TechCrunch conversó con OpenAI y presentó una serie de cifras que contrastan el uso interno con el externo: en junio de este año, el 98% de los propios empleados de OpenAI había usado Codex; fuera de la empresa, solo el 17% de los usuarios con suscripción organizacional usa herramientas de tipo agente, y entre los suscriptores individuales esa proporción baja de 1%. Como referencia, ChatGPT ya supera los 1.000 millones de usuarios en modo de instrucciones, con 20 millones de instalaciones de la aplicación de escritorio.
Una empresa que trata a los agentes como la próxima generación de producto tiene a casi todo su personal usándolos internamente, mientras que casi ningún cliente lo hace. Esa brecha dice más sobre dónde están atascados los agentes hoy que cualquier benchmark.
Fuera de la programación no hay criterio de aceptación
Los ingenieros que usan agentes tienen un criterio de juicio natural: si el código funciona, si las pruebas pasan, si el PR se puede fusionar. Que una tarea esté terminada o no es algo binario, y que el usuario vuelva a usarlo depende de si la primera vez realmente ahorró tiempo. El trabajo de oficina no tiene ese tipo de criterio: si un informe para un cliente está bien redactado, si una agenda quedó bien organizada, solo puede saberse con una revisión humana posterior, y esa misma "revisión" consume el tiempo que el agente supuestamente ahorró.
"Everything is coding agent shaped...the reason is that they only have training data for coding agent tasks."
Mario Zechner, creador de Pi, lo dice sin rodeos: todos los agentes acaban pareciendo agentes de programación, porque los proveedores solo cuentan con datos de entrenamiento para tareas de programación.
Esta frase invierte la causalidad: los proveedores no prefieren a los desarrolladores por afinidad, es que la señal de supervisión disponible simplemente es densa solo en el código. En GitHub hay miles de millones de registros públicos de "cambio-prueba-fusión", cada uno con su propia etiqueta de correcto o incorrecto; el trabajo de oficina no tiene un corpus equivalente, y nadie lo está etiquetando. Para entrenar a un agente capaz de entregar por sí solo el acta de una reunión, antes alguien tendría que reunir decenas de millones de actas buenas y malas, y hoy ninguna empresa lo está haciendo.
La barrera de los permisos es más alta de lo que parece
Andrew Ambrosino, ingeniero jefe de la aplicación de escritorio, menciona una preocupación: al pedirle a un agente que redacte un documento, ¿podría terminar tropezando con contenido de una conversación privada? Para que un agente funcione, hay que cederle permisos de lectura y escritura sobre el correo, el calendario, los archivos y las herramientas de chat; para que la gente se sienta cómoda cediendo eso, el producto primero debe dejar claro qué puede ver y qué no. El costo de diseño de esta capa es mucho más alto que simplemente conectar unas cuantas herramientas más.
Internamente, OpenAI no tiene una postura unificada sobre esto. Joe Gershenson, responsable de ingeniería del harness, lo dijo sin rodeos: "The honest answer is that I really don't look at the harnesses that they're building." — básicamente no revisa las capas que otros están construyendo. Thibault Sottiaux, responsable del producto principal, lo planteó casi como un manifiesto: "It's the very mission of OpenAI — to bring everyone along."
Los subsidios no alcanzan para mil millones de personas
Todavía hay una cuenta que no cuadra. TechCrunch menciona un ejemplo: un usuario consumió 80 millones de tokens en cuatro días, lo que a precio de lista costaría aproximadamente 65 dólares, mientras que él paga una suscripción de 20 dólares al mes. En el terreno de los desarrolladores, esta descompensación aún es tolerable: alta disposición a pagar, buena retención, techo claro; llevada a la escala de mil millones de usuarios comunes, la misma descompensación se convierte en una brecha que se ensancha sola.
La respuesta de OpenAI es empujar el costo unitario a la baja, por ejemplo recortando un 80% el precio para los usuarios del modelo Luna. Cuando el precio baja un escalón, el consumo por persona suele subir todavía más rápido, y esta cuenta al final solo se equilibra si la eficiencia del modelo logra alcanzarlo, no limitando el uso. La ventana de cinco horas de ChatGPT Plus hoy es, en esencia, una regla para contener la situación antes de que la eficiencia llegue. En el lado empresarial el camino es más directo: por niveles de asientos, con los usuarios intensivos con un precio aparte y el costo escrito con claridad en el contrato. En el lado de las suscripciones individuales no hay ese margen: el precio psicológico de 20 dólares al mes está fijado, y subir un escalón significa perder usuarios.
Por delante medio paso
El panorama competitivo ha dado dos vuelcos este año. Claude Code lideró de forma continua hasta abril de 2026, después de lo cual Codex recuperó una ligera ventaja. La diferencia entre ambos en tareas de programación ya se ha reducido tanto que solo tareas muy concretas permiten distinguirlos, y el factor decisivo de la siguiente etapa claramente no está ahí: quien logre que ese 99% que no programa empiece a usarlo primero cambiará el mercado de unos pocos millones de desarrolladores a mil millones de personas.
En el trayecto del 98% al 1%, la brecha no está del lado de la capacidad del modelo. Para cruzarla hace falta que alguien que nunca ha oído hablar del "alcance de los permisos" esté dispuesto a entregar su correo a un programa que se ejecuta solo, y que después no necesite revisar cada palabra. Estas tres cosas —autorización, ejecución, ausencia de revisión— hoy no están consolidadas en ninguna.
Fuentes: reportaje de TechCrunch a partir de entrevistas con el equipo de OpenAI, CocoLoop, página de precios pública de OpenAI; las proporciones de uso interno/externo, el número de instalaciones de la aplicación de escritorio y los costos en tokens se han cotejado con el reportaje original y la tabla de precios pública, y las conversiones de costo se han señalado como estimaciones aproximadas.