Codex de 0 a 10M de usuarios: Construyendo ChatGPT Work con Akshay Nathan

El líder de ingeniería de producto de OpenAI explica cómo están construyendo ChatGPT Work para hacer que la AGI sea accesible para toda la humanidad: sitios, OpenClaw, memoria, subagentes, finanzas, desarrollo no-code y consejos estratégicos.

Existen aproximadamente 100 veces más personas que usan código que las que pueden escribirlo. A medida que el código que "simplemente funciona" se vuelve más fácil de generar, este grupo podría ser el premio más grande de todos, siempre y cuando se logre una interfaz agentica adecuada.

Una tendencia clave que hemos estado siguiendo en AINews es la explosión absoluta en el uso de Codex este año, con los usuarios activos mensuales (MAU) aumentando más de 10 veces desde enero de 2026. Menos de dos semanas después de su lanzamiento el 9 de julio, OpenAI informó que ChatGPT Work y Codex habían alcanzado 10 millones de usuarios combinados. Como analizamos en el podcast, Codex ahora potencia a ChatGPT Work, por lo que todos los usuarios de la plataforma utilizan el motor de Codex, incluso si no son ingenieros tradicionales. Esto demuestra las primeras etapas de lo que sucede cuando se pasa de agentes de codificación a agentes de trabajo de conocimiento.

Hemos señalado cómo los agentes de codificación están superando sus límites este año para potenciar todas las demás partes del trabajo de conocimiento. Esto comenzó con el organigrama, con una reorganización importante el mes pasado que resultó en que dos de los líderes más destacados de Codex, Greg y Tibo, asumieran la responsabilidad del producto y de ChatGPT específicamente, completando un ciclo de consolidación de "Superapp" discutido por primera vez en marzo.

Con estas actualizaciones, Codex ya no es solo una herramienta de programación. En junio, OpenAI señaló que los trabajadores de conocimiento ya representaban aproximadamente el 20% de la base de usuarios de Codex y crecían más de 3 veces más rápido que los desarrolladores. Se estaba creando un producto dedicado para trabajadores de conocimiento a partir del equipo de Codex.

Sin embargo, el trabajo de conocimiento tiene un conjunto de problemas y entornos diferentes a los de la codificación. Durante décadas, el trabajo de conocimiento ha estado disperso en diferentes primitivas como documentos para escribir, hojas de cálculo para análisis, presentaciones para comunicación y aplicaciones especializadas para todo lo demás. ChatGPT Work ahora permite a los usuarios trabajar en todas esas primitivas con agentes. En lugar de abrir una aplicación y operar manualmente sus funciones, el usuario puede describir un resultado y colaborar con un agente que puede ensamblar las herramientas, el contexto y el artefacto necesario para lograrlo.

Desde la construcción de productos no-code en Airtable hasta liderar la Ingeniería de Productividad en OpenAI, Akshay Nathan ha pasado gran parte de su carrera tratando de hacer que el poder del software sea accesible para personas que no escriben código. En este episodio, Akshay se une a swyx y Vibhu para desglosar el lanzamiento de ChatGPT Work, por qué Codex inesperadamente despegó entre los no desarrolladores dentro de OpenAI, y el plan más amplio de la compañía para llevar agentes útiles desde los ingenieros de software a los trabajadores de conocimiento y, eventualmente, a todos.

Profundizamos en el motor de agentes compartido detrás de Codex y ChatGPT Work, por qué OpenAI unió las experiencias sin hacerlas idénticas, y cómo los computadores persistentes, artefactos, sitios, plugins, memoria y subagentes están cambiando lo que la gente puede delegar a la IA. Akshay explica por qué algunos equipos están reemplazando presentaciones y hojas de cálculo por sitios web interactivos, cómo los agentes pueden recopilar contexto a través de código, Slack, documentos y archivos locales, y qué aprendió OpenAI de productos de agentes personales como OpenClaw.

Nota al margen: no se pierdan la presentación de Abhishek en AIE, que ahora potencia gran parte del sandboxing para ChatGPT Work… y sí, también fue afectado por un modelo de OpenAI no lanzado en el reciente incidente de HuggingFace.

Akshay también reflexiona sobre cómo la IA está transformando el desarrollo de productos: por qué más personas se convertirán en generalistas con una especialidad, por qué las ideas y el gusto se convierten en los cuellos de botella cuando casi cualquier persona puede construir, por qué los LLMs todavía luchan por generar ideas genuinamente fundamentadas, y por qué los equipos deben distinguir el movimiento incrementado del progreso real.

Discutimos:

  • Por qué Codex despegó inesperadamente entre los no desarrolladores dentro de OpenAI
  • Por qué los empleados sintieron que usar Codex les otorgaba un nuevo superpoder
  • La visión de producto que llevó a OpenAI a construir ChatGPT Work
  • Por qué Codex y ChatGPT Work comparten el mismo motor de agentes subyacente
  • Cómo difieren su UX, visibilidad de Git, artefactos y configuraciones predeterminadas de sandbox
  • Por qué OpenAI fusionó sus experiencias de agentes en lugar de construir productos separados
  • Cómo la IA está desdibujando las fronteras entre ingeniería, diseño, estrategia y operaciones
  • Por qué OpenAI quiere que la configuración predeterminada del modelo funcione para la mayoría de los usuarios
  • Cuándo los usuarios avanzados deben usar razonamiento profundo, Ultra o modos multi-agente
  • Artefactos, hojas de cálculo agenticas y la creación de productos de trabajo de alta fidelidad
  • Por qué los sitios interactivos podrían reemplazar a las presentaciones y hojas de cálculo
  • El desafío de diseñar una interfaz simple para un agente que puede construir casi cualquier cosa
  • Por qué los usuarios deberían reintentar tareas que los modelos no podían manejar hace tres o seis meses
  • Cómo la IA puede recopilar contexto para revisiones de desempeño sin reemplazar el juicio humano
  • La automatización de OpenAI que convierte la actividad interna de Slack y documentos en memes
  • Qué significa alcanzar diez millones de usuarios de ChatGPT Work y Codex para el producto
  • Cómo OpenClaw inspiró entornos persistentes, tareas programadas y agentes personales
  • Uso de ChatGPT para planificación financiera, presupuestos, entrenamientos, comidas y gestión del hogar
  • Las compensaciones de diseño detrás de los subagentes y cuánta de su trabajo deberían ver los usuarios
  • Memoria de ChatGPT, Chronicle y contexto a largo plazo
  • Por qué la IA puede hacer que más personas sean generalistas con especialidades profundas
  • Por qué las ideas y el gusto se vuelven más importantes cuando casi cualquiera puede construir
  • Por qué los LLMs todavía luchan con la instrucción "tráeme nuevas ideas"
  • Medir la productividad a través de intentos de calidad en lugar de commits, tokens o solicitudes de extracción (pull requests)
  • La diferencia crítica entre el movimiento generado por IA y el progreso significativo

Akshay Nathan

  • LinkedIn: www.linkedin.com/in/akshaynathan/](https://www.linkedin.com/in/akshaynathan/)
  • X: x.com/akshaynathan_](https://x.com/akshaynathan_)

Marcas de tiempo

00:00:00 Introducción y llevar el poder del código a todos 00:01:33 Unirse a OpenAI y preservar una cultura de startup 00:02:40 Qué aprendió OpenAI de la adopción de IA empresarial 00:05:28 Por qué OpenAI construyó ChatGPT Work 00:07:17 Codex vs. ChatGPT Work y el motor de agentes compartido 00:12:07 Por qué OpenAI fusionó sus experiencias de agentes 00:16:24 Modelos, niveles de razonamiento y elección del valor predeterminado correcto 00:20:26 Artefactos, hojas de cálculo agenticas y colaboración modelo-producto 00:24:22 Por qué los sitios podrían reemplazar a las presentaciones y hojas de cálculo 00:30:08 Diseñar un agente que pueda construir casi cualquier cosa 00:34:28 De agentes de desarrollador al trabajo de conocimiento, y para todos 00:36:07 Consejos para usuarios avanzados y revisiones de desempeño asistidas por IA 00:40:41 Memes de IA interna de OpenAI y el lanzamiento de diez millones de usuarios 00:44:39 OpenClaw, agentes personales y ChatGPT como sistema operativo 00:50:24 Subagentes, modo Ultra y cuánto control necesitan los usuarios 00:54:39 Memoria de ChatGPT, personalización y Chronicle 01:00:19 Cómo la IA está remodelando el desarrollo de productos y roles técnicos 01:03:15 Ideas, gusto y por qué los LLMs luchan por generar nuevas ideas

Vía Latent Space.