Un reclutador de una gran tecnológica tiene mañana una reunión con el responsable que busca contratar a alguien. Para llegar con datos necesita saber qué puestos parecidos existen, cuánto se paga por ellos y dónde hay gente disponible. Según Oracle, esa preparación le llevaba de dos a cuatro días; ahora le lleva entre 15 y 20 minutos. Es el ejemplo más llamativo de un caso de cliente que OpenAI publicó el 8 de octubre de 2026, y conviene leerlo con la etiqueta puesta: lo cuentan la empresa que vende la herramienta y la que la usa.
Lo que OpenAI cuenta de Oracle
El texto de OpenAI sostiene que Oracle tiene 130.000 usuarios activos de ChatGPT y más de 95.000 de Codex. Así lo recogen TechInformed, Cryptobriefing y Superpower Daily, que coinciden en las cifras pero no del todo en el nombre del producto: unas hablan de usuarios de «ChatGPT» y otras de «ChatGPT Work». No hemos podido abrir el texto original de OpenAI para zanjarlo, así que usamos la formulación más amplia, la de ChatGPT.
Importa porque «usuario activo» no dice cuántos usan la herramienta a diario ni para qué. Es una cifra de adopción declarada por OpenAI, sin metodología publicada en las fuentes que hemos podido consultar.
Tres usos, tres tipos de ahorro
Reclutamiento. El equipo de captación de talento construyó con ChatGPT Work, el agente que OpenAI lanzó en julio de 2026, una herramienta que parte de la descripción de un puesto y busca puestos comparables, referencias salariales y bolsas de talento en distintas ubicaciones. Jan Ackerman, responsable global de captación de talento de Oracle, sitúa la preparación en 15-20 minutos frente a los dos a cuatro días anteriores. La cifra de reducción que circula, un 98 %, es el cálculo de OpenAI sobre esos mismos datos.
Hay un matiz que señala Superpower Daily: ese tiempo mide solo la preparación de la conversación con el responsable de contratación, no el proceso de selección completo.
Informes internos. Oracle Applications Lab usa un modelo interno de objetos y reglas de negocio para que Codex convierta peticiones en lenguaje natural en consultas SQL y devuelva informes. Richard Lam, vicepresidente de ese laboratorio, lo plantea como un cambio de hábito: quien necesita un dato describe lo que quiere en lugar de buscar el informe que ya existe.
Operaciones. Los ingenieros de fiabilidad (SRE) usan Codex para reunir el contexto de una incidencia e identificar el procedimiento que toca aplicar. Según las fuentes que resumen el caso, una incidencia sencilla que antes se tardaba en resolver cerca de una hora ahora se atiende en minutos. De nuevo, es un ejemplo descrito por un directivo, no una medición sobre todas las incidencias.
Qué controles dice Oracle que mantiene
Lo que más interesa a quien piensa en llevar esto a su empresa es qué puede hacer el agente con los datos. Según TechInformed, el acceso mantiene los permisos ya existentes, el acceso privilegiado a producción es temporal y las acciones sensibles requieren aprobación humana. Barry Shilmover, directivo del área del director de informática de Oracle, es quien la fuente cita al hablar de acceso privilegiado temporal y aprobación humana, y Richard Lam subraya que las personas siguen siendo responsables del diseño de los sistemas, la seguridad y el mantenimiento del código.
Son declaraciones de parte. Ni OpenAI ni Oracle han publicado, en lo que hemos podido ver, una auditoría independiente de esos controles. Como no hemos podido abrir el original de OpenAI, la atribución de cada frase sigue la de TechInformed y conviene confirmarla allí antes de citar a nadie textualmente.
Qué cambia para ti
Este caso no demuestra que ChatGPT Work vaya a ahorrarte días de trabajo, y tampoco lo pretende: describe a una empresa con acceso a sus propios datos internos, equipos que construyeron herramientas a medida y decenas de miles de usuarios activos. Lo que sí deja es una pauta útil para valorar cualquier agente de trabajo:
- Si trabajas en una empresa pequeña, la lección no es la cifra, sino el patrón: el ahorro aparece donde la tarea es repetitiva, tiene fuentes definidas y alguien la ha convertido en una herramienta reutilizable, no donde cada persona le pregunta al chat cosas sueltas.
- Si decides compras de software, pide a cualquier proveedor la misma desagregación que aquí falta: qué se mide, cuántos usuarios lo hacen a diario y quién ha verificado el resultado.
- Si comparas agentes, fíjate en los permisos tanto como en la capacidad. Para situar las alternativas, tienes la categoría de agentes y la ficha de ChatGPT.
Lo que sigue sin saberse
- El ahorro real y global. Las cifras de tiempo proceden de ejemplos concretos presentados por Oracle; no hay estudio comparativo ni muestra de equipos.
- La calidad de las respuestas. Superpower Daily advierte de que el ejemplo de la incidencia es un caso concreto, no una prueba general de precisión, y no hay datos sobre cuántas respuestas hubo que corregir.
- El coste. Ninguna de las fuentes consultadas habla de lo que paga Oracle por 130.000 usuarios de ChatGPT y más de 95.000 de Codex.
- Cuánto es reproducible. El caso depende de herramientas internas de Oracle, como su modelo de objetos y reglas de negocio. No está claro qué parte funcionaría igual sin ese trabajo previo.
- La formulación exacta de las cifras. Hasta que alguien las mida por su cuenta, conviene tratar los números como los presenta OpenAI y no como hechos comprobados por terceros.
