OpenAI ha publicado un nuevo caso de uso empresarial sobre Proaction, una startup de software para gestión de flotas, que atribuye a la adopción de Codex y otros modelos de la compañía un ahorro de 40 a 60 horas de ingeniería al mes, otras 33 horas mensuales de tiempo del fundador y un aumento del 60% en ventas. Las cifras aparecen en el caso de cliente publicado por OpenAI.
La empresa utiliza IA para personalizar demostraciones comerciales
Proaction vende software a negocios que gestionan flotas de coches, camiones y maquinaria. Según el caso publicado, uno de sus problemas era que cada cliente opera de forma distinta y preparar demostraciones adaptadas requería tiempo de ingeniería que el equipo no podía dedicar a cada oportunidad comercial.
La compañía explica que utiliza Codex para acelerar esas personalizaciones y convertir requisitos de potenciales clientes en demostraciones más específicas. OpenAI relaciona este cambio con una mayor capacidad para enseñar el producto de forma ajustada a cada prospecto y con el crecimiento comercial declarado.
Entre 40 y 60 horas de ingeniería al mes
El dato más concreto del caso es el ahorro estimado de entre 40 y 60 horas mensuales de trabajo de ingeniería. Proaction también cifra en 33 horas al mes el tiempo recuperado por su fundador. Estas magnitudes son declaraciones del cliente recogidas por OpenAI y no un experimento independiente, por lo que deben interpretarse como resultados de ese caso concreto.
Para una pyme española, la referencia útil no es asumir que obtendrá el mismo porcentaje, sino medir tareas repetitivas antes y después de introducir IA: tiempo de desarrollo, número de iteraciones, coste de una demo, velocidad de respuesta y tasa de conversión.
La IA también entra en la operación de flotas
Proaction utiliza modelos de OpenAI para analizar imágenes asociadas a incidencias de vehículos y está desarrollando agentes de voz para tareas operativas. La empresa describe una capa de ejecución gestionada en la que agentes especializados pueden ocuparse de peajes, servicio u otros flujos, combinando llamadas, documentos, imágenes, texto y chat.
Ese enfoque coincide con el movimiento general hacia agentes empresariales que hemos visto en las capacidades agénticas de Google Workspace y en el despliegue de IA agéntica entre partners de Microsoft en España.
Qué debería medir una empresa antes de replicar el enfoque
El primer paso es seleccionar un proceso con coste visible: preparación de propuestas, personalización de demos, desarrollo de integraciones o soporte interno. Después, conviene fijar una línea base de horas, errores, tiempos de entrega y resultados comerciales para comprobar si la IA produce una mejora real.
También deben existir controles. El uso de agentes en desarrollo requiere revisar código y permisos; GitHub está incorporando métricas de revisión, memoria en Agentic Autofix y un validador de configuración empresarial. En seguridad de cuentas, la transición hacia passkeys es otro ejemplo de control que debe acompañar a una mayor automatización.
El 60% de ventas no es una previsión para otras empresas
OpenAI presenta el dato como resultado de Proaction, no como garantía de retorno para cualquier negocio. La combinación de producto, ciclo comercial, equipo y clientes condiciona el efecto. La lectura útil para una pyme es metodológica: identificar un cuello de botella, automatizar una parte concreta y medir si las horas recuperadas se convierten realmente en entregas, soporte o ventas adicionales.
Fotografía: Kampus Production / Pexels.
