1. No es Doc. Es Dot. Y se parece más a un responsable que a una ventana de chat
El nombre se presta a confusión. No es Doc. Es Dot.
Una conversación normal con ChatGPT suele seguir este ciclo: pides algo, razona, responde y termina. Un Dot está pensado de otra forma. OpenAI describe Dots como agentes siempre activos, impulsados por GPT-6 Astra, con su propio ordenador en la nube y navegador, capaces de utilizar aplicaciones conectadas y seguir trabajando hacia objetivos continuos.
Por eso se parece menos a “la IA que responde preguntas” y más a “la persona encargada de este asunto”.
La IA acaba de ser trasladada del cuadro de chat al organigrama de responsabilidades.
2. “24/7” no significa un bucle infinito; significa que la responsabilidad sobrevive a la conversación
Conviene distinguirlo. Un agente siempre activo no es un VPS gratuito quemando CPU cada segundo para siempre.
Lo valioso es la continuidad. Un Dot puede conservar una responsabilidad después de terminar la conversación, hacer investigación en segundo plano, ejecutar revisiones periódicas, consultar fuentes conectadas y continuar tareas programadas sin que tengas que enviar un nuevo mensaje. OpenAI llama proactive research a esa búsqueda de información útil en segundo plano.
Antes, una persona tenía que acordarse de la tarea, reabrir la IA, reconstruir el contexto y volver a pedir trabajo. Con un Dot, el responsable sigue teniendo el expediente encima de la mesa.
Parece un detalle hasta que uno mide cuánto tiempo humano se pierde preguntando: “¿Por dónde íbamos?”.
3. La configuración empieza en escritorio; después el Dot puede acompañarte en el móvil
El primer Dot se crea desde la aplicación de escritorio de ChatGPT o desde la web en un ordenador. Le das un nombre, un objetivo, conectas las aplicaciones necesarias y defines qué puede hacer por su cuenta.
Después de configurarlo, puedes hablar con él desde la aplicación móvil. Dicho de otra forma: el registro de nacimiento se hace en el ordenador y luego el agente se viene contigo en el bolsillo.
En su perfil puedes revisar trabajos en curso, programados y completados. También puedes gestionar la frecuencia de las tareas recurrentes y sus notificaciones. El acceso a tu propio ordenador es opcional; por defecto el Dot ya dispone de un ordenador separado en la nube.
Así que no hace falta dejar el PC de casa encendido toda la noche.
4. El modelo de uso es generoso, pero OpenAI no promete “ilimitado para siempre”
En el lanzamiento, el primer Dot está incluido sin coste adicional para usuarios elegibles de Pro y Business Premium. En la familia Enterprise, el acceso empieza como una beta habilitada por el administrador.
OpenAI indica que las conversaciones con un Dot no cuentan contra los límites normales de ChatGPT. El plan incluye además una cantidad de trabajo más profundo, con límites ampliados durante el primer mes. Las notas de lanzamiento también señalan que, durante ese primer mes, el uso de Dots no se contabiliza contra la asignación normal del plan para usuarios elegibles.
Algunos usuarios tempranos han contado que dejaron trabajos creativos pesados durante toda la noche sin ver apenas movimiento en su medidor habitual. Es compatible con las condiciones de lanzamiento, pero no demuestra la existencia de una granja de cómputo gratis, infinita y eterna.
Y si el Dot crea o administra tareas en Codex o ChatGPT Work, esas tareas consumen el uso correspondiente de Codex o Work de la forma habitual.
No es un buffet infinito. Pero el aperitivo es sospechosamente abundante.
5. El caso de uso estrella puede ser “ayudante de las automatizaciones recurrentes”
Scheduled Tasks es muy bueno para empezar el trabajo a la hora correcta. En la automatización real, sin embargo, lo difícil suele ser terminarlo.
Falla una API. Falta un permiso. Una etapa agota el tiempo. Solo falla un subproceso. Se escribe un log. Se clasifica el bloqueo. Se guarda el siguiente paso.
Y nadie ejecuta ese siguiente paso.
Clásico de automatización.
Aquí encaja muy bien un Dot.
Scheduled Task inicia el turno. Dot conserva la responsabilidad del resultado.
Si una ejecución termina como PARTIAL, BLOCKED, HOLD o FAILED, Dot vuelve a leer el estado actual, retoma desde el último checkpoint confirmado, continúa el trabajo independiente que sea seguro, repara la causa y sigue hasta cumplir la condición real de finalización.
El sistema deja de ser “avísame cuando falle” y pasa a ser “alguien sigue siendo responsable después del fallo”.
6. Dot, Scheduled Task y Codex se entienden bien como capataz, reloj y equipo de reparación
Un modelo de tres capas resulta claro.
Scheduled Task es el reloj: inicia el trabajo a la hora o condición correctas.
Dot es el capataz: mantiene estado entre ejecuciones, detecta trabajo incompleto, decide el siguiente paso, evita reintentos ciegos y empuja el proceso hasta un resultado terminal.
Codex es el equipo de reparación: entra cuando hacen falta cambios reales de código, pruebas, refactorización o una implementación compleja.
La regla clave es que “he creado una tarea de Codex” no significa “he terminado”.
Codex empieza → produce un cambio → se revisa el diff → se prueban los cambios → se aplican → se vuelve a ejecutar el flujo → se verifica el resultado real.
Solo entonces se cierra el bucle.
El capataz no puede irse a casa simplemente porque ya llamó al mecánico.
7. La gestión de fallos debe ser un bucle cerrado, no un generador de informes
La parte más importante de las instrucciones de un Dot es la condición de parada.
Una instrucción débil dice: “Avísame si falla algo”. Eso produce una cámara de vigilancia muy cara.
Una instrucción fuerte dice: “Si algo falla, lee el estado actual, identifica la causa, aplica la reparación mínima y segura, verifica de nuevo y continúa mientras quede trabajo ejecutable. Si hace falta modificar código, delega al agente de programación, recupera el resultado y vuelve a validar. Si no puedes terminar ahora, guarda el checkpoint exacto y la próxima acción para reanudar desde allí.”
Si el mismo fallo vuelve una y otra vez, también hay que revisar la tarea recurrente original: sus instrucciones, condiciones de parada, referencias, supuestos y definición de terminado.
“Causa raíz clasificada” equivale a decir en una fábrica: “Ya sabemos qué tipo de incendio es”.
Perfecto. Ahora apágalo.
8. Tampoco hace falta entregar las llaves de todo el reino al Dot
Dots ofrece permisos y Custom Rules. Puedes decidir qué acciones se ejecutan automáticamente, cuáles requieren aprobación previa, cuáles deben confirmarse cada vez y cuáles deben devolverse a una persona.
Además, proactive research está limitado deliberadamente. Puede leer fuentes conectadas permitidas y guardar notas privadas, pero sus herramientas de investigación no pueden enviar mensajes directamente, modificar contenido mediante plugins ni controlar un navegador o un ordenador. Las acciones posteriores vuelven a los permisos, aprobaciones y controles de seguridad normales.
Eso no es solo una limitación. Un operador 24/7 no necesita también un permiso 24/7 para destruir producción.
Una política sensata es observación amplia y autoridad estrecha para cambios de alto impacto.
9. En la práctica, “tener iniciativa” significa que la respuesta ya está ahí antes de preguntar
Cuando se empieza a usar un Dot de verdad, aparece otra función muy útil además de supervisar Scheduled Tasks: encargarse de las comprobaciones recurrentes que antes una persona tenía que recordar y pedir manualmente.
Por ejemplo, puede vigilar el tráfico, convertir en gráficos la evolución de los artículos que empiezan a crecer y después ir un paso más allá: no solo preguntar “¿qué artículos crecieron?”, sino “¿qué tienen en común los que están creciendo?”. Tema, canal de entrada, idioma, movimiento después de publicar y navegación interna pueden pasar de ser una consulta puntual a un análisis continuo.
Lo mismo vale para operaciones. Si algo se queda atascado en Cloudflare o GitHub, el Dot puede revisar el estado, reducir las posibles causas, aplicar una reparación segura cuando tenga permiso y seguir el trabajo hasta su finalización. En vez de preguntar cada vez “¿dónde se ha atascado?”, “¿cómo va el tráfico?” o “¿qué artículos despegan?”, puedes abrir el Dot y descubrir que la investigación, el gráfico o la reparación ya avanzaron.
Ese puede ser el tipo de inteligencia más útil.
Y en la práctica no se limitó a observar métricas. También avanzó builds de Cloudflare, observó el estado de GitHub y realizó correcciones cuando hizo falta. Es decir, no es solo una capa de monitorización que detecta y reporta: cuando tiene permiso, baja al terreno y hace el trabajo.
A ese nivel, “tener iniciativa” deja de ser una descripción simpática y se convierte en una realidad operativa: observar, reparar, verificar y continuar sin necesitar una microinstrucción nueva para cada paso. Empieza a sentirse menos como una herramienta y más como un operador asignado.
Ya no vas a la IA a buscar una respuesta cada vez. Vas a mirar la mesa de una persona responsable y quizá el gráfico, el diagnóstico y el resultado de la reparación ya estén allí.
“Una IA con iniciativa” suena abstracto, pero operativamente es muy concreto: recoge por adelantado las preguntas que antes tú tenías que recordar y repetir.
Quizá la mayor ganancia de productividad no sea responder más rápido, sino eliminar la obligación humana de recordar continuamente qué hay que revisar.
Y en la práctica puede ir más allá de observar. Puede seguir el estado de las builds de Cloudflare, revisar lo que ocurre en GitHub y avanzar con correcciones reales cuando los permisos y las reglas de seguridad lo permiten. El comportamiento empieza a pasar de “he encontrado el problema” a “lo encontré y ya lo atendí”.
En ese punto deja de parecer que “podría tener iniciativa” y empieza a sentirse como alguien que realmente la tiene. La persona ya no necesita recorrer cada vez paneles, repositorios, estados de build y tareas atascadas.
La relación se parece menos a “darle trabajo a una IA” y más a consultar los resultados de un operador que ya estaba vigilando el sistema.
10. Conclusión: la magia no es “siempre encendido”, sino “siempre responsable”
El cambio importante no es que ChatGPT haya ganado otra interfaz de conversación inteligente.
Es que una IA puede conservar la responsabilidad cuando te vas, trabajar entre tareas programadas y aplicaciones conectadas, y continuar desde el punto del fallo anterior en vez de obligarte a reconstruir toda la historia.
Por eso Dots puede ser especialmente potente como supervisor de flujos recurrentes que fallan de vez en cuando: vigilar, recuperar lo incompleto, llamar a un especialista solo cuando hace falta y seguir hasta que la condición real de finalización se cumpla.
Es la versión de IA de los duendes del zapatero.
Solo que por la mañana no basta con comprobar que los zapatos existen. Hay que ver si quedan bien.
Completar, no solo informar.
