Durante mucho tiempo, el software empresarial se compró en asientos: cuántas personas usan la herramienta, qué plan tienen y cuánto cuesta por mes. Esa lógica empieza a quedarse vieja para una parte importante de la IA. La señal reciente más útil no es solo que haya más agentes o mejores modelos. Es que algunos proveedores ya están empujando otra unidad económica: capacidad de trabajo por uso.

Dos movimientos recientes ayudan a leer el cambio. Por un lado, OpenAI publicó su visión sobre la siguiente fase de la IA empresarial, insistiendo en una capa más unificada de agentes, contexto, permisos y trabajo real a escala de compañía. Por otro, ChatGPT Business lanzó un nuevo tipo de asiento para Codex con precio flexible basado en créditos, sin costo fijo mensual por usuario. Parece un ajuste comercial menor. No lo es. Es una pista de hacia dónde puede moverse la compra de IA seria: menos licencias estáticas, más capacidad accionable que se activa cuando realmente produce trabajo.

La noticia no es el seat nuevo. Es la nueva forma de empaquetar productividad

Cuando una plataforma introduce un asiento sin fee fijo y lo convierte en consumo variable, está diciendo algo bastante concreto sobre el producto: ya no quiere vender solo acceso, quiere vender rendimiento operativo medible. En otras palabras, el proveedor asume que habrá usuarios o equipos que no necesitan vivir dentro de una suite completa todos los días, pero sí necesitan activar capacidad especializada cuando aparece una tarea con alto valor.

Esa diferencia importa más de lo que parece. En el modelo clásico de software, muchas empresas pagan por acceso subutilizado porque es la única forma de asegurar disponibilidad. En el modelo emergente de IA, empieza a ser más razonable pagar por la capacidad de resolver cierto tipo de trabajo cuando hace falta: investigar, programar, analizar, preparar entregables, automatizar pasos o coordinar agentes sobre un flujo delimitado.

Esto cambia la conversación de compras

Hasta ahora, muchas decisiones de IA empresarial seguían usando preguntas heredadas del SaaS tradicional: cuántos usuarios lo necesitan, qué features trae cada plan, cuál es el costo por asiento y si conviene un bundle más amplio. Pero si la IA empieza a funcionar como una capa de trabajo activable, la conversación cambia rápido:

• ya no solo importa cuántas personas “entran” a la herramienta;
• importa cuánta producción útil genera cuando se activa;
• ya no basta con medir adopción por logins o usuarios activos;
• hay que medir throughput, tiempo ahorrado, cobertura y calidad del resultado.

Eso desplaza el foco desde la licencia hacia la unidad de trabajo. Y cuando eso ocurre, la compra se parece menos a adquirir software y más a contratar una nueva forma de capacidad operativa.

Por qué esto favorece a los equipos que saben modular trabajo

No todas las empresas están listas para aprovechar bien este cambio. La ventaja no será automática. Va a favorecer sobre todo a quienes sepan descomponer su trabajo en bloques donde la IA realmente puede entrar sin romper el proceso: investigación comercial, preanálisis financiero, generación de código repetible, clasificación documental, preparación de propuestas, QA técnico, enriquecimiento de CRM, seguimiento de cuentas o producción de piezas internas.

Si un equipo sabe identificar esas unidades, un modelo flexible por uso puede ser bastante más inteligente que repartir licencias completas a todo el mundo “por si acaso”. Permite asignar presupuesto donde realmente hay trabajo delegable, en vez de inflar una base de asientos que luego se usa a medias.

También introduce una disciplina sana: si pagas por capacidad activada, la pregunta deja de ser “¿quién tiene acceso?” y pasa a ser “¿qué trabajo concreto merece activarse con IA?”. Eso obliga a pensar mejor.

La capa económica de los agentes empieza a verse

Durante meses se habló de agentes como si la discusión fuera puramente técnica: memoria, herramientas, autonomía, benchmarks, control. Pero tarde o temprano la conversación tenía que aterrizar en economía operacional. ¿Cómo se compra un sistema que no solo responde, sino que ejecuta partes del trabajo? ¿Como una licencia? ¿Como consumo? ¿Como mezcla de ambos?

El nuevo seat flexible de Codex no resuelve toda esa pregunta, pero sí deja ver la dirección. Para ciertas tareas, la IA empieza a parecerse más a una capacidad elástica de producción que a un puesto digital fijo. Eso tiene implicaciones fuertes para presupuesto, procurement y diseño organizacional.

Un CIO o líder de operaciones ya no evalúa solo si la herramienta “gusta” a los usuarios. Tiene que entender qué parte del trabajo puede convertir en capacidad variable, qué parte necesita gobernanza más estricta y qué parte sigue dependiendo de licencias tradicionales porque la continuidad de uso sí justifica el asiento completo.

Una escena concreta: ingeniería y operaciones comerciales

Pensemos en dos áreas distintas. En ingeniería, no todo el equipo necesita el mismo nivel de apoyo todos los días. Hay semanas con más refactors, más debugging, más documentación, más pruebas o más integración. En ese contexto, una capacidad tipo Codex activada por uso puede tener más sentido que tratar a toda la organización como si cada desarrollador necesitara el mismo paquete todo el tiempo.

En operaciones comerciales ocurre algo parecido. Un equipo puede necesitar picos de trabajo inteligente para investigar cuentas, preparar propuestas, resumir reuniones complejas o actualizar contexto antes de una campaña. No siempre justifica una suite completa para cada rol, pero sí puede justificar capacidad puntual muy bien dirigida.

Ahí aparece una oportunidad que muchas empresas todavía no están leyendo bien: la IA no solo reduce costo por tarea; también permite redistribuir mejor el presupuesto entre acceso permanente y capacidad intensiva bajo demanda.

La empresa que siga comprando IA como SaaS genérico puede pagar de más y aprender menos

Ese es el riesgo incómodo. Si una organización trata toda la IA como una suscripción uniforme por asiento, probablemente termine mezclando usos muy distintos en una sola lógica de compra. Eso tiende a producir dos problemas: sobrepago en áreas con baja intensidad real y subinversión en flujos donde sí valdría la pena consumir más porque el retorno por tarea es alto.

La empresa más despierta no será necesariamente la que compre más licencias. Será la que entienda mejor dónde conviene acceso permanente, dónde conviene consumo variable y dónde todavía no conviene desplegar nada porque el proceso ni siquiera está bien definido.

Ese criterio parece financiero, pero en realidad es estratégico. Porque obliga a ver la IA no como una moda homogénea, sino como un portafolio de capacidades con distinto perfil de uso, riesgo y retorno.

Qué debería revisar un líder esta semana

• Mapear trabajo delegable. No por departamentos completos, sino por unidades repetibles de trabajo que hoy consumen tiempo experto.
• Separar acceso de producción. Distinguir quién necesita una herramienta abierta todo el tiempo y quién necesita capacidad puntual de alta intensidad.
• Medir por output, no solo por adopción. Usuarios activos sirven, pero ya no bastan. Hay que medir tiempo comprimido, tareas resueltas y calidad del resultado.
• Diseñar presupuesto híbrido. Parte en asientos estables cuando sí tengan sentido; parte en capacidad variable cuando el trabajo sea episódico pero valioso.

La siguiente fase empresarial de la IA también será una guerra de empaquetado

La visión de OpenAI sobre enterprise AI insiste en algo importante: los agentes solo se vuelven serios cuando están conectados a contexto, sistemas, permisos y trabajo diario. Si eso es cierto, entonces la competencia no se va a jugar solo en quién tiene el mejor modelo. También se va a jugar en quién empaqueta mejor esa capacidad para que una empresa pueda comprarla, controlarla y expandirla sin fricción absurda.

Ahí es donde un cambio aparentemente comercial se vuelve editorialmente interesante. El nuevo esquema flexible de Codex sugiere que el mercado empieza a probar una idea más madura: en IA, el verdadero producto no siempre será la licencia. Muchas veces será la capacidad de trabajo disponible justo cuando hace falta.

Y para una empresa, esa puede ser una compra mucho más inteligente.

Fuentes: OpenAI, The next phase of enterprise AI; OpenAI Help Center, ChatGPT Business Release Notes (actualización del 8 y 2 de abril de 2026).