Resumen ejecutivo 

La IA cambió. ChatGPT 5.6 y su modo Trabajo ya no esperan a que les hables; actúan. Tras analizar esta mutación de chatbot reactivo a agente autónomo, veo un avance prometedor que, sin embargo, llega cargado de letras pequeñas. Cuidado. El sistema “devora” créditos a un ritmo alarmante y exige abrir de par en par las puertas de tu ordenador local a tres modelos con capacidades muy distintas: Sol, Terra y Luna.

Estoy analizando este tema y accedido -hasta ahora- a varias fuentes y por el momento, todos los comentarios y evidencias van demostrando cómo la plataforma está devorando herramientas como Codex para centrarse en un único fin: ofrecer resultados tangibles. Me refiero a webs completas, flujos de datos estructurados y manipulación directa de nuestros archivos. Esto funciona, sí, pero requiere que configures los permisos con pinzas si no quieres lamentar accidentes en tu disco duro. Algo parecido a lo que puede ocurrir con Claude Cowork.

Conceptos principales y alcance del tema central 

Conceptos clave 

Agente inteligente (proactividad): Olvídate del típico ping-pong de preguntas y respuestas. Tú le das un objetivo final y la máquina se busca la vida. Ella sola desglosa la orden, planifica los pasos y ejecuta las subtareas sin que tengas que llevarla de la mano. La familia 5.6: No todos los modelos piensan igual ni cuestan lo mismo. 

Modelos 

• Sol: El cerebro del grupo. Es lento, carísimo en créditos y está diseñado exclusivamente para cuando necesitas resolver problemas lógicos enrevesados o diseñar la arquitectura de un proyecto complejo.
• Terra: El caballo de batalla diario. Ofrece un equilibrio sensato entre velocidad y costes para tus tareas cotidianas. 
• Luna: Rápido, ligero y barato. Ideal para procesar textos cortos en masa o responder comandos sencillos donde no haga falta filosofar. 

• ChatGPT Trabajo (Work): Una interfaz pensada para profesionales que no tienen por qué saber programar. Centraliza la gestión de archivos, automatiza tareas repetitivas y conecta el modelo con tu entorno real de trabajo. 
• Esfuerzo de razonamiento (Reasoning effort): Una palanca de control para decidir cuánto tiempo quieres que la IA pase «pensando» antes de escribir código o tomar una decisión. Va desde un chispazo rápido hasta el modo «Ultra», que pone a trabajar a varios agentes en paralelo. 
• Sites: Una función para crear, editar y alojar páginas web directamente desde el chat bajo el dominio chatgpt.site. Ideal para prototipos rápidos. 

Acerca del Esfuerzo de razonamiento

El esfuerzo de razonamiento (o reasoning effort) en ChatGPT es una configuración que controla cuánto tiempo dedica la inteligencia artificial a «pensar» y analizar un problema antes de responder. Esta función permite al modelo evaluar situaciones desde múltiples perspectivas y resolver problemas lógicos complejos paso a paso.

Cómo funciona el proceso de razonamiento

Cuando activas los niveles avanzados de razonamiento, la IA no responde de inmediato. En su lugar, dedica una fase a procesar el problema internamente (generando «tokens de pensamiento» que consumen más capacidad computacional).

• Búsqueda profunda: En lugar de dar la primera respuesta que parece correcta, el modelo explora varias ramas lógicas y evalúa diferentes escenarios antes de dar una conclusión. 
• Autoverificación: Durante este proceso oculto, el modelo puede retroceder, corregir sus propios errores y verificar la coherencia de sus argumentos. 

Niveles de esfuerzo disponibles

Dependiendo del modelo y la plataforma de OpenAI que utilices (como la interfaz web o la API para programadores), puedes ajustar este parámetro en diferentes niveles:

• Bajo / Mínimo: Ideal para tareas rápidas, consultas rutinarias o cuando necesitas ahorrar tokens y tiempo.
• Medio / Estándar: El equilibrio perfecto para la mayoría de las tareas de escritura y análisis cotidiano. 
• Alto / Extendido / Max: Dedicado a problemas matemáticos complejos, programación avanzada, razonamiento deductivo difícil o planificación de escenarios con muchas variables. 

Alcance

Estas funciones ya corren en las aplicaciones de escritorio para Mac y Windows, además de sus versiones web y móviles. El foco es claro: automatizar tareas administrativas pesadas (como finanzas o reportes de marketing), manipular archivos locales y diseñar activos digitales sobre la marcha. Las cuentas gratuitas quedan fuera de este juego; OpenAI ha reservado la artillería pesada del razonamiento máximo y el alojamiento web para sus clientes de pago.

Gestión de riesgos asociados

Riesgos operativos

• Seguridad y permisos: La función «Computer Use» es una espada de doble filo. Si le das acceso total al agente para que controle tu pantalla y teclado, te arriesgas a que borre carpetas enteras por un malentendido sintáctico. La recomendación es mantener la aprobación manual activada, aunque sea engorroso. 
• Dependencia de la máquina anfitriona: Si programas una tarea para que se ejecute de noche o quieres controlarla desde el móvil, tu pc de escritorio / notebook tiene que estar encendida y con la sesión activa. Para evitar que se suspenda, vas a necesitar herramientas externas que fuercen al sistema a quedarse despierto.

Riesgos de producto

• La sangría de créditos: Usar a Sol en modo «Ultra» vacía tus tokens mensuales antes de que te des cuenta. Si no vigilas el costo de cada ejecución, te quedarás a mitad de un proyecto importante por puro agotamiento de recursos.
• Sincronización a medias: Se ha experimentado que el paso de proyectos de la nube a carpetas locales no es del todo limpio. Si trabajas con varios dispositivos y no usas hardware muy específico, prepárate para encontrarte con archivos duplicados o desactualizados. 

Acerca del modo «Ultra» y el consumo de los «tokens»

El modo Ultra del modelo insignia Sol (parte de la familia GPT-5.6) activa múltiples subagentes en paralelo. Debido a que cada agente consume sus propios tokens de manera simultánea, esta configuración puede llegar a multiplicar el costo por tarea entre 3 y 8 veces frente al modo estándar, agotando tu límite de uso mensual rápidamente.

Para saber exactamente en qué situaciones te conviene activarlo y cómo evitar quedarte sin cuota, ten en cuenta lo siguiente:

¿Por qué el Modo Ultra consume tantos tokens?

Al pedirle a Sol que realice una tarea compleja (como fusionar PDFs largos o depurar código masivo) y activar el modo Ultra, el modelo descompone tu instrucción original y despliega hasta 4 o más agentes. Todos ellos trabajan al mismo tiempo y consumen tokens por separado. En ciertas pruebas de uso, usuarios reportan haber alcanzado sus límites de conversación tras ejecutar solo un par de instrucciones grandes.

¿Cuándo SÍ vale la pena usar el Modo Ultra?

Está diseñado para flujos de trabajo de gran envergadura y alta complejidad. Ejemplos ideales incluyen:

• Auditorías de código masivas: En proyectos donde se necesita revisar dependencias, perfiles de rendimiento y seguridad en paralelo. 
• Análisis de documentos diversos: Tareas que requieren enfoques multidisciplinares (ej. analizar datos operativos, contratos legales y reportes financieros al mismo tiempo). 
• Planificación estratégica compleja: Contrastar múltiples marcos analíticos de golpe. 

Alternativas para ahorrar cuota 

• Mantén el modo estándar: Para consultas de formato libre, redacción de correos, resúmenes cortos o correcciones puntuales, desactiva el modo Ultra. El modo estándar es más rápido, económico y eficiente en tu día a día. 
• Usa modelos alternativos: Para tareas repetitivas o rápidas, valora utilizar modelos como Luna, optimizados específicamente para ser económicos y veloces. 

Riesgos de proyecto 

• Adiós a nuestros GPTs: La transición hacia las nuevas «Skills» y «Proyectos» le va a doler a muchos (en mi caso, ya estoy “repensando” el tema). OpenAI está dejando morir los viejos GPTs personalizados, lo que te obligará a migrar a mano (por ahora) todas tus bases de conocimiento e instrucciones guardadas.
• Planes que no terminan: El papel lo aguanta todo, pero la IA no. Un objetivo demasiado complejo puede meter al agente en un bucle de planificación y corrección de varias horas que consumirá tus créditos sin garantizar un resultado útil a la primera. 

Acerca de los Skills 

En ChatGPT Work, una «Skill» (habilidad) es un conjunto de instrucciones reutilizables que le enseñan a la inteligencia artificial exactamente cómo realizar una tarea específica a tu manera, cada vez que la ejecutes.

¿Para qué sirven? 

En lugar de tener que escribirle a ChatGPT tus preferencias una y otra vez (como tu tono de marca, formatos de reporte específicos o pasos de investigación), puedes guardar ese proceso como una Skill.

• Automatización: Se ejecutan en segundo plano o de forma automatizada cuando ChatGPT detecta que son necesarias. 
• Activación rápida: Puedes llamarlas escribiendo @ seguido del nombre de la Skill en el chat. 
• Consistencia de equipo: Puedes crear y compartir Skills con tu equipo de trabajo para asegurar que todos usen el mismo estándar de calidad. 

¿En qué se diferencian de otras funciones? 

• Prompt vs. Skill: Un prompt es una instrucción puntual para una sola tarea, mientras que una Skill es un recurso guardado que puedes aplicar de forma continua en múltiples proyectos. 
• Custom GPT vs. Skill: Un Custom GPT es un asistente con su propia interfaz y conocimientos, mientras que una Skill es un flujo de trabajo individual que le enseña al asistente cómo hacer un trabajo específico.
• Plugins/Connectors vs. Skill: Los plugins conectan a ChatGPT con herramientas externas (como Gmail o Google Drive); las Skills le enseñan a ChatGPT cómo procesar el trabajo utilizando esas herramientas.

..

Capacidades e implicancias de uso

Posibilidades operativas

• Un «Chief of Staff» virtual: El sistema ya es capaz de leer tu bandeja de entrada, cuadrar reuniones en tu calendario y redactar el resumen del día de manera autónoma. 
• Diseño de activos sin esfuerzo: Genera presentaciones corporativas enteras, hojas de cálculo complejas con análisis de varianza e incluso gráficos interactivos en tres dimensiones a partir de un simple archivo de texto. 
• Ojos en tu pantalla: Mediante capturas de pantalla inteligentes (Appshots), el agente ve lo que tú ves. Esto le permite arreglar fallos de software locales o interactuar de manera directa con aplicaciones cerradas como Apple Notes. 
• Webs al instante: Pasas de una idea de negocio a una landing page publicada en menos de diez minutos, con la ventaja de que la web se actualiza sola si cambian tus datos locales. 

Respecto de los «Appshots» 

Hasta el momento lo que he podido leer y rescatar, antes de profundizar y llegar a una síntesis que pueda compartirte es lo siguiente:

Appshots es una herramienta de productividad y flujo de trabajo de OpenAI integrada en la aplicación de escritorio de ChatGPT Work/Codex para macOS. Te permite capturar la ventana de la aplicación que estás usando en primer plano—incluyendo tanto la captura de pantalla como el texto visible— y enviarla directamente a tu hilo de conversación con un atajo de teclado, sin necesidad de copiar, pegar o redactar explicaciones.

¿Cómo funcionan los Appshots? 

• Acción rápida: En macOS, al presionar dos veces seguidas la tecla Comando (o atajo personalizado), envías un «Appshot» al chat.
• Contexto inteligente: ChatGPT no solo recibe una imagen estática, sino también el texto disponible en la ventana (incluso partes que no se ven en pantalla por desplazamiento), lo que le da contexto completo para ayudarte a ejecutar tareas, encontrar problemas o hacer comparativas.
• Integración con ChatGPT Work: Al adjuntar un Appshot, el agente inteligente puede actuar sobre el programa abierto en segundo plano (navegar o interactuar), lo que permite probar la interfaz de usuario en distintas regiones o flujos de trabajo sin cambiar de ventana constantemente.

¿Cómo aprovechar ChatGPT Work con Appshots? 

• Análisis de interfaz y Benchmarking:Si estás comparando dos diseños o páginas web, puedes abrir la ventana de una aplicación o simulador y usar un Appshot. ChatGPT puede analizar los elementos en diferentes ubicaciones (por ejemplo, México vs. Alemania) y detectar fallos o cuellos de botella en la experiencia del usuario. 
• Resolución de errores (Debugging):Si detectas un error en un programa, en lugar de tomar una captura de pantalla y escribir una explicación larga sobre lo que está fallando, un Appshot le da a ChatGPT la información necesaria para entender lo que estás viendo y preparar una corrección dentro del entorno de desarrollo. 
• Automatización de escritorios legados:Mueve información entre aplicaciones que no se comunican entre sí. Al tomar un Appshot de la ventana fuente (como un portal de facturas) y otro de la ventana de destino (como tu software de contabilidad), puedes pedirle a ChatGPT que complete el flujo de datos por ti. 

Implicancias en su uso

Aprender a mandar (/goal): Escribir prompts largos ya no sirve. Ahora tienes que aprender a definir metas claras con el comando /goal y estructurar lo que llamo el «sándwich de contexto»: quién eres, qué quieres que haga el agente y qué consideras tú un trabajo bien hecho. 

Orden absoluto en tus carpetas: Si tus carpetas locales son un caos, el agente se perderá. Su efectividad depende de que mantengas una arquitectura de archivos limpia que le sirva de memoria RAM para trabajar. 

Dependencias y entramado de relaciones 

Dependencias esenciales 

El sistema se sostiene sobre tres pilares muy claros:

• La regla de la dificultad: El tipo de problema define el modelo. Sol diseña la estrategia, Terra ejecuta la tarea. No los mezcles. 
• La limitación de la nube: Para que el agente toque tus carpetas locales, la aplicación de escritorio tiene que estar abierta. La versión web es solo un monitor para mirar cómo trabaja. 
• El monedero único: Cada movimiento de investigación, planificación o depuración de código se cobra del mismo saco de créditos. No hay barra libre. 

Conexiones externas (Entorno) 

Conectores de terceros: El sistema interactúa directamente con Google Drive, Gmail, Slack o Notion. No solo lee los datos, sino que puede editar celdas, enviar mensajes y reestructurar tus bases de datos. 

El estándar MCP: El uso de Model Context Protocol (MCP) le da superpoderes. Gracias a esto, el agente puede conectar con repositorios de código externos y herramientas específicas fuera del ecosistema cerrado de OpenAI. 

Navegador Atlas: ChatGPT ahora navega por la red con su propio navegador integrado. Esto evita que tenga que salir del chat para buscar información fresca, acelerando el proceso de investigación. 

Arquitectura de entradas y salidas

Requerimientos de entrada

Para que el agente funcione correctamente, debes alimentarlo con cuatro cosas:

• Archivos limpios: Datos tabulados (.csv, .xlsx) o documentos de texto (.pdf) guardados en la carpeta del proyecto. 
• Appshots periódicos: Capturas visuales que den contexto sobre lo que tienes en pantalla. Accesos OAuth: Autorizaciones explícitas para que el sistema pueda meterse en tus cuentas de Slack, Gmail o GitHub. 
• Hojas de ruta claras: Para tareas pesadas, forzar el modo «Plan» es obligatorio. Así, el agente te muestra lo que piensa hacer antes de gastarse tus valiosos tokens de ejecución. 

Tipos de salida 

Dependiendo de lo que pidas, el sistema te devolverá:

• Documentación viva: Archivos de texto o presentaciones editables en Google Slides que respetan los colores y fuentes de tu marca. 
• Sitios funcionales: Páginas web operativas y con lógica propia (formularios, pequeños juegos o paneles interactivos) alojadas externamente. 
• Acciones reales: Correos enviados, reuniones agendadas o Pull Requests subidas directamente a tu repositorio de código. 
• Cuadros de mando: Gráficos estadísticos interactivos integrados en la barra lateral del proyecto.
• Habilidades guardadas: Si el agente realiza un flujo de trabajo complejo con éxito, puedes empaquetar esa secuencia de pasos y guardarla como una «Skill» para que la repita en el futuro con un solo clic. 

Si te interesa este tema u otros relacionados con test management, project management e inteligencia artificial generativa aplicada a estas áreas, puedes seguirme por mis canales:

– en YouTube: https://www.youtube.com/c/gustavoterrera 

– en LinkedIn: https://www.linkedin.com/in/gustavoterrera/ 

– en Blog: https://testingbaires.com 

– en Instagram: https://www.instagram.com/gustavo.terrera/