OpenAI lanza ChatGPT Agent, capaz de navegar y ejecutar tareas

El 17 de julio de 2025, OpenAI presentó ChatGPT Agent con un ordenador virtual y capacidad para usar herramientas. La fuente original sostiene el núcleo documental del hecho; poder completar una demostración no elimina errores, permisos excesivos ni acciones irreversibles.

La novedad une las capacidades de Operator, el agente que podía hacer clic y escribir en páginas web, y Deep Research, diseñado para investigar y sintetizar información. El resultado es un producto más ambicioso: no solo responde a una petición, sino que puede encadenar los pasos necesarios para llevarla a término.

De responder preguntas a hacer trabajo

Un usuario puede pedirle que revise el calendario y prepare un informe para reuniones próximas a partir de noticias recientes, que compare competidores y cree una presentación, o que actualice una hoja de cálculo con datos financieros conservando su formato.

Para ello, ChatGPT Agent combina varias herramientas. Tiene un navegador visual, que interactúa con una web como lo haría una persona; otro basado en texto, más eficiente para localizar y procesar información; una terminal para ejecutar comandos y código; y acceso directo a determinadas APIs. También puede conectarse a servicios como Gmail o GitHub si el usuario lo autoriza.

La diferencia importante está en que conserva el contexto entre herramientas. Puede localizar un archivo en la web, descargarlo, procesarlo en la terminal y abrir el resultado en el navegador. Esa continuidad es la pieza que convierte varias funciones aisladas en un agente: un sistema que planifica una secuencia de acciones para cumplir un objetivo.

Cuando necesita iniciar sesión en una página, el usuario toma el control del navegador virtual para introducir sus credenciales. OpenAI afirma además que el agente pide confirmación antes de realizar acciones con consecuencias, como una compra o un envío. La tarea puede interrumpirse, redirigirse o detenerse en cualquier momento.

Disponible para suscriptores de pago

El modo agente está disponible desde hoy para los planes Pro, Plus y Team de ChatGPT mediante el menú de herramientas. Los usuarios Pro disponen de 400 mensajes de agente al mes; los de Plus y Team, de 40. OpenAI prevé llevarlo a Enterprise y Edu más adelante este verano. Documento que sostiene la cifra.

El límite de mensajes revela que no se trata de una función barata de operar. Cada encargo puede exigir navegar por decenas de páginas, ejecutar código y mantener un ordenador virtual activo durante minutos. También marca una diferencia frente al ChatGPT convencional: aquí la unidad de uso no es una respuesta, sino una tarea potencialmente larga.

Mejores resultados en pruebas, pero con cautela

OpenAI sostiene que el modelo que impulsa el agente alcanza un 41,6% en Humanity’s Last Exam, una prueba de preguntas de nivel experto en múltiples disciplinas. Con hasta ocho intentos paralelos y seleccionando la respuesta con mayor confianza declarada por el sistema, la cifra sube al 44,4%. Documento que sostiene la cifra.

En FrontierMath, un conjunto de problemas matemáticos inéditos y especialmente difíciles, logra un 27,4% con acceso a herramientas como la terminal. En BrowseComp, una prueba de búsqueda de información difícil de encontrar en internet, alcanza el 68,9%, 17,4 puntos por encima de Deep Research, de acuerdo con la compañía. Documento que sostiene la cifra.

Hay una cifra especialmente relevante para oficinas: en SpreadsheetBench, que mide la edición de hojas de cálculo realistas, el agente obtiene un 45,5% cuando puede editar directamente el archivo. OpenAI compara ese resultado con el 20% de Copilot en Excel, aunque la evaluación se ejecutó en macOS y LibreOffice, no en el entorno Windows y Excel empleado por los autores del benchmark. Documento que sostiene la cifra.

Las pruebas ayudan a medir progreso, pero no convierten al agente en un empleado fiable sin supervisión. Muchos resultados proceden de evaluaciones internas de OpenAI y una tarea bien resuelta en un benchmark no garantiza que un modelo interprete correctamente instrucciones ambiguas, datos cambiantes o excepciones de negocio.

El problema de dar capacidad de acción a un modelo

La principal novedad de ChatGPT Agent también amplía el riesgo. Un chatbot que se equivoca al redactar un texto causa una molestia; uno que navega por servicios conectados puede actuar sobre información privada, compras, reservas o documentos corporativos.

OpenAI reconoce el peligro de las inyecciones de instrucciones, mensajes ocultos o páginas maliciosas diseñadas para desviar al agente de la tarea encargada. La empresa ha añadido defensas específicas y exige confirmaciones para acciones sensibles, pero el problema no desaparece: una web puede contener contenido que parece información útil y que, en realidad, intenta manipular al sistema.

La compañía también ha activado salvaguardas de nivel ASL-3, su marco reforzado para riesgos biológicos y químicos, al considerar que el modelo alcanza una capacidad alta en ese ámbito. Es la primera vez que OpenAI despliega públicamente estas protecciones para un producto de ChatGPT.

Para usuarios y empresas, la adopción razonable empieza con tareas reversibles: investigar, resumir, preparar borradores, ordenar datos o crear una primera versión de una presentación. Las operaciones que impliquen dinero, permisos, información sensible o decisiones irreversibles siguen necesitando una revisión humana real. ChatGPT Agent no elimina ese control; lo desplaza desde cada clic hacia la definición y supervisión de la tarea.

Cómo convertir el titular en una comprobación

El primer paso es congelar la identidad del sistema. OpenAI presentó ChatGPT Agent con un ordenador virtual y capacidad para usar herramientas. Un nombre comercial puede cubrir revisiones, rutas automáticas y herramientas distintas. La ficha de prueba debe guardar fecha, modalidad de acceso, configuración, permisos y salida completa. Sin esa fotografía, una mejora o un fallo observado hoy no puede atribuirse con rigor a la versión que otra persona usará mañana.

Después hay que convertir cómo dividir una tarea agente en lectura, propuesta, aprobación y ejecución comprobable en casos con criterio de aceptación. Se prepara una muestra propia que incluya tareas fáciles, ambiguas, largas y deliberadamente imposibles. Se anota qué entrada recibe el modelo, qué información puede consultar y qué resultado sería suficiente. Una demostración elegida por el proveedor enseña posibilidad; una batería conservada por el usuario mide fiabilidad.

La autonomía requiere una escala de permisos. Leer y proponer no es lo mismo que modificar, enviar o comprar. La configuración segura concede primero acceso de solo lectura, exige una vista previa y reserva la ejecución para una aprobación explícita. También conserva un registro y una vía de deshacer. El modelo se juzga por los errores que el sistema contiene, no por la confianza con la que describe su plan.

Qué debe quedar registrado

Coste y calidad deben medirse juntos. Una respuesta barata que obliga a revisar desde cero puede costar más que otra lenta pero verificable. La medición incluye espera, reintentos, consumo, supervisión humana y consecuencias de un fallo. poder completar una demostración no elimina errores, permisos excesivos ni acciones irreversibles. Esa frontera convierte el anuncio en una hipótesis que puede comprobarse en lugar de una promesa que deba creerse.

Una ficha de evidencia separa cuatro columnas: lo que afirma la fuente, lo que muestra, lo que no midió y qué tendría que ocurrir para cambiar la conclusión. Esa disciplina evita que una ausencia se convierta en promesa y que una condición desaparezca al resumir. También permite actualizar la pieza sin reescribir la historia desde el resultado posterior.

Conviene incluir un caso negativo antes de decidir. Se busca una situación donde el sistema, norma, operación o estudio no resuelva la necesidad y se anota la señal que obligaría a parar. Los éxitos seleccionados muestran que algo puede ocurrir; el caso negativo revela el límite y reduce el coste de descubrirlo después del despliegue.

La capacidad que sobrevive al anuncio

La comparación válida conserva denominador y eje. No enfrenta una cifra puntual con un promedio, una capacidad futura con una instalada ni una predicción con una observación. Cuando dos fuentes usan palabras parecidas, se reconstruye qué contaron y durante qué periodo. Si no coinciden, se publican como medidas distintas en vez de fabricar una clasificación.