De conversar
con IA a
coordinar
trabajo.

Dots: de pedir respuestas a delegar una responsabilidad

Qué se presentó. Dots son agentes persistentes impulsados por GPT‑6 Astra. Tienen un computador en la nube, mantienen contexto y trabajan con las aplicaciones que el usuario conecta. OpenAI los presenta como una forma de dar seguimiento a objetivos entre conversaciones, no solo responder al mensaje que acaba de llegar. El anuncio también describe specialist dots para funciones organizacionales definidas y una integración prevista con Microsoft Agent 365; no deben confundirse con una disponibilidad general de empleados digitales autónomos. S05 ↗

Disponibilidad real. La ayuda indica Pro fuera del Espacio Económico Europeo, Suiza y Reino Unido; Business Premium en las regiones compatibles; y beta para Enterprise, Edu y Healthcare cuando el administrador la habilita. El despliegue puede tardar días en llegar a una cuenta. El primer dot está incluido, pero el trabajo de mayor profundidad tiene una asignación de uso: «siempre disponible» no significa capacidad de ejecución ilimitada. La creación inicial se realiza desde escritorio o navegador de escritorio. S06 ↗

Cómo funciona, explicado sin exagerar. La diferencia conceptual no es «un chat que contesta mejor», sino una relación de trabajo con objetivo, memoria, herramientas y seguimiento. La organización debería definir qué observa, qué resultado produce, qué cambios puede efectuar y cuándo debe detenerse. Esta es la forma recomendada de plantear su uso; no supone que un objetivo ambiguo produzca automáticamente una ejecución correcta.

Hay una separación decisiva entre investigación proactiva y acciones autorizadas. La FAQ dice que las herramientas de investigación proactiva pueden leer fuentes permitidas y conservar notas, pero no enviar mensajes, modificar contenido por plugins ni controlar un navegador o computador directamente. Las acciones posteriores siguen las reglas y revisiones correspondientes. También advierte que desconectar una fuente no elimina el contexto ya adquirido y que borrar un dot no borra necesariamente los archivos o conversaciones almacenados en otros lugares. S07 ↗

Ejemplo propuesto para una agencia. Encargar seguimiento de oportunidades comerciales: identificar cambios relevantes en información autorizada, preparar un resumen y redactar una propuesta de siguiente paso. El resultado inicial debería ser un borrador con evidencia, no el envío automático de ofertas, descuentos o contratos. La autorización para enviar un mensaje no debe interpretarse como permiso permanente para contactar a cualquier persona.

Valor y límites. El valor a probar es la continuidad del trabajo; el riesgo es conceder una responsabilidad demasiado amplia. Una evaluación útil medirá omisiones, correcciones humanas, acciones bloqueadas correctamente y calidad del registro, además del tiempo empleado. No basta con contar tareas realizadas.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

GPT‑6.1 Sol: capacidad de trabajo complejo a menor precio por token

Qué se presentó. GPT‑6.1 Sol es una actualización de GPT‑6 Sol orientada a programación con agentes, uso de computadora y trabajo profesional. Se anunció el 29 de septiembre para ChatGPT Work, Codex y API, con disponibilidad según los planes indicados y sus configuraciones. La publicación específica aclara que no estaba todavía en la modalidad Chat. Su identificador de API es gpt-6.1-sol. S04 ↗

La afirmación de OpenAI es «inteligencia cercana a Astra», no equivalencia universal. En sus evaluaciones publicadas, Sol mejora 6,4 puntos porcentuales frente al Sol anterior en la configuración destacada de DeepSWE; en AutomationBench el anuncio señala ventajas frente a Opus 5.5 y al Sol anterior; y en OSWorld describe una mejora de siete puntos frente a Sol. Son resultados en entornos y configuraciones concretos, no tasas generales de éxito de cualquier agente. S04 ↗

Qué aporta la medición externa. Artificial Analysis registra para GPT‑6.1 Sol puntuaciones de 42, 48, 50, 51 y 52 en su Intelligence Index, según los niveles low, medium, high, xhigh y max. Sus costos por tarea de ese índice son, respectivamente, USD 0,13; 0,21; 0,32; 0,39 y 0,72. Son cinco configuraciones evaluadas del modelo, no cinco lanzamientos adicionales. S12 ↗

Cómo interpretarlo. El modelo resulta interesante como candidato para trabajo repetido que no necesita siempre la configuración más costosa. Sin embargo, conviene elegir la combinación de calidad, tiempo y costo adecuada a cada proceso. Un nivel de razonamiento superior no debe adoptarse por costumbre: puede consumir más recursos y no mejorar el resultado que realmente importa.

Ejemplo propuesto. Para construir una landing a partir de este informe, una evaluación podría comparar Sol en medium y high al estructurar el contenido, generar componentes y reparar errores. Un revisor independiente comprobaría fuentes, enlaces, estados de disponibilidad y accesibilidad. La decisión de pasar a Astra dependería de fallos observados, no de asumir que el modelo más caro siempre es necesario.

Límites importantes. El addendum de seguridad clasifica al modelo bajo el marco de OpenAI con capacidad Critical en ciberseguridad y High en el dominio biológico y químico, y aplica el conjunto correspondiente de salvaguardas. Estas categorías son clasificaciones del proveedor sobre capacidades y riesgos; no son certificaciones de que el modelo sea seguro para cualquier uso. S13 ↗

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Ultrafast: reducir el tiempo de generación sin confundirlo con toda la tarea

Qué se presentó. Ultrafast es una modalidad de mayor velocidad. El recap anuncia hasta ocho veces más velocidad en Codex, con hasta 300 tokens por segundo, y hasta seis veces en API. La guía viva de la API utiliza también un encabezado de hasta ocho veces: ambas afirmaciones no se deben mezclar como si fueran la misma medición. Astra es el modelo central del lanzamiento; Sol Ultrafast fue anunciado para los días siguientes, no verificado como universalmente disponible en este corte. S01 ↗ S14 ↗

Cómo se solicita técnicamente. La documentación muestra service_tier: "ultrafast" junto a model: "gpt-6-astra" en Responses API. Es una selección de servicio, no un nuevo nombre de modelo. La guía recomienda WebSockets para flujos con muchas herramientas y señala restricciones regionales: procesamiento global y residencia de datos de Estados Unidos, no endpoints regionales europeos u otros no estadounidenses. Las cuotas de API dependen del nivel de uso. S14 ↗

Interpretación práctica. Una tarea puede tardar por cuatro motivos distintos: inferencia, acceso a herramientas, espera externa o intervención humana. Acelerar la primera parte no acelera en la misma proporción las otras tres. Por tanto, «ocho veces más tokens por segundo» no equivale a «ocho veces más ventas», «ocho veces menos horas» ni «ocho veces más proyectos terminados».

Costo. La tabla oficial consultada distingue Standard, Batch, Flex, Fast y Ultrafast. Para Astra en el tramo corto, Ultrafast figura a USD 60 por millón de tokens de entrada y USD 300 por millón de salida, frente a USD 10 y USD 50 en Standard. La comparación económica completa aparece en la sección 4. S11 ↗

Ejemplo propuesto. Puede tener sentido probarlo cuando una persona espera iteraciones sucesivas sobre un error o una interfaz. Tiene menos justificación automática para un informe que puede completarse sin espera interactiva. La prueba debería medir el tiempo total hasta un resultado aceptado y el gasto total, no solo la velocidad visible del texto.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Private Intelligence: privacidad del contenido y controles verificables

Qué se presentó. Private Intelligence agrupa dos piezas que deben explicarse por separado: Zero Data Retention con Private Safety Processing, ya descrito técnicamente, y una preview futura de Private Inference, anunciada para el otoño de 2026 del hemisferio norte. Para lectores de Chile conviene escribir esa referencia de manera explícita: no significa el otoño chileno. S01 ↗

Private Safety Processing. La guía describe registros cifrados almacenados bajo control del cliente, autorización mediante claves administradas por este y revisión automatizada en un entorno con atestación de hardware que deshabilita acceso humano. Del procesamiento protegido salen señales acotadas de seguridad y metadatos operativos. OpenAI conserva referencias e información operacional, no una copia del contenido protegido. El almacenamiento descrito se dedica a seguridad y no a entrenamiento. S15 ↗

La distinción crítica es que Zero Data Retention no significa que no exista contenido almacenado en ninguna parte. En esta arquitectura hay almacenamiento controlado por el cliente. Tampoco se puede extender una propiedad del sistema de revisión a todos los conectores, registros o servicios externos que una aplicación utilice.

Explicación didáctica. Imaginemos dos circuitos: uno responde una solicitud y otro revisa posteriormente determinados registros por razones de seguridad. La propuesta documentada pretende que ese segundo circuito no introduzca una vía de lectura humana del contenido protegido. Esa analogía ayuda a entender el diseño, pero no sustituye la revisión de su configuración y sus límites.

Qué exige una evaluación empresarial. Recomiendo comprobar quién administra las claves, dónde quedan los registros, qué metadatos se conservan, cómo se revocan permisos, qué ocurre ante errores y qué obligaciones tiene cada parte. Son preguntas de diligencia técnica; este informe no certifica cumplimiento normativo ni reemplaza una revisión legal y de seguridad.

Private Inference. No se presenta aquí como disponible de forma general ni como una infraestructura que pueda instalarse siguiendo una receta pública completa. El anuncio promete computación confidencial y controles estrictos y verificables. Faltan en esta investigación suficientes detalles operativos para afirmar cobertura universal, precio, regiones o compatibilidad con todas las herramientas. S01 ↗

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Codex en la nube: entornos reutilizables para delegar desarrollo

Qué cambió. El anuncio amplía el trabajo con Codex desde distintos dispositivos mediante entornos de desarrollo en la nube. La documentación describe una preparación compartible de repositorios, dependencias, herramientas, red y permisos; cada tarea trabaja en su propio espacio. La configuración reutilizable permite no rehacer manualmente el mismo entorno para cada encargo. S16 ↗

Qué no debe confundirse. Controlar desde un teléfono una sesión que depende de un computador local no es lo mismo que ejecutar la tarea en infraestructura cloud. La interfaz de acceso, el lugar de ejecución y la identidad que autoriza repositorios son tres decisiones diferentes.

Flujo recomendado, no ejecución realizada. Preparar un repositorio de prueba, declarar las dependencias, limitar las conexiones necesarias y pedir una modificación acotada con criterios de aceptación. Después, revisar los cambios y las pruebas antes de integrarlos. Las credenciales no deben viajar en instrucciones, capturas ni archivos de ejemplo. El repositorio de producción no es el lugar adecuado para una primera prueba sin límites.

Ejemplo propuesto. Una agencia podría mantener un entorno aprobado para desarrollar landings: mismas versiones de herramientas, pruebas de enlaces, compilación y reglas editoriales. Cada cliente tendría un encargo separado y datos permitidos definidos. El beneficio que habría que demostrar sería menos preparación repetitiva y mayor consistencia, no una multiplicación garantizada de la producción.

Límites. Un entorno que arranca correctamente no acredita que el código sea correcto. Los permisos de red, las dependencias externas y la autorización de repositorios son parte del producto que se debe gobernar. Las acciones de publicación siguen requiriendo una política explícita.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Codex CLI renovado: voz, coordinación y continuidad desde la terminal

Qué se destacó. El recap presenta voz para iniciar y orientar tareas, una vista /agents para coordinar trabajos y mejoras en edición de prompts, reanudación, worktrees y legibilidad. El CLI sigue siendo una herramienta de trabajo sobre repositorios y comandos; no se convierte por ello en un entorno sin restricciones. S01 ↗ S17 ↗

Precisión cronológica. El changelog documenta voz habilitada por defecto, el selector /voice settings, mejoras de worktrees y otras novedades en la versión 0.156.0 del 22 de septiembre. El día 29 aparecen las versiones 0.159.0, 0.159.1 y 0.159.2, con cambios adicionales, incluida la incorporación de GPT‑6.1 Sol. El 30 aparece 0.159.3. Esta secuencia impide atribuir todas las funciones al estreno de una única versión en la keynote. S20 ↗

Por qué importa. Hablar puede reducir fricción al expresar una intención, pero no elimina la necesidad de especificar alcance. Coordinar varios agentes puede repartir análisis, implementación y pruebas, aunque también puede producir trabajo incompatible o duplicado. El valor real depende de cómo se definan las fronteras.

Ejemplo propuesto para tu agente de landing. Un agente revisa cobertura editorial; otro implementa componentes; otro verifica enlaces y estados; la integración queda en manos de un responsable. Deben trabajar sobre una misma especificación, sin reescribirse mutuamente archivos de manera descontrolada.

Regla de uso recomendada. Antes de hablar o escribir un encargo, declarar qué directorio se puede modificar, qué debe preservarse y qué no está autorizado: publicar, instalar software, cambiar credenciales o tocar datos de clientes no deben quedar implícitos.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Code Review: convertir la revisión de cambios en parte del flujo

Qué se amplía. La documentación integra revisión de pull requests de GitHub y merge requests de GitLab, lectura de diferencias, comentarios y comprobaciones. GitHub y GitLab no tienen exactamente el mismo estado: la guía identifica soporte preliminar para GitLab. También se pueden configurar revisiones automáticas cloud mediante las conexiones y permisos correspondientes. S18 ↗

Qué hace distinto este caso de pedir «revisa mi código». El objeto de la revisión es un conjunto de cambios y su contexto: qué se intenta modificar, qué archivos se alteran y qué evidencia aportan las comprobaciones. Una buena revisión no debe limitarse a enumerar preferencias de estilo.

Ejemplo propuesto. En la landing del DevDay, un revisor podría comprobar que todos los anuncios tienen una fuente, que un filtro no esconde involuntariamente funciones, que los estados futuros no se etiquetan como disponibles y que los reproductores tienen alternativa cuando no cargan. Estas son pruebas del encargo editorial y técnico, no solo del código.

Límites y criterio de aceptación. Recomiendo exigir referencias al archivo y problema, distinguir defecto de sugerencia y revalidar después de modificar la revisión original. La aprobación de una versión no se debe transferir sin revisión a una versión posterior. La revisión por IA complementa pruebas y criterio humano; no convierte en seguro un cambio por el hecho de haber recibido comentarios.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Codex Security Cloud: buscar vulnerabilidades y aportar evidencia

Qué se presentó. Codex Security Cloud analiza repositorios conectados, valida posibles vulnerabilidades y propone mitigaciones. La configuración contempla escaneos del repositorio y seguimiento de cambios. Es distinto del plugin de seguridad local: la documentación de Cloud se refiere a repositorios GitHub analizados en entornos efímeros de Codex. S19 ↗ S21 ↗

La FAQ describe un recorrido de modelo de amenazas, análisis, validación y remediación. Cuando hay pasos de comprobación, se ejecutan comandos o pruebas en el entorno aislado y se adjunta evidencia. También dice expresamente que no reemplaza SAST —análisis estático de seguridad— y que los parches no se aplican automáticamente: se revisan antes de crear una propuesta de cambio. S21 ↗

Interpretación. El avance interesante no sería producir más alertas, sino encontrar problemas relevantes y ayudar a distinguirlos de falsos positivos. Un tablero lleno de advertencias sin contexto puede aumentar el trabajo en lugar de reducirlo.

Ejemplo propuesto. Revisar la separación de permisos entre usuarios de un portal, las rutas de acceso a documentos y la validación de entradas del backend. El encargo debe hacerse sobre código autorizado, no sobre sistemas ajenos. Después, una persona responsable reproduce el hallazgo en un entorno controlado y decide si el parche preserva el funcionamiento esperado.

Qué medir. Hallazgos confirmados, falsos positivos, cobertura de los componentes críticos, tiempo hasta la validación y regresiones introducidas por las correcciones. «No encontró nada» no equivale a «no existen vulnerabilidades».

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Decisions API: una respuesta elegida, no un párrafo libre

Qué se anunció. Decisions API enfoca la capacidad de Luna en preguntas definidas por el desarrollador con un conjunto finito de respuestas. Acepta contexto textual o visual y se orienta a clasificación, enrutamiento y elección del siguiente paso. El recap la presenta en preview limitada, con una ampliación prevista para los días siguientes. No se verificó una disponibilidad general posterior al anuncio. S01 ↗

La diferencia conceptual. En un chat suele interesar una respuesta abierta: explicar, argumentar, redactar. En una aplicación puede interesar una decisión acotada: «ventas», «soporte», «facturación» o «revisión humana». Delimitar las salidas puede simplificar la conexión con un proceso, pero no garantiza que la opción escogida sea correcta.

Ejemplo propuesto, no esquema oficial de API:

Contexto: un mensaje de un cliente y una política de atención autorizada.
Pregunta: ¿a qué equipo corresponde derivar este caso?
Opciones: ventas | soporte | facturación | revisión humana.
Acción posterior: preparar una derivación; no ejecutar reembolsos ni
modificar una cuenta por el solo resultado de la clasificación.

Qué habría que construir alrededor. Recomiendo validar las entradas y salidas, registrar la decisión, incluir una categoría de excepción y medir los errores que realmente perjudican el proceso. Por ejemplo, no cuesta lo mismo enviar una consulta comercial al equipo equivocado que clasificar mal una solicitud urgente. Una evaluación debería separar esos casos.

Qué no quedó verificado. No se encontró en las fuentes primarias consultadas un contrato público completo de solicitud/respuesta, una tarifa específica, un método de SDK confirmado o una garantía de latencia. Por tanto, este informe no ofrece una llamada supuestamente ejecutable a client.decisions.create, no promete 150 milisegundos y no atribuye una puntuación de confianza a un esquema oficial no inspeccionado. Tampoco identifica el precio de GPT‑6 Luna estándar con el de Decisions API.

Relación con otras soluciones. Puede compararse conceptualmente con clasificadores, reglas y salidas estructuradas, pero la elección exige pruebas en el mismo conjunto de datos. No se concluye aquí que reemplaza una solución concreta de otro proveedor ni que es mejor que un sistema de reglas para problemas simples y estables.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Agents API con uso de computadora: añadir interacción visual a una ejecución administrada

Qué es antecedente y qué es novedad. Agents API fue presentada el 10 de septiembre de 2026. Su propuesta es administrar partes de la ejecución de agentes —el ciclo de herramientas, estado, contexto e infraestructura— usando la arquitectura de Codex. El anuncio de DevDay debe leerse como una ampliación, en particular en uso de computadora, no como el nacimiento de toda la API. S24 ↗

Alcance técnico comprobado. La guía de computer use de Agents API se refiere a un navegador alojado por OpenAI con el que el agente puede interactuar, y a cómo una aplicación inicia y observa ese trabajo. Esto no equivale a una API universal que controle sin restricciones cualquier computador del usuario. La autenticación, el acceso a sitios y la intervención humana deben tratarse dentro de ese flujo específico. S25 ↗

Cómo explicarlo. Un agente puede tener una conexión estructurada a una aplicación o necesitar trabajar con su interfaz visual. En el segundo caso, el estado de la pantalla y la secuencia de acciones forman parte del trabajo. La aplicación que integra el agente sigue necesitando observar qué pasó y decidir qué hacer si hay una interrupción.

Ejemplo propuesto. Probar la navegación de una tienda de demostración: buscar un producto, verificar filtros, llegar al carrito y documentar errores. El alcance terminaría antes de pagar o enviar un pedido. Si aparece un desafío de autenticación, una pantalla inesperada o información sensible, la prueba debe detenerse o pedir intervención según la política definida.

Riesgos a evaluar. Recomiendo comprobar cambios de diseño, estados de sesión, errores de lectura, recuperación tras fallos y acciones irreversibles. Para un uso comercial, el criterio no es «hizo clic», sino «cumplió la tarea autorizada y dejó evidencia suficiente».

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Amazon Bedrock Managed Agents, powered by OpenAI

Qué se anunció. La página de AWS lo identifica como preview y describe la combinación de modelos de OpenAI, el entorno de ejecución de Codex y Amazon Bedrock AgentCore. El planteamiento es ejecutar agentes con identidades, permisos y controles de AWS; el runtime y la inferencia permanecen dentro de AWS según esa descripción oficial. S26 ↗

La guía técnica aclara que el harness mantiene la sesión, gestiona el intercambio entre modelo y herramientas y compacta el contexto. Cuando hace falta ejecutar comandos o trabajar con archivos, envía ese trabajo a un entorno cuya ubicación decide quien lo configura. Las características y API pueden cambiar antes de la disponibilidad general. S27 ↗

Qué significa para una empresa. No es solamente «Astra dentro de otro catálogo». La propuesta incorpora una capa de ejecución administrada para organizaciones que ya quieren integrar agentes con su infraestructura e identidad de AWS. Eso puede ser relevante para su gobierno técnico, pero no demuestra por sí solo menor costo o mayor seguridad que otra arquitectura.

Ejemplo propuesto. Una compañía con información y aplicaciones en AWS podría evaluar un agente de análisis interno con acceso a un conjunto reducido de recursos y una identidad separada. La prueba debe demostrar que el agente no puede ampliar sus permisos y que el equipo puede reconstruir el origen de cada resultado.

Qué no asumir. No se verifica una tarifa global única, acceso en todas las regiones, ni que cualquier herramienta externa mantenga datos dentro de AWS por el hecho de llamar a este servicio. Tampoco se recomienda migrar infraestructura solo por el anuncio.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Extensiones de plugins: aplicaciones integradas en la interfaz

Qué cambió. OpenAI MCP Extensions permite que los plugins se integren con superficies como la barra lateral, el compositor, paneles de conversación y visores de archivos. La referencia enumera también ajustes del plugin, modos de visualización, enlaces internos, contexto bidireccional y formularios enriquecidos. Ofrece SDK y especificación para desarrolladores. S28 ↗ S46 ↗

Disponibilidad que debe quedar visible. La guía dice que las extensiones en la web para Free y Go llegan próximamente, mientras que las menciones desde el compositor están disponibles solo en la aplicación de escritorio. El resumen general del evento es más amplio. No publicar «todas las extensiones para todos los planes en todos los dispositivos». S28 ↗

Explicación sencilla. Una integración deja de ser solamente una herramienta que devuelve texto: también puede ofrecer un espacio de trabajo visual dentro de la experiencia. Por ejemplo, la persona puede inspeccionar un objeto o completar un formulario sin convertir cada interacción en mensajes largos.

Ejemplo propuesto. Un plugin de catálogo podría mostrar fichas de productos junto a una conversación sobre una campaña. El usuario seleccionaría referencias y comprobaría datos autorizados antes de solicitar una pieza. La interfaz debería dejar claro cuándo una selección solo añade contexto y cuándo una acción cambia datos en el sistema de origen.

Implicación para construir productos. Recomiendo empezar por una tarea concreta que mejore gracias a la interfaz. Rehacer todas las pantallas de una aplicación dentro de ChatGPT puede añadir complejidad sin aportar valor. La autorización, los errores y los estados de carga deben diseñarse con la misma atención que el aspecto visual.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Crear, publicar y descubrir plugins: una cadena de distribución más completa

Qué reúne el anuncio. La entrada agrupa ayudas para crear plugins, revisión y publicación, y mejoras de descubrimiento. La documentación actual dirige a Plugin Creator, describe paquetes con skills y conexiones MCP y ofrece un flujo de comprobaciones antes de la publicación. Estas piezas forman parte del ecosistema documentado de 2026; no se debe reutilizar sin revisión un tutorial de los antiguos plugins de ChatGPT de 2023. S29 ↗ S30 ↗ S47 ↗

Qué exige publicar. La guía requiere una identidad de desarrollador verificada y los permisos adecuados en la organización. Se sube un ZIP, se revisan los hallazgos de metadatos, skills y herramientas, y se corrigen los problemas. Los cambios del paquete requieren nueva carga; ciertos cambios del servidor MCP pueden pasar por comprobaciones automáticas. Un servidor MCP no se incorpora posteriormente a un plugin que fue creado solo con skills según la limitación documentada. S30 ↗

Interpretación para un negocio. Aquí la oportunidad no es solo producir automatizaciones a medida, sino empaquetar una capacidad repetible. Para justificar un plugin propio debería existir una tarea frecuente, usuarios identificables, acceso bien delimitado y una razón para ejecutarla dentro de ChatGPT.

Ejemplo propuesto. Un plugin que convierte información de producto autorizada en un borrador de ficha comercial con reglas de marca. Su promesa sería concreta: preservar especificaciones y generar un borrador revisable. No debería presentarse como un vendedor autónomo que puede cambiar precios, inventar atributos o publicar sin revisión.

Qué medir antes de escalar. Activación real, repetición de uso, proporción de tareas terminadas, errores de integración y carga de soporte. La presencia en un directorio no garantiza visibilidad ni demanda.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Sites con plugins: interfaces conectadas que respetan al visitante

Qué se amplía. El recap anuncia plugins alojados en Sites y automatizaciones para los planes organizacionales indicados. Sites ya es la capacidad de crear, alojar y compartir sitios o aplicaciones mediante ChatGPT. Por tanto, la novedad no debe reducirse a «OpenAI ahora crea páginas web». S01 ↗ S31 ↗

Matiz técnico muy importante. La página de producto explica que, en workspaces elegibles, cada visitante puede aprobar acceso de solo lectura a sus propias herramientas conectadas. El sitio solo ve información a la que ese visitante ya tiene acceso. También documenta acceso público o restringido, inicio de sesión opcional para experiencias personalizadas, almacenamiento y dominio personalizado. S31 ↗

Esto obliga a distinguir un sitio público informativo de una aplicación conectada que consulta datos personales. Una landing sobre DevDay no necesita por defecto solicitar conexiones a correo, CRM o documentos privados.

Ejemplo propuesto. Un portal de consulta interna podría mostrar a cada usuario información que este tiene permitida. Antes de un piloto, conviene probar dos cuentas con permisos diferentes y verificar que no exista transferencia de datos entre ellas. Un botón para compartir la interfaz no debe interpretarse como permiso para compartir todo lo que esa interfaz puede consultar.

Limitación editorial. La documentación de producto consultada habla de lectura para las herramientas del visitante. No se convierte la mención general de plugins y automatizaciones en una garantía de escritura arbitraria sobre todas las aplicaciones conectadas.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

MCP Events: actuar ante una señal, no consultar repetidamente sin necesidad

Qué aporta. MCP Events permite suscribirse a cambios emitidos por un servidor MCP, como mensajes, comentarios o modificaciones de estado. El usuario define qué observar y qué hacer cuando llega un evento. La integración documentada usa webhooks y verificación del callback, requiere MCP 2.0 con versión de protocolo 2026-07-28 y no soporta todas las modalidades de la propuesta: polling, streaming y determinadas notificaciones de control están excluidos de esta integración. S32 ↗

La especificación enlazada está identificada como una propuesta experimental. Que ChatGPT implemente una parte no implica que todos los clientes MCP o conectores existentes ya la soporten. S45 ↗

Cómo explicarlo. En una tarea programada, el sistema mira a una hora determinada. En una tarea activada por evento, una fuente envía una señal cuando ocurre algo relevante. La señal no contiene por sí sola permiso para hacer cualquier cosa: se procesa conforme a una suscripción y una instrucción autorizadas.

Ejemplo propuesto. Llega un comentario a un documento de campaña. El agente prepara una corrección en borrador y notifica al responsable. No publica directamente la campaña ni interpreta las instrucciones del comentario como permiso para acceder a otros proyectos.

Recomendación de arquitectura. Diseñar filtros por documento, proyecto o canal; verificar que la identidad puede recibir esos eventos; contemplar duplicados, reintentos y revocación; y registrar qué evento originó cada tarea. Una misma señal no debería generar publicaciones duplicadas. Estas son recomendaciones de implementación que deben comprobarse con la especificación vigente.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

ChatGPT Space: contexto compartido para personas y agentes

Qué se presentó. Space es un entorno compartido que reúne materiales y trabajo con ChatGPT, Codex o un dot. La página de producto lo sitúa en Pro, Business y Enterprise. Describe documentos y contexto compartido y mantiene explícitamente como futuras las diapositivas y hojas de cálculo colaborativas. S33 ↗

Distinción didáctica. Space es el lugar de organización; una Page es uno de los objetos que se crean y editan allí. No son sinónimos. Una analogía útil sería el espacio de proyecto frente al documento de trabajo, sin afirmar que reproduce exactamente un producto de otro proveedor.

Por qué podría importar. Un equipo pierde continuidad cuando las instrucciones, decisiones y entregables quedan repartidos en conversaciones individuales. Un entorno compartido puede ayudar a trabajar sobre una referencia común, pero solo si se establecen responsables, fuentes y reglas de actualización.

Ejemplo propuesto. Preparar una clase sobre IA con una Page de contenido verificado, materiales complementarios y comentarios de revisión. Un agente se ocupa de detectar incoherencias; otro ayuda a convertir el contenido en piezas didácticas. El equipo conserva una decisión explícita sobre qué versión está aprobada.

Permisos. La guía de colaboración distingue ver, comentar y editar. Advierte que el acceso puede heredarse de un Space o una página superior: eliminar una invitación directa no retira necesariamente un acceso heredado. Además, leer una Page no concede automáticamente acceso a todas las fuentes enlazadas. S35 ↗

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Pages: documentos que combinan texto, materiales y trabajo con agentes

Qué se puede hacer. La documentación describe Pages editables directamente o con ChatGPT, creación desde una conversación y organización por bloques. Entre sus elementos figuran tablas, imágenes, archivos, subpáginas, referencias, visualizaciones, prompts, tareas e instrucciones para agentes. El contenido seleccionado puede comentarse o modificarse mediante una solicitud acotada. S34 ↗

Qué cambia respecto de un texto estático. La propuesta permite reunir explicación y elementos de trabajo en el mismo documento. Eso no convierte cualquier página en una base de datos confiable ni garantiza que todos los datos se actualicen solos. La conexión, la tarea de actualización y la revisión editorial deben estar definidas.

Ejemplo propuesto. Una Page de seguimiento del DevDay podría conservar la fecha del anuncio, el estado de disponibilidad, la fuente y la última revisión de cada función. Cuando aparece una novedad, el agente propone una modificación y deja visible qué fuente la sustenta. Así se evita que una promesa de lanzamiento se convierta silenciosamente en disponibilidad confirmada.

Cómo evaluar la utilidad. Recomiendo comprobar si la página facilita encontrar la evidencia, si preserva decisiones previas y si las actualizaciones no destruyen contenido aprobado. La apariencia interactiva no compensa una cifra sin procedencia.

Límite de compartición. Un documento que resume una fuente privada puede exponer información aunque el enlace original siga protegido. Por eso se debe revisar el contenido visible, no solo los permisos de los enlaces. Esta es una precaución editorial propuesta a partir del modelo de colaboración. S35 ↗

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Diapositivas colaborativas: anuncio futuro, no una función universal ya entregada

Qué se anunció. El recap anticipa diapositivas con edición simultánea entre personas y agentes, comentarios, trabajo a partir de plantillas y exportación a PowerPoint o Google Slides. La página de Space sigue indicando «coming soon». El acceso anunciado se asocia a Pro, Business y Enterprise, pero no se verificó un despliegue general completo al corte. S01 ↗ S33 ↗

Cómo explicarlo. La diferencia propuesta no es solo generar un archivo de presentación. Es mantener a personas y agentes trabajando sobre el mismo material y su contexto. La capacidad de exportar y la fidelidad del formato deben presentarse como prestaciones anunciadas, no como pruebas realizadas por este informe.

Ejemplo propuesto. Convertir un informe aprobado en una presentación, permitir que una persona corrija el argumento y otra deje comentarios, y pedir al agente que aplique únicamente esos cambios. El caso debería conservar trazabilidad con el documento fuente y no añadir cifras para rellenar gráficos.

Qué probar cuando esté accesible. Plantillas reales, tipografías, diagramas, tablas, notas, orden de lectura, coedición y exportación. Una presentación visualmente atractiva en la plataforma puede requerir ajustes al abrirse en otra herramienta.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Teams y Team Tasks: el trabajo recurrente deja de depender de una sola persona

Qué cambia. Team Tasks permite compartir la responsabilidad de tareas recurrentes en Business y Enterprise. La ayuda describe ejecuciones cloud por calendario o disparadores compatibles, instrucciones guardadas y conexiones del equipo. Las tareas corren bajo la cuenta de servicio del equipo, no se transforman en tareas personales de quien las creó. Los administradores pueden controlar quién crea o modifica equipos y tareas. S36 ↗ S37 ↗

Por qué importa. El problema no es solamente programar una tarea, sino asegurar que alguien pueda mantenerla cuando cambia su creador, una conexión o una política. Compartir responsabilidad no debe significar que cualquier integrante pueda ampliar el alcance sin revisión.

Ejemplo propuesto. Un informe comercial semanal con fuentes aprobadas, destinatarios definidos y una salida revisable. Una persona mantiene las instrucciones, otra revisa resultados y una tercera puede pausar la tarea si detecta errores. Los permisos del servicio deberían ajustarse a las fuentes necesarias para ese informe, no a todos los recursos de un administrador.

Prueba recomendada. Ejecutar con datos de prueba, cambiar un permiso, simular una fuente ausente y comprobar cómo se informa el fallo. Después, verificar que otro integrante autorizado puede entender y mantener la tarea sin depender de una conversación privada.

Diferencia frente a dots. Un dot se presenta como agente persistente con objetivos continuos; una Team Task organiza una ejecución recurrente compartida y sus instrucciones. Pueden relacionarse dentro de un flujo, pero no son etiquetas intercambiables. S05 ↗ S37 ↗

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

@ChatGPT en Slack y Microsoft Teams: la IA entra en el lugar de coordinación

Qué se anunció. La integración permite incorporar ChatGPT a conversaciones de Slack y Microsoft Teams. La página de producto presenta acceso organizacional y configuración por administradores; incluye Business, Enterprise y Edu en su descripción. El recap destaca que los compañeros no necesitan cada uno una licencia individual para participar en la experiencia habilitada por su organización. Eso no significa un servicio empresarial ilimitado o gratuito. S38 ↗ S01 ↗

Interpretación. El valor posible está en trabajar donde se produce la conversación: resumir contexto, preparar una respuesta o encargar un siguiente paso sin exigir que cada persona copie información a su sesión particular. Pero el canal se convierte también en una frontera de distribución de resultados.

Ejemplo propuesto. En un canal de lanzamiento, pedir un resumen de acuerdos y preguntas pendientes a partir de la conversación autorizada. El resultado debería diferenciar acuerdos explícitos de sugerencias del agente y no incorporar información de otros proyectos sin permiso.

Qué revisar antes de adoptarlo. Instalación aprobada, identidades, canales permitidos, acceso a fuentes y destino de los resultados. La posibilidad de mencionar a ChatGPT no demuestra que pueda consultar todos los documentos de la organización ni autoriza publicar datos privados en un canal amplio.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Meetings plugin: notas de reunión con contexto y siguientes pasos

Estado y funcionamiento. La ayuda lo describe en beta para la aplicación de macOS en Pro y Business, con Enterprise en alpha limitada y otros sistemas previstos para después. Captura micrófono y audio del sistema sin incorporar un bot visible a la llamada. Puede utilizar contexto adicional de herramientas conectadas y preparar notas y acciones que el usuario revisa. Es distinto de asumir que toda función histórica de grabación de ChatGPT tiene exactamente este alcance. S39 ↗

Privacidad imprescindible. La misma guía exige obtener el consentimiento de todos los participantes antes de tomar notas. El recordatorio al usuario no equivale a notificar a los demás. Las notas son privadas por defecto; compartirlas no comparte automáticamente la transcripción. El audio se elimina del Mac y de los servidores cuando las notas están listas, con posibles situaciones temporales si el proceso no termina o queda sin conexión. S39 ↗

Ejemplo propuesto. Tras una reunión de diagnóstico comercial, generar un borrador con problemas planteados, acuerdos, preguntas abiertas y próximos pasos. La persona que llevó la reunión corrige nombres, cifras y compromisos antes de distribuirlo.

Dónde está el riesgo. Una frase hipotética puede convertirse en compromiso si el resumen no distingue modalidades. Recomiendo revisar especialmente precios, fechas, responsabilidades y decisiones. No se debe enviar una minuta automáticamente solo porque parece coherente.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Perfiles compartibles: identidad y portafolio, no publicación de conversaciones

Qué se presenta. Los perfiles permiten mostrar una identidad y trabajos seleccionados. La FAQ distingue perfiles personales y de workspace, señala que la configuración personal es privada por defecto y permite mostrar Sites y otros elementos seleccionados. No publica por defecto el contenido ni los títulos de las conversaciones. La documentación también indica que los visitantes deben iniciar sesión en ChatGPT para ver un perfil compartido. S40 ↗

Diferencia documental. El recap incluye Enterprise entre los planes mencionados, pero la ayuda específica marca su disponibilidad como futura. La recomendación editorial es no prometer perfiles Enterprise como acceso general comprobado. La presentación en web y escritorio tampoco debe extrapolarse a todas las funciones móviles. S01 ↗ S40 ↗

Interpretación para creadores. Puede funcionar como una vitrina dentro del ecosistema de ChatGPT, pero no debe venderse como equivalente automático a un sitio público propio, indexable y accesible sin cuenta. El alcance de cada recurso mostrado depende además de sus permisos.

Ejemplo propuesto. Un docente podría mostrar demostraciones públicas y herramientas educativas. Antes de hacerlo, debería comprobar cada enlace con una cuenta que no tenga acceso interno y confirmar que no se expongan proyectos de alumnos o clientes.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Sign in with ChatGPT: identidad y consumo del plan son permisos diferentes

Qué se anunció. Las aplicaciones participantes pueden ofrecer inicio de sesión con ChatGPT. Por separado, ciertas integraciones permiten que usuarios Plus y Pro autoricen solicitudes de IA que consumen la asignación de Work/Codex de su plan. La ayuda aclara que no hace falta compartir una API key y que esta autorización no da, por sí sola, acceso a conversaciones ni memoria. S41 ↗

Cómo funciona el presupuesto. El uso de las aplicaciones cuenta contra los límites existentes. Se pueden fijar topes semanales por aplicación, expresados como porcentaje; no son bolsas adicionales ni reservas garantizadas. Los créditos requieren autorización explícita, y el proveedor externo puede seguir cobrando por sus propios servicios. S41 ↗

Distinción esencial para la landing:

Iniciar sesión = identificar a la persona y autorizar datos de identidad.
Usar el plan = autorizar consumo de la asignación elegible.
Conectar datos = un permiso adicional, cuando la integración lo solicite.

No se deben representar estas tres acciones como un único consentimiento universal.

Ejemplo propuesto. Un usuario prueba una herramienta de desarrollo que ofrece usar su plan. Antes de activarlo, revisa qué información recibe la aplicación, qué tareas consumirán su asignación y si existe un costo externo. Después, comprueba uso y límites desde la configuración. No se infiere que toda aplicación con un botón de ChatGPT tenga acceso al presupuesto de la suscripción.

Por qué es estratégico —interpretación. Si el usuario puede llevar parte de su capacidad de uso a herramientas especializadas, estas pueden competir por la experiencia y el flujo de trabajo, no solo por revender tokens. Pero la facilidad de conexión también hace más importante entender el consumo compartido.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

Pro 500 y la nueva estructura Pro

Qué cambió. La ayuda oficial presenta tres niveles mensuales: Pro 100, Pro 200 y Pro 500, a USD 100, USD 200 y USD 500. Entre esos planes personales, Ultrafast está incluido solo en Pro 500. Comprar créditos adicionales en Pro 100 o Pro 200 no desbloquea Ultrafast en el lanzamiento. S43 ↗

Cambio que no debe omitirse. Pro 200 vuelve a admitir nuevas suscripciones con una asignación de uso inferior a la anterior para quienes no califican al régimen transitorio. La ayuda describe elegibilidad para conservar temporalmente la asignación previa hasta el 29 de octubre de 2026, manteniendo una suscripción activa; después se aplica la nueva asignación, con el mismo precio mensual. La elegibilidad individual debe confirmarse en la cuenta o con soporte. S43 ↗

Interpretación económica. No recomiendo elegir un plan por el número de anuncios. La pregunta es qué cuello de botella resuelve: acceso a una modalidad, volumen de trabajo o espera interactiva. Tener más asignación no asegura producir más resultados aprobados si el problema está en la calidad de los datos o la revisión.

Ejemplo de decisión propuesta. Antes de subir de plan, registrar durante varios días tareas bloqueadas por límites, tiempo perdido esperando y costos alternativos. Solo después comparar el precio adicional con el valor de resolver esos problemas. Este informe no conoce el uso efectivo de la cuenta del lector y no recomienda automáticamente Pro 500.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.

OpenAI Marketplace: compras empresariales bajo condiciones específicas

Qué es. Marketplace permite a clientes empresariales aplicar parte de un compromiso comercial existente con OpenAI a productos elegibles de socios. La FAQ aclara que depende del contrato, el producto y las reglas del programa; no todos los productos de una empresa incluida califican. El cliente contrata y paga al socio, mientras OpenAI concilia el uso del compromiso según las condiciones. S44 ↗

Qué no es. No es el directorio de plugins, no es un catálogo de herramientas gratuitas para cualquier suscriptor y no implica que se pueda gastar la mensualidad personal de ChatGPT como saldo en otra compañía.

Interpretación para compras. Puede modificar la forma en que una gran organización evalúa contratos de software, pero la conveniencia depende de elegibilidad, términos, integración y costos totales. La presencia de una marca en el catálogo no es suficiente para justificar su adquisición.

Ejemplo propuesto. Un equipo de compras examina una solución de atención al cliente y consulta qué parte de su compromiso puede aplicar, a qué producto concreto, con qué facturación y con qué obligaciones. Esa revisión debe ocurrir antes de contar el compromiso como ahorro disponible.

Evidencia documental del informe · acceso en una cuenta concreta: N/D.