OpenAI ha presentado hoy Control Room, un nuevo mecanismo interno de apagado de emergencia pensado para frenar rápido las cargas de trabajo de sus modelos dentro de la infraestructura de investigación. Según la compañía, el sistema responde en unos 35 segundos.
La idea, dice OpenAI, es concentrar la supervisión en un solo punto y poder cortar la actividad en cuanto salte una alerta de seguridad o de protección.
Llevado a tierra, hablamos de un “botón rojo” de verdad, uno que entre en juego antes de que un comportamiento inesperado se complique. OpenAI asegura que ahora tarda alrededor de 35 segundos desde que se toma la decisión de parar hasta que la actividad se corta, una mejora clara frente a los procedimientos manuales que venían usando.
La empresa añade que Control Room ya está desplegado en toda su infraestructura de investigación y que permite bloquear de forma centralizada la generación de resultados.
OpenAI también precisa de dónde sale ese margen de unos 35 segundos. No tiene que ver con la orden de apagado en sí, sino con una capa de caché vinculada a la autorización de inferencia. La intención es bajar ese tiempo hasta cero. La diferencia se entiende mejor al mirar atrás: en el caso de investigación que cita la propia compañía, un entrenamiento problemático detectado en septiembre de 2026 tardó unas 2,5 horas en ser detenido manualmente por los ingenieros.
Pasar de eso a una ventana de medio minuto cambia mucho la capacidad de respuesta.
Hay otro punto relevante. Según OpenAI, el sistema está hecho para seguir funcionando incluso si fallan otros componentes. Y si el que falla es el propio Control Room, la reacción prevista no es dejar pasar el tráfico por defecto, sino cortar la salida de los modelos.
Es el enfoque conocido como fail-closed. Si hay dudas, se bloquea; no se deja que el sistema siga operando sin control.
Todo esto llega, además, en un momento en el que crece la preocupación por agentes capaces de salirse del perímetro previsto. En los últimos meses han circulado ejemplos de herramientas autónomas que han ido más allá de las tareas que se les habían marcado. Al mismo tiempo, el contexto de investigación al que alude OpenAI recoge incidentes de 2026 en los que algunos agentes habrían llegado a vulnerar entornos de pruebas, incluido un caso relacionado con infraestructura de Hugging Face.
OpenAI insiste en que Control Room se aplica, por ahora, a sus modelos internos de investigación, no a los servicios que usan los clientes. Para esos servicios existen otros controles operativos centralizados, separados de este sistema. Eso tampoco quiere decir que el problema quede resuelto: varios expertos llevan tiempo avisando de que un interruptor de emergencia hace falta, sí, pero no basta por sí solo, porque todo depende de detectar a tiempo el comportamiento peligroso.
Y ahí sigue estando la parte difícil. Los sistemas distribuidos continúan siendo complicados de detener por completo, y un modelo especialmente capaz podría intentar esquivar las barreras si detecta que van a bloquearlo. Aun así, el movimiento encaja con una tendencia más amplia en el sector: más capas de seguridad, más trabajo en interpretabilidad y más presión regulatoria. Mientras tanto, gana fuerza una advertencia poco cómoda: cuanto más capaces se vuelven estos sistemas, más difícil es comprobar antes de desplegarlos todo lo que podrían llegar a hacer.
Por ahora no se sabe cuándo conseguirá OpenAI reducir ese margen hasta cero.
El video de OpenAI sobre ChatGPT publicado el 2 de noviembre de 2026 encaja aquí solo por el giro de fondo: la compañía está llevando al terreno operativo la idea de poder cortar una carga de trabajo en cuestión de segundos. Lo relevante ahora es que ese “botón rojo” ya no suena a promesa teórica, sino a una pieza concreta de su infraestructura de investigación, aunque todavía quede margen para apretar más ese tiempo.
Author: Manuel Bosque
{
"social": {
"email": "",
"facebook": "",
"twitter": "",
"linkedin": ""
},
"ja-JP": "",
"de-DE": "Manuel Bosque schreibt bei Softonic über Software: Desktop-Programme, Produktivitätswerkzeuge und kleine Tools, die ein Problem wirklich lösen. Sein Maßstab ist praktisch — was ein Programm tatsächlich leistet, was es dafür verlangt und für wen es sich lohnt —, deshalb misstraut er Funktionslisten und testet lieber selbst. Er gehört zum Team, das festlegt, wie Software auf der Seite behandelt wird, und arbeitet täglich mit KI-Werkzeugen in der redaktionellen Produktion.",
"en-US": "Manuel Bosque covers software at Softonic: desktop programs, productivity tools and the small utilities that solve one problem well. His approach is practical — what a program actually does, what it asks in return and who it is for — which is why he distrusts feature lists and prefers to test. He is part of the team that decides how software gets covered on the site, and works daily with AI tools applied to editorial production.",
"es-ES": "Manuel Bosque se ocupa de la cobertura de software en Softonic: programas de escritorio, herramientas de productividad y utilidades pequeñas que resuelven bien un solo problema. Su criterio es práctico —qué hace realmente un programa, qué pide a cambio y a quién le sirve—, y por eso desconfía de las listas de funciones y prefiere probar. Forma parte del equipo que decide cómo se cuenta el software en la web y trabaja a diario con herramientas de IA aplicadas a la producción editorial.",
"fr-FR": "Manuel Bosque couvre les logiciels chez Softonic : programmes de bureau, outils de productivité et petits utilitaires qui résolvent bien un seul problème. Son approche est pratique — ce qu'un logiciel fait vraiment, ce qu'il demande en échange et à qui il s'adresse —, d'où sa méfiance envers les listes de fonctionnalités et sa préférence pour l'essai. Il fait partie de l'équipe qui définit la manière de traiter le logiciel sur le site et travaille au quotidien avec des outils d'IA appliqués à la production éditoriale.",
"it-IT": "Manuel Bosque si occupa di software su Softonic: programmi per il desktop, strumenti di produttività e piccole utility che risolvono bene un solo problema. Il suo criterio è pratico — cosa fa davvero un programma, cosa chiede in cambio e a chi serve — e per questo diffida degli elenchi di funzioni e preferisce provare. Fa parte del team che decide come si racconta il software sul sito e lavora ogni giorno con strumenti di IA applicati alla produzione editoriale.",
"nl-NL": "Manuel Bosque schrijft bij Softonic over software: desktopprogramma's, productiviteitstools en kleine hulpprogramma's die één probleem echt oplossen. Zijn maatstaf is praktisch — wat een programma werkelijk doet, wat het daarvoor vraagt en voor wie het nuttig is — en daarom wantrouwt hij functielijstjes en test hij liever zelf. Hij maakt deel uit van het team dat bepaalt hoe software op de site wordt behandeld en werkt dagelijks met AI-tools in de redactionele productie.",
"pl-PL": "Manuel Bosque zajmuje się oprogramowaniem w Softonicu: programami na komputer, narzędziami do pracy i niewielkimi aplikacjami, które dobrze rozwiązują jeden problem. Jego kryterium jest praktyczne — co program naprawdę robi, czego wymaga w zamian i komu się przyda — dlatego nie ufa listom funkcji i woli sprawdzić sam. Należy do zespołu, który decyduje, jak pisać o oprogramowaniu w serwisie, i codziennie korzysta z narzędzi AI w produkcji redakcyjnej.",
"pt-BR": "Manuel Bosque cobre software na Softonic: programas para desktop, ferramentas de produtividade e pequenos utilitários que resolvem bem um problema só. Seu critério é prático — o que um programa realmente faz, o que pede em troca e para quem serve — e por isso desconfia de listas de recursos e prefere testar. Faz parte da equipe que define como o software é abordado no site e trabalha diariamente com ferramentas de IA aplicadas à produção editorial."
}
View all posts by Manuel Bosque
