CONFIRMADO: la escala se convirtió en parte del producto

OpenAI publicó el 11 de septiembre un relato de ingeniería sobre Habitat, un sistema que evolucionó de una biblioteca de Python a una plataforma global de almacenamiento. Según la empresa, atiende a más de 1.000 millones de usuarios de ChatGPT y sostiene 22 millones de solicitudes por segundo. No es un modelo nuevo ni una función liberada en la interfaz. Es un retrato de cómo la infraestructura tuvo que cambiar a medida que el producto se popularizó.

De biblioteca a plataforma distribuida

El punto central es la transformación de un componente de software en una capa operativa de gran escala. Habitat tuvo que superar el alcance de una biblioteca utilizada por aplicaciones y asumir distribución global, disponibilidad y tráfico intenso. La publicación oficial no convierte el sistema en un producto abierto, no divulga precios ni promete que empresas externas puedan adoptarlo. Su valor está en la arquitectura y en las decisiones de ingeniería que OpenAI decidió hacer públicas.

El número impresiona, pero no lo cuenta todo

Veintidós millones de solicitudes por segundo es una medida de capacidad agregada. No significa que cada usuario reciba ese volumen ni que todas las operaciones tengan la misma latencia. OpenAI tampoco presenta en el resumen público suficientes detalles sobre la proporción de lecturas y escrituras, la replicación, la consistencia, los costes o la tasa de fallos. Esto importa porque los sistemas de almacenamiento reales se evalúan por su perfil completo, estabilidad y recuperación, no solo por el pico de tráfico.

El contexto independiente pone el freno necesario

El mismo día, PlanetScale publicó una prueba de su base de datos Postgres distribuida Neki, que alcanzó 118,5 millones de consultas por segundo con 512 shards y 1,22 pebibytes de datos. La propia empresa aclara que el escenario utilizó lecturas simples por clave, sin escrituras, consultas entre shards, réplicas ni failover. La comparación no decide quién ganó. Muestra por qué las cifras de escala solo tienen sentido cuando se conocen la carga y las condiciones de la prueba.

Por qué importa a las empresas

Para una pequeña o mediana empresa, la lección no es copiar la arquitectura de OpenAI ni empezar a comprar infraestructura. Es entender que los agentes, la atención automatizada, el CRM y los productos de contenido dependen de un almacenamiento confiable para historial, archivos, permisos y estado de ejecución. Antes de escalar, conviene separar datos calientes y fríos, definir límites de retención, observar el coste por operación y probar la recuperación. La mayoría de los negocios no necesita millones de solicitudes por segundo, pero sí necesita evitar que el crecimiento convierta la base de datos, la cola o el almacenamiento en un cuello de botella silencioso.

La lectura de MaxAssistant

Este lanzamiento es relevante porque desplaza la conversación sobre IA de la capa visible, el modelo, a la capa que sostiene toda la experiencia. ChatGPT puede parecer un producto conversacional, pero su escala exige una plataforma de datos global, con decisiones difíciles sobre distribución, latencia y confiabilidad. Mi veredicto: Habitat no es una herramienta que el mercado pueda probar mañana, y las cifras todavía necesitan contexto técnico. Aun así, la publicación confirma una dirección importante. La ventaja competitiva de los laboratorios de IA está cada vez más en el sistema completo, no solo en el modelo más inteligente.

Fuentes

OpenAI, Rapidly scaling online storage to serve over 1 billion ChatGPT users, 11 de septiembre de 2026: https://openai.com/index/scaling-storage-one-billion-users-part-one | PlanetScale, 118 million queries per second on Neki, 11 de septiembre de 2026: https://planetscale.com/blog/118-million-queries-per-second-on-neki