OpenAI lleva meses repitiendo el mismo marco: **2026 es el año de los agents**. No se trata solo de un modelo más grande, sino de **sistemas que actúan** — tools, computer-use, integraciones y loops multi-paso — sobre el trabajo real de equipos.

## Tres frentes que importan

### 1. Codex y coding agents El coding agent de OpenAI (Codex) creció de forma agresiva en uso interno y externo: IDE, trillones de tokens semanales y un flujo donde el agent implementa, prueba y propone cambios. El cuello de botella reportado por el equipo de producto no es “falta de compute genérico”, sino **feedback loops, evaluation y ownership** del código generado.

### 2. ChatGPT Work **ChatGPT Work** empuja agents hacia el trabajo de oficina: tareas multi-paso sobre email, calendario y apps de chat. El valor no es “otro chatbot”; es **orquestar acciones** con permisos y contexto de trabajo.

### 3. Seguridad y modo restringido Con más tools y conectores, sube el riesgo de **prompt injection y exfiltración**. El rollout de modos tipo Lockdown (restringir web, agents, downloads, connectors) es la contraparte necesaria del superapp.

## Criterios de adopción (producto e ingeniería)

| Usar agents cuando… | No automatizar todavía cuando… | |---------------------|--------------------------------| | La tarea es repetible y verificable | No hay tests ni criterio de “done” | | El blast radius es acotado (branch, staging) | Hay secretos o prod sin scope | | Hay review humano del diff/acción | Nadie es dueño del resultado |

## Lectura para este stack

Embeddings, tools y APIs de OpenAI siguen siendo baseline de mercado. En un portfolio, el uso sensato es:

- Búsqueda / clasificación de contenido. - Agents de coding con **PR + CI**, no push directo a main. - Nunca secretos en el prompt; conectar tools con least privilege.

**Cierre:** el “año de los agents” no premia al que más tokens gaste. Premia al que **define tareas, mide outcomes y mantiene humanos en el merge**.