En muchas empresas, la conversación sobre IA suele centrarse en modelos cada vez más potentes. OpenAI, en cambio, ha puesto el foco en un cuello de botella bastante terrenal: el tiempo que se pierde buscando datos, entendiendo tablas parecidas y evitando errores silenciosos en consultas. En una entrada publicada el 29 de enero de 2026 por Bonnie Xu, Aravind Suresh y Emma Tang, la compañía cuenta cómo construyó un agente de datos interno para su propia plataforma, diseñado para que empleados de equipos muy distintos pasen “de pregunta a insight” en minutos, no en días, usando lenguaje natural como interfaz.
La escala explica la urgencia. Según la propia OpenAI, su plataforma de datos da servicio a más de 3.500 usuarios internos y almacena más de 600 petabytes repartidos en decenas de miles de conjuntos de datos. En un entorno así, localizar la tabla correcta puede ser como entrar en un hipermercado gigante a por “leche” sin saber si la buscas en refrigerados, en productos sin lactosa, en bebidas vegetales o en una marca concreta que alguien renombró la semana pasada. Esa ambigüedad se vuelve cara cuando hay decisiones de producto, finanzas o investigación esperando una cifra. Continúa leyendo «Dentro del agente de datos interno de OpenAI: cuando preguntar en lenguaje natural reemplaza días de SQL»