El trabajo de oficina podría impulsar la próxima ola de tokens: Astra y los beneficios de las empresas coreanas

GPT-6 Astra, presentado el 3 de septiembre, y los productos financieros y de análisis de datos anunciados el 10 de septiembre sugieren un cambio en la competencia de la IA. La pregunta pasa de la calidad de una respuesta a la capacidad de mantener una tarea delegada hasta terminarla. La oferta financiera de OpenAI conecta información, fuentes y plantillas empresariales; la de datos conecta información interna y permisos.¹²³

Esto podría extender el uso intensivo asociado a los desarrolladores al trabajo de oficina. Pero un lanzamiento no demuestra una explosión de consumo. Multiplicar el número de empleados administrativos por los tokens de un desarrollador tampoco constituye una previsión defendible.

La tesis es condicional: una mejor interacción con el ordenador y una ejecución prolongada más fiable pueden reducir la intervención humana y aumentar las tareas realmente delegadas. El inversor en acciones coreanas debe identificar quién convierte esa demanda en ventas y precios de memoria, pedidos de equipos eléctricos o beneficios recurrentes de software.

La programación disponía de ejecución y comprobación

El desarrollo ofrece repositorios que leer, herramientas que ejecutar y pruebas para contrastar el resultado. Es posible modificar un programa, examinar el fallo y repetir el proceso. Esto no significa que todo resultado informático sea fácil de verificar. La interpretación más limitada es que resultaba relativamente sencillo conectar ejecución y evaluación en un entorno de desarrollo.

Un estudio de agentes de programación publicado en abril de 2026 encontró grandes diferencias de consumo entre modelos y trayectorias, incluso al repetir la misma tarea. Gastar más no mejoraba sistemáticamente la precisión. Por eso tampoco conviene extrapolar ese consumo a todos los trabajadores de oficina.⁴

En la oficina, una promesa por correo, el estado de un cliente, una fórmula de Excel y una norma interna pueden estar separados. Una respuesta correcta no compensa una modificación incorrecta del registro. Hay que incorporar permisos y aprobaciones para convertir una respuesta en trabajo terminado.

«Después de la programación» no implica que un mercado empiece cuando termina el otro. Ya se solapan. La hipótesis es que la intensidad del uso recurrente en funciones no técnicas podría convertirse en el próximo motor de crecimiento.

El ordenador amplía el alcance; la continuidad cambia la economía

Usar un ordenador significa interpretar pantallas, pulsar controles e introducir datos. Ejecutar tareas prolongadas exige conservar objetivos y evidencias, recuperarse de errores y comprobar el resultado. La primera capacidad amplía los procesos accesibles; la segunda reduce la necesidad de vigilancia continua.

Ambas se refuerzan. Pulsar correctamente no sirve si el agente pierde el objetivo en el décimo paso. Razonar durante mucho tiempo tampoco basta si una persona debe trasladar cada resultado al sistema empresarial. Es una interpretación económica, no una propiedad matemática demostrada de la arquitectura del modelo.

Fuente: OpenAI. OSWorld utiliza el subconjunto sin conexión v2026.08.08. La configuración y las herramientas pueden diferir del servicio real; también importa la mejora del entorno de ejecución.¹

La fiabilidad por paso puede tener efectos acumulativos. En un ejemplo que exige acertar 50 pasos independientes, una fiabilidad del 98% produce una probabilidad total de 0,98 elevado a 50, aproximadamente el 36,4%. Con el 99,5%, alcanza el 77,8%. Los errores reales están correlacionados y existen comprobaciones y reintentos. Es una ilustración, no una estimación del éxito de Astra en empresas.

Tampoco es deseable hacerlo todo mediante clics. Cuando existe una interfaz de programación estable, una API, suele ser preferible; la interacción visual puede cubrir los huecos. La oportunidad consiste en conectar procesos sin sustituir todos los sistemas heredados.

La capacidad empieza a integrarse con datos y operación

ChatGPT Financial Services, anunciado el 10 de septiembre, intenta conectar datos financieros y documentos con plantillas y controles de cada empresa. El producto de análisis conecta datos autorizados y contexto empresarial. Ambos muestran que el modelo por sí solo no resuelve el acceso ni la validación.²³

La beta pública de Agents API proporciona infraestructura para gestionar contexto, ejecutar herramientas y coordinar agentes. Evitar que cada compañía tenga que construir por su cuenta la ejecución persistente podría abaratar la conversión de capacidad técnica en tareas de pago. Están verificados el anuncio y las funciones descritas, no el gasto agregado de los clientes ni su rentabilidad.⁵

La primera oportunidad probablemente no sea sustituir sin supervisión todos los puestos. Comparar documentos, preparar visitas comerciales, elaborar informes periódicos y conciliar gastos son tareas delimitadas y comprobables. Pagos, contratos vinculantes y decisiones laborales deben mantener autorizaciones humanas adecuadas por el coste de un error.

Una instrucción corta puede generar mucho cálculo

«Compare tres proveedores y prepare la próxima reunión» es una frase. Ejecutarla exige localizar correos y ofertas, homogeneizar condiciones, crear tablas, verificar cifras y fuentes y aplicar una plantilla. Si falta información, una parte del proceso debe repetirse.

La respuesta final puede ser breve mientras el modelo realiza numerosas llamadas. Los documentos consultados, los resultados de herramientas y las revisiones consumen tokens. Estos son unidades de entrada y salida del modelo, no un recuento de preguntas o frases.

Anthropic comunicó en junio de 2025 que, en los datos de su sistema de investigación, los agentes consumían aproximadamente cuatro veces los tokens de una conversación y los sistemas multiagente unas quince veces. No es un multiplicador universal para el trabajo empresarial. Sí aporta evidencia del mecanismo que convierte una conversación en ejecución mucho más intensiva.⁶

La oportunidad sostenible no consiste en tardar más haciendo ineficientemente lo mismo. Consiste en realizar tareas antes descartadas por su coste: propuestas específicas para más clientes, conciliaciones más frecuentes o investigación competitiva más amplia. Los bucles de reintentos sin valor no demuestran disposición a pagar.

La frecuencia de delegación importa más que la plantilla total

Tokens mensuales = empleados elegibles × proporción de usuarios activos × tareas diarias delegadas por usuario × días laborables × tokens acumulados por tarea.

El total por tarea incluye todas las llamadas, entradas, salidas, comprobaciones y reintentos. También incluye las llamadas de agentes adicionales. Volver a multiplicarlo por el número de agentes o los reintentos duplicaría el cálculo.

La siguiente sensibilidad mantiene una organización de 1.000 empleados y 22 días laborables. Son supuestos, no observaciones de clientes ni previsiones para 2027.

La base es 1.000 × 20% × 10 × 22 × 2.000 = 88.000.000 tokens. La delegación habitual es 1.000 × 50% × 3 × 22 × 40.000 = 1.320.000.000. Son estados alternativos, no incrementos que sumar a la base. Una conversación y una tarea terminada tampoco producen el mismo resultado.

Las 15 veces combinan 2,5 veces más usuarios activos y seis veces más tokens diarios por usuario: de 20.000 a 120.000. No requieren multiplicar por quince la plantilla. Si la adopción se limita a un resumen diario, la expansión será mucho menor.

Una población no técnica más grande no demuestra cuándo su demanda superará la de programación. La adopción, la frecuencia y el consumo por tarea deben ser suficientes. Además, no debe contarse dos veces el código generado por un usuario de negocio y la documentación creada por un desarrollador.

El ejemplo de 0,56 dólares muestra el umbral económico

Astra Standard cuesta públicamente 10 dólares por millón de tokens de entrada y 50 dólares por millón de salida. Supongamos una tarea sin caché con 36.000 tokens de entrada y 4.000 de salida.¹

Coste del modelo = 36.000 / 1.000.000 × 10 dólares + 4.000 / 1.000.000 × 50 dólares = 0,56 dólares.

Los 4.000 tokens de salida son el total facturable de todas las llamadas, no la longitud del informe final. Si el razonamiento se factura como salida, también debe incluirse. Caché, modelos más baratos y tarifas de herramientas cambian el importe real.

El escenario habitual genera 500 usuarios × 3 tareas × 22 días = 33.000 tareas mensuales. Con esa hipótesis, el gasto en modelos sería de 18.480 dólares mensuales, o 36,96 por usuario activo. Quedan fuera navegador, licencias de datos, integración, seguridad, formación y resolución de incidentes.

Valor neto de delegar = ahorro laboral realizado o valor comercial adicional − modelos y herramientas − revisión y repetición humana − pérdidas por errores − costes operativos y de integración asignados.

Supongamos una tarea de bajo riesgo y resultado equivalente que una persona termina en 30 minutos, con un valor horario de 50 dólares: el coste original es de 25 dólares. Si la IA requiere cinco minutos de revisión y el 20% de las tareas fallidas se rehace desde cero, la repetición esperada añade seis minutos. El coste humano es de unos 9,17 dólares; con el modelo asciende a 9,73. Quedan aproximadamente 15,27 dólares para otros costes y errores. El éxito del 80% es un supuesto, no una lectura de las evaluaciones.

Si revisar exige 25 minutos, el coste esperado asciende a 26,39 dólares. Una inferencia barata no salva la operación. El tiempo ahorrado tampoco reduce automáticamente la nómina: debe materializarse en reasignación, mayor producción o contrataciones evitadas.

La métrica decisiva no es cuánto tiempo puede seguir funcionando un agente, sino cuánta intervención humana necesita por tarea terminada.

Tokens, facturación, cálculo y memoria no son equivalentes

Convertir 15 veces más tokens en 15 veces más demanda de semiconductores omite varias transformaciones.

Manteniendo fija la composición del trabajo, 15 veces más tokens con una reducción del 80% del cálculo por token implican tres veces más cálculo. Si la reducción es del 95%, implican 0,75 veces: 15 × 0,20 y 15 × 0,05. Son sensibilidades, no previsiones de progreso técnico.

Un menor coste puede aumentar el uso sin aumentar el gasto total. En igualdad de condiciones, el volumen debe crecer lo suficiente para compensar la caída del precio unitario. Hay que comparar los nuevos usos habilitados con el menor cálculo necesario para las tareas existentes.

También importa la concurrencia. Un mismo volumen diario exige más capacidad si se concentra al comenzar la jornada. Agrupar tareas nocturnas que toleran demora puede mejorar utilización y posponer construcción. Multiplicar agentes por 24 horas no crea demanda automáticamente.

La tesis de memoria abarca varios niveles

Los sistemas conservan los pesos del modelo y resultados intermedios del contexto anterior. El estado reutilizable de atención suele denominarse caché KV. Las tareas largas y los usuarios simultáneos pueden aumentar la importancia de dónde se guarda y cómo se recupera.

No todo debe permanecer en la costosa memoria de alto ancho de banda, HBM. Los anuncios de STX y CMX de NVIDIA, en marzo de 2026, plantean un nivel adicional de almacenamiento de contexto. Buscan ampliar el contexto accesible y aprovechar mejor las GPU existentes. Sus mejoras de rendimiento dependen de la configuración; no son una medición de toda la industria.⁷

HyMCache, presentado en julio y revisado en agosto con el título A CXL Memory Rack for Multi-Turn LLM Serving, combina DRAM y SSD para reutilizar estados. Una comparación sacrificó parte del rendimiento a cambio de usar mucha menos DRAM. Es investigación, no prueba de adopción comercial masiva, pero contradice la extrapolación uno a uno entre tokens y un producto concreto de memoria.⁸

La hipótesis útil no es elegir entre desaparición o explosión garantizada de HBM. Es observar cómo HBM rápida, DRAM de servidor y SSD empresariales de alta capacidad reparten el trabajo y permiten capturar valor. Los tokens tampoco equivalen a documentos almacenados: releer un archivo aumenta el consumo lógico sin aumentar necesariamente los datos originales guardados.

Cuatro mecanismos de beneficios en la bolsa coreana

Este mapa organiza la investigación por exposición, no por atractivo de compra al precio actual.

SK hynix: ampliar la mirada más allá de HBM

La presentación del 26 de agosto de SK hynix incluyó HBM, DRAM de servidor y SSD empresariales. Esta cartera ofrece varias vías ante una jerarquía de memoria más diferenciada. Exhibir un producto no demuestra que todos generen el mismo ingreso al mismo tiempo.⁹

Importan los volúmenes y precios por producto, no una cifra agregada etiquetada como IA. Más HBM no explica todo si se debilitan DRAM de servidor o NAND. La caja operativa debe analizarse después de inversión y capital circulante.

Es un candidato directo para investigar esta tesis, pero exposición directa no significa infravaloración. Una industria favorable puede dar rendimientos pobres si la ventaja de oferta ya está descontada.

Samsung Electronics: amplitud con efectos que se compensan

En sus resultados del 30 de julio, Samsung relacionó la perspectiva del segundo semestre para agentes con DRAM de servidor, SSD empresariales y HBM. Un proveedor está formulando una hipótesis parecida; sigue siendo una previsión de la dirección, no una demostración independiente del futuro.¹⁰

La amplitud de memoria ofrece varias vías de exposición. El beneficio depende de producir rentablemente tras la cualificación del cliente, del rendimiento de fabricación y de la mezcla. Otros semiconductores y productos de consumo también influyen en el resultado consolidado.

No debe sumarse el lanzamiento de Astra directamente a la previsión de beneficios. Hay que aislar la demanda adicional respecto al gasto en IA ya previsto y su efecto sobre volumen, precio o margen. Una nueva narración sobre pedidos existentes no constituye beneficio incremental.

LS ELECTRIC: pedidos y construcción, no regalías por token

El 24 de agosto, LS ELECTRIC anunció la ampliación de un contrato norteamericano para equipos de un centro de datos de IA, hasta aproximadamente 230.900 millones de wones. Es el importe total modificado, no un pedido íntegramente adicional al anterior. Verifica la conexión empresarial, pero precede al anuncio de Astra y no puede atribuirse a él.¹¹

Si la inferencia de oficina solo eleva la utilización de instalaciones existentes, los pedidos eléctricos no aumentarán inmediatamente. La demanda persistente debe transformarse en construcción financiada y con acceso a electricidad. Tipos altos y retrasos pueden coexistir con una perspectiva favorable a largo plazo.

Se deben comprobar pedidos, conversión de cartera en ingresos, beneficios de proyecto y cobros. Valorar la compañía como si cobrara cada vez que se procesa un token ignora el desfase y el riesgo de ejecución.

Samsung SDS: responsabilidad operativa frente a simple reventa

Samsung SDS presenta FabriX como plataforma que conecta modelos y sistemas, permitiendo crear, operar y gobernar agentes. Brity Copilot incorpora IA al correo y las reuniones. Datos, permisos y responsabilidad operativa ofrecen exposición plausible a la adopción de oficina.¹²¹³

Los propios proveedores de modelos amplían productos empresariales y conexiones. Una ventana de chat o el acceso revendido pueden sufrir presión de precios. La defensa competitiva parece más probable al resolver excepciones de sistemas heredados, permisos, auditoría e incidentes con contratos renovables.²⁵

Un mayor uso pagado no asegura más beneficio si crecen antes los costes del modelo y la integración. Se requieren contratos externos recurrentes, retención después de implantar y márgenes tras inferencia. Los materiales revisados no acreditan un margen independiente del negocio de IA.

Acertar con la industria no asegura acertar con la acción

Factor del precio de la acción = factor del beneficio por acción × factor del múltiplo de valoración.

Si el beneficio por acción aumenta un 30% pero el PER baja de 20 a 15 veces, el precio queda en 1,30 × 15 / 20 = 0,975: pierde un 2,5%. Son números ilustrativos, no valoraciones actuales. Se presupone la misma definición y horizonte del beneficio.

No conviene multiplicar por cuatro el mejor trimestre de memoria y considerarlo permanente. Hay que normalizar precios, oferta, depreciación, inversiones y caja. El valor de un contrato de equipos no es beneficio inmediato, y los ingresos de software deben descontar la reventa.

Este artículo no verifica exhaustivamente cotizaciones y consenso del día para cada empresa. No inventa objetivos ni niveles de entrada. Comprar exige calcular qué crecimiento descuenta el valor empresarial y si nuevos pedidos y repetición superan esa expectativa.

La memoria merece investigación temprana porque permite exposición a varios modelos sin elegir una única aplicación ganadora. Sin embargo, diversificar entre proveedores de modelos no diversifica el ciclo de memoria. Poseer ambos grandes fabricantes coreanos conserva el riesgo común de inversión en IA y precios de memoria.

Desde el cuarto trimestre, observar repetición e intervención

El cuarto trimestre de 2026 y el primero de 2027 constituyen una ventana de observación, no un calendario de adopción garantizado.

Si durante dos trimestres no se demuestra repetición no técnica ni economía unitaria, debe retrasarse la expectativa de la siguiente ola. Si la adopción crece pero la eficiencia compensa el hardware, puede mantenerse la tesis de software y reducirse la de semiconductores. Incidentes de seguridad que restrinjan permisos o una dependencia persistente de rescates humanos también la debilitan.

Astra puede ampliar el mercado de tareas terminadas más que el de respuestas largas. La oportunidad de compra en Corea aparece cuando la posibilidad se convierte en gasto recurrente y caja por encima de lo ya descontado.

Información comprobada al 11 de septiembre de 2026. Se distinguen afirmaciones empresariales de validación independiente. Los escenarios de consumo, costes y cotización son supuestos del autor. No es asesoramiento personalizado.

Fuentes