La mañana amaneció a las 10:33 a.m. ET en los EE. UU. cuando la página de estado de OpenAI notó una «mayor tasa de error» en las conversaciones de ChatGPT para usuarios empresariales y empresariales. A partir de ese momento, miles de empresas vivieron cómo su asistente de IA corporativo empezaba a devolver errores, respuestas incompletas o se detenía por completo. El grupo afirma que ya tiene más de un millón de clientes empresariales y millones de puestos de trabajo para sus licencias, lo que multiplica el impacto potencial de cualquier incidente. Después de que se aplique la «mitigación», la compañía dice que monitoreará el restablecimiento del servicio. Pero el episodio se produce cuando ChatGPT maneja unos 800 millones de usuarios semanales y se ha convertido en una «centralita digital» para la economía global. La pregunta subyacente es clara: ¿puede una infraestructura privada soportar el peso de tantas dependencias sin una red de seguridad?
Otra advertencia en una larga lista de incidentes
El caso no es aislado. Desde 2024, la página de estado de OpenAI ha encadenado advertencias sobre «tasas de error elevadas» o degradación del servicio en ChatGPT y API, con al menos una docena de episodios que afectan tanto a usuarios de pago, como a empresas y desarrolladores. En algunos casos, las interrupciones duran horas, con cadenas de mensajes que van desde «investigación» hasta «aplicación de mitigación» y «recuperación total».
En una de las interrupciones más graves, en junio de 2025, la compañía reconoció una ventana de problemas desde temprano en la mañana hasta última hora de la noche que afectó a múltiples componentes y API de ChatGPT en paralelo. El patrón se repite: un problema técnico en una capa de la infraestructura (la red, la orquestación del servicio, el equilibrio de carga o el modelo) rápidamente se propaga al resto del sistema. El mensaje oficial suele limitarse a fórmulas generales: «hemos identificado la causa raíz y estamos trabajando en mitigación», sin proporcionar de inmediato detalles técnicos o métricas de impacto sector por sector.
Para las empresas, lo más importante no es tanto la frecuencia exacta de las incidencias, sino el recordatorio de que todas se van: la oficina digital de medio planeta hoy depende de una única línea de datos, que, en caso de bloqueo, arrastra desde los asistentes internos hasta los chatbots de atención al cliente a través de un flujo de trabajo totalmente automatizado.
De aplicaciones curiosas a infraestructura crítica
En sólo tres años, ChatGPT ha pasado de ser una curiosidad tecnológica a uno de los elementos centrales de la infraestructura digital mundial. OpenAI y varias fuentes de terceros ya tienen alrededor de 800 millones de usuarios activos semanales y miles de millones de consultas por día, y el crecimiento duplica la base de usuarios en solo unos meses.
Este salto cuantitativo ha supuesto un cambio cualitativo: lo que solía ser una herramienta de apoyo individual se ha integrado en plataformas de productividad, CRM, sistemas de recursos humanos, desarrollo de software y, cada vez más, en procesos regulados en sectores como el financiero, el sanitario o el asegurador. Según informes recientes, más del 90% de las empresas Fortune 500 ya utilizan la tecnología OpenAI, ya sea a través de ChatGPT o sus API.
La consecuencia es obvia: el problema en ChatGPT ya no es una mera molestia y se convierte en un riesgo operativo importante. Las comparaciones con AWS o la primera gran caída de los servicios de Microsoft y Google se quedan cortas. En estos casos, el debate giró en torno a la nube. Lo que está en juego hoy es una capa cognitiva que interviene directamente en los procesos de toma de decisiones y está integrada en las tareas diarias de millones de empleados.
Un millón de empresas enfrentan el mismo colapso
El último incidente se centra en los clientes comerciales y empresariales, la gama de productos en los que OpenAI centra su participación empresarial. Según diversas estimaciones, ChatGPT Enterprise cuenta ya con más de 600.000 empresas de pago, mientras que el número de licencias y puestos empresariales, incluidos planes específicos para grandes grupos y administraciones públicas, supera el millón de clientes empresariales a nivel global.
Esto significa que desde una pyme manufacturera que ha construido su sistema presupuestario sobre un GPT personalizado, hasta un banco que utiliza el modelo para resumir expedientes, o un grupo sanitario que lo integra en sus circuitos de apoyo clínico, el mismo punto de fallo. Cuando ChatGPT comienza a devolver errores, los equipos de TI de todo el mundo obtienen la misma respuesta: «Incidente en progreso, mitigación aplicada, recuperación de monitoreo».
El contraste con otras infraestructuras críticas es sorprendente. La diversificación de proveedores y redes en el campo de la electricidad o las telecomunicaciones crea ciertas protecciones contra la caída. La concentración del mercado en IA generativa es extrema: según algunos análisis, un solo proveedor tiene más del 60% del mercado estadounidense de servicios de IA. El impacto es claro: un problema de OpenAI se convierte inmediatamente en un problema del sistema de productividad global.
La fragilidad de la «caja negra» global.
Las notas técnicas publicadas por la propia OpenAI sobre incidentes anteriores aportan algunas pistas sobre la vulnerabilidad del sistema. En el accidente registrado en agosto de 2024, la compañía atribuyó el fallo a una combinación de tareas de mantenimiento y actualización de la capa de entrada de tráfico, lo que provocó una regresión en el plano de control de la red e inhabilitó varios servicios durante casi una hora y media.
En un incidente importante ocurrido en junio de 2025, la cronología oficial muestra una serie de mensajes de «investigador» y de «alto error y latencia» que duraron más de diez horas, y los componentes se recuperaron gradualmente. La imagen es una arquitectura muy compleja, muy escalable y difícil de aislar cuando algo sale mal.
A esta complejidad técnica se suma otra capa: la opacidad algorítmica. Las empresas y los reguladores conocen el impacto (el servicio se degradará), pero no necesariamente cómo se comportan los modelos bajo estrés o qué garantías se pueden ofrecer sobre la coherencia o integridad de las respuestas a incidentes.
Causas, mitigaciones… y un problema de fondo
En este último desmontaje, el script vuelve a resultar familiar: primero, una breve advertencia de que los usuarios que pagan están experimentando «errores elevados»; luego confirmar que se ha identificado la causa y se han implementado medidas de mitigación; y finalmente la fase de seguimiento de la recuperación.
El problema de fondo es que para muchos de estos clientes esta información llega tarde y es insuficiente. Los administradores del sistema necesitan saber si se trata de un episodio de minutos, horas o posiblemente más; si afecta sólo a la interfaz de chat o también a llamadas API críticas; y si la integridad o el registro de las interacciones pueden verse comprometidos.
Europa, la necesidad de regulación y flexibilidad
La repetición de este tipo de episodios se produce en paralelo a la entrada en vigor del Reglamento Europeo sobre Inteligencia Artificial (MI Act). La norma distingue entre sistemas de «riesgo limitado», «alto riesgo» y «riesgo inaceptable». Los modelos de propósito general como ChatGPT están sujetos a obligaciones específicas de transparencia, documentación técnica y gestión de riesgos.
Aunque un chatbot corporativo no es un sistema de “alto riesgo” en sí mismo, puede formar parte de soluciones como: evaluación crediticia, sistemas sanitarios, infraestructuras críticas o servicios públicos.
Qué pueden hacer ahora las empresas usuarias
En este escenario, la reacción intuitiva – “esperar a que se resuelva” – se vuelve cada vez menos aceptable desde una perspectiva de gestión de riesgos. Los gerentes de tecnología y negocios están comenzando a desarrollar estrategias de mitigación que incluyen diversificar los proveedores de modelos, mantener capacidades internas mínimas y desarrollar planes de continuidad específicos para fallas en la capa de IA.
Los datos de uso sugieren que el cliente empresarial promedio ya integra los servicios OpenAI en cinco o más aplicaciones internas, multiplicando el efecto en cascada de cualquier interrupción. El diagnóstico es claro: la cuestión no es si se debe evitar la IA, sino cómo reducir la adicción excesivamente concentrada.
