Un informe interno de OpenAI sitúa en USD $23.000 diarios el consumo de tokens del 10% de investigadores que más utiliza agentes de programación, más del doble que en septiembre. Los datos también muestran que estas herramientas ya intervienen en casi la mitad de ciertas tareas de investigación y abren preguntas sobre costos, productividad y organización del trabajo.
***
- El percentil 90 de investigadores pasó de USD $11.000 a USD $23.000 diarios en tokens a precios de lista de API, un aumento de 105% desde septiembre.
- El consumo mediano llegó a USD $2.400 por día, mientras el promedio alcanzó 5,7 días de trabajo de agente por investigador y día calendario.
- El informe describe una preferencia hipotética por conservar el acceso a agentes, no un plan de OpenAI para reducir personal.
OpenAI mide un salto en el uso interno de agentes de programación
Los investigadores de OpenAI que más recurren a agentes de programación consumen ahora alrededor de USD $23.000 en tokens por día, calculados a precios de lista de API. La cifra supone un aumento de 105% respecto de septiembre y aparece en un informe interno fechado el 18 de noviembre de 2026, según la información publicada por CryptoBriefing. El dato ofrece una medida del grado en que estas herramientas se incorporaron al trabajo de investigación dentro de la propia compañía.
El reporte, titulado “Research acceleration: The jagged frontier”, no presenta ese gasto como el promedio de todo el personal. Corresponde al percentil 90, es decir, al grupo de uso más intensivo que sigue representando una franja amplia de investigadores y no solamente casos excepcionales. También reporta subidas en la mediana y en la cantidad de trabajo que los agentes ejecutan en paralelo, dos señales que ayudan a matizar el alcance de la tendencia.
El consumo sube con mayor fuerza entre los usuarios intensivos
El indicador más llamativo del informe compara el consumo diario del percentil 90 con el registrado en septiembre: pasó de USD $11.000 a USD $23.000 en tokens. La diferencia equivale a un crecimiento de 105% en ese periodo, de acuerdo con los datos del reporte. La métrica describe el valor de los tokens utilizados por los investigadores, no necesariamente el dinero que OpenAI desembolsa por ellos.
Esa distinción importa porque el informe calcula las cantidades con precios públicos de API, como si un cliente externo pagara las tarifas de lista. En consecuencia, los USD $23.000 expresan una referencia de costo comparable para un comprador fuera de la compañía, pero no detallan el costo interno efectivo de OpenAI. El dato permite dimensionar el volumen de uso sin confundir una valoración a precio público con una factura o gasto contable divulgado por la empresa.
El avance también aparece en la mediana, aunque a un ritmo menor que en el grupo de uso intensivo. El investigador situado en ese punto medio pasó de consumir tokens valorados en USD $1.500 diarios en septiembre a USD $2.400, un incremento de 62%. La diferencia entre ambos porcentajes muestra que el crecimiento no se reparte de manera uniforme: quienes ya utilizaban más agentes elevaron su consumo con mayor rapidez.
La comparación no demuestra por sí sola por qué algunos investigadores usan más herramientas ni si ese patrón se mantendrá. Sí indica que el promedio del grupo más intensivo y la mediana se mueven en direcciones similares, aunque con una brecha marcada en la velocidad de crecimiento. Para interpretar la adopción interna, conviene distinguir entre una expansión general del uso y una aceleración particularmente pronunciada entre quienes ya recurrían más a los agentes.
Agentes en paralelo y tareas de investigación
Otra métrica del informe estima que cada investigador utiliza, en promedio, 5,7 días de trabajo de agente por día calendario. La cifra se refiere a trabajo ejecutado en paralelo: varios procesos pueden avanzar durante el mismo periodo, por lo que la suma de jornadas de agente supera la duración del día para una persona. No significa que el investigador disponga de más horas en su jornada, sino que los agentes realizan tareas concurrentes.
El reporte también señala que los agentes completan casi la mitad de las tareas de investigación que normalmente tomarían entre dos y cuatro horas a un ser humano. Esa descripción sitúa el uso más allá de consultas puntuales y lo vincula con actividades que requieren un bloque apreciable de trabajo. Sin embargo, la información disponible no especifica qué tareas incluye esa proporción ni detalla cómo se evaluó la finalización de cada una.
La combinación de tareas completadas y ejecución paralela ayuda a explicar por qué el gasto de tokens puede aumentar con rapidez entre usuarios intensivos. Cuando un agente trabaja sobre una tarea mientras otros procesos avanzan en simultáneo, el volumen acumulado de actividad puede crecer aunque el tiempo calendario no cambie. El informe relaciona estas herramientas con la aceleración de la investigación, pero las cifras divulgadas no cuantifican cuánto tiempo total ahorra cada investigador ni cuánto mejora la calidad de los resultados.
Los propios investigadores parecen atribuir un valor elevado al acceso a estos agentes. Según el informe, dijeron que renunciarían al 30% del cómputo de su equipo o al 40% de la plantilla de su equipo para conservar durante tres meses el acceso a agentes de frontera. La comparación expresa una preferencia hipotética recogida en el reporte y no una decisión presupuestaria o laboral anunciada por OpenAI.
Una preferencia hipotética y sus límites
La referencia a una posible reducción de plantilla puede llamar la atención, pero el informe no plantea que la empresa vaya a despedir personal. Describe lo que el personal estaría dispuesto a sacrificar, en un escenario hipotético y por un periodo concreto de tres meses, para mantener el acceso a esos sistemas. Por tanto, no debe presentarse como un plan de contratación, una meta de eficiencia laboral ni una medida ya adoptada.
La otra opción mencionada consiste en ceder 30% del cómputo del equipo, un recurso distinto de la cantidad de trabajadores. Al poner ambas posibilidades en contraste, la pregunta del informe apunta al valor que los investigadores asignan a los agentes frente a otros recursos disponibles. No revela cómo se distribuyen esos recursos en la práctica ni qué decisiones tomaría la dirección de OpenAI ante una restricción real.
El dato sí ofrece una señal sobre la percepción interna de utilidad: quienes respondieron estarían dispuestos a aceptar una renuncia significativa para mantener el acceso a herramientas avanzadas durante un plazo limitado. Aun así, una preferencia declarada no equivale a una medición independiente de productividad ni permite anticipar el impacto en el empleo. Para hacer esas evaluaciones harían falta datos que el material publicado no proporciona, como resultados comparables, costos internos y cambios efectivos en la organización del trabajo.
También hay una diferencia importante entre el contexto de los investigadores de OpenAI y el de una empresa externa. El artículo señala que el personal cuenta con acceso privilegiado a los modelos más recientes y experiencia profunda en el uso de instrucciones para esos sistemas, mientras que los clientes externos enfrentan el cálculo de las tarifas públicas. Por eso, el valor de uso interno no se traslada automáticamente a otras organizaciones que pagan precios de lista.
La tendencia y el costo para usuarios externos
El informe de noviembre no es la primera medición interna que OpenAI presenta sobre este fenómeno. Un reporte de septiembre de 2026 había encontrado que los tokens de salida crecieron 124 veces entre noviembre de 2025 y agosto de 2026. Esa cifra cubre otro periodo y otra métrica, por lo que no debe confundirse directamente con el aumento de 105% del consumo diario del percentil 90 registrado desde septiembre.
En conjunto, los datos describen una expansión sostenida del uso interno, aunque cada indicador responde a una pregunta distinta. El crecimiento de tokens de salida compara noviembre de 2025 con agosto de 2026; el aumento de 105% compara el gasto diario valorado del grupo más intensivo desde septiembre. La mediana, por su parte, subió 62%, una diferencia que refuerza la idea de que el crecimiento más acelerado se concentra entre quienes ya usan más agentes.
Para las empresas que compran servicios a precios de lista, la referencia de USD $23.000 diarios ayuda a ilustrar el tamaño potencial de un uso intensivo, pero no constituye una estimación de lo que pagaría cualquier cliente. Las necesidades, el volumen de tareas y la forma de utilizar los modelos pueden variar, y la fuente no ofrece una comparación con empresas externas. El costo para esos clientes dependerá, entre otros factores que el material no cuantifica, de la evolución de los precios de los tokens.
La conclusión más prudente es que OpenAI está empleando sus propios agentes para acelerar parte de su investigación y que el consumo de los usuarios internos más intensivos creció con fuerza. Las cifras dan pistas sobre cómo una herramienta puede integrarse en procesos de trabajo y sobre la importancia que algunos investigadores le atribuyen, pero no prueban que vaya a sustituir personal ni permiten calcular por sí solas un retorno económico. El próximo punto de interés será cómo evolucionan el uso, los costos y las mediciones de productividad, aspectos que el informe descrito no resuelve.
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
IA
Anthropic prepara su OPI con una incógnita: cuánto valen realmente sus tokens de IA
Capital de Riesgo
Payward comprará Tribe Capital y ampliará la apuesta de Kraken por los mercados privados
Seguridad
Windows 11 prepara alertas para detectar fallas en aplicaciones, controladores y firmware
Estafas
