En Lithuania los agentes generan el 85% de la salida de ChatGPT Enterprise; en Slovenia, el 22%

Dos empresas pueden comprar las mismas licencias de IA el mismo día y terminar el año en lugares muy distintos. Una usa la IA para responder preguntas. La otra le entrega tareas para que las complete. La nueva investigación de OpenAI sobre clientes empresariales europeos pone números a esa diferencia, y los números dicen más sobre las organizaciones que sobre la tecnología.

Lo que encontró OpenAI

El informe, publicado el 14 de octubre por el equipo de investigación económica de OpenAI, analiza el uso agéntico entre clientes de ChatGPT Enterprise y Business en la UE. Sus principales hallazgos:

• En la muestra de la UE, Codex y ChatGPT Work, las herramientas de OpenAI que realizan tareas en lugar de responder preguntas, ahora representan más de la mitad de los tokens de salida entre los clientes de ChatGPT Enterprise.
• Desde mayo de 2026, los usuarios activos semanales de esas herramientas entre las pequeñas y medianas empresas de la UE, definidas como empresas con 200 o menos usuarios asociados, crecieron más de ocho veces, con crecimiento en todos los estados miembros.
• La proporción agéntica de los tokens de salida osciló entre 22% en Slovenia y 85% en Lithuania.
• “Empresas frontera”, el 10% superior por tokens de salida por usuario activo, generaron más de cuatro veces tantos tokens de salida por usuario activo como las empresas típicas de la UE en septiembre. Las empresas frontera fuera de la UE generaron más del doble que las empresas frontera de la UE, y las empresas de la UE eran solo el 10% de las empresas frontera a nivel mundial.

Proporción de tokens de salida de ChatGPT Enterprise generados por herramientas agénticas

0%100%

1. Slovenia22%
2. Muestra de la UEMás de la mitad
3. Lithuania85%

Qué miden los números

Antes de que estas cifras lleguen a una diapositiva para el consejo, tres límites deben viajar con ellas:

1. La muestra son los clientes de OpenAI. No es la economía europea, y no dice nada sobre empresas que usan otros proveedores o ninguno.
2. Los tokens de salida no son resultados. Un agente de programación produce muchos tokens por tarea; una respuesta corta produce pocos. Una alta proporción agéntica significa que las herramientas de estilo agéntico generan la mayor parte del texto, no que entreguen la mayor parte del valor, ni ninguna productividad medida.
3. El proveedor tiene un interés. El informe es creíble como datos de uso y cierra con un argumento de política a favor de un uso más amplio y profundo. Lea los datos y la defensa por separado.

Por qué la intensidad sigue siendo la lente correcta

Con esos límites, la idea central se mantiene y es útil: la brecha entre organizaciones ya no es el acceso a la IA. Casi todas las grandes empresas de Europa, Estados Unidos o Brasil pueden comprar las mismas herramientas. La diferencia es cuán profundamente se ha reorganizado el trabajo en torno a ellas. Una brecha de cuatro veces en el uso por persona entre empresas frontera y típicas no se explica por las licencias. Se explica por qué tareas se delegaron, quién fue capacitado, qué procesos se cambiaron y a qué datos se les permitió acceder a las herramientas.

Eso coincide con lo que vemos en la evidencia en otros lugares. Los agentes llegan más rápido a producción cuando viven dentro de un proceso que la gente ya ejecuta, y el valor aparece solo cuando alguien decide para qué sirve el tiempo liberado.

Cómo leer su propia intensidad

Una empresa puede ejecutar el análisis de OpenAI sobre sí misma, con datos de uso de cualquier proveedor, y aprender más de lo que le dirá cualquier ranking de países:

• Mida la profundidad por equipo, no la adopción por empresa. Usuarios activos por licencia dice quién inició sesión. Tareas delegadas por usuario activo dice quién cambió su forma de trabajar.
• Encuentre su frontera interna. El 10% de equipos con mayor intensidad son los que hay que estudiar: qué tareas delegan, qué tuvieron que arreglar para hacerlo y qué dejaron de hacer.
• Empareje la intensidad con los resultados. Para cada equipo de alta intensidad, nombre una métrica de negocio que debería moverse. Si ninguna lo hace, la intensidad es actividad, no progreso. El enfoque de Workday de seguir el cambio a nivel de tarea es una forma de hacer esa conexión.
• Esté atento al retraso en la gobernanza. Los equipos que más delegan son también aquellos cuyos agentes tocan la mayor cantidad de datos y sistemas. La intensidad debería activar una revisión, no una celebración.

Para las empresas europeas, también hay una capa regulatoria: un uso agéntico más profundo significa más sistemas que pueden quedar bajo las obligaciones de los implementadores de la Ley de IA de la UE, y más procesamiento que mapear bajo el RGPD. Para todos los demás, la lección es la misma sin el estatuto. La carrera no es comprar IA primero. Es cambiar el trabajo debajo de ella, y saber si el cambio valió la pena.