OpenAI lanzó en agosto de 2026 su producto más ambicioso hasta la fecha: ChatGPT Work, una plataforma de agentes de inteligencia artificial (IA) diseñada para trabajadores de oficina en México y América Latina. A un costo de 20 dólares mensuales —equivalente a casi 370 pesos mexicanos—, la herramienta promete automatizar tareas complejas en entornos reales: desde redactar contratos legales hasta gestionar finanzas operativas o coordinar campañas de mercadotecnia digital. Pero mientras los ingenieros de la empresa ya usan estas funciones con acceso total a sus correos, Slack, Notion y hasta sus teléfonos, menos del 1% de los usuarios individuales en el continente ha adoptado activamente esta nueva capa de autonomía tecnológica.
La paradoja del control: ¿confiarle tu vida digital a un agente?
Andrew Ambrosino, ingeniero líder de la aplicación de escritorio de OpenAI, no solo prueba ChatGPT Work: lo vive. Ha otorgado permisos profundos a la herramienta —incluyendo lectura y escritura en su bandeja de entrada, chats privados de Slack y documentos sensibles en Figma— para validar su capacidad real. «Si le pido que redacte un informe, sí podría extraer información de un mensaje directo confidencial sin darse cuenta de que no debe compartirla», reconoce. Aún así, asume el riesgo como parte de una apuesta estratégica: demostrar que la productividad radical exige ceder cierto control. En el contexto mexicano, donde el 64% de las pymes aún carece de políticas claras de gobernanza de datos (según el INEGI 2025), esa decisión no es técnica: es cultural y regulatoria.
ChatGPT Work: más que un chatbot, un colaborador autónomo
ChatGPT Work no responde preguntas. Ejecuta procesos enteros. Un contador puede pedirle que «analice los gastos del segundo trimestre, compare con el presupuesto original y genere una presentación ejecutiva para el consejo directivo». El agente accede a hojas de cálculo en la nube, cruza datos con sistemas contables locales como Contpaqi o Aspel, resume hallazgos y diseña diapositivas en PowerPoint —todo sin intervención humana intermedia. Esta funcionalidad, derivada de Codex (la herramienta de programación de OpenAI), se ha adaptado para no requerir conocimientos técnicos: ya no muestra ‘diffs vacíos’ ni terminología de desarrollo, sino interfaces intuitivas en español con soporte para formatos fiscales mexicanos (RFC, CFDI 4.0) y normativas de la CNBV y la SHCP.
Adopción desigual: entre el laboratorio y la realidad laboral
Un estudio interno de OpenAI revela una brecha crítica: en junio de 2026, el 98% de sus empleados usaba Codex activamente, pero solo el 17% de sus clientes corporativos suscritos —y menos del 1% de los usuarios individuales— había activado funciones agenticas. En Latinoamérica, ese número cae al 0.3%, según datos preliminares compartidos con medios especializados. La razón no es la falta de necesidad: en México, el 78% de los profesionales del sector financiero y legal dedica más de 12 horas semanales a tareas repetitivas que podrían automatizarse. Es, sobre todo, una barrera de confianza, formación y compatibilidad con infraestructuras locales —como servidores on-premise comunes en hospitales públicos o bancos regionales.
Competencia vertical: ¿quién domina los nichos profesionales?
Mientras OpenAI apuesta por una solución generalista, empresas especializadas avanzan con estrategias focalizadas. Harvey, enfocada en derecho, ya opera con abogados de despachos mexicanos como Creel, García-Cuéllar, Aiza y Enriquez, integrando bases de jurisprudencia del Poder Judicial de la Federación y la SCJN. Clay, para ventas, se ha aliado con plataformas locales como Kubit y CRM México para adaptar sus flujos a la dinámica de prospección B2B en el país. Estas soluciones no dependen de un solo modelo de lenguaje: son ‘model-agnostic’, lo que les permite cambiar de proveedor (OpenAI, Anthropic o incluso modelos locales como el de la UNAM) sin romper funcionalidades. Para analistas del sector, esta flexibilidad representa una ventaja estructural frente a los ecosistemas cerrados.
El costo oculto: tokens, tiempo y confianza
Cada tarea autónoma consume más tokens que una consulta estándar —lo que eleva los costos operativos para OpenAI y, potencialmente, para el cliente. Sin embargo, la ecuación económica cambia cuando se mide en términos humanos: una auditoría financiera que tomaba 40 horas-hombre ahora requiere 4 horas de supervisión. En el mercado laboral mexicano, donde el salario promedio de un contador senior ronda los 28,000 pesos mensuales, esa reducción implica un retorno de inversión tangible en menos de tres meses. El verdadero obstáculo no es el precio, sino la certeza: ¿qué pasa si el agente comete un error fiscal? ¿Quién asume la responsabilidad ante la SAT? Actualmente, ninguna ley mexicana regula la delegación de funciones críticas a agentes de IA —ni existe un marco de responsabilidad civil claro.
Hacia una adopción responsable: qué deben hacer los profesionales
La tecnología no espera. En 2026, el 42% de las empresas del Índice BMV comparten que ya prueban agentes de IA en áreas de cumplimiento y atención al cliente. Pero la transición efectiva exige tres acciones concretas: primero, auditar los flujos de trabajo para identificar tareas repetitivas con bajo riesgo regulatorio; segundo, exigir transparencia técnica —como registros de decisiones, fuentes de datos y opciones de veto humano en tiempo real; tercero, impulsar capacitaciones locales: el Tecnológico de Monterrey y la Universidad Iberoamericana ya ofrecen diplomados en ‘gestión ética de agentes de IA’ con casos prácticos en contextos mexicanos.
La llegada de los agentes no es una cuestión de si, sino de cómo. No se trata de reemplazar al profesional, sino de ampliar su alcance con responsabilidad. En un país donde el talento técnico escasea y la productividad laboral sigue rezagada frente a la OCDE, estos agentes podrían ser el acelerador que México necesita —si se construye con criterio, regulación anticipada y diseño centrado en el usuario real, no en el prototipo ideal.
