OpenAI apuesta por el futuro: el 80-90% de su investigación apunta ya a GPT-7 y generaciones posteriores
En septiembre de 2026, una declaración proveniente del corazón de OpenAI ha sacudido al ecosistema de la inteligencia artificial: Boris Power, Director de Investigación Aplicada de la compañía, ha revelado que entre el 80 y el 90 por ciento de los recursos de investigación de OpenAI están orientados hacia GPT-7, GPT-8 y generaciones aún más avanzadas. Solo una fracción residual del esfuerzo investigador sigue dedicándose a mejoras dentro de la generación de modelos actual. Esta confesión, recogida por el medio especializado The Decoder, no es solo un dato técnico: es una ventana privilegiada a la estrategia de largo plazo de la empresa más influyente del sector.
Pero quizás lo más sorprendente de las palabras de Power no fue el dato sobre el reparto de recursos. Fue su diagnóstico sobre el verdadero problema al que se enfrenta OpenAI: no es el rendimiento de los modelos, sino la incapacidad de la mayoría de los usuarios para entender qué pueden hacer con la inteligencia artificial. Una reflexión que redefine por completo el debate sobre el futuro de esta tecnología.
Dónde se encuentra OpenAI en este momento
Para comprender el peso de estas declaraciones, es necesario situar a OpenAI en el contexto competitivo actual. Tras años de lanzamientos que han combinado saltos cualitativos con mejoras graduales —desde GPT-4 hasta las familias o3 y o4, especializadas en razonamiento complejo, pasando por arquitecturas multimodales capaces de procesar texto, imagen, audio y vídeo de manera integrada—, la compañía enfrenta hoy una presión sin precedentes.
Google DeepMind ha consolidado su familia Gemini Ultra con capacidades de razonamiento avanzado. Anthropic compite directamente en entornos empresariales con sus sucesivas versiones de Claude. Meta sigue apostando por el código abierto con su familia LLaMA. Y actores como xAI, la empresa de Elon Musk con su modelo Grok, junto a startups europeas y asiáticas, han fragmentado aún más el mercado. En este escenario, revelar que casi toda la investigación apunta a GPT-7 y más allá es una declaración de intenciones muy clara: OpenAI está dispuesta a sacrificar la optimización a corto plazo en favor de ventajas estructurales a largo plazo.
Una lógica de chips aplicada a la inteligencia artificial
El enfoque que describe Power recuerda inevitablemente a la ingeniería de semiconductores. En esa industria, los equipos de diseño trabajan simultáneamente en varios nodos tecnológicos: mientras un chip llega al mercado, el equipo siguiente ya está en fase avanzada de desarrollo y un tercero está en fase de conceptualización. OpenAI parece haber adoptado una lógica equivalente para sus modelos de lenguaje e inteligencia artificial.
Las palabras de Power sugieren implícitamente que GPT-6 —cuyo desarrollo podría estar próximo o en curso según los plazos habituales de la compañía— ya representa un modelo cuya base de investigación fue establecida con antelación, mientras que el grueso del talento y los recursos están mirando dos o incluso tres generaciones por delante. Las mejoras dentro de una única generación son consideradas internamente “apuestas a corto plazo”, lo que confirma que OpenAI percibe el ciclo de vida de cada versión de GPT como un escalón transitorio hacia arquitecturas mucho más ambiciosas.
La pregunta natural que surge es: ¿qué puede ofrecer GPT-7 que no ofrezcan los modelos actuales? Aunque Power no entró en especificaciones técnicas, el campo de la investigación en inteligencia artificial apunta a varias direcciones prioritarias para las próximas generaciones: razonamiento causal más robusto, memoria persistente a largo plazo, agencia autónoma mejorada para ejecutar tareas complejas sin supervisión constante, eficiencia computacional drásticamente superior y una calibración más precisa para reducir las alucinaciones. Si OpenAI consigue avanzar de manera significativa en todas estas dimensiones de manera simultánea, el salto cualitativo podría ser notable.
El verdadero obstáculo: la brecha de adopción
Sin embargo, la reflexión más reveladora de Boris Power es, paradójicamente, la que menos tiene que ver con la tecnología en sí. Según el directivo, el principal obstáculo que enfrenta OpenAI no es la brecha de rendimiento entre modelos, sino la brecha de comprensión entre los usuarios y las capacidades que ya existen hoy mismo.
Esta afirmación tiene respaldo empírico sólido. Estudios realizados por consultoras como McKinsey, Deloitte y el Stanford HAI han documentado que, pese a la explosión en el número de usuarios de herramientas de inteligencia artificial generativa —ChatGPT superó los 500 millones de usuarios activos semanales a principios de 2026—, la profundidad de uso sigue siendo superficial para la gran mayoría. La mayor parte de los usuarios emplea estas herramientas para tareas sencillas: redactar correos electrónicos, resumir textos o responder preguntas puntuales. Las capacidades más avanzadas —automatización de flujos de trabajo complejos, análisis de datos, generación de código, razonamiento de múltiples pasos, integración con APIs externas— son utilizadas de manera regular solo por una minoría técnicamente cualificada.
Este fenómeno tiene nombre en la literatura de adopción tecnológica: la “brecha de uso”, y es especialmente pronunciado en tecnologías cuyas capacidades crecen más rápido que la comprensión pública de las mismas. En el caso de la inteligencia artificial generativa, el ritmo de avance ha sido tan vertiginoso que incluso usuarios avanzados tienen dificultades para mantenerse al día con las nuevas funcionalidades disponibles.
Para OpenAI, esto representa un problema estratégico de primer orden. De poco sirve lanzar modelos cada vez más potentes si los usuarios no saben cómo aprovecharlos. La inversión en educación del usuario, el diseño de interfaces más intuitivas y la elaboración de casos de uso mejor explicados se convierten así en prioridades tan importantes como la propia investigación técnica. No basta con construir la mejor herramienta del mundo si nadie sabe empuñarla correctamente.
Implicaciones estratégicas para toda la industria
Las declaraciones de Power tienen repercusiones que van mucho más allá de OpenAI y afectan al conjunto del ecosistema de inteligencia artificial. La primera y más importante es que la carrera tecnológica ya no es únicamente de rendimiento, sino también de infraestructura cognitiva. Si incluso la empresa líder del sector reconoce que el rendimiento de los modelos ha dejado de ser el cuello de botella principal, la industria deberá reorientar parte de su inversión hacia el diseño de experiencia de usuario, la alfabetización digital en inteligencia artificial y herramientas de incorporación más efectivas para nuevos usuarios.
La segunda implicación es que el horizonte de planificación en inteligencia artificial se está alargando de manera significativa. Que el 80-90% de la investigación de OpenAI apunte a GPT-7 y GPT-8 indica que la compañía está planificando con una perspectiva de tres a cinco años vista, lo que en el sector tecnológico equivale a varias eras. Esto requiere una estabilidad financiera considerable —OpenAI ha captado rondas de financiación valoradas en decenas de miles de millones de dólares en los últimos años— y una visión estratégica muy clara sobre dónde debe estar la empresa en el futuro.
La tercera consecuencia afecta directamente a las empresas y profesionales que trabajan con herramientas de inteligencia artificial. Si OpenAI está mirando hacia GPT-7 y GPT-8 mientras los usuarios aún no han aprendido a usar bien GPT-4 o GPT-5, existe un riesgo real de que la brecha entre capacidad tecnológica disponible y aprovechamiento real siga ampliándose. Organizaciones y equipos que inviertan hoy en formación, en el desarrollo de flujos de trabajo basados en IA y en la construcción de cultura digital avanzada estarán mucho mejor posicionados para capturar el valor de los modelos futuros cuando estos lleguen al mercado.
El reto de la alfabetización en inteligencia artificial
El diagnóstico de Power plantea una pregunta incómoda pero necesaria: ¿están las empresas, los gobiernos y los sistemas educativos haciendo lo suficiente para preparar a las personas para interactuar con la inteligencia artificial de manera profunda y productiva? La respuesta honesta, por ahora, es que no.
La alfabetización en inteligencia artificial debe convertirse en una prioridad estratégica al mismo nivel que la propia investigación tecnológica. Esto implica desde programas de formación en escuelas y universidades hasta iniciativas corporativas de reciclaje profesional, pasando por campañas de divulgación accesibles para el público general. No se trata solo de enseñar a usar una herramienta concreta, sino de desarrollar una nueva forma de pensar sobre la colaboración entre humanos y sistemas de inteligencia artificial.
En definitiva, las palabras de Boris Power contienen una lección que trasciende la tecnología: el futuro de la inteligencia artificial no depende únicamente de lo que los modelos sean capaces de hacer, sino de lo que los seres humanos sean capaces de pedirles que hagan. Y ese es, quizás, el mayor desafío de todos.
OpenAI ya tiene la mirada puesta en GPT-7 y en lo que vendrá después. La pregunta que debemos hacernos todos es si nosotros, como usuarios, profesionales y sociedad, estamos preparando nuestra mirada para ese mismo horizonte.
