Contexto técnico
He analizado lo que OpenAI ha lanzado exactamente, y la clave no es que "responda de forma más inteligente". Los Agentes Workspace en ChatGPT ya no son un diálogo único, sino agentes persistentes para el equipo que viven dentro del espacio de trabajo y pueden gestionar tareas largas sin mi impulso constante. Para la automatización con IA, es un cambio notable: ChatGPT empieza a parecerse menos a un asistente y más a una capa de ejecución de procesos.
Actualmente es una vista previa de investigación para ChatGPT Business, Enterprise, Edu y Teachers. Los agentes se pueden crear para un rol o tarea con una descripción simple, y ChatGPT ensambla un "empleado" funcional con lógica, herramientas y las mejores prácticas del equipo. Según los ejemplos de OpenAI, estos agentes pueden calificar leads, enrutar feedback, validar solicitudes, recopilar informes e investigar proveedores.
Lo más interesante es la combinación de conectores y habilidades (skills). El agente obtiene acceso a Slack, Linear, correo, calendario y otros sistemas, y puede seguir el progreso, reaccionar a eventos, mensajes y horarios. Además, hay una capa de ordenador virtual: ya no son solo llamadas a la API, sino acciones a través del navegador e interfaces web, un patrón que antes veía como un framework de agentes separado y que ahora OpenAI integra directamente en ChatGPT.
Pero aquí es donde me detuve a pensar. En un espacio de trabajo regulado, OpenAI insiste en las limitaciones: los administradores deben controlar los conectores, el acceso a sitios web y la confirmación de acciones. Y es lógico, porque en cuanto un agente obtiene sistemas externos y autonomía, la inyección de prompts y las fugas de datos dejan de ser teóricas.
¿Qué cambia esto para el negocio?
Ganan los equipos que tienen un montón de procesos rutinarios repartidos entre Slack, el gestor de tareas, el correo y los calendarios. En lugar de un solo chat, obtienen una integración de IA donde el agente avanza la tarea por sí mismo, en lugar de esperar la siguiente pregunta de una persona.
Pierden quienes piensan que esto se puede activar con un botón y olvidarse. Sin una arquitectura de IA adecuada, estos agentes chocarán rápidamente con los permisos de acceso, el caos de datos y escenarios inseguros.
Destacaría tres efectos prácticos: menos orquestación manual, un ciclo más rápido entre la señal y la acción, y una automatización más económica de tareas que antes requerían un coordinador humano. En Nahornyi AI Lab, resolvemos precisamente estos problemas en la práctica: dónde dar libertad al agente, dónde establecer una confirmación y dónde mantenerlo completamente fuera del circuito.
Si sus procesos ya se están ahogando en correspondencia, cambios de contexto y verificaciones manuales, este es un buen momento para rediseñarlos sin ilusiones. Podemos analizar juntos dónde puede ayudarle realmente el desarrollo de soluciones de IA y construir en Nahornyi AI Lab una automatización que alivie la carga, en lugar de añadir una nueva capa de caos.