Radar IA para empresas — sábado 11 de julio de 2026

El radar de ayer pedía benchmarks independientes de Grok 4.5 y han llegado con letra pequeña: más capaz y muy barato, pero con más del doble de alucinaciones y sin fecha en la UE. La segunda tendencia del día es la ofimática agéntica: OpenAI lanza ChatGPT Work y Anthropic responde sacando Claude Cowork del escritorio hacia web y móvil — el agente de oficina ya es producto de masas. Y una evaluación con trabajo profesional real pone el listón en su sitio: ni el mejor modelo aprueba una de cada tres tareas de experto.

ChatGPT Work: el agente de ofimática de OpenAI llega a los planes de pago

OpenAI lanzó el jueves ChatGPT Work, un agente impulsado por GPT-5.6 que investiga, analiza y trabaja sobre las aplicaciones y ficheros conectados del usuario para entregar documentos, hojas de cálculo, presentaciones, informes y sitios web terminados, con tareas programadas y aprobación humana de las acciones importantes. Está desplegándose en todos los planes de pago — primero Pro, Enterprise y Edu; Plus y Business en los próximos días — con una quincena de integraciones de salida (Google Drive, Slack, Salesforce, GitHub, Zoom…). Para tu empresa: si ya pagas ChatGPT, esta semana te aparece un agente capaz de ejecutar tareas completas — decide antes de que lo use nadie qué conectores están permitidos, pilótalo en procesos internos de bajo riesgo y mantén la aprobación manual activada; conectarlo al CRM el primer día es mala idea. Fuente

Claude Cowork sale del escritorio — y el dato: más del 90% del uso de agentes no es programar

Anthropic ha llevado Claude Cowork, su agente de tareas hasta ahora limitado al escritorio, a web y móvil en beta — empezando por el plan Max —, con sesiones que siguen trabajando con el portátil cerrado y tareas programadas que se ejecutan sin ningún dispositivo encendido. El dato relevante está en su telemetría: más del 90% del uso de Cowork es trabajo de conocimiento no relacionado con código, y cerca de la mitad es operaciones de negocio y creación de contenido — conciliaciones financieras, seguimiento de contratos, presentaciones a partir de transcripciones de reuniones. Para tu empresa: los propios datos del proveedor confirman que el caso de uso dominante de los agentes es la operativa administrativa, no el desarrollo — haz la lista de tus tareas recurrentes de back-office (conciliar, consolidar, preparar informes) y empieza por ahí, que es donde está demostrando el retorno. Fuente

Grok 4.5 pasa la verificación independiente: líder en uso de herramientas, más del doble de alucinaciones y sin fecha en la UE

Los benchmarks independientes que faltaban ya están aquí: Artificial Analysis sitúa a Grok 4.5, el modelo de SpaceXAI, cuarto en su índice de inteligencia — solo por detrás de los mejores de Anthropic y OpenAI — y primero en uso agéntico de herramientas, a una fracción del precio de sus rivales; pero su medición también muestra que, aunque la precisión sube del 35% al 52%, la tasa de alucinación se dispara del 25% al 54%: sabe más y se equivoca con más seguridad. Además, el modelo no está disponible en la UE — las notas de versión de la propia compañía apuntan a mediados de julio. Para tu empresa: para flujos agénticos con validación automática (herramientas, tests, feedback) es un candidato serio por coste; para generar texto que va directo a un cliente, no sin revisión humana — y si operas en la UE, de momento ni siquiera puedes probarlo, otro recordatorio de que la disponibilidad europea debe estar en tu checklist antes de comprometerte con un proveedor. Fuente

Trabajo profesional real: el mejor modelo aprueba un 29% de las tareas de experto

Snorkel publicó su evaluación GDPval+ — unas 2.000 tareas profesionales reales creadas por expertos de distintos sectores, con entregables de verdad: documentos, hojas de cálculo, presentaciones — y el resultado desinfla el discurso de la sustitución: Grok 4.5 lidera con un 29% de aprobados, por delante de GPT-5.5 (22%) y Claude Opus 4.8 (21%), con avances notables en trabajo legal, educación y sanidad. Ni el mejor modelo del mundo pasa hoy una de cada tres tareas de nivel experto. Para tu empresa: automatiza el borrador, no la entrega — el diseño correcto sigue siendo agente que produce y profesional que revisa y firma; si alguien te vende un sistema que entrega trabajo experto sin supervisión, este es el número que le tienes que enseñar. Fuente

¿Qué mirar mañana?

El despliegue de ChatGPT Work a los planes Plus y Business — y los primeros casos de uso reales que salgan del fin de semana —, Gemini 3.5 Pro, que acumula ya seis semanas de retraso sin fecha confirmada, y la publicación del Ómnibus del AI Act en el Diario Oficial, que sigue pendiente con el 2 de agosto en el horizonte.