Por Canuto  

OpenAI volvió a restablecer los límites de uso de Codex y ChatGPT Work luego de un aumento de tráfico calificado como sin precedentes. El episodio expone un problema más amplio para la industria de la IA: los agentes avanzados consumen mucho más cómputo que los chatbots tradicionales y están poniendo a prueba la infraestructura disponible.

***

  • OpenAI reactivó por completo los límites de Codex y ChatGPT Work tras un fuerte aumento de demanda.
  • El problema llega después de un error de fines de junio que drenó créditos de algunos usuarios de Codex entre 10 y 20 veces más rápido de lo normal.
  • Estudios y casos recientes de otras firmas, como Anthropic, sugieren que el costo computacional de los agentes de IA ya es un reto sectorial.

 

OpenAI restableció una vez más los límites de uso de Codex y ChatGPT Work, en un movimiento que refleja la presión creciente que los agentes de inteligencia artificial ejercen sobre la infraestructura de cómputo. La decisión llegó después de un aumento de tráfico que la empresa describió como inusualmente rápido.

El 11 de julio, el líder de ingeniería de Codex, Thibault Sottiaux, informó que ambos productos recuperarían por completo sus límites de uso para todos los usuarios en unos 30 minutos. En su mensaje, agradeció a la comunidad por llevar los sistemas al “límite absoluto”.

Sottiaux añadió que OpenAI “nunca había visto aumentar el tráfico tan rápidamente”. Esa frase se ha vuelto central para entender por qué la empresa ha tenido que aplicar y luego reiniciar cuotas en días consecutivos.

La situación no parece reducirse a una interrupción puntual del servicio. Más bien, apunta a un problema estructural que acompaña al auge de los agentes de IA en entornos empresariales y de programación.

En contraste con los chatbots convencionales, estos sistemas ejecutan tareas más largas, más complejas y con mayores necesidades de procesamiento. Eso eleva el costo operativo y dificulta sostener un acceso amplio sin controles de uso.

OpenAI intenta estabilizar la capacidad de Codex y ChatGPT Work

El restablecimiento del 11 de julio fue el segundo en muy poco tiempo. Un día antes, el 10 de julio, Sottiaux ya había indicado que OpenAI había incrementado los límites de uso de Codex y ChatGPT Work, al tiempo que anticipaba otro reinicio posterior relacionado con actualizaciones de despliegue.

Ese patrón de reinicios repetidos sugiere que la empresa intenta equilibrar dos necesidades opuestas. Por un lado, busca responder a una adopción acelerada y, por otro, debe evitar que la demanda sature su capacidad disponible.

El momento también resulta relevante porque ChatGPT Work es un producto muy reciente. Según Fox Business, OpenAI lanzó esta herramienta el 9 de julio como un agente orientado a empresas basado en GPT-5.6.

La propuesta de ChatGPT Work consiste en conectarse con aplicaciones y archivos laborales para generar informes, hojas de cálculo, presentaciones y otros materiales comerciales. Ese tipo de flujo de trabajo requiere más pasos que una simple consulta conversacional.

Lanzar un producto de alto consumo computacional cuando la infraestructura ya enfrenta tensión ayuda a explicar por qué los usuarios han visto reinicios de cuota tan seguidos. No se trata solo de popularidad, sino del tipo de carga que estos agentes añaden al sistema.

Para nuevos lectores, el punto clave es que un agente de IA no solo responde preguntas. También planifica tareas, consulta herramientas, revisa resultados, reintenta acciones y, en algunos casos, crea subprocesos que multiplican el uso de recursos.

El antecedente del error de créditos en Codex agravó la preocupación

La nueva secuencia de reinicios ocurre poco después de otro problema que salió a la luz en la última semana de junio. En ese momento, varios usuarios pagos de Codex detectaron que sus créditos desaparecían mucho más rápido de lo previsto.

De acuerdo con Cryptopolitan, OpenAI vinculó ese drenaje a una falla en su sistema de prevención de fraude. El error aplicaba de forma equivocada límites de tasa sobre ciertas cuentas mientras seguía consumiendo créditos de desarrollador.

Algunos usuarios afirmaron que el consumo de créditos aumentó entre 10 y 20 veces frente a lo habitual. Quienes estaban en el plan Pro de USD $200 al mes aseguraron haber visto desaparecer unos USD $40 en créditos en apenas unas horas.

Sottiaux explicó que el equipo trabajó durante todo un fin de semana en una “sala de guerra” para revisar registros e identificar el origen del problema. La empresa realizó tres reinicios de cuotas entre el 28 y 29 de junio antes de aplicar otro más para clientes afectados.

Según la explicación posterior, no existió una sola causa detrás del incidente. Ese detalle es importante porque muestra que, incluso sin un ataque externo o una caída general, varias capas de automatización pueden desordenar el consumo de recursos.

Business Insider señaló que Codex estaba haciendo mucho más trabajo del anticipado. Entre los factores citados estuvieron las revisiones automáticas de código, los subagentes de ayuda y mecanismos de reintento que podían ejecutarse varias veces tras un error.

Cada repetición añadía consumo adicional de cómputo y de tokens. Al mismo tiempo, el panel de actividad mostraba movimientos que ni siquiera eran cobrados, lo que complicó aún más la lectura del problema para usuarios y para la propia empresa.

Tras ese episodio, Sottiaux sostuvo que “todas las soluciones ya están implementadas”. También dijo que OpenAI incorporó sistemas de monitoreo para alertar a la compañía si un problema similar reaparece en el futuro.

Sin embargo, los reinicios de julio indican que el arreglo del fallo no resolvió el tema de fondo. El error de créditos pudo corregirse, pero la presión de capacidad sigue presente.

Los agentes de IA elevan el costo del cómputo en toda la industria

OpenAI no es la única firma que ha restringido acceso durante periodos de alta demanda. A comienzos de año, Anthropic redujo los límites de uso de Claude mientras su servicio enfrentaba un pico de utilización.

Además, un problema con Claude en marzo afectó a desarrolladores que ya dependían del asistente para tareas de programación. Ese antecedente refuerza la idea de que el cuello de botella no es exclusivo de una sola plataforma.

El contexto sectorial es claro: las compañías están evitando ofrecer acceso ilimitado cuando la demanda supera la potencia de cómputo disponible. En un mercado competitivo, limitar consumo puede ser impopular, pero también se vuelve una herramienta de control operativo.

La raíz del problema está en la intensidad de trabajo que exigen los agentes. Mientras un chatbot clásico responde en pocos intercambios, un agente empresarial o de programación puede abrir varios procesos, consultar contexto y ejecutar cadenas de acciones mucho más extensas.

Eso obliga a consumir más tokens y más tiempo de inferencia por tarea. El resultado es una factura computacional mayor y una variabilidad difícil de predecir incluso para proveedores con infraestructura a gran escala.

Para usuarios corporativos y desarrolladores, la consecuencia es concreta. Muchos empiezan a organizar sus flujos de trabajo en función de cuotas disponibles, en vez de guiarse solo por plazos o prioridades del proyecto.

Los datos de Stanford muestran por qué cobrar estos servicios sigue siendo complejo

Un estudio de abril del Laboratorio de Economía Digital de Stanford aportó cifras que ayudan a dimensionar el desafío. Los investigadores concluyeron que los trabajos de codificación con agentes requieren cerca de 1.000 veces más tokens que las conversaciones de codificación convencionales.

El estudio indicó además que los tokens de entrada explican gran parte de ese costo. En otras palabras, no solo importa la respuesta final del sistema, sino toda la información y el contexto que debe procesar antes de actuar.

Los investigadores también observaron que repetir una misma tarea varias veces puede producir diferencias significativas en el uso de tokens. En algunos casos, la variación alcanzó hasta 30 veces entre ejecuciones comparables.

Ese dato resulta especialmente incómodo para el diseño comercial de estos productos. Un mayor gasto de tokens no necesariamente mejora el resultado, pero sí incrementa el costo que el proveedor debe absorber o trasladar al usuario.

Por eso, fijar precios estables para agentes de IA sigue siendo complicado. Si el costo real varía demasiado entre tareas similares, las empresas tienen pocas alternativas aparte de imponer límites de uso, cuotas o reinicios periódicos.

En el caso de OpenAI, esa realidad ya no es teórica. Los eventos de fines de junio y de julio muestran que la combinación de errores operativos, funciones autónomas y demanda explosiva puede desbordar rápidamente la infraestructura.

La señal para el mercado es amplia y trasciende a una sola compañía. Los agentes de IA se están volviendo más capaces a un ritmo que, por ahora, parece mayor que la velocidad a la que las empresas pueden construir la capacidad necesaria para sostenerlos.

OpenAI afirmó que continuará monitoreando el uso y publicará nuevas actualizaciones si fuera necesario. Mientras tanto, los reinicios repetidos en Codex y ChatGPT Work dejan al descubierto uno de los dilemas más serios de la actual carrera por la IA: la ambición del producto avanza más rápido que la infraestructura que debe soportarlo.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA.

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados