El anuncio reciente de OpenAI deja una conclusión incómoda: cuando un modelo adquiere capacidades críticas, monitorearlo puede consumir más cómputo y añadir fricción. Esa lentitud deliberada no es atraso; es parte del producto.

La obsesión por la velocidad ya quedó incompleta

Durante años, la competencia en inteligencia artificial se contó con tres métricas fáciles de vender: modelos más capaces, respuestas más rápidas y precios más bajos. El anuncio de OpenAI del 18 de agosto de 2026 introduce una variable menos cómoda. La compañía afirma que uno de sus modelos en desarrollo podría alcanzar un umbral crítico de capacidad cibernética y que, por eso, amplió el monitoreo durante entrenamiento, evaluaciones e inferencia con herramientas.

La conclusión empresarial no es que toda IA sea peligrosa ni que deba frenarse por miedo. Es más concreta: cuando el software adquiere capacidad para actuar sobre sistemas reales, la velocidad deja de ser una virtud absoluta. Una respuesta que tarda menos pero evade controles, usa herramientas sin autorización o no deja evidencia puede ser técnicamente impresionante y operacionalmente inaceptable.

El 20% de capacidad adicional no es desperdicio

OpenAI estima que el monitoreo descrito puede añadir alrededor de 20% de cómputo sobre la inferencia vigilada, aunque aclara que el costo varía según la carga. No es una tarifa universal ni una promesa aplicable a cualquier empresa. Sí es una señal importante: controlar sistemas avanzados consume recursos reales. La seguridad no aparece gratis como una casilla del proveedor.

Ese costo se parece al de registrar transacciones, separar ambientes, revisar código, mantener respaldos o exigir doble aprobación para un pago. Ninguna de esas actividades produce directamente una venta, pero evita que un error pequeño se convierta en una pérdida grande. Medir solo costo por token o tiempo de respuesta castiga precisamente los controles que hacen sostenible el uso de IA.

Monitorear el razonamiento no reemplaza controlar la acción

OpenAI describe el uso de modelos supervisores para analizar cadenas de razonamiento y detectar señales de conductas indebidas. Es una línea prometedora, pero no debe confundirse con una garantía. Un monitor también puede equivocarse, quedar desactualizado o no observar suficiente contexto. Además, comprender una explicación no prueba que el resultado final sea correcto ni que la acción autorizada sea conveniente.

En una empresa, el control debe existir en varias capas: datos permitidos, herramientas disponibles, permisos mínimos, límites de gasto, ambientes aislados, registro de pasos y aprobación humana según consecuencia. Si un agente puede enviar, borrar, transferir o modificar, la política no puede depender únicamente de que otro modelo detecte una intención sospechosa.

Desplegar por fases es una decisión de negocio

La industria suele presentar el lanzamiento como un momento binario: el modelo está disponible o no. Los sistemas empresariales serios necesitan otra lógica. Primero se evalúan tareas cerradas, luego se habilitan herramientas de bajo impacto, después se aumenta el alcance con observabilidad y solo al final se considera autonomía sobre acciones difíciles de revertir.

Cada fase debe tener criterios de entrada y salida: tasa de error, intentos bloqueados, falsos positivos del monitor, tiempo de revisión, incidentes, costo por resultado útil y capacidad de reconstruir lo ocurrido. Si el equipo no sabe qué evidencia permitiría detener el despliegue, no tiene una puerta de seguridad; tiene una fecha comercial.

La empresa colombiana no necesita esperar al próximo modelo

La lección puede aplicarse hoy a asistentes de ventas, análisis documental, desarrollo de software, servicio al cliente y automatización operativa. El primer paso es clasificar cada caso por consecuencia. Resumir información pública no exige el mismo control que consultar datos personales, ejecutar código, aprobar descuentos o cambiar información financiera.

Después se define un presupuesto explícito para seguridad: evaluaciones antes de cada cambio, trazas conservadas, alertas útiles, revisión de permisos y pruebas de desconexión. También se debe acordar cuándo fallar cerrado. En procesos sensibles, una respuesta demorada o una tarea devuelta a una persona puede ser un mejor resultado que una acción rápida sin certeza suficiente.

Cierre: la fricción correcta también es innovación

La IA seguirá haciéndose más rápida y capaz. Precisamente por eso, las organizaciones maduras deberán decidir dónde aceptar latencia, costo y revisión adicional. El objetivo no es volver lenta toda automatización, sino reservar la fricción para los puntos donde un error cambia datos, dinero, seguridad, derechos o continuidad.

La acción concreta para esta semana es escoger un flujo de IA que use herramientas y dibujar tres puertas: qué debe comprobarse antes de ejecutar, qué se monitorea durante la acción y qué evidencia se revisa después. Si la única métrica sigue siendo cuánto tiempo ahorró, la empresa todavía está midiendo una demo, no una operación responsable.

Lista corta para decidir con criterio

• Consecuencia: clasificar qué puede cambiar el sistema y qué tan reversible es.
• Evaluación: probar fallas, abuso y límites antes de ampliar acceso.
• Permisos: entregar solo los datos y herramientas necesarios.
• Monitoreo: registrar pasos, alertas, bloqueos y resultado verificable.
• Puerta: definir quién amplía, restringe o detiene el despliegue.