OpenAI mide cómo Codex cambia el trabajo: el agente ya cruza ingeniería, finanzas y legal
Un estudio de OpenAI publicado el 25 de junio de 2026 muestra que Codex se usa para tareas largas, workflows paralelos y trabajo no técnico. La señal para builders es diseñar delegación, revisión y permisos, no solo prompts mejores.
Por Marco Lee · Reportar un error
OpenAI publicó el 25 de junio de 2026 un análisis de Economic Research sobre cómo se usa Codex dentro y fuera de la compañía. La parte que más ruido hará es que, dentro de OpenAI, Codex ya es la herramienta principal de IA en todos los departamentos. La parte más útil para un builder es otra: el uso se desplaza de respuestas cortas a trabajo delegado que dura horas, se repite y se divide entre agentes.
El estudio combina usuarios individuales, cuentas organizacionales y trabajadores de OpenAI. La propia investigación advierte que OpenAI no representa a una empresa promedio: tiene acceso barato, capacitación interna y flujos cercanos al producto. Aun con esa limitación, ofrece una señal concreta de qué medir cuando un asistente empieza a parecerse a un sistema operativo de trabajo.

De la conversación a la delegación
Según la nota pública, en mayo de 2026 el 80.6 % de los usuarios individuales muestreados hizo al menos una solicitud estimada en más de 30 minutos de trabajo humano; 70.2 % superó una hora y 25.6 % llegó a más de ocho horas. Son estimaciones hechas con un modelo que juzga el horizonte de la tarea, no cronómetros directos, así que sirven como dirección, no como promesa de productividad.
El artículo también reporta que, hacia junio, los usuarios del percentil 99 generaban habitualmente más de 60 horas de turnos de agente al día, distribuidas entre agentes paralelos. El paper aporta otra señal: más de 10 % de los usuarios gestionan tres o más agentes concurrentes alguna semana y 26.6 % usa skills para compartir instrucciones, capacidades o integraciones en workflows complejos.
La diferencia es importante. Pedir un resumen es una interacción. Delegar una migración, una revisión de datos o una secuencia de documentos requiere que el sistema conserve estado, reintente, exponga progreso y deje una evidencia que otra persona pueda revisar.
El salto fuera de ingeniería
La adopción empezó en ingeniería, pero el estudio describe un movimiento hacia legal, finanzas, recruiting, operaciones, marketing y research. En la nota, el uso de Codex representa más de 85 % de los tokens de salida del trabajador promedio de OpenAI; el paper, con otra definición y fecha de corte, reporta 99.8 % de los tokens semanales generados por trabajadores de OpenAI entre Codex y ChatGPT.
No conviene convertir esos números en un benchmark universal. La muestra interna está sesgada hacia un entorno que elimina fricciones de adopción. Sí conviene leerlos como una lista de superficies que un agente de trabajo tendrá que resolver:
- analizar datos y producir una conclusión verificable;
- transformar información entre documentos, hojas y sistemas;
- depurar o automatizar algo sin que la persona sea ingeniera;
- coordinar tareas paralelas y reunir sus resultados;
- y mantener una frontera clara entre sugerir y ejecutar.

La arquitectura que se desprende
Si estás construyendo un agente para trabajo real, el estudio apunta a cuatro decisiones:
- Define unidades delegables. Un turno de ocho horas no debería ser una caja negra; divide por entregables, estado y criterios de finalización.
- Haz visible el progreso. Guarda eventos, herramientas, artefactos y errores para poder retomar sin repetir todo el contexto.
- Separa roles y permisos. Legal puede leer un repositorio de contratos, pero no necesariamente enviar un correo; finanzas puede calcular, pero no aprobar un pago.
- Mide resultado y supervisión. El número de tokens o de horas no dice si el trabajo fue correcto, reutilizable o revisado a tiempo.
La noticia no demuestra que Codex reemplace profesiones ni que cada empresa obtendrá las mismas tasas. Demuestra que, cuando las barreras son bajas, la unidad de uso cambia: la gente empieza a organizar su día alrededor de trabajos que el agente ejecuta, no solo de respuestas que el chatbot redacta.
Si quieres aterrizar esto en operación, continúa con el curso gratis.
La conclusión: el avance no es que el agente responda más rápido; es que empieza a recibir trabajo con horizonte, estado y responsabilidad propios.
Lecturas relacionadas
Sigue explorando Productividad IA y otras piezas para builders.

Claude Tag mete al agente en Slack: el riesgo ya no es el prompt, es la memoria compartida del equipo

Codex Record & Replay convierte demos en skills: dónde sí ahorra handoff y dónde puede filtrar contexto

Jira abre issues directo en Codex, Claude Code y Copilot: menos prompt manual, más contexto desde el origen
