← Agentes de IA y Vibe Coding
Episodio 2··24:46

OpenAI compró Odessia: una agencia de viajes de ocho personas y agentes de IA

Ocho personas y agentes de IA construyeron una agencia de viajes real en menos de un año. Veintisiete días después del lanzamiento, OpenAI la compró. Antes de Odessia, su fundador Francis Davidson pasó diez años construyendo Sonder: más de mil empleados, cientos de millones de dólares en alquileres y una quiebra. La nueva empresa la armó al revés. Los agentes se encargaban no solo del código, sino también del marketing, la atención al cliente, los temas legales y las finanzas. Leían las grabaciones de reuniones y el correo y seguían trabajando de noche mientras el equipo dormía. En el episodio: las seis reglas con las que trabajaba el equipo, qué puede copiar una startup mañana mismo y qué cifras del fundador nadie ha verificado. Fuentes: Francis Davidson, «OpenAI Acquires Odessia» (X y LinkedIn, 10.11.2026), Skift, TechCrunch, PhocusWire, TNW, BetaKit, Inc., Commercial Observer, video de LangChain.

Transcripción

Toca un párrafo para escuchar desde ahí.

El diez de noviembre de 2026, Francis Davidson, fundador de la startup Odessia, escribió que OpenAI había comprado su empresa. Odessia era una agencia de viajes en la que, en lugar de agentes humanos, trabajaba la inteligencia artificial. El servicio se abrió a todo el público el catorce de octubre. Entre la apertura y la venta pasaron veintisiete días. La empresa tenía menos de diez personas.

Para OpenAI, la compra en sí es pequeña. Ni siquiera se dio a conocer el monto. Lo interesante es otra cosa. Ese mismo día, Davidson publicó un texto largo sobre cómo construyó esta empresa. Casi cualquier trabajo, desde el código hasta los temas legales y las finanzas, se encargaba primero a agentes de inteligencia artificial. Es uno de los relatos más detallados de un fundador sobre cómo se ve en la práctica una empresa donde cada persona tiene a su cargo un equipo de agentes.

Este episodio tiene cuatro partes. Quién es Davidson y por qué se derrumbó su empresa anterior. Qué sabía hacer Odessia. Cómo, según sus propias palabras, ocho personas trabajaban con agentes. Y qué vale la pena tomar de todo esto y qué conviene mirar con cautela.

Antes de empezar, una aclaración. Casi todo lo que se sabe sobre el funcionamiento interno de Odessia lo contó el propio fundador. Nadie lo ha verificado de forma independiente. Cuando una cifra o una afirmación sea suya, lo voy a decir.

Primera parte. Sonder.

Para entender Odessia, hay que empezar por la empresa anterior de Davidson. En 2012 estudiaba en la Universidad McGill, en Montreal, y subarrendaba apartamentos a turistas. En 2014, de eso nació una empresa que primero se llamó Flatbook y luego Sonder.

La idea era sencilla. Sonder alquilaba a largo plazo apartamentos completos y plantas enteras de edificios, los amueblaba y los ofrecía a los huéspedes como habitaciones de hotel. Sin recepción, con el registro de entrada desde el teléfono. Para el viajero, parecía un hotel cómodo. Para la empresa, era una estructura muy pesada: durante años pagaba el alquiler a los dueños de los edificios, incluso cuando los apartamentos estaban vacíos.

Durante un tiempo, todo fue hacia arriba. En 2020, Sonder fue valorada en mil trescientos millones de dólares. En enero de 2022, la empresa salió a la bolsa Nasdaq mediante una fusión con una empresa de adquisición de propósito especial, el llamado SPAC. Para eso tuvo que rebajar su valoración, y al día siguiente la publicación especializada Skift escribió que el debut había decepcionado.

Después empezaron los problemas. En 2024, Sonder retrasó su informe anual y lo rehízo por errores en la contabilización de los alquileres. Según sus informes, los ingresos de 2024 alcanzaron seiscientos veintiún millones de dólares, y la pérdida neta fue de doscientos veinticuatro millones. Solo en alquileres se iban unos trescientos millones de dólares al año. La pérdida acumulada a finales de 2024 se acercaba a los mil quinientos millones.

La salvación iba a ser un acuerdo con Marriott. En agosto de 2024, la mayor cadena hotelera del mundo firmó con Sonder un acuerdo a largo plazo: unas diez mil quinientas habitaciones de Sonder entraron en el sistema de Marriott. Pero unir la tecnología de las dos empresas resultó muy difícil. Davidson describió después esa integración como lo más difícil que había hecho en su vida. En junio de 2025 dejó el cargo de director ejecutivo.

En noviembre de 2025 todo terminó. Marriott rescindió el contrato alegando incumplimientos por parte de Sonder. El diez de noviembre, Sonder anunció el cese inmediato de sus operaciones y se declaró en quiebra con liquidación. Según la prensa, hubo huéspedes desalojados en plena estadía. Los expertos citados por la publicación Commercial Observer dicen que lo que hundió a la empresa fueron precisamente los contratos de alquiler a largo plazo. Uno de ellos dijo que Sonder ya estaba al borde del colapso antes del acuerdo con Marriott.

El propio Davidson lo resume así: llevó Sonder de cero a seiscientos millones de dólares en ingresos, y para eso hicieron falta más de mil personas y una década.

Conviene retener estas cifras: mil personas, diez años, cientos de millones de dólares en alquileres. Su siguiente empresa la construiría de la manera exactamente opuesta.

Segunda parte. Un nuevo comienzo.

Después de salir de Sonder, Davidson se tomó una pausa. A la revista Inc. le dijo que en ese tiempo logró leer una novela. Y a la publicación Skift, en junio de 2026, le explicó que estaba muy feliz de pasar a algo así como una hoja completamente en blanco.

Según Skift, la idea de la nueva empresa surgió en parte de conversaciones con el fondo de capital de riesgo Sequoia, donde trabaja como socio un amigo cercano suyo. Otro detalle que será importante al final de la historia: Davidson participó en el programa OpenAI Grove. Es un programa propio de OpenAI para personas técnicas que apenas empiezan a construir una empresa. La convocatoria se abrió en enero de 2026. En esas mismas fechas, según el boletín Solo Founders, empezó el trabajo en el código de Odessia.

El dos de junio de 2026, Odessia salió de las sombras. El diez de junio, Davidson anunció que la empresa había recaudado seis millones de dólares, en una ronda liderada por Sequoia. En esa misma publicación había un video: en tres minutos, él planifica un viaje a Ciudad de México. Vuelos, hoteles y un itinerario completo que se ajusta a sus preferencias, todo reservable en el momento. El servicio es gratuito.

Según Skift, el nombre Odessia debía recordar a una diosa griega de los viajes. En un comentario, Davidson bromeó diciendo que, al parecer, ella es la diosa de los viajes. En la empresa, al agente se le trataba en femenino.

Vale la pena notar el contraste con Sonder. Odessia no tenía alquileres a largo plazo, ni apartamentos, y casi no tenía oficinas ni empleados. Tenía un programa, contratos con proveedores y un equipo pequeño.

Tercera parte. Qué sabía hacer Odessia.

Desde el punto de vista del usuario, todo era sencillo. La persona le escribía a Odessia un mensaje de texto común, como a un amigo: adónde quería ir, cuándo, qué le gustaba. El agente elegía el vuelo, el hotel y las experiencias, armaba el itinerario y lo reservaba todo en la misma conversación. El viaje ya listo se podía pasar al calendario y enviar a los acompañantes. Para el viajero, el servicio era gratuito. La empresa ganaba dinero igual que una agencia de viajes común: con comisiones por las reservas.

Un detalle importante distinguía a Odessia de los chatbots. La empresa tenía la acreditación de IATA, la Asociación Internacional de Transporte Aéreo. Esa acreditación permite a una agencia emitir boletos de avión por su cuenta. Además, según Skift, daba acceso a tarifas hoteleras cerradas y a beneficios como el desayuno gratis o una habitación de categoría superior. Dicho de forma simple, Odessia no mandaba al usuario a un enlace de otro sitio. Era, en sí misma, una agencia de viajes.

Detrás de la búsqueda y la reserva de hoteles estaba el proveedor Nuitée. Es una empresa que vende a otros negocios acceso a precios y reservas de hoteles. Según Skift, Odessia redactó sus propias descripciones de cientos de miles de hoteles y los evaluaba según muchísimos criterios, hasta el ruido de la calle. La propia Odessia aseguraba que las recomendaciones no dependían del monto de la comisión. Desde afuera, eso no se puede verificar.

Lo más difícil en lo técnico, según Davidson, no era el modelo. En un video corto para LangChain, una empresa que hace herramientas para quienes desarrollan agentes, dijo que la principal dificultad está en reunir el conjunto correcto de herramientas y toda la estructura alrededor del modelo. El usuario ve una conversación simple y agradable. Pero detrás de una sola respuesta, el agente hace decenas de consultas a distintos sistemas: busca vuelos, revisa precios, mira la disponibilidad de habitaciones. Y todo eso tiene que caber en unos pocos segundos porque, como él dice, si no, la persona pierde el interés.

Para entender los errores de un agente así, el equipo usaba el servicio LangSmith. Reúne registros detallados de lo que hizo el agente en cada conversación, los resultados de las pruebas de calidad y el propio código. Según Davidson, gracias a eso, incluso los empleados que no habían escrito el agente desde cero podían encontrar la causa de un problema y proponer ellos mismos una corrección en el código. Hay que tener en cuenta que se trata de un video promocional del proveedor, sin una sola cifra. Se grabó en junio, cuando, como dice el propio Davidson, la empresa todavía no tenía clientes.

El fundador no dice con qué modelos funcionaba Odessia. La publicación TNW escribe que eran modelos de OpenAI, GPT-5.5 y Codex.

El catorce de octubre, Odessia abrió para todo el mundo y se presentó como un concierge de viajes y experiencias siempre disponible. Davidson empezó su publicación de lanzamiento con la frase de que estamos a meses de la inteligencia artificial general y de que la economía del ocio está a punto de explotar. Es una afirmación muy llamativa, y no se molestó en respaldarla.

También hay una cifra de éxito. Según Davidson, durante el verano, decenas de miles de primeros usuarios planificaron con Odessia viajes por sesenta millones de dólares al año. Vale la pena fijarse en la palabra "planificaron". No son ingresos, ni siquiera el monto de las reservas. Es el valor de los viajes sobre los que la gente conversó con el agente. La empresa no dio a conocer sus ingresos.

Cuarta parte. Cómo ocho personas trabajaban con agentes.

Esta es la parte central de la historia. Las fuentes no coinciden en cuántas personas había en Odessia: siete, ocho o nueve. El propio Davidson no da la cifra. Pero describió en detalle cómo trabajaban y dividió su relato en seis principios. Veamos cada uno.

Primer principio: agentes en todas partes y para todo.

Davidson escribe que empezaron justo cuando los agentes empezaron a funcionar de verdad, y que fueron con todo. Los viejos manuales, como él dice, los quemaron. Y no se trata, subraya, solo de tareas de programación. Estrategia, alianzas, diseño, marketing, atención al cliente, temas legales, finanzas, todo.

La regla en la empresa era esta: antes de hacer prácticamente cualquier cosa a mano, primero se ponía en marcha un agente. El video de lanzamiento del producto, según él, lo creó un agente. Cuando había que elegir un socio técnico, los agentes evaluaban por su cuenta qué tan rápido y qué tan bien funcionaban las API de distintos proveedores, y reunían los resultados en hojas de cálculo y presentaciones.

Su uso personal de agentes, escribe Davidson, se disparó veinticinco veces a lo largo de 2026.

Segundo principio: el máximo contexto.

Aquí está, quizá, la principal lección práctica. Davidson escribe que los agentes necesitan acceso seguro a toda la misma información a la que tiene acceso un empleado. En la práctica, eso significa decenas de conexiones. Los agentes de Odessia tenían acceso a las grabaciones de todas las reuniones, al mensajero de trabajo Slack, al correo, a los documentos compartidos en Google Drive y a todos los programas que usaba la empresa. La conexión se hacía a través de MCP. Es un estándar abierto que permite conectar un agente de inteligencia artificial a cualquier programa externo, más o menos como se conecta una memoria USB a una computadora.

Cómo se ve esto en el trabajo. Una sola tarea de un agente, escribe Davidson, podía incluir transcripciones de reuniones, una presentación de la carpeta compartida, correos, mensajes de Slack, comentarios de usuarios y datos de varios sistemas de trabajo. El todo, dice, es mayor que la suma de las partes.

Además, el equipo creó documentación compartida sobre cada decisión tomada. ¿Para qué? Para que el agente entendiera no solo la tarea, sino también la estrategia detrás de ella: por qué la empresa hace las cosas de una manera y no de otra. Y esa base de conocimiento, junto con el historial de todos los materiales de trabajo, la mantenían los propios agentes.

Aquí vale la pena detenerse. La mayoría de la gente usa a los agentes como un asistente inteligente sin memoria: cada vez tiene que explicarle la tarea desde cero. En Odessia, los agentes sabían de la empresa más o menos lo mismo que un empleado. Eso, al parecer, explica por qué podían con trabajos que iban mucho más allá de la programación. El precio de este enfoque también es evidente: un agente con acceso al correo, a los documentos y a todos los sistemas de la empresa exige tomarse la seguridad muy en serio. Davidson habla de acceso seguro, pero no da detalles.

Tercer principio: voz y habilidades.

Davidson reconoce con honestidad que a los agentes todavía hay que corregirlos mucho para obtener un trabajo excelente. Pero escribir las instrucciones es demasiado lento. Con la voz, según él, normalmente se va de tres a cuatro veces más rápido. No hace falta elaborar cada instrucción con tanto cuidado: basta con decir qué está mal.

Y las correcciones que se repetían se convertían en habilidades. En el mundo de los agentes, una habilidad es una instrucción escrita que el agente carga por sí solo cuando la necesita. Por ejemplo, si por décima vez se le explica a un agente cómo dar formato a un informe, lo correcto es escribir esa regla una sola vez para no tener que repetirla más.

Cuarto principio: iteraciones y los modelos más potentes.

Aquí están las cifras más llamativas. Davidson pone un ejemplo: una tarea que a mano tomaría, digamos, cuarenta horas, con agentes se hace en dos horas. Es un aumento de productividad de veinte veces. Frente a eso, el costo de hacer funcionar el agente, dice, es un error de redondeo.

De ahí su conclusión: el retorno es tan bueno que lo racional es quitar todos los límites de uso. Según él, la productividad se aceleró de forma drástica cuando la empresa eliminó los límites. El cuello de botella termina siendo no el agente, sino la capacidad de la persona para asimilar los resultados de los agentes y tomar decisiones.

Y otra conclusión que va en contra del consejo habitual de ahorrar. Davidson considera que en 2026 se cumplió una regla: cuanto más caro es un modelo de punta por token, es decir, por unidad de texto, mayor es su retorno. Los modelos más baratos, por más que se ajusten sus instrucciones, a menudo no llegan a la calidad necesaria, y hay que rehacer el trabajo. Y cada vuelta de más cuesta más que la diferencia de precio. Además, señala que los modelos cerrados de las grandes empresas, según su experiencia, superan a los abiertos en cualquier nivel de inteligencia.

Esta parte conviene tomarla con cabeza fría. Cuarenta horas contra dos es un ejemplo, no una medición. No hay comparación con un grupo de control. Y la opinión de que los modelos cerrados y caros son los que más rinden la expresa una persona cuya empresa compró ese mismo día un fabricante de modelos cerrados. Eso no significa que esté equivocado. Pero es un motivo para comprobarlo con las tareas propias, en lugar de darlo por hecho.

Quinto principio: dirigir un equipo de agentes.

La jornada en Odessia, según la describe Davidson, empezaba con la gente revisando lo que los agentes habían hecho durante la noche. Una tarea tarda varios minutos en ejecutarse, y no hace falta quedarse mirando la pantalla mientras tanto: se puede lanzar la siguiente. Cada día, el equipo tenía una breve reunión por la mañana para repartirse el trabajo y rendirse cuentas unos a otros.

Los largos planes trimestrales, según él, quedaron en el pasado. La regla principal: el cuello de botella siempre debe ser la persona, y nunca la espera a que los agentes terminen. Ahora, escribe, cada empleado es un gerente de agentes. Da las instrucciones, revisa el resultado, da retroalimentación y repite hasta alcanzar el nivel exigido.

Aparte, destaca a los agentes que empiezan a trabajar por su cuenta, sin que una persona los ponga en marcha. En Odessia, esos agentes preparaban todos los días un informe de analítica. Investigaban cada error del servicio en producción. Revisaban todos los comentarios de los clientes y los registros de las conversaciones con el agente. Cotejaban las facturas de los proveedores con los pagos. Actualizaban la lista de tareas en el sistema Linear después de la reunión de la mañana. Y por la noche hacían pruebas para comprobar que todo funcionara.

Sexto principio: un ritmo frenético.

Uno pensaría que, si los agentes hacen el trabajo más rápido, las personas pueden trabajar menos. Davidson escribe que ocurre lo contrario. Se oye hablar de cada vez más startups que trabajan seis o siete días a la semana, y Odessia no fue la excepción. Una hora se vuelve tan valiosa porque en ella se puede hacer mucho más que antes.

Él lo llama la paradoja de Jevons aplicada a sus propios horarios de trabajo. La paradoja de Jevons es una vieja observación de los economistas: cuando un recurso empieza a usarse de forma más eficiente, su consumo total no baja, sino que sube. En el siglo diecinueve pasó con el carbón, cuando las máquinas de vapor se volvieron más eficientes. Según Davidson, lo mismo ocurrió con el tiempo de trabajo de su equipo.

Y de ahí su frase más citada: el mejor proceso es no tener proceso. Siempre le ha gustado la regla del correo de "tocarlo una sola vez": se abre el mensaje, se decide en el momento y no se vuelve a él. Esa regla la trasladó a las ideas. Si surge una idea para mejorar el producto, no se anota en el plan del próximo trimestre. Se lanza un agente de inmediato. Según Davidson, algunas ideas que imaginó las vio hechas realidad en cuestión de horas o días. El retorno de la planificación y los procesos, escribe, se desplomó. Y en retrospectiva nos parecerá una locura que antes manejáramos la economía de una forma tan manual y tan tediosa.

Hay un detalle que equilibra un poco este panorama. Según lo que relata el boletín Solo Founders, Davidson es escéptico ante la idea de una empresa de una sola persona que valga mil millones de dólares. En su opinión, la inteligencia artificial todavía es débil en nombres, diseño y gusto. Es un resumen, no una cita textual suya, pero explica bien por qué alrededor de los agentes seguía habiendo un equipo de personas.

Quinta parte. El acuerdo.

El diez de noviembre, Davidson anunció que OpenAI compraba Odessia y que él se unía a OpenAI para dedicarse al futuro de los viajes. El monto no se dio a conocer. OpenAI no publicó un comunicado de prensa oficial. Un representante de la empresa le dijo a TechCrunch que OpenAI estaba feliz de darle la bienvenida a Francis. TechCrunch describe el acuerdo como una compra para quedarse con el equipo. Armin Hamrah, empleado de OpenAI, escribió que desde el primer día del programa Grove el entusiasmo de Davidson por los viajes lo contagiaba a él mismo, y que Davidson iba a liderar esta área.

El servicio de Odessia cerró ese mismo día. En el sitio ahora solo hay un aviso: la empresa fue adquirida, el servicio ya no está disponible y, por las reservas ya hechas, se puede escribir a soporte.

¿Por qué le interesa esto a OpenAI? La empresa lleva tiempo acercándose a los viajes. En 2023, Expedia y Booking estuvieron entre los primeros complementos de ChatGPT. En 2025, OpenAI lanzó un agente que trabaja por su cuenta en el navegador, y luego integró las aplicaciones de Booking.com y Expedia directamente en ChatGPT. Y en marzo de 2026, según The Information, OpenAI retiró el pago directo dentro de ChatGPT: la gente buscaba viajes en el chat, pero prefería comprar en los sitios de los socios. Ese día, las acciones de Expedia subieron más de un doce por ciento.

Con la compra de Odessia, OpenAI se quedó con una persona que ya había construido una agencia de viajes funcional basada en agentes, con acreditación, proveedores y experiencia. Ese mismo día, OpenAI lanzó en ChatGPT una sección para empresas donde las compañías pueden crear sus propios agentes.

El mercado reaccionó de inmediato. Según Investing.com, citado por TNW, durante el día las acciones de Expedia llegaron a caer hasta un cinco por ciento, las de Booking hasta un tres por ciento y las de Airbnb alrededor de un tres y medio por ciento. Algo parecido pasó en septiembre, cuando Meta mostró un agente capaz de reservar hoteles y boletos directamente: entonces Expedia llegó a perder hasta un siete por ciento. Está claro que los inversionistas temen que los agentes les quiten clientes a las agencias de viajes en línea. Al mismo tiempo, las propias agencias dicen que por ahora llega poco tráfico desde agentes. El director de Expedia, una semana antes del acuerdo, dijo que el tráfico de agentes todavía es muy pequeño.

Sexta parte. Qué se desprende de todo esto.

Primero. Un equipo pequeño con agentes realmente puede crear un producto que antes requería mucho personal. Menos de un año, menos de diez personas, una agencia de viajes funcionando con reservas reales. Es lo más importante de esta historia. Pero conviene fijarse en qué fue exactamente lo que convirtió a Odessia en un negocio real. La acreditación de IATA, el contrato con el proveedor de hoteles, el dinero de Sequoia, la reputación del fundador, los vínculos con OpenAI. Nada de eso lo escribe un agente. El código se está volviendo barato. Lo que sigue siendo caro es el acceso, las licencias y la confianza.

Segundo. La parte más útil del relato de Davidson no trata de los modelos, sino del contexto. Los agentes funcionaban bien porque sabían de la empresa tanto como los empleados: grabaciones de reuniones, correos, documentos y, sobre todo, las decisiones por escrito con la explicación de por qué se tomaron. Para que los agentes hagan algo más que escribir código, conviene empezar por ahí.

Tercero. La economía se invierte. En el relato de Davidson, lo que más escasea no es el dinero para los modelos, sino la atención de las personas que asignan las tareas y revisan los resultados. De ahí la semana de seis días: los agentes no liberaron tiempo del equipo, sino que hicieron más valiosa cada hora. Conviene pensarlo con anticipación al armar un equipo en torno a agentes.

Cuarto, sobre las cifras. Veinticinco veces, cuarenta horas contra dos, sesenta millones de dólares: todo esto son afirmaciones del propio fundador, sin verificación independiente. Los sesenta millones son viajes planificados, no ingresos. Y la historia no terminó con la agencia creciendo, sino con su compra para quedarse con el equipo y su cierre el mismo día del acuerdo. Para los usuarios es una mala noticia: el servicio que usaban desapareció en un solo día.

Y por último. Odessia funcionaba con modelos de OpenAI y había pasado por un programa de OpenAI. Es una historia habitual para una startup, y para Davidson terminó bien. Pero si un producto está construido por completo sobre los modelos de una gran empresa, hay que tener presente que esa empresa también ve ese mercado y puede entrar en él por su cuenta.

Qué se puede hacer ya mañana, sin equipo y sin inversión. Anotar las decisiones en un solo lugar que los agentes puedan ver: qué se decidió y por qué. Dar las tareas por voz, que es más rápido. Si se corrige al agente en lo mismo por segunda o tercera vez, convertir esa corrección en una instrucción permanente. Y probar a encargarle a un agente un trabajo recurrente que haga por su cuenta, sin que haya que lanzarlo: un informe por la mañana o una revisión nocturna de que todo funciona.

Resumo lo principal en tres frases.

Los agentes hacen el trabajo, pero el acceso, las licencias y la confianza los siguen consiguiendo las personas.

Cuanto más sabe un agente sobre la empresa, más trabajo se le puede delegar.

Las cifras de los fundadores sobre agentes hay que escucharlas con atención, pero comprobarlas con las tareas propias.

Eso es todo por hoy. Me llamo Evgenii Arsentev y llevo la inteligencia artificial a las empresas: automatizo el trabajo rutinario y reduzco los costes operativos. Gracias por escuchar.

0:00−24:46 restante