OpenAI diz que o Codex já gera 99,8% dos tokens de output internos semanais

Os números que a OpenAI está divulgando sobre si mesma

O número principal é sobre a própria OpenAI, não sobre seus clientes: a empresa diz que o Codex já responde por 99,8% dos tokens de output gerados semanalmente dentro da OpenAI, e que o engenheiro médio produz 99% dos seus tokens de output pelo Codex em vez do ChatGPT. Até agosto de 2025, em contraste, o funcionário médio da OpenAI usava menos de 10% dos seus tokens no Codex.

O artigo empilha outras métricas internas em cima dessa: a mediana combinada de tokens de output em junho de 2026 teria sido 56x maior que em novembro de 2025 na área de Research, 32x no Customer Support, 27x em Engineering e 13x no jurídico. Os usuários semanais não-desenvolvedores cresceram 137x entre indivíduos, 189x entre organizações e 12x dentro da própria OpenAI desde agosto de 2025.

Vale lembrar: as estimativas de horizonte de tarefa vêm de um LLM avaliando transcrições do Codex como juiz, e os limiares por usuário individual são tirados de uma amostra aleatória de 0,1%. A própria OpenAI chama esses números de direcionais, não exatos. Então a evidência mais forte aqui é comportamental — qual ferramenta as pessoas abrem — e não uma medição limpa de horas de trabalho humano substituídas.

A interface deixa de ser um turno de chat e passa a ser uma execução que você supervisiona

O enquadramento que a OpenAI usa é que os agentes mudam 'a unidade do trabalho de conhecimento de interações isoladas para tarefas delegadas e de longo horizonte'. Essa é uma afirmação tanto sobre frontend quanto sobre modelo. A superfície de um chatbot é um turno: você digita, lê, digita de novo. A superfície de um agente é uma execução que roda por minutos ou horas, chamando ferramentas e iterando.

O relatório diz que, até maio de 2026, 80,6% dos usuários individuais amostrados tinham feito pelo menos um pedido estimado em mais de 30 minutos de trabalho humano, 70,2% em mais de uma hora, e 25,6% em mais de oito horas. Se isso for verdade, a interface em que uma pessoa passa o dia já não é mais uma caixa de mensagem. É uma fila de tarefas de longa duração com estados intermediários, resultados parciais e pontos em que um humano precisa aceitar, rejeitar ou redirecionar.

O dado mais extremo torna isso concreto: no percentil 99, a OpenAI diz que usuários regularmente geram mais de 60 horas de turnos de agente do Codex por dia, distribuídas entre múltiplos agentes em paralelo. Sessenta horas de agente em um único dia só são possíveis se o humano estiver orquestrando, não conversando. O problema de design em aberto é o que essa pessoa realmente acompanha — porque ninguém lê 60 horas de transcrição.

Equipes não-técnicas entrando no território da engenharia

A afirmação com maior potencial de repercussão é que Jurídico, Financeiro e Recrutamento na OpenAI passaram a ter o Codex como principal ferramenta de IA por volta de abril de 2026, depois da Engineering, mas mais rápido, e que o advogado ou recrutador médio agora gera mais de 85% dos seus tokens de output pelo Codex.

O mapa de calor que compara ocupação com tipo de trabalho é mais moderado do que o enquadramento sugere. Em Product / Marketing / Ops, trabalho de conhecimento ainda é a maior categoria, com 51%, e engenharia/código fica em 25%. Em Finance / Biz Ops, trabalho de conhecimento é 34% e engenharia/código 31%. Então os não-desenvolvedores estão sim fazendo algum trabalho no formato de código pelo Codex — automação, transformação de dados, debugging, análise estruturada — mas os dados não mostram que eles estão se tornando engenheiros. Mostram que o custo de entrar numa tarefa adjacente, antes inacessível, caiu o suficiente para que façam isso ocasionalmente.

O que uma equipe que constrói sobre isso realmente precisa projetar

Lido como um sinal de produto vindo da própria construção interna do fornecedor, o anúncio aponta para uma lacuna específica. Se a unidade de trabalho é uma execução longa, paralela e semiautônoma, então a parte difícil de um produto de agente não é a chamada ao modelo — é a superfície de supervisão. Como um recrutador ou advogado, sem formação técnica, revisa o resultado de um agente que acabou de fazer uma hora de execução técnica que ele mesmo não conseguiria fazer?

Essa é a implicação concreta para quem está lançando funcionalidades de agente: os dados da OpenAI descrevem um mundo em que confiar no resultado de um agente importa mais do que a capacidade bruta do agente, porque quem aprova o trabalho cada vez menos consegue verificá-lo linha por linha. O problema de frontend que os próprios números da OpenAI sugerem — checkpoints, resultados comparáveis lado a lado, formas baratas de rejeitar e reexecutar — é a parte que eles menos descrevem, e a parte em que uma equipe que copiar esse padrão vai gastar a maior parte do seu tempo.