La mayoría de developers que prueba OpenAI Codex lo usa como un autocompletado caro: le pide una función, la copia y sigue. Así nunca se nota la diferencia. Codex rinde cuando dejas de pedirle líneas y empiezas a delegarle tareas completas, con un enunciado claro y la libertad de leer el repositorio, tocar varios archivos y verificar su propio trabajo. Acá van siete tareas donde ese cambio se nota desde el primer día.
Antes de empezar: dónde corre Codex
Codex vive en tres superficies y conviene saber cuál usar para cada cosa. El CLI, en tu terminal, para trabajar sobre el repositorio que tienes abierto con control fino de qué puede tocar. El IDE, para quedarte en el editor. Y las tareas en la nube, donde le dejas un encargo, cierras la laptop y recoges el resultado después. La regla simple: si necesitas ver cada paso, CLI; si la tarea es larga y bien definida, nube.
1. El refactor que vienes posponiendo
Renombrar un concepto en 40 archivos, extraer un módulo que creció demasiado, reemplazar una librería por otra. Son tareas mecánicas, aburridas y arriesgadas de hacer a mano justo porque son aburridas: ahí es donde se escapa el error. Delegarlas es ideal porque el resultado se verifica solo — si los tests pasan y el diff se lee bien, está hecho.
2. Los tests que nadie escribió
Pídele cobertura para el módulo que siempre se rompe. El truco está en el enunciado: en vez de "escribe tests", dile qué comportamiento te importa y qué casos borde te preocupan. Y revisa lo que escribió — un test que pasa siempre no te protege de nada, solo te da una sensación falsa de seguridad.
3. Revisar Pull Requests
Conectado a GitHub, Codex puede leer un PR y dejar observaciones antes de que lo mires tú. No reemplaza la revisión humana, pero se come la parte tediosa: inconsistencias de estilo, casos no cubiertos, cambios que rompen algo tres archivos más allá. Llegas a revisar el PR con el ruido ya filtrado.
4. Migraciones de versión
Subir de versión mayor un framework, cambiar una API que quedó obsoleta, mover una configuración a su formato nuevo. Es trabajo de patrón repetido sobre muchos archivos, con una fuente de verdad clara (la guía de migración oficial) que le puedes dar como contexto. Pocas tareas se prestan tanto a delegarse.
5. Entender código que no escribiste
Caer en un repositorio heredado y tener que tocarlo el lunes es una situación universal. Pídele un mapa: qué hace cada carpeta, por dónde entra una petición, dónde están las decisiones raras y por qué podrían estar ahí. En media hora tienes el contexto que a mano te tomaría dos días.
6. Reproducir y arreglar un bug con pasos claros
Si tienes el reporte del error y los pasos para reproducirlo, tienes un encargo perfecto: que escriba primero el test que falla, después el arreglo, y que te muestre ambos. El test que falla es la parte importante — es lo que prueba que entendió el problema y no solo silenció el síntoma.
7. Documentación que se mantiene sola
El README que quedó desactualizado hace seis meses, los docstrings que faltan, el changelog que nadie llena. Es trabajo real que nunca gana la prioridad contra una feature, y es exactamente lo que conviene delegar: bajo riesgo si sale regular, alto valor si sale bien.
Lo que decide si esto funciona: el contexto
Codex se configura con un archivo AGENTS.md en el repositorio: ahí le explicas la arquitectura, las convenciones del equipo, qué comandos corre para probar y qué no debe tocar nunca. Esa media hora de escribirlo es la diferencia entre un agente que acierta y uno que te deja un diff que hay que rehacer. Es el mismo principio en todas las herramientas de esta generación — el agente es tan bueno como el contexto que le diste.
Delegar bien no es escribir mejores prompts: es escribir encargos verificables. Si no sabes cómo vas a comprobar que el resultado está bien, la tarea todavía no está lista para delegarse.
Por dónde seguir
Si quieres recorrer las tres superficies en orden —setup y autenticación, el CLI con sus modos de aprobación y sandbox, las tareas en la nube, la integración con GitHub y la configuración con AGENTS.md— el curso OpenAI Codex Completo lo cubre con un proyecto integrador al final. Y si quieres comparar con la otra herramienta fuerte de esta categoría, está el curso de Claude Code para developers.
Y si lo que buscas no es usar un agente sino construirlos y llevarlos a producción, ese es el terreno de la ruta AI Agentic Engineer. Puedes ver todas las opciones en el catálogo de cursos de DataPath.
