Hay tareas que en tu negocio llevan una tarde entera porque son muchas partes pequeñas: revisar los precios de cinco competidores, leer los informes de cada sucursal, comparar tres proveedores. Hasta ahora, si le pedías ayuda a ChatGPT, las trabajaba una detrás de la otra, como una sola persona con una lista.
Desde el 16 de octubre de 2026, el modelo GPT-6 Pro de ChatGPT puede repartir una tarea entre varios agentes que trabajan a la vez, cada uno en una parte. Suena a ahorrar tiempo, y puede serlo. Pero también es una forma nueva de equivocarse en varios sitios a la vez. Te contamos qué cambió, quién lo tiene y cómo probarlo con una tarea real antes de confiarle el trabajo de todos los días.
- GPT-6 Pro en ChatGPT puede usar varios agentes en paralelo, cada uno con una parte de la tarea. Puedes seguir su avance y abrir lo que hizo cada uno.
- Llega de forma gradual a usuarios Pro elegibles. En las cuentas de empresa depende de la configuración del espacio de trabajo. No es una función de la API ni de herramientas como n8n.
- Conviene probarlo con una tarea que se divida en partes independientes, con instrucciones comunes y una revisión final hecha por una persona.
Qué cambió el 16 de octubre
Según las notas de versión de ChatGPT del 16 de octubre de 2026, GPT-6 Pro en la pestaña de chat ofrece ahora tres cosas:
- Respuestas más rápidas.
- Mejor uso de complementos y herramientas para llevar adelante tareas.
- Varios agentes que trabajan a la vez en distintas partes de una tarea. Puedes seguir su progreso en la conversación y abrir cada tarea terminada para ver qué hizo cada agente.
Un «agente», en este contexto, es una instancia de la IA que recibe un encargo y lo lleva adelante por su cuenta: busca, lee, compara y entrega un resultado. Lo nuevo es que ChatGPT puede lanzar varios al mismo tiempo y juntar después lo que encontraron.
Quién lo tiene y quién no
OpenAI lo describe como un despliegue gradual a usuarios Pro elegibles. En los espacios de trabajo administrados (las cuentas de empresa que gestiona un administrador), la disponibilidad depende de la configuración de ese espacio y de la elegibilidad del despliegue.
Lo que la nota no dice también importa:
- No habla de otros planes. Si tienes Plus o Business, no des por hecho que lo tienes.
- No habla de la API. Si tus automatizaciones usan la IA de OpenAI desde n8n, Make o un desarrollo propio, este cambio no llega a ellas por sí solo.
- No da cifras. No dice cuánto más rápido ni cuánto mejor que un solo agente. Cualquier número que leas por ahí no viene de la fuente oficial.
Qué tareas se prestan a dividirse
La clave está en la palabra independientes. Si cada parte se puede hacer sin saber cómo salió la otra, el trabajo en paralelo tiene sentido. Si una parte depende de la anterior, repartirla solo multiplica los cabos sueltos.
Cómo armar una prueba que te diga algo
Elige una tarea que hoy haces a mano y que conoces bien. Así podrás juzgar el resultado. Un buen ejemplo: un pequeño estudio de mercado sobre cuatro o cinco competidores.
- 1. PreparaEscribe las instrucciones comunes: qué quieres saber de cada competidor, con qué criterios, en qué formato y qué fuentes valen.
- 2. RepartePide que cada agente se ocupe de un competidor y que todos usen la misma plantilla de respuesta.
- 3. Revisa y juntaAbre lo que hizo cada agente y comprueba fuentes y fechas. Después pide una comparación final y revísala tú: ahí aparecen las contradicciones.
- 4. ComparaPon el resultado al lado de lo que habrías hecho a mano y anota qué ganaste y qué tuviste que corregir.
Qué información darle
Los agentes no se leen la mente entre ellos. Si cada uno recibe instrucciones vagas, cada uno las interpretará a su manera. Antes de empezar, deja claro:
- El objetivo: para qué vas a usar el resultado. No es lo mismo «decidir precios» que «preparar una presentación».
- Los criterios: las mismas preguntas para todas las partes, en el mismo orden.
- El formato: una tabla o una plantilla común, para que las respuestas encajen.
- Lo que no tiene que hacer: contactar a nadie, rellenar formularios, inventar un dato cuando no lo encuentra. Mejor que diga «no lo encontré».
Cómo evitar conclusiones que no encajan
El riesgo propio del trabajo en paralelo es que cada agente llegue a una conclusión razonable por su lado, y que juntas no tengan sentido. Un agente compara precios con impuestos y otro sin ellos. Uno toma la tarifa de este mes y otro la del año pasado. Leídas por separado, las dos parecen correctas.
La forma de evitarlo es la revisión final común. Pídele a ChatGPT que, al juntar los resultados, señale dónde los criterios no coinciden, y revisa tú esa parte con calma. Si una cifra va a decidir algo, búscala en su fuente original.
Qué medir antes de incorporarlo
No hace falta un cálculo complicado. Con anotar tres cosas en cada prueba alcanza:
Repite la prueba dos o tres veces con tareas parecidas antes de sacar conclusiones. Una prueba que sale bien puede ser suerte; tres que salen bien empiezan a ser un método.
Lo que no conviene hacer
- Darlo por disponible. Llega de forma gradual a usuarios Pro elegibles. Si no lo ves, no es un error tuyo.
- Confundirlo con una automatización. Trabaja dentro de una conversación de ChatGPT, con alguien que la mira. No reemplaza un flujo que corre solo todos los días.
- Dejar que actúe hacia afuera sin revisión. Enviar correos, publicar o cambiar datos de clientes tiene que pasar por una persona.
- Repartir tareas que dependen unas de otras. Ahí el trabajo en paralelo no ahorra tiempo: lo multiplica en correcciones.
- Creer en cifras de ahorro que nadie midió. La única cifra que vale es la de tu propia prueba.
Si estás decidiendo qué tareas conviene pasar a la IA, lo explicamos en automatizar procesos con IA: qué sí, qué no. Y para revisar con método lo que la IA te entrega, tienes el checklist para revisar textos hechos con IA.
