ChatGPT Enterprise se concentra en novatos: la pista de 17 millones de mensajes
Un documento de trabajo depositado el 12 de agosto de 2026 encontró que los empleados al inicio de su carrera son los usuarios activos más intensivos de ChatGPT Enterprise. El registro del estudio en arXiv describe una muestra de más de 1.500 organizaciones y más de 17 millones de mensajes.
La respuesta sobre quién usa más la herramienta dentro de las empresas exige una precisión: el resultado se refiere a mensajes por usuario activo, no al número total de usuarios ni a la antigüedad dentro de una compañía. Tampoco demuestra que los trabajadores jóvenes produzcan más, obtengan mejores resultados o generen un retorno económico superior.
La mayor intensidad aparece al inicio de la carrera
La muestra utilizada para comparar características de los trabajadores contiene 1.764 organizaciones y 17.446.551 mensajes. Los autores observan a cada empresa seis meses después de que adoptara el producto y clasifican la etapa profesional a partir de los cargos administrativos disponibles; por tanto, miden un nivel de seniority inferido, no los años que cada persona lleva en la organización.
Entre quienes estaban activos, los empleados al inicio de su carrera y en formación enviaron aproximadamente entre ocho y nueve mensajes semanales más que el usuario activo medio de su propia empresa. Gerentes, directores y ejecutivos quedaron por debajo de ese promedio. La diferencia se mantiene al comparar trabajadores dentro de una misma organización, lo que reduce —aunque no elimina— el efecto de que unas empresas utilicen ChatGPT Enterprise mucho más que otras.
Los novatos, sin embargo, no dominan la base de usuarios. En la empresa promedio representan alrededor del 7% de los usuarios activos semanales, mientras que gerentes y directores reúnen cerca del 24%. El titular apunta así a una concentración de intensidad: un grupo relativamente pequeño conversa con el sistema con mayor frecuencia.
La función cambia tanto el volumen como el tipo de tarea
La brecha no sigue únicamente la jerarquía. Analistas y profesionales de marketing y comunicación envían más mensajes que el usuario activo promedio de sus respectivas empresas, mientras que ejecutivos, fundadores y socios envían menos. Los departamentos con una mayor proporción de usuarios, por tanto, no son necesariamente los que registran más actividad por persona.
Las tareas más extendidas incluyen documentación y redacción técnica, trabajo digital, comunicación y síntesis de información. La combinación varía de manera coherente con cada función: ingeniería se inclina hacia tareas técnicas y depuración; finanzas y contabilidad, hacia cálculos e impuestos; ventas y marketing, hacia materiales comerciales. Aun así, ninguna aplicación aislada explica la adopción empresarial: las categorías comunes atraviesan cargos, sectores y niveles profesionales.
La presentación corporativa de OpenAI, publicada también el 12 de agosto, resume el mismo gradiente: el uso es mayor al principio de la carrera y disminuye en los niveles superiores. La empresa interpreta el patrón como una posible ventaja comparativa, pero el documento académico no identifica su causa.
Diecisiete millones de mensajes no prueban productividad
El indicador central cuenta mensajes semanales por usuario activo. Una conversación extensa puede reflejar un trabajo valioso, una sucesión de correcciones o dificultades para obtener una respuesta útil; una interacción breve puede producir un resultado decisivo. Sin datos sobre productos finales, tiempo, calidad o ingresos, el volumen solo permite describir intensidad.
La investigación utiliza registros desidentificados y resultados agregados. El contenido se clasificó mediante sistemas automatizados y ningún investigador revisó manualmente mensajes individuales. La cobertura de cargos es incompleta, y el estudio tampoco dispone del número total de empleados en cada categoría: no puede calcular qué proporción de todos los novatos, gerentes o ejecutivos adoptó la herramienta.
El perímetro también es limitado. Incluye espacios de trabajo de ChatGPT Enterprise administrados de forma centralizada, pero no cuentas personales, herramientas basadas en API, aplicaciones internas ni productos de otros proveedores. Aunque durante el periodo analizado predominaban ChatGPT y otras herramientas no agénticas, las métricas agregadas también podían incluir actividad de Codex dentro del paquete empresarial.
El trabajo había sido presentado antes de su depósito público: el programa del Summer Institute del NBER lo incluyó el 24 de julio de 2026. Sigue siendo un documento de trabajo sujeto a cambios, elaborado por investigadores vinculados a OpenAI, Columbia Business School y Wharton; el propio texto declara que dos autores externos participaron como contratistas remunerados de OpenAI.
Qué patrón debería separar una estrategia de adopción
La lectura empresarial más útil distingue cuatro dimensiones: alcance, intensidad, diversidad de tareas y resultados. Contar usuarios activos muestra hasta dónde llegó el acceso; contar mensajes revela profundidad de interacción; clasificar tareas permite localizar funciones y flujos; medir tiempo, calidad, costes o ingresos es lo que podría establecer impacto.
Con datos agregados, una organización puede plantear preguntas concretas sin inspeccionar conversaciones individuales:
- ¿La intensidad al inicio de la carrera persiste dentro de equipos y funciones comparables?
- ¿Los grupos con poca actividad recibieron el mismo acceso, formación y repertorio de flujos aprobados?
- ¿Un departamento tiene muchos usuarios ocasionales o pocos usuarios que concentran casi toda la interacción?
- ¿Los flujos más frecuentes cuentan con revisión humana y una métrica de resultado independiente del número de mensajes?
Estas comparaciones no explicarían automáticamente por qué los empleados menos sénior usan más la herramienta. El patrón podría relacionarse con tareas más fáciles de dividir en consultas, mayor disposición a experimentar, necesidad de apoyo contextual o diferencias de capacitación. Son hipótesis que la telemetría estudiada no permite separar.
La pista identifica dónde empieza el uso, no dónde crea valor
Lo confirmado es una adopción amplia pero desigual: ChatGPT Enterprise aparece en múltiples niveles y funciones, con la mayor intensidad entre usuarios activos al inicio de su carrera y diferencias relevantes entre empresas. El resultado corrige dos simplificaciones: los novatos no son la mayoría de usuarios y enviar más mensajes no equivale a producir más.
El siguiente vacío es enlazar la actividad con productos terminados, cambios de rutina y desempeño económico a largo plazo. Hasta que existan esas conexiones, los 17 millones de mensajes ofrecen una pista sólida sobre quién experimenta con mayor frecuencia, pero no una prueba de qué grupo convierte mejor la IA en valor empresarial.
Lee también:
Suscríbete a nuestro boletín
Reciba las últimas noticias sobre Web3, IA y criptomonedas directamente en su bandeja de entrada.