La adopción de inteligencia artificial en las empresas está cambiando de fase. Durante los últimos dos años, la conversación giró en torno a asistentes que redactan correos o resumen documentos. Ahora, dos casos concretos muestran hacia dónde va el movimiento: modelos que escriben software, cambian configuraciones internas y vigilan sistemas en producción. Perplexity, el buscador conversacional, y 1Password, la empresa de gestión de contraseñas, integraron modelos de OpenAI en el corazón de sus operaciones. No como experimento, sino como infraestructura diaria.
De la conversación a la ejecución
Perplexity usa Astra para tareas que antes requerían intervención manual: redactar comunicaciones, modificar software y monitorear sistemas de producción. La compañía confía en el modelo con un nivel de autonomía que reduce la frecuencia de supervisión humana respecto de generaciones anteriores. OpenAI publicó una ficha técnica del sistema en la que detalla, entre otros datos, una ventana de contexto de 1.050.000 tokens, con un tope de entrada de 922.000 tokens y un máximo de 128.000 tokens de salida. Eso significa, en términos prácticos, que el modelo puede procesar el equivalente a varios libros completos antes de responder, lo que le permite entender el estado de un sistema o un repositorio de código sin que le resuman todo.
El caso de 1Password es igual de ilustrativo. Sus ingenieros usan Codex para crear nuevas funciones y herramientas internas listas para producción, integrando el modelo en todo el ciclo de entrega de software. El resultado medido: una mejora de productividad del 20,9 % y una reducción del 10,9 % en la mediana del ciclo de los pull request, es decir, el tiempo que tarda una pieza de código en pasar de propuesta a integrada. Más de un millón de empresas en el mundo usan productos de OpenAI, según la propia compañía, y casos como este explican por qué.
Seguridad como requisito de diseño
El detalle que más debería llamar la atención de un ejecutivo latinoamericano no es la ganancia de velocidad, sino cómo se maneja la seguridad. 1Password opera bajo una arquitectura de conocimiento cero: solo el cliente puede descifrar y acceder a sus datos confidenciales. Al integrar Codex, la empresa almacena en los repositorios referencias a secretos en lugar de las credenciales en texto plano. Cuando Codex necesita llamar a una herramienta interna aprobada, 1Password obtiene e introduce la credencial en el momento de la acción, de modo que el valor real nunca entra en el contexto del modelo.
Esa distinción es sutil pero decisiva. La mayoría de las fallas de seguridad con IA no ocurren porque el modelo sea malintencionado, sino porque las credenciales quedan expuestas en conversaciones o en registros. 1Password trata la seguridad como un requisito previo para la adopción, no como un control que se añade después de que el uso aumenta. Para una empresa en México, Colombia o Chile que quiera usar agentes de IA en sus procesos, esa lógica debería ser el punto de partida.
La señal regulatoria que llega desde España
OpenAI clasificó a Astra en el nivel «Critical» en ciberseguridad, el primero de sus modelos en alcanzar esa categoría. Mientras tanto, la Agencia Española de Protección de Datos (AEPD) publicó, siete meses antes del lanzamiento, una guía específica sobre IA agéntica y protección de datos. La coincidencia no es casual: la regulación europea avanza de la mano con el despliegue comercial de estas tecnologías. Para las empresas latinoamericanas que operan con clientes o datos de la Unión Europea, o que simplemente anticipan regulaciones locales similares, esa guía es un mapa de ruta anticipado.
Un dato relevante: España y otros dieciséis países hispanohablantes figuran en la lista de regiones donde OpenAI ofrece acceso a estos modelos. La pregunta que un CISO o un director de tecnología en la región debería hacerse no es si sus equipos van a usar estas herramientas, sino bajo qué condiciones. Un ejecutivo puede hoy mismo comprobar la documentación técnica de GPT-6 Astra en el sitio de OpenAI, entre ellos el detalle de la ventana de contexto y las capacidades del modelo.
Productividad que cruza áreas
Tras ver los resultados en ingeniería, la dirección de 1Password está ampliando el acceso a Codex a otras áreas. Finanzas y marketing ya pueden crear sus propias herramientas y funciones usando el modelo con la interfaz de chat natural, sin necesidad de saber programar. Esa es la tendencia que los líderes latinoamericanos deberían observar: la IA generativa no es solo un acelerador de código, es una forma de que equipos no técnicos construyan soluciones operativas sin pasar por el cuello de botella del departamento de desarrollo.
Hay, sin embargo, una advertencia que conviene no ignorar. La propia documentación de OpenAI menciona capacidades del modelo que no siempre se verifican en la práctica. Un ejercicio simple: los asistentes de IA consultados sin búsqueda web en español señalaron al Project Astra de Google cuando se les preguntó por Astra, y dos de ellos negaron directamente que el producto de OpenAI existiera. Eso no descalifica la tecnología, pero marca la distancia entre lo que una empresa dice que sus modelos hacen y lo que los propios modelos saben de sí mismos.
La prueba está en la documentación oficial, accesible para cualquier desarrollador que quiera verificar las cifras. OpenAI incluye en su ficha técnica el detalle exacto de las capacidades del modelo, y es recomendable confirmar esos datos antes de basar decisiones críticas en promesas de marketing.
Para una empresa en América Latina, la conclusión práctica es doble. Primero, la IA ya no es un asistente de redacción: es una fuerza de trabajo que ejecuta, vigila y entrega. Segundo, quien adopte estas herramientas sin definir políticas de acceso, clasificación de datos y supervisión humana está repitiendo los errores de la primera ola de transformación digital, pero con un riesgo mayor.
La arquitectura de conocimiento cero de 1Password y el modelo de confianza escalonada de Perplexity no son lujos: son el estándar mínimo para operar con agentes autónomos. La pregunta abierta es si las empresas de la región van a esperar a que una filtración o una multa les enseñe esa lección, o si van a construir desde el primer día con seguridad como requisito de diseño, tal como lo hacen las compañías que ya están marcando el ritmo.
Adoptar IA en producción no es una cuestión de si va a ocurrir: ya está ocurriendo en empresas que manejan datos sensibles de millones de usuarios. Lo que queda por definir es quién lo hace con controles rigurosos y quién improvisa. El costo de improvisar, en este caso, no se mide solo en pérdida de productividad: se mide en credenciales expuestas, sistemas comprometidos y confianza de clientes destruida. Para un ejecutivo latinoamericano, la oportunidad está en aprender de estos casos sin pagar el precio del error ajeno. La infraestructura, los modelos y los casos de éxito ya existen. La decisión de usarlos con responsabilidad, también.
