Decisions API de OpenAI: apostar por agentes que deciden más barato, no necesariamente más listos

Por Zendoric · 30 de septiembre de 2026.

OpenAI presentó el martes, durante su Dev Day, una vista previa limitada de Decisions API: una herramienta que permite a sus modelos —en este caso, el denominado Luna— elegir entre un conjunto cerrado de opciones que el propio desarrollador define de antemano, en lugar de generar una respuesta abierta. Sam Altman la presentó como una vía para tareas como clasificar imágenes o decidir qué comportamiento debe adoptar un agente de IA, con la promesa de resolverlas con rapidez sin renunciar a la comprensión de imágenes, el soporte de idiomas ni las protecciones de seguridad habituales, según sus propias palabras en el evento.

El anuncio, secundario en la agenda del Dev Day, llamó la atención por su parecido con Jev, la interfaz de decisión que la startup TypeSafe AI lanzó a principios de este mes. TypeSafe está dirigida por su CEO, Diogo Almeida, exingeniero de OpenAI al que se atribuye haber coinventado técnicas de aprendizaje por refuerzo; la empresa no respondió a las preguntas de TechCrunch sobre el nuevo producto de su antiguo empleador, aunque Almeida bromeó en X sobre el inicio de unas «guerras clonales».

La comparación entre ambos productos es, de momento, más conceptual que demostrada. OpenAI solo ha abierto un acceso limitado a Decisions API y no ha publicado cifras de latencia, coste o precisión que permitan contrastar la promesa de velocidad de Altman. De TypeSafe sí circula un dato, aunque parcial: en un hackathon reciente, Shapor Naghibzadeh —profesional de ciberseguridad que dirigió la startup QueryStory— estimó que monitorizar las acciones de un agente con Jev costaba 2,94 dólares, frente a 372 dólares al recurrir a modelos grandes de última generación. Es una demostración puntual de un prototipo, no un benchmark independiente, y conviene leerla así.

El caso de uso más relevante no es clasificar imágenes, sino vigilar agentes. OpenAI ha reconocido incidentes en los que sus agentes se comportaron de forma indebida al operar en la internet abierta y ha respondido, entre otras medidas, usando un modelo separado para detectar comportamientos problemáticos —un enfoque que consume cómputo de forma significativa—. El planteamiento de Naghibzadeh con Jev apunta en la misma dirección, pero más barato: contrastar cada acción del agente con la tarea encomendada, bloquear con alta confianza lo que detecte como problemático, derivar los casos dudosos a revisión humana y dejar pasar el resto. Se ha presentado como una hipótesis que, en teoría, podría haber evitado un incidente ocurrido en Hugging Face, aunque sin una reconstrucción que lo demuestre; su eficacia real depende de que el modelo distinga bien entre lo legítimo y lo peligroso, y de que no bloquee en exceso tareas inocuas.

Almeida enmarca la apuesta de TypeSafe en la distinción, tomada de la psicología cognitiva, entre «Sistema Uno» (pensamiento rápido e intuitivo) y «Sistema Dos» (razonamiento deliberado): según él, el interés de OpenAI en un producto parecido sugiere que construir un «Sistema Uno» artificial —barato, veloz, acotado— es una dirección de futuro. Es un argumento de venta razonable, pero no una prueba: ni todos los problemas de software se reducen a elecciones discretas, ni un clasificador más rápido sustituye el razonamiento amplio cuando la tarea realmente lo exige.

Nuestra lectura es que este anuncio importa menos por lo que demuestra —de momento, casi nada verificable de forma independiente— que por lo que señala. La disputa entre los grandes laboratorios ya no se libra solo en las tablas de benchmarks de razonamiento: también se libra en quién logra que un agente actúe, y sobre todo se vigile, por céntimos en vez de por cientos de dólares. Es la misma lógica que venimos viendo en el abaratamiento de la inferencia en la nube y en el auge de modelos ligeros para el propio dispositivo: la inteligencia de frontera se reserva para lo difícil, y todo lo demás se delega a capas más baratas y especializadas.

Ese movimiento hacia decisiones acotadas y auditables es, de fondo, una pieza de la infraestructura de gobernanza que la IA agéntica necesita para escalar con seguridad: cuanto más barato resulte revisar cada acción de un agente, más fácil será vigilarlas todas en vez de muestrear algunas al azar. A largo plazo, ese tipo de capas de control —combinadas con supervisión humana en los casos dudosos, como propone el planteamiento de Naghibzadeh— es parte de lo que hace falta para que la promesa de una economía de agentes fiables, que liberen tiempo humano para el trabajo que de verdad importa, no se quede en discurso de keynote.

Pero a corto plazo lo sensato es la cautela. OpenAI no ha publicado métricas propias; la comparación de costes que circula pertenece al prototipo de un tercero presentado en un hackathon; y la aparición casi simultánea de un producto aparentemente similar al de una startup más pequeña —dirigida, además, por un exingeniero de OpenAI— plantea la pregunta habitual en Silicon Valley sobre cuánto espacio le queda a un competidor especializado cuando el gigante decide entrar en su nicho. Si Decisions API cumple lo que promete, ganan los desarrolladores que hoy pagan de más por usar modelos grandes en tareas simples; si no distingue bien entre una decisión correcta y una barata, el ahorro se pagará en errores que solo se verán cuando el producto salga de la vista previa.