El responsable de la API de OpenAI detalla el éxito empresarial con Agents SDK y Responses API

En la conferencia Transform 2025 de VentureBeat, Olivier Godement, director de producto de la plataforma API de OpenAI, ofreció una perspectiva interna sobre cómo los equipos empresariales están implementando y ampliando los agentes de IA.

En una mesa redonda exclusiva de 20 minutos que moderé con Godement, el antiguo investigador de Stripe y actual responsable de la API de OpenAI detalló las últimas herramientas para desarrolladores de la empresa, la API Responses y el SDK Agents, al tiempo que mostró aplicaciones del mundo real, medidas de seguridad y ejemplos de retorno de la inversión de los primeros usuarios, como Stripe y Box.

Para los líderes empresariales que se perdieron la sesión en directo, aquí están las ocho ideas más importantes:

Los agentes están pasando rápidamente del prototipo a la producción

Godement destacó que 2025 representa un cambio significativo en el despliegue a gran escala de la IA. Con más de un millón de desarrolladores activos al mes en todo el mundo que utilizan la plataforma API de OpenAI y un aumento interanual del 700 % en el uso de tokens, la IA está avanzando más allá de la fase experimental.

«Han pasado cinco años desde que lanzamos GPT-3 por primera vez... y el camino recorrido desde entonces ha sido realmente notable».

Señaló que la demanda actual va mucho más allá de los chatbots. «Las aplicaciones de IA están evolucionando desde simples preguntas y respuestas hasta casos de uso en los que el agente puede realizar tareas de forma activa en tu nombre».

Esta transición llevó a OpenAI a introducir dos herramientas clave para desarrolladores en marzo: la API Responses y el SDK Agents.

Cuándo utilizar agentes únicos frente a arquitecturas de subagentes

Un tema central fue la toma de decisiones arquitectónicas. Godement explicó que, aunque los bucles de agente único, que combinan el acceso completo a las herramientas y el contexto dentro de un modelo, son elegantes en teoría, a menudo resultan difíciles de implementar a gran escala.

«Crear agentes únicos precisos y fiables es difícil. Es realmente complicado».

A medida que los sistemas se vuelven más complejos, con herramientas adicionales, entradas de usuarios diversas y una lógica intrincada, los equipos suelen adoptar diseños modulares que utilizan subagentes especializados.

«Un enfoque común es dividir los agentes en múltiples subagentes... aplicando principios de ingeniería de software como la separación de preocupaciones».

Estos subagentes funcionan como roles dentro de un equipo: un agente de triaje clasifica las solicitudes, los agentes de primer nivel gestionan las tareas rutinarias y otros se ocupan de los casos complejos o inusuales.

Por qué la API de respuestas supone un cambio radical

Godement describió la API Responses como un avance fundamental en las herramientas de desarrollo. Anteriormente, los desarrolladores tenían que gestionar manualmente las secuencias de llamadas al modelo. Ahora, esta coordinación se gestiona automáticamente.

«La API Responses es posiblemente la capa de abstracción más significativa que hemos introducido desde GPT-3».

Permite a los desarrolladores centrarse en la intención en lugar de configurar los flujos de trabajo del modelo. «Tu objetivo es ofrecer una respuesta excelente al cliente... la API de respuestas gestiona todo ese proceso».

La API también incluye funciones integradas para la recuperación de conocimientos, la búsqueda en la web y la llamada a funciones, componentes esenciales para los flujos de trabajo de los agentes empresariales en el mundo real.

Observabilidad y seguridad integradas

Se hizo hincapié en la seguridad y el cumplimiento normativo como consideraciones fundamentales. Godement destacó las medidas de seguridad clave que hacen que la plataforma de OpenAI sea adecuada para sectores regulados como el financiero y el sanitario:

• Rechazos basados en políticas
• Registro SOC-2
• Compatibilidad con la residencia de datos

Identificó la evaluación como el principal reto a la hora de pasar de la demostración a la producción.

«En mi opinión, la evaluación de modelos es probablemente el mayor obstáculo para la adopción generalizada de la IA».

OpenAI ahora integra herramientas de seguimiento y evaluación dentro de la pila de API, lo que ayuda a los equipos a definir métricas de éxito y supervisar el rendimiento de los agentes a lo largo del tiempo.

«Sin invertir en evaluación... es difícil generar la confianza necesaria para garantizar la precisión y fiabilidad del modelo».

El retorno de la inversión inicial es visible en funciones específicas

Ciertas aplicaciones empresariales ya están mostrando beneficios cuantificables. Godement proporcionó ejemplos de:

• Stripe, que utiliza agentes para acelerar el procesamiento de facturas, informando de una «resolución de facturas un 35 % más rápida».
• Box, que implementó asistentes de conocimiento que permiten una «clasificación de tickets sin intervención».

Otros casos de uso de gran impacto son la atención al cliente (incluidos los sistemas basados en voz), la gobernanza interna y los asistentes de conocimiento para navegar por documentación compleja.

Lo que se necesita para lanzarlo a producción

Godement destacó la importancia de la iniciativa humana en las implementaciones exitosas.

«Un pequeño grupo de personas altamente motivadas ve un problema y una solución tecnológica, y se lanza de lleno a resolverlo».

Estos defensores internos no siempre tienen formación técnica. Lo que comparten es determinación.

«Su respuesta inmediata es: "¿Cómo puedo hacer que esto funcione?"».

OpenAI observa que muchas implementaciones iniciales están impulsadas por este grupo: los primeros en adoptar ChatGPT en entornos corporativos que ahora están explorando sistemas de agentes completos.

También destacó un factor que a menudo se pasa por alto: la experiencia en el ámbito. «El conocimiento esencial dentro de una empresa... no reside en los ingenieros, sino en los equipos operativos».

Permitir que los no desarrolladores utilicen herramientas de creación de agentes es un reto clave que OpenAI está tratando de resolver.

¿Qué le depara el futuro a los agentes empresariales?

Godement ofreció un avance de los próximos desarrollos. OpenAI se centra actualmente en:

• Agentes multimodales capaces de interactuar a través de texto, voz, imágenes y datos estructurados.
• Memoria a largo plazo para conservar el conocimiento a lo largo de las interacciones.
• La coordinación entre nubes para dar soporte a infraestructuras informáticas complejas y distribuidas.

No se trata de cambios revolucionarios, sino de mejoras incrementales que se basan en las capacidades existentes. «Una vez que tengamos modelos que puedan procesar información en minutos u horas, en lugar de segundos, se abrirán las puertas a aplicaciones verdaderamente innovadoras».

Conclusión: los modelos de razonamiento están infravalorados

Godement concluyó reafirmando su convicción de que los modelos de razonamiento, aquellos capaces de reflexionar antes de responder, serán los verdaderos impulsores de la transformación a largo plazo.

«Sigo convencido de que actualmente nos encontramos en una etapa comparable a la de GPT-2 o GPT-3 en términos de madurez de los modelos de razonamiento... Apenas hemos comenzado a explorar lo que estos modelos pueden lograr».

Para los líderes empresariales, la conclusión es clara: la infraestructura para la automatización impulsada por agentes ya está disponible. El éxito depende de identificar casos de uso específicos, empoderar a los equipos multifuncionales y mantener un enfoque iterativo. La próxima ola de valor no vendrá de demostraciones llamativas, sino de sistemas robustos moldeados por las necesidades del mundo real y la excelencia operativa.