OpenAI muestra que las empresas en el 95.º percentil usan 3.5 veces más inteligencia por trabajador que las firmas típicas, y ese ratio subió desde 2x en abril de 2025 (OpenAI News, 6/5/2026).
¿Qué dicen los datos?
El hallazgo central del reporte es que la ventaja no es solo cuántos mensajes se envían, sino qué tipo de trabajo se pide a la IA: OpenAI atribuye solo 36% de la brecha al volumen de mensajes, y el resto a interacciones más ricas y complejas (OpenAI News, 6/5/2026). Además, Codex aparece como un marcador fuerte de frontier: las firmas de punta envían 16x más mensajes por trabajador que las típicas, lo que sugiere que el uso intensivo de herramientas que escriben código o integran sistemas es diferencial (OpenAI News, 6/5/2026). Cisco, citado por OpenAI, reporta una reducción de tiempos de build de aproximadamente 20%, un ahorro de más de 1.500 horas de ingeniería por mes y un aumento en throughput de resolución de defectos entre 10x y 15x en flujos donde Codex está en producción (OpenAI News, 6/5/2026).
¿Por qué importa la “profundidad” y no solo el acceso?
En 2024 y 2025 muchas empresas se centraron en desplegar asientos y dar acceso general; hoy el diferencial es cuánto trabajo concreto se delega a la IA. OpenAI usa tokens generados como proxy para la inteligencia demandada, y ese proxy muestra que frontier firms no piden respuestas cortas sino que delegan tareas multimodales y de largo horizonte (OpenAI News, 6/5/2026). Las implicancias operativas son claras: cuando la IA forma parte del flujo de trabajo —como en asistentes integrados o agentes que interactúan con bases de datos y código— los procesos se rediseñan y los equipos cambian roles. Ese salto exige gobernanza técnica y de procesos, porque pasar de sugerencias a delegación conlleva riesgos de seguridad, responsabilidad y privacidad que no se resuelven solo con más asientos.
¿Cómo impacta esto en el mercado argentino?
Para empresas en Argentina la lección práctica es doble: hay oportunidades reales en productizar IA y riesgos regulatorios y lingüísticos si la adopción es superficial. OpenAI anuncia B2B Signals como una medida periódica de difusión corporativa de IA basada en datos agregados del uso de productos OpenAI (OpenAI News, 6/5/2026); eso puede ayudar a medir adopción sectorial, pero las métricas públicas deben ser comprensibles en español y adaptadas a contextos locales. Muchos sectores argentinos —banca, seguros, software y agro— pueden aprovechar agentes para automatizar procesos repetitivos y atención de primera línea; Travelers espera que su asistente gestione cerca de 100.000 primeras notificaciones de siniestro en el primer año, un ejemplo de escala que copia a un mercado distinto al nuestro (OpenAI News, 6/5/2026). Sin embargo, en LATAM solemos tener menos datos en castellano y equipos más pequeños, por eso la adopción profunda requiere inversión en entrenamiento y en docu-mentación en español.
Qué deberían hacer las empresas y qué exige la política pública
Las firmas que quieran moverse hacia la frontera deben medir profundidad, escalar prácticas exitosas y construir gobernanza que permita uso productivo sin perder control. Recomendamos cinco pasos concretos: medir tokens y tareas para quantificar profundidad, identificar equipos frontier y hacer pilotos controlados, establecer revisión humana en ciclos productivos, desplegar formación continua y traducir documentación técnica al español. Desde la perspectiva regulatoria y de política pública apoyamos la colaboración público-privada en infraestructura y seguridad de IA, pero exigimos que las empresas publiquen métricas agregadas y reproducibles, ofrezcan documentación en español y sometan despliegues a gobernanza con revisión humana antes de adopciones amplias, en línea con nuestra posición sobre OpenAI y seguridad de IA.
