Dos anuncios de OpenAI apuntan en la misma dirección: ChatGPT ya no debe ser principalmente una ventana de diálogo para usuarios individuales, sino una plataforma en la que los equipos trabajen juntos y en la que el software se ejecute de forma permanente en segundo plano.En el DevDay, ChatGPT se abrió como plataforma de equipo.Paralelamente se presentaron con Dots agentes que permanecen activos de forma permanente.
Espacios de trabajo compartidos en lugar de chats individuales
El elemento central de la apertura de la plataforma son los espacios de trabajo compartidos, llamados "Space" en OpenAI.A ello se suman documentos y slides colaborativos, es decir, presentaciones que varias personas pueden editar conjuntamente.La diferencia con el modelo anterior es menos técnica que organizativa: los resultados ya no surgen solo en el historial de chat privado de una persona, sino en un lugar donde un equipo los vuelve a encontrar.
Esto se complementa con un sistema abierto de plugins.Se basa en MCP, un protocolo mediante el cual los modelos de lenguaje acceden de forma estandarizada a herramientas y fuentes de datos externas.Novedoso es aquí la automatización mediante eventos MCP: los flujos pueden activarse, por tanto, mediante eventos y no solo mediante una entrada manual.Con ello, el papel del modelo se desplaza de la máquina de respuestas al desencadenante de procesos.
Integración en la comunicación existente
Ambos anuncios mencionan los mismos puntos de entrada: Slack y Microsoft Teams.Esto es notable, porque con ello no se espera que los equipos cambien su entorno de trabajo.Las funciones se trasladan, en cambio, allí donde ya se comunica de todos modos.Para la introducción en la empresa, esto reduce considerablemente la barrera, pero al mismo tiempo traslada la cuestión de la gobernanza a canales en los que hasta ahora se trabajaba más bien de forma informal.
En el lado comercial se menciona un Enterprise-Marketplace con 32 socios, así como un nuevo plan Pro-500.Los detalles sobre condiciones o disponibilidad no se desprenden de las fuentes, por lo que aquí es apropiada la cautela.Lo que sí se reconoce es la intención de construir un ecosistema de proveedores externos, en lugar de entregar cada integración por sí mismos.
Dots: agentes que no esperan una pregunta
El segundo componente va un paso más allá.Según OpenAI, Dots son agentes permanentemente activos que trabajan en sus propios ordenadores en la nube.Los ejemplos mencionados son la corrección de bugs o el envío de facturas olvidadas.Decisivo es el añadido de que esto ocurre en parte antes de que alguien lo pida.
Detrás hay técnicamente un patrón simple pero de gran alcance: cuando hay inactividad, los agentes buscan en segundo plano posibles enfoques de trabajo con derechos de lectura.La limitación a derechos de lectura en esta fase es el dato más interesante del anuncio, pues separa la observación de la ejecución.A su vez, los agentes se abordan a través de ChatGPT, Slack y Teams.Dots se posiciona contra Muse de Meta, lo que muestra que los agentes permanentes al parecer no quedan como un enfoque aislado.
Cómo encajan ambos anuncios
Las fuentes informan de forma independiente, pero describen dos mitades del mismo desarrollo.La apertura de la plataforma proporciona el marco: espacios de trabajo compartidos, conexión estandarizada mediante MCP, desencadenantes basados en eventos y presencia en las herramientas de comunicación.Los agentes permanentes aportan al actor que utiliza este marco.Sin automatización por eventos y acceso a herramientas, un agente en funcionamiento permanente sería en gran medida ineficaz.
Los dos anuncios no contienen datos divergentes.Se diferencian en el grado de detalle: el anuncio de la plataforma es concreto en funciones y planes, el anuncio de los agentes en el modo de trabajo.Lo que falta en ambos casos son declaraciones sobre la gestión de derechos en detalle, el registro o la conservación de datos.Precisamente estos puntos deciden en la práctica si una configuración así es sostenible en una empresa mediana.
Casos de uso evidentes en torno al sitio web
Si se trasladan los patrones descritos a la vida cotidiana, surgen campos en los que la automatización impulsada por eventos ya tiene sentido hoy:
- Redacción: avisos sobre contenidos desactualizados, textos alternativos faltantes o metadatos inconsistentes, activados por cambios en el sistema de gestión de contenidos.
- Soporte: preestructuración de solicitudes entrantes junto con referencia a la documentación existente, iniciada por un nuevo ticket.
- Operación: preparación de mensajes de error y anomalías en los logs con propuesta de clasificación, antes de que alguien lo revise manualmente.
- Administración: recordatorios de procesos pendientes, como en el ejemplo de las facturas olvidadas.
El denominador común: se trata de tareas con un desencadenante claro, un resultado verificable y un potencial de daño limitado en caso de errores.
Lo que debería aclararse de antemano
Quien quiera utilizar agentes permanentes necesita una respuesta sólida a tres preguntas.Primera: ¿qué sistemas puede leer un agente y cuáles puede modificar?La separación mencionada en las fuentes entre lectura en segundo plano y actuación activa es un modelo sensato.Segunda: ¿dónde se documenta lo que ha ocurrido de forma automatizada?Tercera: ¿quién revisa los resultados antes de que surtan efecto hacia el exterior, por ejemplo en el sitio web o frente a clientas y clientes?
Para proyectos web y de software, el foco se desplaza así de la pregunta de qué modelo se utiliza a la pregunta de cómo son las interfaces limpias y los derechos claros.Sistemas como TYPO3 se benefician de ello cuando los contenidos, los flujos de trabajo y la información de estado son accesibles mediante API definidas, en lugar de solo a través de la interfaz.
Quien siente ahora estas bases puede complementar la automatización paso a paso sin vincular su propia arquitectura a un único proveedor.