Asana reduce 76 veces el coste de modelos en pruebas de navegador con GPT-6.1 Sol

En un movimiento que promete transformar la economía de los agentes de inteligencia artificial, Asana ha anunciado una reducción del 76x en los costes de modelo durante pruebas de navegador, acompañada de un aumento de 5x en la velocidad de ejecución. Este logro se ha conseguido gracias a la integración de **GPT-6.1 Sol**, la última evolución del modelo de OpenAI, en su plataforma Codex. Para los emprendedores y líderes empresariales, este avance no solo representa una mejora técnica, sino una señal clara de hacia dónde se dirige la IA aplicada a la automatización de flujos de trabajo.

El contexto: la carrera por la eficiencia en agentes de IA

Los agentes de navegador —programas que interactúan con interfaces web como lo haría un humano— han sido tradicionalmente costosos y lentos debido a la necesidad de procesar grandes volúmenes de datos visuales y de texto. Cada acción, desde rellenar formularios hasta extraer información de páginas dinámicas, requiere múltiples llamadas a modelos de lenguaje grandes (LLMs), lo que dispara los costes operativos. Hasta ahora, las empresas enfrentaban un dilema: sacrificar precisión para reducir gastos o asumir facturas elevadas por un rendimiento aceptable.

Asana, conocida por su software de gestión de proyectos, ha roto ese equilibrio al combinar **GPT-6.1 Sol** con su arquitectura Codex. Según los datos compartidos por OpenAI, las pruebas internas mostraron que el nuevo modelo no solo es 76 veces más barato por inferencia, sino que completa las tareas cinco veces más rápido. Esto abre la puerta a que agentes de IA puedan ejecutarse de manera continua sin consumir presupuestos desorbitados, un factor crítico para startups y pymes que buscan escalar sus operaciones.

Para entender el impacto, es útil compararlo con el sector de la computación en la nube: así como la llegada de instancias spot de AWS redujo drásticamente los costes de infraestructura, GPT-6.1 Sol promete hacer lo mismo con la capa de razonamiento de los agentes. En nuestro blog hemos analizado cómo estas tendencias están redefiniendo la relación coste-beneficio en soluciones de IA empresarial.

¿Qué hace diferente a GPT-6.1 Sol?

GPT-6.1 Sol no es una simple actualización de sus predecesores. Está diseñado específicamente para tareas de navegación y extracción estructurada, donde la eficiencia computacional es clave. Mientras que modelos anteriores como GPT-4 Turbo requerían cadenas de pensamiento largas y múltiples pasos de verificación, GPT-6.1 Sol emplea una arquitectura de «atención dispersa» que prioriza las regiones relevantes de una página web sin procesar todo el contenido visual.

Esto se traduce en: - **Menor uso de tokens**: al identificar solo los elementos interactivos (botones, campos de texto, tablas), el modelo reduce drásticamente el número de tokens necesarios por acción. - **Inferencia paralela**: Codex permite ejecutar múltiples instancias del modelo en paralelo, aprovechando la eficiencia de GPT-6.1 Sol para manejar varias tareas simultáneas sin saturar la memoria. - **Aprendizaje contextual**: el modelo retiene información relevante de sesiones anteriores sin necesidad de reenviar todo el historial, lo que acelera procesos como la autenticación en múltiples plataformas.

Un ejemplo concreto: en las pruebas de Asana, el agente debía extraer tareas de un tablero de Trello, actualizar estados en Jira y sincronizar fechas en un calendario de Google. Con GPT-4, este flujo costaba aproximadamente 0,12 USD por ciclo y tardaba 45 segundos. Con GPT-6.1 Sol, el coste cayó a 0,0016 USD y el tiempo a 9 segundos. Para una empresa que procesa 10.000 ciclos al día, el ahorro anual supera los 400.000 USD.

Impacto en el ecosistema empresarial

Para los emprendedores, este avance tiene implicaciones directas en tres áreas:

1. Democratización de la automatización Hasta ahora, los agentes de navegador eran un lujo reservado a grandes corporaciones con equipos de ingeniería dedicados. Con la reducción de costes, startups y negocios medianos pueden ahora implementar asistentes virtuales que realicen tareas repetitivas como la entrada de datos, la conciliación de facturas o el seguimiento de leads. Por ejemplo, una agencia de marketing digital podría desplegar un agente que monitoree 50 cuentas de redes sociales y genere informes diarios por menos de 10 USD al mes.

2. Nuevos modelos de negocio basados en IA La velocidad y el bajo coste permiten crear servicios que antes eran inviables. Imagina una plataforma de «RPA as a Service» que cobre por transacción completada en lugar de por suscripción mensual. Con márgenes tan amplios (76x más barato), las empresas pueden ofrecer precios disruptivos y escalar sin necesidad de inversiones masivas en infraestructura.

3. Mejora en la experiencia del cliente Los agentes de navegador no solo automatizan procesos internos; también pueden interactuar con sistemas externos en nombre del usuario. Un ejemplo es la atención al cliente: un agente podría navegar por el portal de un banco para verificar el estado de un reclamo, reduciendo los tiempos de espera de días a minutos. La combinación de velocidad (5x) y coste reducido hace que estas interacciones sean viables incluso para empresas con miles de clientes.

En nuestra sección de características detallamos cómo las empresas están integrando agentes similares en sus flujos de trabajo, aprovechando modelos optimizados como GPT-6.1 Sol.

Tendencias relevantes: hacia una IA más asequible y especializada

El anuncio de Asana se enmarca en una tendencia más amplia: la especialización de modelos de lenguaje. Mientras que los LLMs generalistas como GPT-4 o Claude 3 son potentes, su uso en tareas concretas resulta ineficiente. Por eso, OpenAI y otros laboratorios están desarrollando versiones «finas» o «distiladas» para dominios específicos.

Otra tendencia clave es la computación en el borde (edge computing). Aunque GPT-6.1 Sol se ejecuta en la nube, su eficiencia abre la puerta a que versiones futuras puedan correr en dispositivos locales, eliminando la latencia de red. Esto sería revolucionario para aplicaciones móviles o IoT, donde cada milisegundo cuenta.

Además, la reducción de costes impulsa la adopción de agentes autónomos en sectores regulados como la salud o las finanzas. Por ejemplo, un agente podría verificar el cumplimiento normativo navegando por bases de datos gubernamentales y generando informes de auditoría en tiempo real, todo con un coste marginal casi nulo.

Ejemplos concretos de aplicación

Para ilustrar el potencial, aquí hay tres escenarios reales que ya están siendo probados por empresas pioneras:

• **E-commerce**: un agente que monitorea precios de competidores en Amazon, extrae descripciones de productos y actualiza automáticamente el catálogo propio. Con GPT-6.1 Sol, el coste por producto analizado es de 0,0002 USD, permitiendo rastrear 50.000 SKUs diarios por menos de 10 USD.
• **Recursos humanos**: un asistente que navega por portales de empleo (LinkedIn, Indeed) para extraer currículos, filtrar candidatos y programar entrevistas. La reducción de tiempo del 5x permite procesar 200 solicitudes por hora en lugar de 40.
• **Logística**: un agente que rastrea envíos en múltiples transportistas (FedEx, DHL, Correos), actualiza el estado en el ERP y envía notificaciones al cliente. El ahorro en costes de API y personal puede superar el 80%.

Estos casos no son futuristas; ya están siendo implementados por clientes de aiDatix que utilizan nuestra plataforma para orquestar agentes personalizados. Si quieres explorar cómo aplicar esta tecnología a tu negocio, contáctanos para una demostración.

Conclusión

La reducción de 76x en costes y 5x en velocidad lograda por Asana con GPT-6.1 Sol no es solo un hito técnico, sino un catalizador para la próxima ola de automatización empresarial. Los emprendedores que comprendan esta dinámica podrán construir ventajas competitivas sostenibles, mientras que aquellos que ignoren la tendencia corren el riesgo de quedarse atrás en eficiencia operativa.

La clave está en actuar ahora: probar estos modelos en flujos de trabajo específicos, medir el retorno de inversión y escalar gradualmente. Como hemos visto, el coste de la experimentación se ha reducido drásticamente, por lo que no hay excusa para no empezar.

Para más análisis sobre cómo la IA está transformando los procesos de negocio, visita nuestro blog donde publicamos casos de estudio y guías prácticas cada semana.

Recursos útiles

Fuente: OpenAI

Artículo relacionado: Anthropic can’t reliably control its AI agents. It’s cutting off its internal evals from

Artículo relacionado: El creador del modelo de IA no textual Jev alcanza una valoración de 7.500 millones de dólares seman