En un movimiento audaz, OpenAI ha publicado una nueva evaluación que identifica 44 profesiones en las que sus modelos inteligentes podrían influir significativamente, afirmando que los mejores modelos ya se acercan a la calidad del trabajo de expertos humanos, aunque se enfrentan al escepticismo sobre la viabilidad de estas afirmaciones.
Contenido del artículo:
- Un intento de medir el valor económico de la inteligencia artificial
- ¿Qué es la evaluación GDPval y qué significa?
- Resultados preliminares audaces y una sorpresa de la competencia
- Lista de profesiones objetivo: de abogados a enfermeros
- ¿Apoyo o reemplazo? El lenguaje cauteloso de OpenAI
- ¿Por qué debemos tomar estos resultados con cautela?
- ¿Un paso hacia la transparencia o una herramienta de marketing?
- Preguntas frecuentes
Un intento de medir el valor económico de la inteligencia artificial
OpenAI, la creadora de ChatGPT, ha lanzado una nueva evaluación denominada GDPval para medir el rendimiento de sus modelos de inteligencia artificial en «tareas del mundo real con valor económico en 44 profesiones». Este paso surge como uno de los intentos más francos de la empresa por justificar la viabilidad financiera de sus modelos inteligentes, especialmente tras el aumento de las dudas sobre si esta tecnología podría llegar a un callejón sin salida.
¿Qué es la evaluación GDPval y qué significa?
La nueva evaluación pretende pasar de la especulación sobre el impacto de la inteligencia artificial en la sociedad a una comprensión concreta de lo que los modelos realmente pueden hacer. La compañía escribió en una entrada de blog adjunta: «Evaluaciones como GDPval ayudan a basar las conversaciones sobre futuras mejoras de la inteligencia artificial en pruebas en lugar de conjeturas, y pueden ayudarnos a rastrear la mejora de los modelos con el tiempo». En resumen, OpenAI intenta ofrecer una medida cuantitativa de las capacidades de la inteligencia artificial en el entorno laboral real.
Resultados preliminares audaces y una sorpresa de la competencia
Los «resultados preliminares» de la evaluación GDPval concluyeron que «los mejores modelos de vanguardia de hoy ya se acercan a la calidad del trabajo producido por expertos de la industria», una declaración dirigida claramente a los críticos que afirman que la tecnología no está a la altura de los requisitos del lugar de trabajo.
Sorprendentemente, la empresa descubrió que el modelo Claude Opus 4.1 de su rival Anthropic fue «el modelo con mejor rendimiento» tras ser evaluado por expertos de la industria en 220 tareas. El modelo GPT-5 ocupó el segundo lugar, «destacando especialmente en precisión». Una versión más potente de GPT-5, llamada GPT-5-high, obtuvo una calificación de «mejor o a la par con los resultados de los expertos de la industria» en algo más del 40% de las ocasiones. En contraste, GPT-4o, lanzado hace más de un año, registró solo un 13.7%.
Lista de profesiones objetivo: de abogados a enfermeros
Las 44 profesiones en las que la inteligencia artificial podría tener el «mayor impacto en la productividad del mundo real» incluyeron una larga lista de ocupaciones, entre ellas:
- Agentes inmobiliarios
- Trabajadores sociales
- Ingenieros industriales
- Desarrolladores de software
- Abogados
- Enfermeros registrados
- Representantes de atención al cliente
- Farmacéuticos
- Investigadores privados
- Asesores financieros
Las tareas específicas variaron desde la creación de un «panorama competitivo para los servicios de entrega de última milla» para un analista financiero, hasta la evaluación de «imágenes de lesiones cutáneas» para un enfermero registrado, y el diseño de un folleto de ventas para un agente inmobiliario.
¿Apoyo o reemplazo? El lenguaje cauteloso de OpenAI
OpenAI aborda con extrema cautela el tema de la sustitución completa de los puestos de trabajo humanos. Su lenguaje indica que la inteligencia artificial «apoyará a las personas en el trabajo que realizan todos los días» en lugar de afirmar explícitamente que alguien pueda quedarse sin empleo pronto debido a la inteligencia artificial. Esto no sorprende, dada la imagen negativa de celebrar la pérdida de empleo. Al mismo tiempo, sigue siendo dudoso si esta es una explicación sincera de las motivaciones de la industria y sus objetivos finales, ya que los ejecutivos de la inteligencia artificial se han jactado durante mucho tiempo de reemplazar la mano de obra humana con inteligencia artificial.
¿Por qué debemos tomar estos resultados con cautela?
Hay razones de peso para abordar los últimos resultados de la evaluación de OpenAI con mucha cautela. Ya hemos visto que el uso de la inteligencia artificial genera problemas importantes para los desarrolladores de software, abogados e incluso representantes de atención al cliente, requiriendo a menudo una mayor supervisión humana y no menor. Las alucinaciones, en particular, siguen siendo un importante punto conflictivo, ya que socavan los resultados de las herramientas basadas en grandes modelos de lenguaje y obligan a los usuarios a pasar más tiempo revisando los resultados de la inteligencia artificial en busca de información errónea.
OpenAI reconoció que las tareas del mundo real rara vez están «claramente definidas por una instrucción y archivos de referencia». La empresa escribió: «Los resultados preliminares de GDPval muestran que los modelos ya pueden asumir algunas tareas repetitivas y bien definidas de manera más rápida y económica que los expertos. Sin embargo, la mayoría de los trabajos son mucho más que un simple conjunto de tareas que se pueden codificar».
¿Un paso hacia la transparencia o una herramienta de marketing?
El lanzamiento de GDPval representa un paso interesante por parte de OpenAI hacia la medición concreta de las capacidades de sus modelos. Sin embargo, es importante verlo como parte de una estrategia de marketing destinada a demostrar el valor comercial de la inteligencia artificial. La verdadera prueba seguirá siendo la capacidad de estas herramientas para rendir de manera fiable en el caos y la complejidad que caracterizan a los entornos de trabajo reales, algo que aún no han demostrado de forma concluyente.
Preguntas frecuentes
P1: ¿Significa esto que mi trabajo está en peligro?
R1: No necesariamente a corto plazo. Los resultados sugieren que la inteligencia artificial puede realizar tareas específicas dentro de un trabajo, no el trabajo en su totalidad. Es probable que su rol cambie para incluir el trabajo codo a codo con la inteligencia artificial, centrándose en habilidades que aún requieren juicio humano y creatividad.
P2: ¿Qué son los «modelos de vanguardia» (frontier models)?
R2: Este término se refiere a los modelos de inteligencia artificial más recientes y potentes disponibles en un momento dado, como GPT-5 de OpenAI y Claude 4.1 de Anthropic.
P3: ¿Por qué OpenAI admitió la superioridad de un modelo competidor?
R3: Esto podría ser parte de una estrategia para construir credibilidad y transparencia. Al reconocer el sólido rendimiento de un modelo rival en su propio estándar, OpenAI espera que su evaluación sea percibida como más objetiva y fiable.
