Comparativa de tareas programadas de ChatGPT, agente Codex y automatización completa de Dot: 6 diferencias clave entre 3 tipos de automatización

Nota del autor: comparamos ChatGPT Scheduled Tasks, el agente Codex y ChatGPT Dot en tres niveles —activación, ejecución y coordinación continua— para analizar sus capacidades de automatización, costos, fiabilidad y criterios de elección.

Hasta octubre de 2026, OpenAI cuenta con tres productos que permiten que la IA «trabaje por su cuenta»: ChatGPT Scheduled Tasks, el agente Codex y sus automatizaciones (Codex Automations), y ChatGPT Dot, un agente personal permanente lanzado el 29 de septiembre. Los tres permiten programar ejecuciones y continuar el trabajo entre conversaciones, así que a muchos usuarios les cuesta distinguirlos y decidir en qué plan invertir.

Este artículo no ordena los tres productos de «más potente» a «menos potente». Cada uno está diseñado con un objetivo distinto y ya han empezado a interactuar entre sí. Usamos la documentación oficial de OpenAI para explicar sus capacidades y costos, y contrastamos su fiabilidad con pruebas de The Verge, Axios y Business Insider, además de registros de fallos de la comunidad.

Qué te llevarás: al terminar, sabrás cuál elegir para buscar información a diario, automatizar tareas de desarrollo de software o dar seguimiento a proyectos a largo plazo. También entenderás qué les falta para convertirse en «empleados digitales que trabajan sin supervisión».

Diferencias clave entre las tareas programadas de ChatGPT, Codex y Dot

La forma más sencilla de entenderlos es esta: las tareas programadas activan el trabajo, Codex lo ejecuta y Dot lo coordina de forma continua. Es una comparación para facilitar la comprensión, no una clasificación técnica oficial de OpenAI. Sus funciones se solapan en muchos aspectos: eso no significa que las tareas programadas no puedan ejecutar acciones ni que Codex no pueda trabajar de forma proactiva.

La tabla compara las capacidades que admiten los productos. Eso no significa que todas estén disponibles en todas las cuentas, versiones o regiones.

Tareas programadas de ChatGPT: «disparadores» que van más allá de los recordatorios

Las tareas programadas llegaron en versión beta el 14 de enero de 2025 y, en un principio, se usaban principalmente para recordatorios. Tras la actualización del 17 de junio de 2026, cuentan con un apartado unificado de gestión llamado Scheduled. Las tareas de monitoreo pueden buscar en Internet y revisar las aplicaciones conectadas, y solo envían una notificación cuando hay cambios que merece la pena comunicar. La función de actualizaciones proactivas de ChatGPT Pulse también se integró en las tareas programadas, por lo que Pulse dejó de estar disponible.

Los desencadenantes por eventos son otra capacidad importante. Las fuentes de eventos admitidas oficialmente incluyen nuevos correos de Gmail (con filtros por remitente o asunto), nuevos mensajes en canales específicos de Slack y determinadas actividades de Pull Requests de GitHub. Estas tareas se ejecutan a través de ChatGPT Work y no están disponibles en los planes Free y Go. Una tarea puede combinar varios desencadenantes por eventos, pero no puede incluir desencadenantes temporales y por eventos en la misma definición.

Agente Codex: hacer que el trabajo realmente se ejecute

La aplicación de escritorio de Codex llegó a macOS el 2 de febrero de 2026 y se expandió a Windows el 4 de marzo. Ofrece ejecución paralela de varios agentes, aislamiento mediante Git Worktree, un sistema de habilidades y Automations. El 16 de abril, el lanzamiento de «Codex for (almost) everything» introdujo cambios importantes: Codex puede manejar otras aplicaciones del equipo, usar Computer Use en segundo plano, recordar información, programarse tareas futuras, retomar hilos existentes y sugerir el siguiente paso por iniciativa propia. En ese momento, OpenAI informó que más de 3 millones de desarrolladores usaban Codex cada semana. Esa cifra refleja su adopción, pero no significa que todos usaran las funciones de automatización.

La diferencia fundamental entre Codex y una tarea programada es que Codex recupera el entorno de trabajo y luego lee archivos, modifica código, ejecuta pruebas, revisa los resultados y corrige los fallos, en lugar de limitarse a generar un texto a una hora determinada. En febrero de 2026, OpenAI publicó los resultados de un experimento interno de larga duración: Codex utilizó GPT-5.3-Codex para crear una herramienta de diseño desde un repositorio vacío. Trabajó durante unas 25 horas, consumió aproximadamente 13 millones de tokens y generó unas 30.000 líneas de código. El experimento muestra que Codex puede avanzar durante mucho tiempo hacia un mismo objetivo complejo, pero no constituye una garantía de fiabilidad para todos los usuarios.

ChatGPT Dot: un agente personal que se ocupa de tus tareas de forma continua

Dot funciona con GPT-6 Astra y cuenta con su propia computadora en la nube y su propio navegador. Su ecosistema de complementos puede conectarse a más de 4000 aplicaciones y colaborar con los usuarios a través de ChatGPT, Slack, Teams y otros canales. «Más de 4000» se refiere al alcance del ecosistema: las aplicaciones que cada usuario puede utilizar dependen de los complementos, las conexiones, los permisos, la región y la configuración del espacio de trabajo. La diferencia clave entre Dot y Codex es la investigación proactiva (Proactive Research): incluso cuando el usuario no envía mensajes nuevos, Dot lee las fuentes de información autorizadas, relaciona las novedades con las tareas existentes y decide si debe avisarle.

La investigación proactiva tiene un límite de seguridad importante: solo puede usar herramientas de lectura. No puede enviar mensajes directamente a terceros, modificar contenido en aplicaciones conectadas ni controlar el navegador. Los hallazgos se comunican primero a Dot, que organiza las acciones posteriores según las reglas de autorización y aprobación. En octubre, Dot ya podía iniciar o continuar trabajos de Codex, además de leer y editar tareas de automatización existentes de ChatGPT Work. Así, los tres colaboran entre sí en lugar de sustituirse unos a otros.

Comparación de costes de las tareas programadas de ChatGPT, Codex y Dot

Estas tres funciones no requieren tres suscripciones independientes. Las tareas programadas suelen estar incluidas en los planes de ChatGPT compatibles. Codex se puede usar mediante una suscripción a ChatGPT o con una clave API y pago por uso. La primera instancia de Dot está incluida en los planes Pro o Business Premium que cumplen los requisitos, sin coste adicional de suscripción básica.

Hay algunos puntos que pueden prestarse a confusión. Las capacidades principales de Dot son las mismas en Pro 200 y Pro 100; la diferencia está sobre todo en los límites de uso y las ventajas del plan. Los usuarios de Plus no pueden acceder directamente a Dot por ahora. Durante el primer mes tras el lanzamiento de Dot, su propio uso, cuando cumple los requisitos, no se descuenta de los límites existentes. Sin embargo, las tareas de Work y Codex que Dot crea o gestiona siguen consumiendo cuota según sus respectivas reglas. Work y Codex comparten la cuota de trabajo en los planes compatibles. El entorno estándar de Codex en la nube no tiene un cargo independiente por máquina virtual, aunque las tareas del modelo se facturan con normalidad.

También conviene dejar algo claro: acceder con una clave API no equivale a obtener las funciones nativas de Dot, Work o Codex Cloud incluidas en una suscripción a ChatGPT. La vía de la API es adecuada para desarrolladores que quieran montar por su cuenta el mecanismo de «activación + invocación del modelo». A continuación se muestra una implementación mínima.

Crea una «tarea programada» ligera con una API

Si solo necesitas resumir un conjunto de noticias cada mañana y no quieres mejorar tu suscripción, puedes hacerlo con cron y una única invocación del modelo. Ten en cuenta que la API no navega por la web por ti: el script debe recopilar las noticias y pasárselas al modelo.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI OpenAI 兼容接口
)

news = open("today_feed.txt", encoding="utf-8").read()  # 由抓取脚本预先生成
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": f"筛选高价值 AI 新闻并写中文摘要，保留原始网址：\n{news}"}]
)
print(resp.choices[0].message.content)

import json
import time
import hashlib
from pathlib import Path
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

SEEN_FILE = Path("seen.json")

def load_seen() -> set:
    return set(json.loads(SEEN_FILE.read_text())) if SEEN_FILE.exists() else set()

def dedupe(items: list[dict], seen: set) -> list[dict]:
    fresh = []
    for it in items:
        key = hashlib.md5(it["url"].encode()).hexdigest()
        if key not in seen:
            seen.add(key)
            fresh.append(it)
    return fresh

def summarize(items: list[dict], model: str = "gpt-4o-mini", retries: int = 3) -> str:
    text = "\n".join(f"- {i['title']} | {i['date']} | {i['url']}" for i in items)
    for attempt in range(retries):
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[
                    {"role": "system", "content": "你是 AI 行业编辑，只基于给定条目写摘要，不补充未提供的事实。"},
                    {"role": "user", "content": f"按重要性排序并写中文摘要，保留网址和日期：\n{text}"}
                ],
                max_tokens=1500
            )
            return resp.choices[0].message.content
        except Exception as e:
            time.sleep(2 ** attempt)
    return "ERROR: 模型调用失败，需人工检查"

if __name__ == "__main__":
    items = json.loads(Path("today_feed.json").read_text(encoding="utf-8"))
    seen = load_seen()
    fresh = dedupe(items, seen)
    SEEN_FILE.write_text(json.dumps(list(seen)))
    report = summarize(fresh) if fresh else "今日无新增条目"
    Path("daily_report.md").write_text(report, encoding="utf-8")

# crontab 示例：每天 8 点执行
# 0 8 * * * /usr/bin/python3 /path/to/daily_news.py

🚀 Consejo para empezar: la clave de una solución propia es conseguir que funcionen las tres etapas: activación, ejecución y entrega. Después puedes plantearte usar un modelo más potente. Puedes obtener créditos gratuitos de prueba en APIYI apiyi.com y usar la misma clave API para comparar la calidad de los resúmenes de GPT, Claude y Gemini antes de elegir cuál usar a diario.

Cuándo elegir tareas programadas de ChatGPT, Codex o Dot

La comparación es más clara si usamos un mismo objetivo: «Investigar noticias de IA todos los días a las 8:00, seleccionar las más relevantes, analizar tendencias a partir de las noticias anteriores y preparar material útil para el equipo editorial».

Cuándo elegir tareas programadas de ChatGPT

• Resumen diario y monitoreo: crea una tarea diaria o de monitoreo que busque información en Internet a la hora indicada, evite noticias repetidas y solo te avise cuando haya novedades.
• Respuesta sencilla a eventos: organiza automáticamente la información cuando llega un mensaje de un remitente específico en Gmail o hay actividad nueva en una PR de GitHub. Requiere un plan Plus o superior.
• Limitaciones: la calidad de la recopilación depende de las herramientas de búsqueda y de la accesibilidad de los sitios web. Las investigaciones complejas sobre tendencias también están limitadas por las capacidades y los límites de uso del modelo.

Cuándo elegir Codex

• Flujo de recopilación fácil de mantener: consulta fuentes predefinidas, extrae información mediante scripts, elimina duplicados, guarda datos estructurados, los compara con el historial y genera informes que se pueden revisar. Si algo falla, corrige el flujo por sí mismo.
• Tareas programadas de ingeniería: clasificación diaria de bugs, resúmenes de fallos de CI, informes de lanzamiento y flujos como «detectar una regresión, modificar el código, ejecutar las pruebas y enviar los cambios para revisión solo si pasan».
• Limitaciones: las tareas programadas que dependen de un proyecto local requieren que la computadora esté encendida, la aplicación de escritorio en ejecución y los archivos accesibles. Codex Cloud puede seguir trabajando mientras el equipo está en reposo, pero no tiene acceso a todos los archivos locales, las sesiones iniciadas en el navegador ni los permisos del sistema.

Cuándo elegir Dot

• Asistente de inteligencia a largo plazo: basta con darle un objetivo general, como «sigue los cambios importantes y avísame cuando haya algo sobre lo que valga la pena escribir». Dot delega la recopilación diaria en tareas programadas y la reparación de herramientas en Codex.
• Coordinación entre proyectos: gestiona varios proyectos y detecta problemas que nadie había asignado, como nuevas necesidades de un cliente que entran en conflicto con el plan original o intercambios de correo que quedaron sin confirmar.
• Limitaciones: sigue estando sujeto al acceso a las plataformas, los permisos de conexión, los errores del modelo, los límites de ejecución y los mecanismos de aprobación.

También conviene tener en cuenta que, si las fuentes son plataformas como X, Xiaohongshu, Douyin o Weibo, que requieren iniciar sesión o restringen el acceso de bots, ninguna de las tres opciones puede garantizar un acceso completo. Los navegadores en la nube y Computer Use tampoco pueden superar todas las verificaciones.

ChatGPT Dot y Codex a prueba: ¿qué tan lejos está la automatización total?

Tres medios independientes publicaron sus pruebas de Dot en octubre y llegaron a conclusiones parecidas: funciona bien al reunir información y crear contenido, pero todavía tropieza al cerrar tareas del mundo real.

• The Verge（2 de octubre）: Dot encontró un descuento de $100 en correos antiguos, pero se detuvo ante una verificación que exigía mantener pulsado un botón. Como el pago implicaba datos bancarios, el autor terminó el proceso por su cuenta. Al buscar un espacio de coworking, Dot pasó por alto la opción de hacer una visita gratuita. En cambio, resolvió mejor tareas en entornos controlados, como rediseñar un sitio web personal o procesar material de video. El autor considera que Dot se parece más a «un Codex que cualquiera puede usar», aunque para él todavía no justifica los $100 mensuales.
• Axios（20 de octubre）: Dot creó un álbum conmemorativo de un torneo, de 38 páginas y estilo retro. Otro álbum de fotos de 12 páginas le tomó 47 segundos; se trata de una prueba puntual, no de una velocidad promedio. También detectó un conflicto de horarios en el calendario. Las compras volvieron a ser un obstáculo y los trabajos generados necesitaron edición humana.
• Business Insider（22 de octubre）: Dot detectó por iniciativa propia que un intercambio de correos entre el autor y su contador había quedado sin confirmar, lo que le recordó verificar su declaración de impuestos. Al pedir el almuerzo, en cambio, se vio interrumpido varias veces por códigos de verificación por SMS y problemas al introducir datos. Los textos del diseño de un sitio web también resultaron bastante genéricos.

Los comentarios de la comunidad revelan problemas de fiabilidad. En Reddit, algunos usuarios que probaron Dot desde el principio señalaron que omitía correos durante el seguimiento y no mostraba claramente su progreso. Otro usuario de Pro 200 activó una suspensión por las medidas contra el uso indebido tras utilizarlo con mucha frecuencia. En la comunidad de desarrolladores de OpenAI, algunas personas informaron que las tareas de varios pasos se interrumpían y que se les pedía aprobar repetidamente acciones que ya habían autorizado. En cuanto a las tareas programadas, algunos usuarios indicaron que no se ejecutaban a tiempo, que se suspendían automáticamente después de fallar o que aparecían registros de ejecución sin resultados visibles. Las comprobaciones de seguridad también bloqueaban operaciones de escritura en GitHub, Gmail y otros servicios. La incidencia #56550 de GitHub de Codex documenta un caso en Windows 11: una tarea programada en estado Active no se activó a las 12 del mediodía, aunque sí funcionó al ejecutarla manualmente. La causa aún no se ha confirmado.

Estos comentarios muestran que conviene distinguir al menos cuatro tipos de fallos de automatización: la tarea no se activa; se activa, pero le faltan datos o permisos; se ejecuta, pero el resultado no alcanza la calidad esperada; o se completa, pero el resultado no llega a su destino. Son problemas de etapas diferentes y no todos pueden atribuirse a que «el modelo no es lo bastante inteligente». Tampoco es posible calcular una tasa general de fallos a partir de unas pocas publicaciones. Por ahora, OpenAI tampoco ha publicado datos que comparen la tasa de éxito a largo plazo de los tres sin supervisión humana, usando un mismo conjunto de tareas.

Recomendaciones para elegir entre tareas programadas de ChatGPT, Codex y Dot

Para evaluar el grado de automatización, estos seis aspectos son más útiles que preguntar simplemente si una herramienta «puede programar tareas» o «sabe pulsar botones». La tabla muestra un análisis cualitativo de las prioridades de diseño, no una puntuación oficial.

Con esto en mente, las recomendaciones son bastante claras:

1. Si solo necesitas informes diarios, recordatorios o seguimiento de páginas web: las tareas programadas de Plus son suficientes. No hace falta pasar de $20 a $100 por Dot.
2. Si necesitas mantener scripts, datos y código: elige Codex. Si quieres que siga trabajando cuando te alejes de la computadora, prioriza un entorno en la nube y usa permisos de sandbox lo más restringidos posible para las tareas en segundo plano: el acceso abierto a la red, la escritura local y el acceso completo al sistema aumentan los riesgos.
3. Si tienes que dar seguimiento a decenas de asuntos y coordinar varias plataformas: el valor de Dot aumenta considerablemente, pero reserva tiempo para intervenir manualmente en inicios de sesión, pagos y envíos externos.
4. Si eres desarrollador y quieres integrar la automatización en tu producto: crea tus propios mecanismos de activación y orquestación mediante la API. Tendrás el mayor control, a cambio de más trabajo de ingeniería.

💡 Consejo para elegir: para evaluar la inversión, fíjate en cuánto trabajo manual ahorras realmente cada mes y cuánto tiempo adicional dedicas a errores, aprobaciones y correcciones. En las pruebas empresariales conviene medir la tasa de activación exitosa, la tasa de finalización, la precisión factual, el número de intervenciones humanas y el costo por cada ejecución exitosa. Para comparar modelos en flujos propios, puedes usar una interfaz unificada en APIYI apiyi.com; para cambiar de modelo, solo tienes que modificar el parámetro model.

Preguntas frecuentes (FAQ)

Puntos clave sobre las tareas programadas de ChatGPT, Codex y Dot

• Funciones distintas: las tareas programadas activan el trabajo, Codex lo ejecuta y Dot lo coordina de forma continua. Es un marco para entenderlos, no una clasificación oficial.
• Las tareas programadas ya no son solo alarmas: en 2026 admiten monitoreo en línea y activación mediante eventos de Gmail, Slack y GitHub.
• Codex no solo escribe código: ahora también abarca el navegador, Computer Use, la memoria y la reanudación de trabajos en días posteriores.
• Dot tiene una barrera de acceso más alta: está dirigido principalmente a usuarios de Pro, Business Premium y algunos de Enterprise; su investigación proactiva es de solo lectura.
• La fiabilidad sigue siendo un punto débil: los CAPTCHA, los inicios de sesión, los pagos y las ejecuciones omitidas aparecen una y otra vez en pruebas de medios y comentarios de la comunidad.
• Elige según tus necesidades: usa tareas programadas para resúmenes diarios, Codex para flujos de ingeniería y considera Dot para el seguimiento a largo plazo de varios proyectos.

Resumen

Las diferencias entre las tareas programadas de ChatGPT, el agente Codex y la automatización completa de Dot se pueden resumir en tres niveles:

1. Activación: las tareas programadas son las más accesibles, incluso para usuarios de Free, y sirven para la mayoría de las necesidades de monitoreo diario.
2. Ejecución: Codex puede modificar archivos, ejecutar pruebas y manejar una computadora, aunque conviene distinguir los límites entre los entornos locales y los de la nube.
3. Coordinación: Dot organiza varias tareas en torno a un objetivo a largo plazo, a cambio de una suscripción más costosa. Los inicios de sesión, las verificaciones y las aprobaciones siguen requiriendo intervención humana.

El «empleado digital de IA» realmente fiable todavía no ha llegado. Para las necesidades reales de las empresas hoy, una automatización auditable, recuperable y con límites de autorización claros resulta más adecuada que una solución «totalmente automática» que elimine todas las aprobaciones. Si eres desarrollador y quieres integrar la automatización en tus propios sistemas, te recomendamos usar primero el crédito gratuito de APIYI en apiyi.com para probar un flujo mínimo y después decidir si te conviene pasar a los productos de agentes nativos de OpenAI.

📚 Referencias

1. Documentación oficial de ayuda sobre tareas programadas de ChatGPT: frecuencia de las tareas, límites por plan y activación por eventos
2. Enlace: help.openai.com/en/articles/10291617-scheduled-tasks-in-chatgpt

3. Descripción: fuente oficial sobre las capacidades y limitaciones de las tareas programadas

4. OpenAI: Codex for (almost) everything: ampliación de las capacidades de Codex en abril de 2026

5. Enlace: openai.com/index/codex-for-almost-everything

6. Descripción: novedades sobre Computer Use, memoria y continuación de tareas durante varios días

7. OpenAI: Introducing dots: anuncio oficial de Dot

8. Enlace: openai.com/index/introducing-dots

9. Descripción: GPT-6 Astra, computadora en la nube, investigación proactiva y casos de uso

10. Dots privacy, security, and safety FAQs: permisos y límites de seguridad de Dot

11. Enlace: help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs

12. Descripción: investigación proactiva de solo lectura y mecanismos de aprobación

13. Run long horizon tasks with Codex: experimento de tareas de larga duración con Codex

14. Enlace: developers.openai.com/blog/run-long-horizon-tasks-with-codex

15. Descripción: detalles del experimento de 25 horas y unos 13 millones de tokens

16. Prueba práctica de Dot de The Verge: experiencia de uso de un medio independiente

17. Enlace: theverge.com/ai-artificial-intelligence/1004096/openai-chatgpt-dots-hands-on-agent
18. Descripción: desempeño en tareas reales como el rediseño de sitios web, el procesamiento de videos y las compras

Autor: Equipo técnico de APIYI
Consultas técnicas: Contáctanos desde la página principal de APIYI. Para consultar más recursos de integración, visita el centro de documentación en docs.apiyi.com

Artículos relacionados

• Tutorial para integrar Codex con Rhino MCP: modelado automático con IA en 3 pasos: Implementa Rhino MCP Server desde cero, configura la interfaz de APIYI en Codex, ejecuta en 3 pasos tu primera instrucción de modelado en lenguaje natural y compara el rendimiento de modelado de GPT Codex y la serie Claude.
• ¿Error «model not found» de OpenAI? GPT-5.5 se retiró de ChatGPT el 14 de octubre: 5 pasos para resolverlo y alternativas: El 14 oct. de 2026, GPT-5.5 dejará ChatGPT, ChatGPT Work y Codex, pero no afectará la API de OpenAI; este artículo resume la situación del 15 oct., explica 5 causas de «model not found», soluciones por caso y alternativas: GPT-5.6 Sol, Terra, Luna y GPT-6 Astra.