--- title: "OpenAI: construir inteligencia abundante" description: "La CFO de OpenAI, Sarah Friar, publicó la tesis económica de la compañía: más de 1.000 millones de usuarios activos, 2 millones de empresas y un recorte de 80% en el precio de GPT-5.6 Luna. El 99,8% de los tokens semanales de OpenAI ya sale de trabajo agéntico con Codex." slug: "openai-economia-abundancia-mil-millones-usuarios-codex-26-07-31" canonical: "https://www.revenuehublatam.com/noticias/ia-ventas/openai-economia-abundancia-mil-millones-usuarios-codex-26-07-31" language: "es" section: "Noticias" category: "IA en Ventas" published: "2026-07-31T20:20:00+00:00" updated: "2026-07-31T20:20:00+00:00" tags: ["OpenAI", "GPT-5.6", "precios de IA", "agentes de IA", "Codex"] keywords: ["OpenAI inteligencia abundante", "precio GPT-5.6 Luna", "costo de IA para empresas", "agentes de IA en ventas", "adopción de IA en Chile", "IA empresarial Latinoamérica", "Sarah Friar OpenAI", "trabajo agéntico Codex"] source_name: "OpenAI" source_url: "https://openai.com/index/building-abundant-intelligence/" publisher: "Revenue Hub Latam" publisher_url: "https://www.revenuehublatam.com" --- # OpenAI: construir inteligencia abundante > OpenAI publicó el 31 de julio de 2026 un documento de su directora financiera, Sarah Friar, que explica su estrategia de «inteligencia abundante»: bajar el costo por unidad de inteligencia para ampliar el trabajo que vale la pena automatizar. Las cifras clave: más de 1.000 millones de usuarios activos, más de 2 millones de empresas, un recorte de 80% en el precio de GPT-5.6 Luna y 99,8% de los tokens semanales de OpenAI generados por trabajo agéntico con Codex. Para equipos comerciales en Chile y Latinoamérica, el costo de automatizar procesos de venta y servicio dejó de ser la barrera principal. OpenAI publicó el viernes 31 de julio de 2026 un documento firmado por su directora financiera, Sarah Friar, titulado «Construir inteligencia abundante». No es un anuncio de producto: es la tesis económica con la que la compañía justifica su inversión en infraestructura y su política de precios agresiva. El argumento central es un ciclo: cuando el costo de la inteligencia útil cae, más trabajo se vuelve rentable de automatizar. Ese trabajo genera adopción, la adopción genera ingresos y retroalimentación real, y eso financia la siguiente generación de modelos e infraestructura. ## ¿Cuáles son las cifras concretas del anuncio? Friar entrega números duros, poco habituales en comunicaciones de este tipo: - Los modelos de OpenAI alcanzan **más de 1.000 millones de usuarios activos** y **más de 2 millones de empresas**. - El 30 de julio la compañía redujo el precio de **GPT-5.6 Luna en 80%**, a US$0,20 por millón de tokens de entrada y US$1,20 por millón de salida. GPT-5.6 Terra bajó 20%, a US$2 y US$12 respectivamente. - Para GPT-5.6 Sol, el modo Fast entrega hasta **2,5 veces la velocidad** del procesamiento estándar al doble de precio, sin cambio en la inteligencia del modelo. - A los seis meses de registrarse, los usuarios envían aproximadamente **50% más mensajes diarios** y usan ChatGPT para cerca del doble de tipos de trabajo. - Dentro de OpenAI, **el trabajo agéntico con Codex ya representa el 99,8% de los tokens de salida semanales**, con Finanzas entre los equipos que lo adoptaron como herramienta primaria. ## ¿Por qué el precio del token dejó de ser la métrica correcta? Friar plantea un cambio de marco que interesa directamente a quien firma presupuestos: los clientes no compran tokens, compran resultados. El ticket resuelto, el software desplegado, el contrato revisado, la pregunta científica respondida. > La medida correcta es el costo de un resultado exitoso, incluyendo el tiempo, los reintentos, la supervisión y los errores necesarios para llegar ahí. La consecuencia práctica es contraintuitiva: un modelo más caro que completa la tarea bien a la primera puede resultar más barato que uno económico que exige varios intentos e intervención humana. Y al revés, un modelo de bajo costo amplía el acceso cuando cumple el mismo estándar de calidad. La pregunta correcta no es qué modelo corresponde a qué tarea, sino cuánta inteligencia exige el resultado, con qué urgencia y a qué costo. ## ¿De dónde salen las mejoras de eficiencia? El documento subraya que la eficiencia no depende solo del modelo, sino del sistema que lo rodea. GPT-5.6 Sol ayudó a optimizar el software de producción que sirve los modelos de OpenAI, reduciendo los costos de servicio de punta a punta en 20%, y mejoró la decodificación especulativa, aumentando la eficiencia de generación de tokens en más de 15%. El ejemplo más elocuente es el de un benchmark reciente: ajustes en el manejo de razonamiento retenido y de contexto elevaron el puntaje de GPT-5.6 Sol en ARC-AGI-3 desde 13,3% a 38,3% usando seis veces menos tokens de salida. El modelo no cambió. Cambió el sistema alrededor. ## ¿Qué significa esto para las empresas B2B en Chile y Latinoamérica? Para una empresa en Chile o Latinoamérica que evaluó agentes de IA en 2025 y los descartó por costo, el escenario de mediados de 2026 es distinto. Con Luna a US$0,20 por millón de tokens de entrada, casos de uso que antes no cerraban el negocio (clasificación masiva de leads, enriquecimiento de datos de CRM, resúmenes de todas las llamadas comerciales, primeras respuestas de servicio) pasan a ser triviales en costo de inferencia. El cuello de botella se mueve. Ya no es el precio del modelo: es la calidad de los datos, la definición del proceso y la capacidad del equipo para supervisar el resultado. ## Análisis de Revenue Hub Hay una señal enterrada en este documento que vale más que el titular de precios: 99,8% de los tokens semanales de OpenAI vienen de trabajo agéntico. La empresa que fabrica los modelos ya no los usa principalmente como chat, sino como fuerza de trabajo que ejecuta tareas de varios pasos. Ese es el patrón que van a copiar los equipos comerciales en los próximos doce meses, y el que separa a quienes usan IA para redactar correos de quienes la usan para operar procesos completos. La implicancia de gestión para un líder comercial en Chile o Latinoamérica es concreta. Si tu justificación para no automatizar era el costo por token, ese argumento se venció. Lo que queda expuesto es el problema real, que casi siempre es anterior a la IA: procesos no documentados, datos de CRM que nadie confía, y falta de criterio para decidir qué tarea delegar y cómo evaluar el resultado. Un agente sobre un proceso desordenado escala el desorden más rápido y más barato. La recomendación es invertir el orden habitual. Antes de comprar agentes, define el resultado que quieres comprar (ticket resuelto, lead calificado, oportunidad actualizada) y su costo actual con personas. Ese número es tu línea base y tu criterio de decisión. Después elige el modelo, que hoy es la parte barata y reemplazable de la ecuación. Puedes revisar más análisis de esta categoría en [Noticias de IA en ventas](/noticias/ia-ventas) y material de fondo sobre operación comercial en nuestro [blog](/blog). ## Preguntas frecuentes ### ¿Qué es la estrategia de inteligencia abundante de OpenAI? Es la tesis económica que OpenAI publicó el 31 de julio de 2026: bajar el costo de la inteligencia útil expande el trabajo que vale la pena hacer, lo que genera adopción, ingresos y retroalimentación para financiar la siguiente generación de modelos e infraestructura. ### ¿Cuánto cuesta ahora GPT-5.6 Luna? Tras el recorte de 80% aplicado el 30 de julio de 2026, GPT-5.6 Luna cuesta US$0,20 por millón de tokens de entrada y US$1,20 por millón de tokens de salida. GPT-5.6 Terra bajó 20%, quedando en US$2 y US$12 respectivamente. ### ¿Cuántos usuarios y empresas tiene OpenAI en 2026? Según el documento de la CFO Sarah Friar, los modelos de OpenAI alcanzan más de 1.000 millones de usuarios activos y más de 2 millones de empresas. ### ¿Qué significa que el 99,8% de los tokens de OpenAI sea trabajo agéntico? Significa que casi todo el uso interno de modelos en OpenAI ya no es conversación, sino ejecución automatizada de tareas de varios pasos a través de Codex. Es un indicador de hacia dónde se mueve el uso empresarial de la IA. ### ¿Conviene usar el modelo más barato para tareas de ventas? No necesariamente. OpenAI plantea medir el costo de un resultado exitoso, incluyendo reintentos, supervisión y errores. Un modelo más caro que resuelve a la primera puede salir más barato que uno económico que exige varios intentos e intervención humana. ### ¿Qué es el modo Fast de GPT-5.6 Sol? Es una opción de la API que entrega hasta 2,5 veces la velocidad del procesamiento estándar al doble de precio, sin cambios en la calidad del modelo. Sirve para flujos donde la latencia afecta la experiencia, como respuestas en vivo a clientes. ### ¿Cómo afecta esta baja de precios a las empresas de Chile y Latinoamérica? Reduce a casi cero la barrera de costo de inferencia para casos como calificación de leads, enriquecimiento de datos de CRM, resúmenes de llamadas y primera respuesta de servicio. El cuello de botella pasa a ser la calidad de los datos y la definición de los procesos. ### ¿Por qué mejoró el puntaje de GPT-5.6 Sol en ARC-AGI-3 sin cambiar el modelo? Porque cambiaron el sistema alrededor del modelo. Mejoras en razonamiento retenido y manejo de contexto elevaron el puntaje de 13,3% a 38,3% usando seis veces menos tokens de salida, con el mismo modelo base. --- Fuente original: [OpenAI](https://openai.com/index/building-abundant-intelligence/) (openai.com)