Cuando Codex se lanzó, un miembro del equipo preguntó qué debía hacer el equipo de FDE una vez que Codex pudiera resolver de una sola vez los casos de uso que ese equipo había tardado meses en construir. En OpenAI, esa pregunta refleja el propósito del equipo de Ingeniería de Despliegue Avanzado (FDE, por sus siglas en inglés). Los FDE trabajan junto a los clientes para comprender sus problemas más difíciles y construir soluciones en las que puedan confiar, y lo que aprenden alimenta a los productos y ofrece a Investigación problemas concretos que resolver. Si el equipo se vuelve obsoleto cada par de meses, está haciendo su trabajo.
El equipo se fundó a principios de 2025 para cerrar lo que OpenAI llama la brecha de despliegue: la distancia entre lo que los modelos parecen capaces de hacer y lo que las personas pueden usar de forma fiable para realizar su trabajo. A veces, la pieza que falta es un producto. Otras veces, un modelo obtiene buenos resultados en un punto de referencia, pero no puede manejar las variables y restricciones del mundo real. Cuando los modelos ya pueden hacer el trabajo, los FDE colaboran con Producto y con los clientes para que la solución sea repetible. Cuando se quedan cortos, trabajan con los clientes y con Investigación para definir la brecha y mejorar los modelos.
En John Deere, una empresa agrícola de 200 años de antigüedad, el reto era escalar el asesoramiento personalizado para los agricultores. Su tecnología See & Spray utiliza cámaras y aprendizaje automático para rociar las malas hierbas en lugar de campos enteros, lo que reduce el uso de químicos en hasta un 70%. Sin embargo, aprovechar esas ventajas depende de que los agricultores sepan configurar la tecnología y ajustar sus prácticas. John Deere desplegó las API de OpenAI para ofrecer respuestas en lenguaje natural, orientación de configuración a medida y alertas cuando el equipo pueda no estar funcionando a su máximo potencial.
OpenAI afirma que estos problemas suelen estar muy abiertos, sin una verdad de referencia establecida ni un manual. Su equipo de FDE opera bajo un principio fundamental: empezar por el resultado, hacer lo necesario para tener éxito y, después, escalar. A mediados de 2025, alrededor de 15 FDE trabajaron con un gran cliente del sector de semiconductores en más de 10 casos de uso para hacer que la verificación de chips fuera nativa de la IA, un área que puede representar ~70% del esfuerzo de un proyecto.
Fuente: OpenAI Blog · Resumido por HeadlinesBriefing