GPT-5.4: computer use y un millón de tokens en el mismo objeto
GPT-5.4 une el uso del ordenador y una ventana de un millón de tokens en un mismo modelo capaz de planificar, actuar y verificar durante flujos largos, aunque siga llamándose chat.
7 minutos de lectura
En la aviación comercial existe una manera de introducir capacidades peligrosas que a los pasajeros les pasa inadvertida y que dice mucho sobre cómo debería hacerse en otros ámbitos. Un piloto no obtiene de golpe la habilitación para volar cualquier avión en cualquier condición. Va sumando horas y autorizaciones para tipos de aparato concretos, y cada una de ellas exige un examen y queda anotada en un libro que puede consultarse años después. Durante décadas, además, los aviones bimotores tuvieron limitadas las rutas sobre el océano a una distancia determinada del aeropuerto alternativo más cercano, porque la pregunta que importaba era qué hace el avión cuando falla un motor.
Pensé en esas reglas al conocer GPT-5.4, que reúne en un mismo objeto dos capacidades de enorme alcance. Por un lado, el uso del ordenador, es decir, la posibilidad de que el modelo mueva el puntero, pulse botones y rellene formularios en nuestras aplicaciones; por otro, una ventana de contexto de un millón de tokens. Cada una de ellas por separado ya plantea preguntas serias. Juntas, en el mismo producto y presentadas en la misma demostración, invitan a conceder dos confianzas a la vez, la de actuar en nuestro nombre y la de leer todo nuestro archivo, y ese paquete completo pide una pausa antes de aceptarlo.

La combinación tiene una lógica interna que explica su atractivo y también su riesgo. Un agente que ha leído todo nuestro archivo sabe dónde está cada cosa y puede, en teoría, actuar con un conocimiento del contexto que ningún becario tendría en su primera semana. Pero ese mismo conocimiento hace que sus errores sean más difíciles de detectar, porque se apoyan en información que nosotros mismos hemos olvidado y que el agente maneja con soltura. Un clic equivocado basado en un documento antiguo, tomado por vigente, puede enviar una tarifa caducada a un cliente o reabrir una incidencia que llevaba meses cerrada, y nadie sabrá de inmediato de dónde salió la decisión.
Dos confianzas que conviene probar por separado
Una organización que piense adoptar algo así haría bien en separar las pruebas antes de nada. Primero, una temporada trabajando con el contexto largo sin permitir que el modelo haga clic en nada, para entender cómo maneja grandes volúmenes de documentación y qué errores comete al hacerlo. Después, otra temporada distinta probando el uso del ordenador con un perfil de permisos pobre, en aplicaciones donde un error sea reversible y barato. Solo entonces tendría sentido valorar la combinación con lo aprendido en ambas fases, sabiendo que el conjunto es mucho más capaz que la suma de sus partes y también bastante más difícil de auditar.
La razón es sencilla. Si algo sale mal en un sistema que hace dos cosas nuevas a la vez, resulta muy difícil saber cuál de las dos ha fallado, y sin ese diagnóstico no hay aprendizaje posible. Las demostraciones, por su naturaleza, quieren enseñarlo todo junto, porque el efecto es más espectacular, mientras que un despliegue serio busca justo lo contrario, aislar variables y avanzar paso a paso. Decidir sobre las dos capacidades el mismo día en que se ve la demo equivale a firmar un contrato importante al salir de una fiesta, con el ánimo alto y la cabeza poco clara.

Leer, proponer, actuar
La analogía de la aviación sugiere una forma ordenada de conceder permisos a un agente que usa el ordenador, en tres niveles que tienen sentido por sí mismos. En el primero, el modelo lee, de modo que puede ver pantallas y documentos, pero no tocar nada. En el segundo propone acciones concretas que una persona revisa y ejecuta con sus propias manos. En el tercero actúa, pulsando, escribiendo y enviando por su cuenta dentro de límites definidos de antemano. Nadie debería empezar por el tercer nivel, y tampoco ningún piloto estrena su carrera a los mandos de un avión de largo radio con pasajeros a bordo.
Subir de nivel debería ser una decisión explícita y atribuible a alguien, como se hacía con los privilegios de administrador en cualquier sistema informático bien gestionado. Ese registro tiene poco de burocracia inútil, porque si meses después alguien pregunta por qué el agente tenía permiso para enviar facturas o modificar una base de datos de clientes, la respuesta tiene que estar escrita en algún sitio y llevar una fecha y un nombre. La herramienta puede llegar con una interfaz simpática y hasta con una mascota, pero lo que se le está confiando pertenece a la categoría de los sistemas serios, y así debe tratarse desde la primera prueba.

El objeto único y la ausencia de alternativa
Hay un riesgo menos técnico y más organizativo en la idea de un objeto que lo hace todo. Si una sola herramienta lee los documentos y además ejecuta las acciones, la organización deja poco a poco de mantener caminos alternativos, porque parecen redundantes y cuestan esfuerzo. Los aviones llevan dos motores y procedimientos manuales para cuando la automatización se retira precisamente porque alguien pensó, con mucha antelación, en el día en que lo principal fallara, y ese pensamiento previo marca la distancia entre un incidente que se resuelve y una catástrofe que se investiga.
Conviene, por tanto, escribir un plan alternativo antes de necesitarlo, que diga qué canal se usa y qué persona asume las tareas del agente si el servicio deja de responder. Un error 503, ese mensaje lacónico que indica que el servidor no está disponible, es un acontecimiento corriente en cualquier servicio en la nube, y las oficinas que dependen por completo de un único proveedor lo viven como un apagón. Ese plan también hay que ensayarlo con cierta periodicidad, aunque el ensayo resulte incómodo y parezca una pérdida de tiempo mientras todo funciona con normalidad.
Una adopción que dura más que una demostración

Una demostración dura una hora y está diseñada para que todo salga bien. La adopción de una herramienta como GPT-5.4 durará años, atravesará actualizaciones, cambios de precio, caídas del servicio y rotación de personal, y en ese tiempo largo lo que cuenta es la disciplina con que se fueron concediendo los permisos y la seriedad con que se preparó la alternativa. La aviación tardó décadas en construir su cultura de seguridad, y lo hizo en buena parte aprendiendo de accidentes que nadie quiere repetir. Con los agentes que usan nuestros ordenadores tenemos la oportunidad, poco frecuente en la historia de la tecnología, de aprender esa lección antes del accidente, y sería una lástima desperdiciarla por las prisas del lanzamiento.
