La capacidad baja de precio antes de volverse confiable
Hechos comprobados
OpenAI presentó el 22 de septiembre de 2026 GPT‑6 Sol y GPT‑6 Luna:
redujo 50% el precio de API frente a sus antecesores: Sol cuesta US$2 por millón de tokens de entrada y US$10 de salida; Luna, US$0.10 y US$0.50;
en AutomationBench, GPT‑6 Sol obtuvo 33.2% de cumplimiento por US$0.27 por tarea;
superó el 26.9% de Claude Opus 5, cuyo costo por tarea fue 11.1 veces mayor en esa comparación;
GPT‑6 Luna mejoró 5.4 puntos frente a su antecesor con 58% menos costo por tarea.
AutomationBench contiene aproximadamente 1,200 flujos empresariales —600 públicos y otros reservados— en ventas, marketing, operaciones, soporte, finanzas y recursos humanos. Obliga al agente a coordinar hasta 47 aplicaciones simuladas, descubrir herramientas, seguir políticas y dejar los sistemas en el estado correcto. La calificación es programática y no concede crédito por respuestas plausibles que ejecuten mal el proceso. Paper metodológico, repositorio público y descripción del benchmark.
Solidez y límites
Los precios son públicos y la evaluación utiliza un benchmark inspeccionable basado en patrones de automatización reales. Esto aporta más evidencia que una demostración preparada por el proveedor.
Sin embargo:
los resultados de GPT‑6 fueron reportados por OpenAI;
las aplicaciones y datos son simulados;
el desempeño depende del arnés, esfuerzo de razonamiento y configuración;
no se midieron productividad, errores, retrabajo ni retorno dentro de empresas reales;
33.2% significa que aproximadamente dos de cada tres flujos no terminaron correctamente bajo esas condiciones.
La evidencia demuestra una mejora sustancial en la relación capacidad–costo, no autonomía empresarial confiable.
Inferencia para EnterpriseThinking
El cambio relevante es doble:
El costo deja de ser la principal barrera para experimentar con agentes, pero la confiabilidad continúa siendo la barrera para delegarles procesos.
Esto favorece el modelo de EnterpriseThinking: será económicamente viable construir más evaluaciones, simulaciones, clasificadores y herramientas específicas. Al mismo tiempo, la reducción de precio puede inducir a las empresas a escalar agentes antes de comprobar si ejecutan correctamente el flujo completo.
Afecta Embedded AI, Embedded AI Governance, la Ficha de Aumentación del Flujo, los Activos de Conocimiento Verificable y los agentes contables, jurídicos y de auditoría para Grupo México, BanCoppel, Grupo Cler y Notaría 97.
Acción concreta
Agregar una Prueba de Economía Confiable del Agente:
evaluar cada flujo con al menos un modelo avanzado y uno económico;
medir costo por tarea correcta, no costo por ejecución;
incluir errores, reintentos, revisión humana y recuperación;
utilizar casos, políticas y excepciones reales del cliente;
enrutar tareas por riesgo: modelos económicos para acciones reversibles y escalamiento para las críticas;
impedir autonomía cuando la tasa de éxito no alcance el umbral definido por el proceso;
repetir la evaluación después de cada cambio de modelo, instrucciones o herramientas.
La tesis operativa queda así:
Un agente barato que falla dos de cada tres procesos no reduce el costo del trabajo: puede multiplicar el costo de supervisión, corrección y riesgo.
Comentarios