El 29 de septiembre, durante el DevDay, OpenAI presentó los dots: agentes siempre activos en ChatGPT impulsados por GPT-6 Astra, cada uno con su propio ordenador y navegador en la nube, accesibles desde ChatGPT, Slack y Teams. Las líneas más relevantes para un equipo que ya utiliza agentes de programación se encuentran casi al principio del comunicado de OpenAI: «Hoy puedes empezar con tu dot principal, ponerle un nombre y personalizarlo. Con el tiempo, prevemos equipos de dots colaborando en tu nombre». Un dot comienza como el agente de una sola persona. Los equipos de dots representan la dirección a futuro, no el lanzamiento actual.
Ese orden tiene sentido, pero deja un vacío para aquellos equipos que ya han ido más allá de su primer agente. En el ejemplo para desarrolladores de la propia OpenAI, un dot monitoriza los comentarios de los clientes, crea y prueba pequeñas correcciones y te entrega «pull requests completas para revisar». Si ese mismo equipo ejecuta Claude Code en un servidor compartido y Codex en dos portátiles, se añade una fuente más de pull requests dirigidas a los mismos revisores. La pregunta difícil ya no es cuál de los agentes es el más inteligente, sino en qué está trabajando cada uno, qué se ha terminado y qué está esperando la intervención de una persona.
En resumen
Un dot de OpenAI es un agente personal muy capaz: siempre activo, ejecutándose en su propio ordenador en la nube, conectado a más de 4000 aplicaciones mediante plugins y regulado por Custom Rules, Activity View, revisiones automáticas y un monitor capaz de pausarlo o detenerlo. Para el trabajo recurrente de una sola persona dentro del ecosistema de OpenAI, un dot es la opción más sencilla. Sin embargo, un equipo que utiliza varios agentes de distintos proveedores sigue necesitando un tablero único donde cada agente figure como Assignee en una Task, el estado sea visible para todos, los resultados se envíen a revisión y una persona apruebe el trabajo. Son capas distintas y se complementan entre sí.
Qué son los dots de OpenAI
Un dot de OpenAI es un agente de ChatGPT siempre activo, impulsado por GPT-6 Astra, que trabaja en función de los objetivos de una persona en su propio ordenador en la nube, incluso mientras esa persona está ocupada con otra tarea. Puedes asignarle un nombre a tu dot, conectar tus aplicaciones y comunicarte con él a través de ChatGPT (en escritorio, web o móvil), en Slack, en Teams o mediante llamadas de voz, con soporte para mensajes de texto disponible próximamente. Aprende tus preferencias a partir de tus comentarios, puede asumir un proyecto nuevo mientras trabaja en varios otros de forma simultánea y te envía mensajes informando sobre avances, dudas o decisiones que requieren tu intervención.
Hay dos detalles que diferencian a un dot de un asistente de chat tradicional. El primero es el ordenador: un dot dispone de su propio navegador y ordenador en la nube; puedes abrir ese ordenador en cualquier momento para inspeccionar el trabajo e incluso concederle permisos para utilizar tu propio portátil. El segundo es la iniciativa. Cuando no estás interactuando con él, el dot realiza lo que OpenAI denomina «investigación proactiva», utilizando tus aplicaciones conectadas mediante herramientas con acceso de solo lectura, de modo que puede consultar información, pero no enviar mensajes, modificar el contenido de las aplicaciones ni tomar el control de tu navegador u ordenador.
| Elemento | Qué dice OpenAI |
|---|---|
| Modelo | GPT-6 Astra |
| Dónde trabaja | En su propio ordenador y navegador en la nube; en tu portátil solo si lo autorizas |
| Aplicaciones | Más de 4000 mediante plugins de ChatGPT |
| Dónde comunicarte con él | ChatGPT (escritorio, web y móvil), Slack, Teams y llamadas de voz; soporte para SMS próximamente |
| Planes | Despliegue progresivo para Pro y Business Premium en mercados seleccionados; fase beta para Enterprise, Edu y Healthcare cuando un administrador lo active (desactivado por defecto) |
| Uso | Primer dot incluido; las conversaciones con él no consumen los límites de uso de ChatGPT, aunque las tareas que inicie en Codex o ChatGPT Work sí lo hacen |
| Dots especialistas | Pruebas piloto orientadas a empresas: identidad propia, credenciales, hardware aprovisionado por TI e integración con sistemas de registro |
| Microsoft | Trabajando para integrar los dots especialistas con los controles de seguridad y gobernanza de Agent 365 |
Los dots especialistas son la variante empresarial, y la propia OpenAI marca la distinción: «Tu dot trabaja en tu nombre; los dots especialistas asumen responsabilidades dedicadas dentro de tu organización». La empresa proporciona a cada uno su propia identidad, credenciales y acceso a los sistemas pertinentes, mientras que los ingenieros de OpenAI colaboran con la organización para definir sus responsabilidades, herramientas y «la forma en que las personas revisan y aprueban su trabajo». Conviene no perder de vista este último punto.
Los controles responden a la pregunta: «¿Qué puede hacer mi dot?»
Los dots incorporan un modelo de permisos bien estructurado. Las reglas predeterminadas determinan cuándo actúa el dot por su cuenta y cuándo debe solicitar autorización. Las Custom Rules te permiten permitir acciones específicas, exigir aprobación previa o bloquearlas. La revisión automática contrasta cualquier acción que pueda comprometer tus cuentas o divulgar información con tus instrucciones y directrices; además, las operaciones delicadas, como el cambio de una contraseña, siempre quedan bajo tu control directo. Activity View muestra el progreso en tiempo real, incluidas las tareas en segundo plano, y te permite reorientarlo. Si la monitorización de OpenAI detecta algún problema de seguridad, puede pausar o suspender la actividad del dot.
Se trata del conjunto de controles adecuado para un agente personal, y OpenAI lo formula en segunda persona: tus aplicaciones, tus reglas, tus aprobaciones. Su propia recomendación cierra el círculo: «Los dots aún pueden cometer errores, por lo que siempre debes revisar el trabajo que tenga consecuencias importantes».
A nivel de equipo, surgen las mismas necesidades pero en un nivel superior. La pregunta ya no es «¿qué puede hacer mi dot?», sino «¿en qué está trabajando cada agente de este proyecto y quién da el visto bueno?». La propia OpenAI ya contempla que parte de esa respuesta se gestione fuera del agente: el objetivo declarado de su colaboración con Microsoft es permitir que las empresas «administren los dots mediante las herramientas de Microsoft que ya utilizan habitualmente». La capa de gestión se sitúa por encima del agente. Y es ahí donde también encaja un tablero.
Lo que un responsable de equipo todavía se pregunta
Imaginemos un equipo de producto pequeño. Un ingeniero cuenta con un dot. Claude Code se ejecuta en un servidor compartido, Codex opera en dos portátiles y Gemini redacta la documentación. Cada agente desempeña un buen trabajo. Sin embargo, las preguntas que dominan la reunión del lunes no giran en torno al rendimiento individual de ninguno de ellos.
| Pregunta que se hace un responsable de equipo | Qué ofrece un dot | Qué aporta el tablero |
|---|---|---|
| ¿Quién está trabajando en el error de la pasarela de pago? | El propietario del dot puede preguntárselo o hacerle seguimiento en Activity View | Cada Task muestra a su Assignee: una persona, un Agent o un Crew, sea cual sea el Runtime que lo ejecute |
| ¿Qué se ha completado durante la noche y qué ha fallado? | Notificaciones de avance enviadas a su propietario; Activity View para las tareas en segundo plano | Estados de ejecución en cada Task (en cola, en ejecución, completada, fallida, cancelada) dentro de un tablero accesible para cualquier miembro del Space |
| ¿Qué tareas están pendientes de una persona? | Solicitudes de aprobación sujetas a Custom Rules; dudas y decisiones remitidas a su propietario | Las tareas que requieren respuesta humana o revisión se canalizan directamente a la Inbox de la persona responsable |
| ¿Pueden Claude Code y Codex tomar tareas de la misma cola de trabajo? | Un dot opera sobre GPT-6 Astra y puede iniciar tareas en Codex | Cualquier Runtime compatible en un Computer conectado: Claude Code, Codex, Gemini, OpenCode y otros |
| ¿A qué recursos tiene acceso un agente? | Custom Rules, revisión automática e investigación proactiva en modo de solo lectura | Instrucciones del Agent, repositorios vinculados, worktrees aislados y visibilidad del Computer; asignar una Task en el Backlog no inicia una ejecución |
| ¿Quién da el visto bueno al resultado? | El propietario revisa el trabajo crítico | Una persona figura en la Task junto al Agent, y la aprobación queda registrada como un cambio de estado visible para todo el equipo |
La columna de la derecha no representa a un agente más inteligente, sino al registro que coordina y contextualiza el trabajo de los agentes. Sharkly no reemplaza a Claude Code, Codex ni a otras herramientas de ejecución; añade una capa compartida de tareas, Computer, contexto, control y revisión sobre las herramientas que tu equipo ya utiliza. Cuatro roles con una función clara cada uno: el Agent define el procedimiento de trabajo, el Computer proporciona el entorno de ejecución, el Runtime lleva a cabo la sesión y la Task se mantiene como el registro central compartido. El progreso, los eventos de depuración y el resultado quedan reflejados en la Task, respondiendo a la pregunta de «qué ocurrió durante la noche» directamente en el tablero en lugar de tener que revisar cuatro conversaciones privadas.
Este principio se mantiene al margen del proveedor. Los agentes investigan, ejecutan, prueban e informan. Las personas definen el rumbo, conceden autorizaciones y validan el resultado final. En Human ownership of agent work explicamos por qué esta última responsabilidad no puede delegarse en el agente, y en agentic teams analizamos cómo cambia la dinámica en cuanto varias personas comparten un mismo tablero.
Cuándo conviene utilizar un dot y cuándo un tablero
Un dot es la opción adecuada cuando el trabajo corresponde a una sola persona, es recurrente y se desarrolla dentro de ChatGPT, Slack, Teams y las aplicaciones conectadas mediante plugins: un plan de lanzamiento cuyo alcance evoluciona, un análisis que se recalcula al recibir nuevos datos o una factura pendiente de envío. Si ya dispones de una suscripción Pro o Business Premium y el trabajo con agentes es principalmente individual, un dot exige mucha menos configuración que cualquier otra alternativa de las aquí mencionadas, y es posible que ni siquiera necesites un tablero. Además, un dot difumina la frontera entre un asistente y un compañero de equipo: asume tareas sin supervisión constante, como lo haría un colega, pero rinde cuentas únicamente a una persona.
En cambio, el tablero resulta imprescindible cuando el trabajo es colaborativo: varias personas asignando tareas a múltiples agentes, Runtimes de distintos proveedores, revisores que no fueron quienes redactaron la solicitud original y un historial por cada Task que perdura más allá de cualquier hilo de conversación. Su valor es aún mayor si buscas que tus flujos de trabajo no dependan del agente de moda de cada momento. Hoy puede ser Astra en un dot, Claude Code en un servidor y Codex en un portátil; el próximo trimestre la combinación podría ser otra, y el equipo no debería verse obligado a reconstruir su tablero cada vez que cambien las herramientas.
Ambos enfoques se integran a la perfección. Si la pull request generada por un dot se envía a un repositorio de GitHub conectado a Sharkly y su título, descripción o rama incluye el identificador de una Task, la integración de GitHub de Sharkly intentará vincularla automáticamente a dicha Task. Asimismo, un dot con el que interactúas en Slack puede convivir con un Agent de Sharkly a través de su propio bot de Slack sin que ninguno interfiera con el otro. Y si deseas incorporar GPT-6 Astra al propio tablero, se integra del mismo modo que cualquier otro modelo: a través del Runtime en un Computer, ya que el Agent adopta el modelo configurado por defecto en el Runtime. Todo el proceso de configuración se detalla en running GPT-6 Astra agents in Sharkly.
Los dots no fueron la única novedad del DevDay en cuanto a agentes con capacidad de actuar de manera autónoma. Los MCP Events y las tareas en equipo, ambos presentados en el resumen del DevDay, aplican ese mismo concepto a los flujos dirigidos por eventos; en nuestro artículo complementario sobre ChatGPT monitorizando tu tablero de proyectos, analizamos qué resultados concretos debería generar un evento tras su recepción.
Cada empresa de IA quiere que gestiones sus propios agentes. Sharkly te permite gestionar los tuyos. Si prefieres seguir utilizando múltiples agentes de desarrollo de software en lugar de atarte a un único ecosistema, ese es precisamente el problema para el que se diseñó Sharkly.
