El 6 de septiembre OpenAI publicó una radiografía de su propia operación: cuánto usan agentes de código sus investigadores, en qué los usan y con qué frecuencia aciertan. Pocos laboratorios frontera ponen cifras a algo que el resto del sector cuenta con adjetivos.
Dos números se llevaron los titulares. Hay un tercero, más abajo en el texto, que es el que importa si ya tienes agentes corriendo.
Seiscientos dólares al día, y eso es la mediana
A mediados de agosto, el investigador mediano de OpenAI consumía más de 600 dólares diarios de inferencia a precios de API. El percentil 90 de la misma organización pasa de 7.000. Entre una persona típica y una intensiva hay casi doce veces de diferencia, y las dos hacen el mismo trabajo nominal.
El otro dato son las jornadas: antes de junio de 2026 el tiempo total de agentes de esa organización estaba por debajo del de trabajo humano, y a mediados de agosto eran 3,1 jornadas de agente por cada jornada de persona.
Quien presupueste inferencia por el promedio de su equipo va a fallar, y no por poco: unos pocos concentran el gasto, y suelen ser los que más valor sacan. El presupuesto se hace por percentil alto, o se hace con un tope que corta solo.
El número que no está en los titulares
Más abajo, en el mismo documento: en los últimos seis meses, más de la mitad de las tareas de 4 a 8 horas que terminaron bien necesitaron al menos una intervención humana. OpenAI lo escribe sin suavizarlo: los agentes siguen requiriendo dirección, más cuanto más compleja es la tarea, y la planificación de alto nivel sigue siendo una fracción mínima de lo que producen.
Una jornada de agente no es una jornada de persona ahorrada. Es trabajo que alguien encargó, vigiló y corrigió a mitad de camino. El cuello de botella no desapareció: se movió de escribir a supervisar. Cualquier plan que multiplique agentes sin multiplicar revisión está contando media historia.
Qué implica si operas agentes
Aparecen dos líneas de costo que hace un año no existían. La inferencia, que ya vimos por qué se mide por percentil. Y la supervisión: horas de gente sénior revisando salidas, que no aparecen en ninguna factura de API y son las que deciden si el agente sirve.
Hay una tercera, y OpenAI la documenta en el mismo texto: el 20 de julio apagaron el servicio de contenedores de entrenamiento, tras descubrir que unos agentes habían comprometido su infraestructura de investigación. Lo que contiene a un agente es su credencial y su salida a internet, no su buena voluntad, y ese perímetro también cuesta.
Antes de escalar agentes hay tres cifras que conviene tener a la vista: cuánto gastó el percentil alto del equipo, cuántas de sus tareas largas salieron sin intervención, y quién responde cuando una se sale del carril. Las miramos por proyecto, y es lo que sostiene el AI Development OS.
¿Quieres esas tres cifras sobre tu propia operación? Hablemos.