor uso de tokens no produjo de forma consistente una mayor precisión. El rendimiento solía alcanzar su máximo en un nivel intermedio y después se estabilizaba a medida que aumentaba el consumo.
El estudio también concluyó que los modelos tenían dificultades para predecir sus propias necesidades de tokens. Las correlaciones registradas solo llegaron a 0,39, y las estimaciones subestimaban sistemáticamente el uso real.
Estos hallazgos proceden de un conjunto concreto de tareas de programación y modelos. No deberían generalizarse como un multiplicador universal para todos los agentes empresariales.
Sí demuestran por qué un presupuesto simple por prompt deja de ser fiable. La misma solicitud puede producir rutas de ejecución y necesidades de recursos sustancialmente diferentes.
La respuesta empresarial ya es visible. OpenAI añadió una vista consolidada del consumo de créditos de ChatGPT y Codex a su Global Admin Console en junio de 2026.
Los administradores pueden examinar el uso por usuario, producto y modelo. También pueden establecer valores predeterminados para el espacio de trabajo, límites de grupo y anulaciones individuales mediante las herramientas de control de gasto de la empresa.
Databricks introdujo controles similares en su Unity AI Gateway. El sistema puede imponer límites, detectar consumos desbocados y recomendar modelos menos costosos para trabajos adecuados.
Esta capa de control emergente revela hacia dónde se dirige el mercado. El acceso a modelos por sí solo está dejando de ser suficiente para el despliegue empresarial.
Las organizaciones necesitan atribución, políticas, evaluación e intervención alrededor de ese acceso. Deben vincular el consumo con un equipo responsable y un proceso de negocio definido.
Por lo tanto, la unidad de medida más sólida no es el token. Es el resultado completado bajo requisitos acordados de calidad, riesgo y revisión.
Para un agente de programación, podría ser un cambio aceptado que supera las pruebas y la revisión de seguridad. En finanzas, podría ser un informe conciliado con datos de entrada trazables.
En contratación, podría tratarse de un flujo de trabajo que reduzca el esfuerzo administrativo sin tomar decisiones no autorizadas sobre candidatos. Cada resultado exige evidencias distintas.
Este modelo económico favorece los flujos de trabajo que se repiten con frecuencia y pueden evaluarse con claridad. Penaliza las tareas vagas cuyo éxito depende de impresiones subjetivas.
El cambio hacia los agentes no vuelve inútil la medición de tokens. Convierte los recuentos de tokens en una señal operativa entre varias, en lugar de un indicador indirecto del valor empresarial.
Lo que las cifras de tokens no demuestran
Las espectaculares cifras de adopción interna de OpenAI muestran demanda e intensidad, pero dejan sin resolver los resultados de productividad, calidad y seguridad.
La primera limitación es la selección. OpenAI desarrolla Codex, emplea a personas familiarizadas con la IA experimental y puede ofrecerles un soporte de producto excepcionalmente directo.
Su plantilla no es una muestra representativa de bancos, hospitales, organismos gubernamentales, fabricantes o pequeñas empresas. Estas organizaciones operan bajo restricciones técnicas y regulatorias diferentes.
OpenAI también se beneficia cuando los clientes interpretan un mayor uso como prueba de una adopción más profunda. Sus datos merecen atención, pero los lectores deberían distinguir entre el comportamiento medido y la predicción más amplia de la empresa.
La segunda limitación se refiere a los tokens como métrica de éxito. El volumen de salida muestra que los modelos generaron texto o código. No revela cuánto de ello conservaron los usuarios.
Un agente puede producir un gran parche que un desarrollador rechace. Puede generar un análisis que un empleado reescriba o crear una automatización que nunca llegue a producción.
Las estimaciones de OpenAI sobre tareas de larga duración conllevan una advertencia similar. Una tarea clasificada como ocho horas de trabajo humano no ahorra automáticamente ocho horas.
El usuario aún podría dedicar tiempo a preparar los datos de entrada, supervisar la ejecución, comprobar las fuentes, resolver errores e integrar el resultado. Parte de ese trabajo quizá no se habría realizado sin el agente.
Esa producción ampliada puede seguir siendo valiosa. Sin embargo, el trabajo evitado es solo un posible beneficio y requiere medición directa.
La tercera limitación es la fiabilidad. Las tareas más largas crean más oportunidades para errores, supuestos desactualizados, elecciones incorrectas de herramientas o errores tempranos que afecten a pasos posteriores.
Los agentes con acceso a sistemas empresariales también crean un perímetro de seguridad más amplio. Una respuesta defectuosa es perjudicial, pero una acción no autorizada puede ser mucho más difícil de revertir.
Por lo tanto, los permisos deberían ajustarse a la tarea, no a la capacidad máxima del agente. El acceso de lectura, el acceso de escritura, la comunicación externa y las acciones irreversibles merecen controles separados.
Los equipos de seguridad también necesitan registros que conecten una solicitud humana con cada acción de herramienta. Sin esa cadena, la respuesta a incidentes y la rendición de cuentas se vuelven difíciles.
La supervisión de costes puede crear otra tensión. Las empresas necesitan suficiente visibilidad para identificar desperdicios y credenciales comprometidas, pero una vigilancia detallada de los empleados puede debilitar la confianza.
Un administrador puede necesitar saber que un flujo de trabajo llama repetidamente a un modelo caro. No necesariamente necesita acceso sin restricciones a contenido sensible.
Una buena gobernanza separa los metadatos operativos del contenido empresarial siempre que sea posible. También define quién puede inspeccionar cada capa y bajo qué circunstancias.
La cuarta limitación implica la generalización más allá de la programación. Codex puede ayudar a personas no desarrolladoras, pero los datos de OpenAI siguen mostrando la programación y la ingeniería como categorías principales.
El trabajo técnico estructurado ofrece una validación relativamente clara. Se pueden ejecutar pruebas, comparar archivos y los errores pueden activar otro intento.
El análisis jurídico, el apoyo a la contratación, la estrategia y la interpretación financiera suelen contener requisitos más subjetivos. Los errores pueden persistir más tiempo porque la validación automatizada es más débil.
Esta diferencia vuelve más importante la evaluación de resultados a medida que los agentes se incorporan a funciones empresariales. Las empresas no deberían asumir que la velocidad de adopción equivale a preparación.
La opinión pública ya se ha desplazado hacia esa distinción. Un análisis sobre el gasto en IA publicado en julio describió una creciente resistencia al "tokenmaxxing", la práctica de tratar un alto consumo como un logro.
El analista de Moody's Vincent Gusdorf advirtió que la IA puede facilitar la creación de trabajo que una organización no necesita. Esa crítica apunta directamente a la debilidad de las señales de estatus basadas en tokens.
Un consumo elevado puede ser racional cuando un agente produce un resultado valioso. Se vuelve más difícil de defender cuando ningún responsable puede vincular la actividad con un resultado aceptado.
La posición escéptica correcta no es que los agentes sean meros chatbots desperdiciadores. Los datos de adopción de OpenAI son demasiado sustanciales para descartarlos de ese modo.
La conclusión más defendible es más acotada. Los agentes amplían la cantidad y el alcance del trabajo que la IA puede intentar, mientras que la evidencia sobre el valor empresarial realmente materializado sigue siendo desigual.
Por lo tanto, una empresa debería poner a prueba la tesis de OpenAI dentro de su propio entorno. Eso requiere referencias de partida, conjuntos de evaluación, costes de revisión, tasas de fallo y resultados medibles.
También debería comparar un flujo de trabajo con agentes frente a alternativas realistas. Esas alternativas incluyen la ejecución humana, el software convencional, una interacción de chat más breve y un modelo más pequeño.
Solo entonces los líderes podrán determinar si el aumento del uso de tokens representa apalancamiento o fricción. Las proporciones internas de OpenAI no pueden responder esa pregunta por ellos.
Tres señales que los compradores empresariales deberían observar a continuación
La próxima fase se decidirá por los informes de resultados, la retención no técnica y los controles de seguridad, no por otro récord de tokens.
La primera señal es si los proveedores conectan el consumo de los agentes con resultados empresariales completados. Los paneles de uso actualmente hacen hincapié en créditos, usuarios, modelos y tendencias.
Estas vistas ayudan a los administradores a detectar demanda inesperada. Aun así, no llegan a mostrar si un flujo de trabajo produjo un resultado aceptado.
Los compradores deberían buscar informes vinculados a cambios de código aprobados, casos de soporte resueltos, análisis completados u otros resultados específicos del dominio. El coste por resultado aceptado haría las comparaciones más significativas.
Si los proveedores ofrecen una atribución de resultados creíble, el argumento de OpenAI se vuelve más sólido. Las empresas podrían financiar flujos de trabajo de alto consumo cuando el valor resultante sea visible.
Si los informes siguen centrados en tokens y tiempo estimado, crecerá el escepticismo. Las organizaciones tendrán dificultades para separar el trabajo productivo intensivo del trabajo fallido intensivo.
La segunda señal es el uso sostenido de Codex fuera de la ingeniería. OpenAI informa de un crecimiento notable entre empleados de las áreas jurídica, financiera, de contratación, marketing y operaciones.
La siguiente pregunta es si esos usuarios continúan después de la experimentación inicial. La retención importa más que un rápido aumento desde una base inicial pequeña.
Las empresas deberían observar qué tareas no técnicas se convierten en flujos de trabajo repetibles. También deberían rastrear con qué frecuencia los especialistas deben rescatar o rehacer el trabajo generado por agentes.
El uso continuado con calidad estable respaldaría la afirmación de OpenAI de que los agentes permiten a los empleados cruzar fronteras funcionales. Una retención decreciente sugeriría que el valor más sólido sigue concentrado en los equipos técnicos.
La tercera señal es la madurez de los controles en torno a las acciones de los agentes. Los límites de gasto están llegando rápidamente, pero el coste representa solo una parte del riesgo operativo.
Las organizaciones también necesitan permisos a nivel de tarea, puntos de control de aprobación, llamadas a herramientas auditables, aislamiento de credenciales y una terminación fiable cuando el comportamiento sale de los límites definidos.
Estas salvaguardas deben funcionar con múltiples modelos y herramientas. Las empresas rara vez estandarizan todos los flujos de trabajo en un único proveedor para siempre.
El progreso en este ámbito facilitaría justificar una delegación más amplia, especialmente en sectores regulados. Los controles débiles o fragmentados ralentizarían la adopción independientemente de la capacidad del modelo.
Estas tres señales están conectadas. Los informes de resultados explican por qué un agente merece recursos. La retención muestra si los empleados lo consideran útil después de que se desvanece la novedad.
La seguridad y la gobernanza determinan si la organización puede permitir que ese agente realice trabajo con consecuencias. La ausencia de cualquiera de las tres puede impedir un despliegue exitoso.
El titular de Google News recoge un cambio real del chat hacia los agentes, pero la cuota de tokens es el comienzo de la historia. No es la puntuación final.
OpenAI ha demostrado que sus empleados delegan cada vez más tareas largas y complejas a Codex. No ha demostrado que el 99,8 % de los tokens de salida aporte una proporción equivalente del valor organizativo.
Antes de celebrar o restringir ese consumo, los compradores empresariales deberían plantear una pregunta práctica: ¿qué resultados completados se hicieron posibles y qué evidencia demuestra que valieron el riesgo?
Esa pregunta ofrece una guía mejor que el volumen de tokens por sí solo. Permite a las organizaciones ampliar los flujos de trabajo que funcionan, limitar los que se desvían y evaluar la adopción de agentes por sus resultados, en lugar de por su actividad.
