OpenAI cambia el uso de ChatGPT: los hasta ahora modos separados Chat y Work se unificarán en una interfaz común. Sin embargo, el cambio detrás de la interfaz es más perceptible que la propia interfaz. A partir de diciembre, los planes Plus, Pro y Business accederán a una cuota común basada en tokens, tanto para el funcionamiento normal de ChatGPT como para Codex, la herramienta para el desarrollo de software asistido por IA.
Los tokens son la unidad de facturación de los modelos de lenguaje: pequeños fragmentos de texto o código en los que se descomponen las entradas y las respuestas. Quien hasta ahora pensaba en categorías como „número de mensajes por ventana de tiempo“ tendrá que adaptarse a una lógica de consumo orientada a la cantidad real de texto procesado.
Qué cambia concretamente
Los puntos esenciales del cambio pueden resumirse brevemente:
- Chat y Work ya no aparecen como modos separados, sino en una sola interfaz.
- Los planes Plus, Pro y Business reciben una cuota común de la que se sirven ChatGPT y Codex.
- Los modelos más complejos consumen más de esta cuota que los más simples.
- Los chats instantáneos simples no se computan en la cuota.
Así surge una gradación que antes no existía en esta forma: no todas las solicitudes cuestan lo mismo. Una breve consulta en el uso cotidiano tiene un peso distinto que una ejecución de Codex de mayor duración que lee una base de código más amplia, propone cambios y devuelve resultados.
Por qué esto es relevante para los equipos de desarrollo
Las sesiones de Codex son típicamente intensivas en tokens. El contexto de varios archivos, las salidas de pruebas, los mensajes de error y los bucles iterativos de corrección se acumulan rápidamente. Si este consumo está en el mismo fondo que el uso cotidiano de ChatGPT, dos formas de trabajar muy distintas compiten por el mismo presupuesto.
En la práctica, esto significa que un equipo en el que las mismas cuentas se utilizan tanto para trabajo de texto —conceptos, resúmenes, investigación— como para tareas de desarrollo puede agotar la cuota mucho más rápido de lo calculado hasta ahora. El artículo que describe el cambio señala que el uso intensivo en los planes más económicos probablemente conllevará pérdidas de calidad, ya que entonces habrá que recurrir a modelos menos costosos.
Esta apreciación es una previsión, no una promesa de OpenAI. Sin embargo, describe una mecánica plausible: si los modelos más potentes cuestan más tokens y el presupuesto es limitado, surge un incentivo para elegir en caso de duda el modelo más económico.
La planificación de costes se convierte en planificación de consumo
Hasta ahora, el cálculo para muchas empresas era sencillo: una cuota mensual fija por puesto de trabajo. Con una cuota común basada en tokens, la pregunta pasa de „¿cuántas licencias necesitamos?“ a „¿cuánto consumo genera cada actividad?“.
Esto exige un procedimiento fundamentalmente distinto en la presupuestación:
- Observar el consumo: Antes de ajustar los planes, merece la pena una fase en la que se registre el consumo real por rol y tarea.
- Separar el uso: Siempre que sea posible, el uso cercano al desarrollo y el uso general no deberían mezclarse sin control en la misma cuenta, para que los cuellos de botella sigan siendo atribuibles.
- Controlar conscientemente la elección del modelo: No todas las tareas necesitan el modelo más potente. Directrices internas claras sobre cuándo tiene sentido cada modelo ahorran presupuesto sin una pérdida de calidad perceptible.
- Mantener abiertas las alternativas: Una dependencia de un único proveedor se vuelve más cara cuando cambia su lógica de facturación. Quien diseña las interfaces y los flujos de trabajo de modo que un cambio siga siendo posible, mantiene su capacidad de actuación.
Efectos sobre la selección de herramientas
Para los equipos que han integrado Codex firmemente en su día a día de desarrollo, la pregunta por el nivel de plan adecuado se plantea de nuevo. Quien hasta ahora se las arreglaba con un plan económico porque el uso estaba distribuido entre varias herramientas, podría toparse con un límite debido a la unificación.
Al mismo tiempo, surge una mirada más diferenciada sobre los propios flujos de trabajo. La distinción entre solicitudes computadas y no computadas —los chats instantáneos simples no cuentan contra la cuota según la presentación actual— hace conveniente separar conscientemente las consultas rutinarias y las tareas exigentes. Quien por costumbre confía cada pequeñez al modelo más potente, desperdicia presupuesto.
También la fusión de Chat y Work en una sola interfaz no es solo un cambio cosmético. Reduce el esfuerzo al cambiar entre contextos, pero al mismo tiempo aumenta la probabilidad de que distintos tipos de uso confluyan sin advertirlo, y con ello que el consumo sea menos transparente.
Precaución con las extrapolaciones
En este punto no se dispone de cifras fiables sobre la relación de conversión entre modelos ni sobre el tamaño de la cuota. Quien ahora fije presupuestos para el próximo año debería, por tanto, trabajar con márgenes en lugar de con supuestos fijos.
Erst die Praxis ab Dezember wird zeigen, wie weit ein Kontingent in typischen Entwicklungsszenarien tatsächlich reicht.
Sinnvoll ist es, die Umstellung als Anlass für eine kurze Bestandsaufnahme zu nehmen: Welche Aufgaben erledigen KI-Werkzeuge im Team wirklich, welchen Anteil davon trägt Codex, und welche dieser Aufgaben ließen sich mit anderen Mitteln ebenso gut lösen?
Einordnung für Web- und Softwareprojekte
Für Projekte, in denen KI-Unterstützung zum Standardwerkzeug geworden ist, wird der Werkzeugeinsatz damit zu einem Posten, der laufend beobachtet werden muss – ähnlich wie Hosting- oder Lizenzkosten.Projektkalkulationen sollten KI-Nutzung künftig als variable Größe ausweisen statt als Pauschale.Und Architekturentscheidungen gewinnen an Gewicht: Wer seine Abläufe nicht zu eng an ein einzelnes Produkt bindet, kann auf Änderungen bei Abrechnung und Modellverfügbarkeit reagieren, ohne das Projekt umbauen zu müssen.