Blog · 10 de julio de 2026
Recién lanzado ChatGTP Work. Te cuento, cómo encaja en flujos reales y ejemplos prácticos para empezar hoy mismo.
¿Te imaginas delegar no solo preguntas, sino tareas completas —revisar un informe, preparar un sprint, actualizar una base de datos— y que la IA lo haga de principio a fin? Eso es la promesa de ChatGPT Work: un agente diseñado para quedarse en proyectos, conectar con apps y ejecutar flujos de trabajo. Actualizado a 10 de julio de 2026, OpenAI presentó ChatGPT Work junto a los modelos GPT-5.6, describiéndolo como una nueva capa enfocada a convertir objetivos en trabajo terminado. (axios.com)
¿Por qué debería importarte? Porque deja de ser solo «preguntar y responder» y pasa a ser un entorno donde la IA coordina acciones, obtiene contexto de tus archivos y puede integrarse con herramientas de empresa. Eso cambia cómo se estructuran roles, procesos y automatizaciones en equipos. (openai.com)
¿Y sobre disponibilidad? OpenAI indica que estas capacidades están integradas en la app de ChatGPT (desktop y otras superficies) y que la experiencia Work puede estar sujeta a configuración de workspace y permisos administrativos en entornos empresariales. Si tu organización usa ChatGPT Team/Business/Enterprise, encontrarás controles para habilitar y gobernar estas funciones. (openai.com)
¿Te resulta familiar? Piensa en pasar de un asistente que te da recetas a un compañero que entra a la cocina, prepara el platillo y lo deja listo en el plato. ¿A quién no le gustaría eso?
Nota: ChatGPT Work es una experiencia dentro de la app y agentes gestionados por OpenAI. Los ejemplos que siguen son prácticos y reproducibles: prompt engineering, llamadas a la API de chat para flujos, y uso de Codex para tareas de desarrollo. Verifica la documentación oficial si vas a integrar en producción. Las descripciones técnicas aquí están actualizadas a 10 de julio de 2026. (macrumors.com)
# System (instrucciones al agente)
Eres un asistente de proyecto. Tu tarea: preparar un plan de lanzamiento de producto para un equipo de 6 personas en 4 semanas.
# User (input de contexto)
- Producto: app móvil para gestión de hábitos
- Objetivo: MVP con onboarding, métricas básicas y suscripción
- Recursos: 2 devs, 1 diseñador, 1 QA, 1 PM, 1 marketing
# Petición
Genera: 1) Plan por semanas con tareas, 2) lista de entregables, 3) checklist de QA, 4) correo de kickoff para el equipo.
# Constraints
- Tiempo: 4 semanas
- Entregables mínimos: onboarding funcional, analytics básico, página de pricing
Este prompt funciona igual dentro de ChatGPT Work como en Chat clásico: el agente puede transformar el plan en una secuencia de acciones y, si tiene integraciones, crear archivos o asignar tareas. ¿Qué tan útil sería que el propio agente además cree los issues en Jira? Exacto — por eso la integración importa. (macrumors.com)
# Ejemplo funcional usando la librería oficial openai (asegúrate de tener la versión actual)
# Este ejemplo crea una conversación con un modelo potente (verifica el nombre de modelo en la documentación)
from openai import OpenAI
client = OpenAI(api_key="TU_API_KEY")
response = client.chat.completions.create(
model="gpt-5.6", # verifica que este modelo esté disponible para tu cuenta
messages=[
{"role": "system", "content": "Eres un asistente que genera planes de proyecto."},
{"role": "user", "content": "Crea un plan de 3 semanas para lanzar una landing page con formulario."}
],
temperature=0.2,
max_tokens=800,
)
print(response.choices[0].message.content)
Aviso: el nombre del modelo y parámetros pueden cambiar; confirma en la documentación oficial antes de usar en producción. (axios.com)
// Node.js usando fetch y la API REST (sintaxis indicada como ejemplo funcional)
// Instala node-fetch o usa fetch nativo según versión
import fetch from 'node-fetch';
const API_KEY = process.env.OPENAI_API_KEY;
async function generarTareas(prompt) {
const res = await fetch('https://api.openai.com/v1/chat/completions', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': `Bearer ${API_KEY}`
},
body: JSON.stringify({
model: 'gpt-5.6', // confirmar en docs
messages: [
{ role: 'system', content: 'Eres un generador de tareas para equipos.' },
{ role: 'user', content: prompt }
],
temperature: 0.2
})
});
const data = await res.json();
const text = data.choices[0].message.content;
// Aquí parsearías el texto a tareas y luego exportar a CSV
console.log(text);
}
generarTareas('Genera 10 tareas para una campaña de lanzamiento digital de 2 semanas.');
Este ejemplo muestra cómo integrar la API de chat en un pipeline que luego exporta estructura a herramientas de gestión.
# Ejemplo usando Codex/Chat completions para generar un README.md a partir de inputs.
from openai import OpenAI
client = OpenAI(api_key='TU_API_KEY')
prompt = (
"Toma este resumen del proyecto:\n"
"Nombre: HabitBuddy\n"
"Descripción breve: app para seguimiento de hábitos con recordatorios y estadísticas.\n"
"Genera un README.md estructurado con secciones: Instalación, Uso, Contribución, Licencia."
)
resp = client.chat.completions.create(
model='gpt-5.6',
messages=[
{'role':'system','content':'Eres un asistente que genera documentación técnica clara.'},
{'role':'user','content': prompt}
],
temperature=0.1
)
readme = resp.choices[0].message.content
with open('README.md','w',encoding='utf-8') as f:
f.write(readme)
print('README.md generado')
Recuerda: Codex seats y detalles de facturación pueden variar según plan; revisa los cambios recientes en precios y seats. (openai.com)
| 🧭 Uso | ChatGPT (clásico) | ChatGPT Work (agentes) | Codex / Dev tools |
|---|---|---|---|
| Conversaciones rápidas | ✅ | ⚪️ | ⚪️ |
| Planes de proyecto y seguimiento | ⚪️ | ✅ | ⚪️ |
| Acciones en apps / automatizaciones | ⚪️ | ✅ (con integraciones) | ✅ (para código) |
| Generación de código y scripts | ⚪️ | ✅ (si integra Codex) | ✅ |
| Necesita gobernanza empresarial | ⚪️ | ✅ (admin controls) | ✅ |
¿Listo para que la IA deje de ser una herramienta y se convierta en un miembro del equipo que realmente contribuye al output? Empieza pequeño, mide y escala con control.
Fuentes y lectura recomendada (seleccionadas y consultadas el 10 de julio de 2026):