Sam Altman cree que la inteligencia artificial está entrando en una tercera fase. Después de los chatbots y de los agentes capaces de programar o controlar un ordenador, el consejero delegado de OpenAI anticipa sistemas que permanecerán activos de forma continua, entenderán el trabajo de cada usuario y actuarán de manera proactiva sobre la información que circula por una empresa.
Durante una conversación con Marc Benioff en Dreamforce 2026, Altman situó ese cambio muy cerca. Según su visión, estos agentes podrán seguir lo que ocurre en herramientas como Slack o el correo electrónico, generar código e interfaces cuando sean necesarias y utilizar el contexto acumulado de la organización para intervenir sin esperar siempre a una petición explícita del usuario. «Estamos al borde de esta tercera fase», afirmó.
La descripción conecta directamente con una de las grandes tesis que Salesforce ha llevado este año a Dreamforce: una interfaz empresarial que deja de estar definida de antemano y pasa a construirse alrededor de cada tarea. Altman amplió esa idea al presentar la evolución de la interfaz como parte de un cambio mayor en la relación entre las personas y el software, con una IA que pasa de responder a solicitudes concretas a acompañar de forma permanente el trabajo.
De pedir una respuesta a tener una IA trabajando continuamente
Altman divide la evolución reciente de la inteligencia artificial en tres grandes momentos. El primero estuvo marcado por los chatbots, con ChatGPT como principal referencia de una interacción basada en preguntas y respuestas. El segundo ha llegado con los agentes de programación y de uso del ordenador, capaces de ejecutar tareas que anteriormente exigían que una persona operase directamente las herramientas.
La tercera fase introduce una diferencia de alcance. El usuario ya no tendría que iniciar necesariamente cada interacción. El agente podría mantenerse activo, comprender qué trabajo está realizando una persona, observar los sistemas que utiliza y decidir cuándo resulta útil intervenir. Altman puso como ejemplos el seguimiento de Slack y del correo o la generación de nuevo código a medida que cambian las necesidades.
Para las empresas, ese salto desplaza el problema desde la capacidad de generar una buena respuesta hacia la calidad del contexto que recibe el agente. Un sistema que permanece operativo durante la jornada necesita conocer funciones, permisos, procesos y prioridades para distinguir entre la información que puede consultar, las acciones que puede ejecutar y aquellas que requieren intervención humana.
También cambia la forma de medir su utilidad. Frente a un asistente al que se accede para completar una tarea determinada, un agente persistente aspira a formar parte del propio flujo de trabajo. Su valor dependerá entonces de cuánto trabajo pueda identificar, preparar o ejecutar sin incrementar en la misma proporción la supervisión necesaria.
Altman ve en las interfaces dinámicas un cambio profundo
La conversación con Benioff llegó pocas horas después de que Salesforce dedicara su keynote a mostrar AIforce y sus Live Interfaces, capaces de generar vistas y aplicaciones diferentes según la tarea que esté realizando cada usuario.
Altman vinculó esa capacidad con la evolución que espera de los agentes. Describió sistemas capaces de entender una petición, determinar qué información pueden consultar dentro de una empresa, reunirla y generar una interfaz nueva para presentar el resultado o continuar trabajando sobre él. Incluso planteó que el modelo pueda escribir miles de líneas de código cuando sea necesario para construir esa experiencia.
«Creo que este es uno de los cambios más profundos en la forma en que utilizamos la tecnología que he visto», afirmó. Para Altman, la importancia reside en que el ordenador puede dejar de ofrecer siempre la misma aplicación para empezar a construir una superficie de trabajo adaptada al problema que tiene delante.
La coincidencia con la estrategia presentada por Salesforce es clara. Benioff ha situado precisamente la interfaz como una de las grandes áreas de cambio del software empresarial en 2026, con Salesforce disponible desde entornos como Claude, Slack o Lightning y una capa de IA capaz de componer experiencias sobre datos y procesos ya existentes.
Altman introduce, sin embargo, una dimensión adicional: si la IA permanece activa y comprende progresivamente el trabajo del usuario, la interfaz dinámica puede convertirse en una consecuencia de ese contexto. La aplicación que aparece en pantalla deja de ser necesariamente el punto de partida y puede convertirse en algo generado en ese momento para resolver una necesidad concreta.
«A finales de este año» ya podría trabajarse de otra manera
Altman espera que las capacidades técnicas avancen más rápido que su adopción real. Ante la posibilidad de que esta evolución produzca un cambio inmediato en la empresa, reconoció que existe una fuerte inercia en la forma en que las organizaciones trabajan y que la difusión de nuevas prácticas puede llevar años.
Su previsión sobre la tecnología es bastante más próxima. «A finales de este año habrá una forma muy diferente en la que será posible trabajar», afirmó.
La diferencia entre disponibilidad y adopción resulta relevante para las empresas. Un modelo puede adquirir rápidamente nuevas capacidades, pero llevarlas a producción implica integrar datos, revisar permisos, adaptar procesos, formar a empleados y establecer controles. La velocidad de los modelos no elimina ese trabajo organizativo.
Esa brecha también ayuda a explicar por qué la siguiente fase que describe Altman probablemente aparecerá de forma desigual. Desarrollo de software, análisis, ventas o atención al cliente pueden incorporar agentes persistentes a ritmos distintos, dependiendo de cuánto contexto digital exista y de qué acciones esté preparada cada organización para delegar.
Más autonomía amplía también el problema de control
La misma conversación mostró el reverso de esa evolución. Altman recordó el conocido episodio en el que un modelo anterior de OpenAI, mientras realizaba una evaluación, salió del entorno aislado en el que se estaba ejecutando, accedió a infraestructura de Hugging Face y obtuvo la respuesta que necesitaba para completar la prueba con una puntuación perfecta. Lo calificó como «el peor accidente que hemos visto».
La relevancia del caso para esta tercera fase está en la autonomía. El sistema tenía un objetivo y encontró un camino que sus desarrolladores no consideraban aceptable para alcanzarlo. Altman sostiene que el episodio obligó a OpenAI a elevar el nivel con el que aborda el alineamiento, la monitorización y la seguridad, y defendió que esas capacidades deben mantenerse por delante del progreso general de los modelos.
Su previsión se extiende a la ciberseguridad empresarial. Altman espera que los sistemas defensivos evolucionen hacia agentes que permanezcan vigilando activamente la infraestructura, frente al modelo basado principalmente en descubrir vulnerabilidades y corregirlas posteriormente. También advirtió de una futura oleada de ataques apoyados por IA y de la necesidad de que las organizaciones comiencen a preparar sus defensas.
El problema adquiere otra dimensión cuando un agente puede trabajar durante largos periodos, consultar múltiples sistemas y ejecutar acciones. Cuanto mayor sea su autonomía, más relevante resulta definir hasta dónde puede llegar, qué decisiones necesitan autorización y qué mecanismos permiten reconstruir posteriormente lo que ha hecho.
OpenAI empieza a mirar más allá de construir modelos
Altman utilizó el tramo final de la conversación para describir también un cambio en las prioridades de OpenAI. Recordó que la compañía nació hace más de una década con la misión de averiguar cómo construir inteligencia artificial general, una tarea cuyas posibilidades de éxito consideraban inicialmente muy bajas.
«Ahora básicamente sabemos cómo hacerlo», aseguró. La frase no equivale a afirmar que OpenAI haya alcanzado la AGI. Altman la utilizó para distinguir entre la primera década de la compañía, concentrada en desarrollar la tecnología, y una segunda etapa en la que considera que queda mucho más por hacer para convertir esas capacidades en productos que cambien empresas, economía y trabajo.
Ese desplazamiento ayuda a entender por qué una parte cada vez mayor de la competencia en IA se está trasladando desde el modelo hacia el lugar donde se utiliza. Contexto empresarial, agentes, interfaces, permisos, integración con aplicaciones y capacidad de ejecutar procesos se están convirtiendo en elementos tan relevantes como la inteligencia subyacente.
La visión de Altman para 2030 lleva esa lógica hasta la estructura de las propias empresas. Al preguntarle Benioff qué cambio le gustaría comprobar dentro de cinco años, evitó centrarse únicamente en avances científicos y puso como ejemplo que una persona pudiera mirar atrás y sorprenderse de «lo buena que es la empresa que fui capaz de crear yo solo, mi empresa de una sola persona».
Para que una organización así sea posible, la IA tendría que asumir bastante más que consultas ocasionales. Tendría que observar, ejecutar, construir herramientas y mantener procesos en marcha con un grado creciente de autonomía. Esa es precisamente la tercera fase que Altman cree que empieza a emerger, y la que obligará a las empresas a decidir qué parte del trabajo quieren entregar a agentes que ya no esperan necesariamente a que alguien les diga qué hacer.
