Oracle aplica ChatGPT Work y Codex en reclutamiento, análisis e ingeniería

Capítulo 1 de 9 — La noticia

Oracle utiliza ChatGPT Work y Codex en reclutamiento, análisis de negocio e ingeniería de producción, según un caso de cliente publicado por OpenAI el 8 de octubre de 2026. La página atribuye a Oracle 130.000 usuarios activos de ChatGPT y más de 95.000 de Codex, e identifica la región del caso como Norteamérica. Son datos de la publicación, sin validación independiente descrita.

Capítulo 2 de 9 — Una herramienta para preparar búsquedas de talento

El equipo de adquisición de talento de Oracle creó con ChatGPT Work una herramienta de inteligencia de mercado laboral. A partir de una descripción de cargo, la herramienta investiga puestos comparables, prepara referencias de remuneración y analiza el conjunto de talento disponible en distintas ubicaciones. OpenAI presenta el resultado como material de preparación para la conversación del reclutador con quien solicita la contratación.

Jan Ackerman, vicepresidente sénior y responsable global de adquisición de talento de Oracle, cuenta que ese trabajo de preparación solía requerir entre dos y cuatro días para compilar información. Con la herramienta, describe una preparación de aproximadamente 15 a 20 minutos. La comparación y los intervalos corresponden al relato publicado por OpenAI; la página no presenta un protocolo de medición que permita extrapolarlos a otras búsquedas.

Capítulo 3 de 9 — Qué significa el 98 por ciento

La página destaca una disminución del 98% en el tiempo de investigación para adquisición de talento. OpenAI no publica en esa ficha la fórmula, el número de búsquedas observadas, el período de medición, la línea base ni el criterio usado para definir una investigación completa. Tampoco aclara si ese indicador corresponde al mismo paso de trabajo que el ejemplo de preparación de 15 a 20 minutos.

Por eso, el 98% se debe leer como una cifra comunicada en el caso empresarial. No se puede recalcular a partir de los intervalos narrados, ni tratar como resultado esperado para cualquier equipo de selección. El artículo de OpenAI tampoco ofrece una medición independiente de precisión, calidad de contratación o tiempo total desde la solicitud hasta la decisión.

Capítulo 4 de 9 — Preguntas de negocio convertidas en análisis

Oracle Applications Lab, el equipo que apoya procesos de negocio de Oracle, construyó una ontología de objetos, relaciones y reglas internas. Según la descripción de OpenAI, Codex utiliza esa estructura para convertir preguntas expresadas en lenguaje natural en consultas SQL y obtener información de los sistemas internos. El resultado puede ser un análisis, un informe o una aplicación.

La idea presentada en el caso es que una persona describa el resultado que necesita sin localizar primero un informe preexistente. Richard Lam, vicepresidente de grupo de Oracle Applications Lab, relata que una usuaria obtuvo casi de inmediato una respuesta a una pregunta que antes podía tomarle un par de horas. Según Lam, al compararla con el proceso manual, los números coincidieron. La publicación no detalla el conjunto de consultas, el tamaño de la muestra ni la tasa general de coincidencia.

Capítulo 5 de 9 — Contexto y guías para ingeniería de producción

OpenAI también describe el uso de Codex por ingenieros de confiabilidad de sitios. En ese flujo, Codex reúne el contexto relacionado con un incidente y abre el procedimiento operativo que corresponde, para que el equipo pueda dedicar más tiempo a evaluar opciones y menos a buscar información. Lam señala que un incidente sencillo que antes podía tomar una hora ahora puede resolverse en minutos.

La frase describe la experiencia reportada por Oracle; la fuente no ofrece una serie de incidentes, distribución de tiempos ni comparación controlada. Sí establece un límite operativo explícito: Lam dice que el sistema no funciona en piloto automático y que alguien debe asegurarse de que la base del sistema esté bien construida. La intervención humana sigue siendo parte del proceso descrito.

Capítulo 6 de 9 — El trabajo técnico sigue bajo responsabilidad humana

Las recomendaciones de liderazgo incluidas en la página se centran en definir guardrails y conservar responsabilidad sobre el diseño del sistema, su arquitectura y su seguridad. Lam también advierte sobre la mantenibilidad del código si las personas dejan de trabajar junto a Codex. Barry Shilmover, vicepresidente y asesor técnico del director de tecnología, cuenta que ahora puede expresar algunas ideas como prototipos.

Estos comentarios son orientaciones atribuidas a ejecutivos de Oracle, no una auditoría de los controles de la compañía. La ficha no describe una política concreta de permisos, revisión de código, protección de datos o respuesta a incidentes de seguridad. El caso muestra que los propios voceros consideran necesarios esos controles, pero no aporta evidencia suficiente para evaluar cómo están implementados.

Capítulo 7 de 9 — El alcance que la página sí identifica

OpenAI clasifica el caso como empresa de tamaño Enterprise, de la industria Tecnología y con región Norteamérica. Su ficha enumera ChatGPT y Codex como productos. En el texto, afirma que más de cien mil empleados de Oracle utilizan ChatGPT Work y Codex; en los indicadores principales muestra 130.000 usuarios activos de ChatGPT y más de 95.000 usuarios activos de Codex.

La publicación no especifica países, centros de trabajo, fecha de corte de esos conteos ni si una persona que usa ambos productos aparece en las dos cifras. El campo Norteamérica describe la región asignada al caso en la página; por sí solo no confirma que todas las operaciones de Oracle estén cubiertas allí, ni define la disponibilidad comercial de los productos en otros territorios.

Capítulo 8 de 9 — Lo que el caso no permite concluir

La fuente es una historia de cliente publicada por OpenAI. Aunque incorpora declaraciones de ejecutivos de Oracle, las cifras y resultados se presentan sin documentación metodológica ni verificación externa. No se informan costos de implementación, consumo, errores, calidad del resultado, impacto financiero, condiciones de comparación o resultados desglosados por equipo. Tampoco se indican las fechas de inicio ni la cobertura completa del despliegue.

Los ejemplos sirven para conocer cómo una gran empresa describe ciertos usos internos, pero no demuestran que el mismo ahorro ocurra en otras organizaciones. La cifra de reducción del 98%, los recuentos de usuarios y los tiempos narrados deben conservar la atribución a OpenAI y Oracle. No se derivan de ellos promedios nuevos ni una promesa de rendimiento.

Capítulo 9 de 9 — Una forma de evaluar casos similares

Interpretación editorial. Para evaluar una aplicación comparable, una empresa podría separar cada tarea y medir su punto de partida, el tiempo de revisión humana, la tasa de correcciones y la calidad final durante un período definido. En los ejemplos de Oracle, las tareas descritas tienen entradas reconocibles —una descripción de cargo, una consulta de negocio o un incidente— y contexto interno que los equipos prepararon para la herramienta.

Ese encuadre ayuda a formular preguntas antes de adoptar una solución: qué información necesita el sistema, quién valida cada resultado, cómo se controla el acceso y qué evidencia permitiría comparar el proceso nuevo con el anterior. Son criterios de evaluación propuestos, no prácticas que OpenAI haya confirmado en detalle para Oracle. La conclusión que sí respalda la fuente es más acotada: OpenAI presenta usos empresariales de ChatGPT Work y Codex y atribuye a Oracle los resultados comunicados en su caso.

---