IA aplicada
Qué es ChatGPT y para qué sirve realmente
Puede darte una respuesta que dices «wow», otra completamente genérica, y a veces asegurarte algo que no es cierto. Lo que cambia entre una y otra casi nunca es ChatGPT: es lo que tú entiendes de lo que estás usando.
13 min de lectura
La respuesta corta: ChatGPT es una aplicación donde escribes una solicitud y recibes una respuesta, dentro de una conversación que conserva el hilo. Por dentro no hay un buscador: hay modelos ya entrenados que generan una respuesta nueva cada vez, y lo que te dan es su interpretación de lo que aprendieron. Por eso sirve para escribir, analizar, resumir y ordenar — y por eso puede escribir impecable y estar equivocado. La regla con la que yo trabajo: entre más caro sea el error, más tengo que verificar.
Lo que vas a encontrar
Qué es ChatGPT, en una frase
En pocas palabras: ChatGPT es una aplicación donde tú envías una solicitud y recibes una respuesta. La creó OpenAI, que quizá te suene porque ahorita es una de las empresas más famosas del mundo.
Puedes escribirle cosas básicas, desde «explícame qué es una hipoteca». Y la gracia es que no termina ahí: puedes seguir con «ahora ponme un ejemplo», «explícamelo todavía más fácil» o «hazme una tabla comparándolo con un crédito normal». ChatGPT arma un hilo de conversación y trabaja sobre lo que ya venían hablando.
Es como cuando hablas con un amigo por WhatsApp. Estamos de acuerdo que tú le mandas un mensaje, te responde, y te entiende porque sabe de ti y de lo que hablaron antes. Lo mismo aquí: la conversación tiene historia.
Y hoy puedes ir bastante más allá de escribir: «oye chat, chécame este correo», «checa esta imagen y dame un resumen», «revisa este reporte de Excel». Esas capacidades son la mitad de lo que la gente se pierde, y las vemos al final.
Si nunca lo has usado, con esto ya tienes lo básico para empezar: entras al sitio de OpenAI, te haces una cuenta con tu correíto y ya. Las cuentas son gratis, y si después quieres funciones más avanzadas, ya pagas. Pero para arrancar no hace falta.
ChatGPT no es un modelo: la analogía de Spotify
Aquí empiezo a hablar un poco técnico, pero vamos paso por paso.
Spotify todos lo conocemos. Spotify es una aplicación. ¿Y qué hay dentro de Spotify? Canciones, infinidad de canciones. Con eso podemos decir algo obvio: Spotify no es una canción, y una canción no es Spotify.
Pues con ChatGPT pasa lo mismo. ChatGPT es la aplicación; dentro viven los modelos — y hay varios, que sirven para cosas distintas. ChatGPT no es un modelo y los modelos no son ChatGPT.
Los que usa ChatGPT son de tipo LLM. Y para cuando alguien te diga «un LLM», lo único que tienes que entender es: alguien que me responde textos por mensajitos, como por WhatsApp. Porque hay otros modelos que arman música, imágenes o voz. Hay infinidad de modelos en este mundo.
Esta distinción parece de vocabulario y no lo es: explica por qué dos personas usando «el mismo ChatGPT» obtienen respuestas de calidad distinta. No siempre están usando el mismo modelo.
Cómo genera una respuesta (no la busca)
Cuando le preguntas algo, no es que ChatGPT en ese momento vaya y estudie la enciclopedia, la Wikipedia o la Encarta, como en nuestros tiempos. No hace eso.
Los modelos son sistemas previamente entrenados. Ya estuvieron estudiando, como cuando tú te quedabas hasta las tres de la mañana para el examen de la universidad. Así estuvo el modelo: lo entrenaron con datos para que aprendiera.
Entonces, cuando preguntas, el modelo de lo que sabe te responde algo. Es su interpretación. Y de ahí se derivan dos cosas que conviene tener claras:
- El modelo aprendió de ciertos datos. Si esos datos eran verídicos o no, ahí la respuesta puede ser buena o mala.
- Aunque los datos fueran buenos, lo que recibes es una interpretación, y puede venir sesgada.
Con esto, en resumen, lo que te quiero decir es: no te fíes de todo lo que te dice ChatGPT. Cuestiónalo, verifícalo. Al final, el rol del humano en esta era es tener el criterio y la decisión final. ChatGPT es un gran amigo que va a hacer lo que le digas, pero si no lo cuestionamos, el resultado no va a ser el más óptimo.
Por qué se equivoca aunque escriba perfecto
Aquí hay que distinguir algo muy interesante. Los LLM se especializan en cómo hablamos los humanos, así que son muy buenos con la gramática y la ortografía.
Una cosa es que ChatGPT escriba súper bien —con sus acentos, sus mayúsculas, su punto y coma, todo muy bonito— y otra cosa muy distinta es el fondo de lo que te está diciendo. A veces te da una respuesta impecablemente estructurada que está mal, o incompleta, o sesgada.
Escribir algo que suene correcto y comprobar que sea cierto son dos trabajos distintos. Los modelos son extraordinariamente buenos en el primero.
Por eso, cuando trabajo con datos duros no trato la conversación como fuente de verdad. La fuente sigue siendo el reporte, el Excel, Google Ads, Analytics, la base de datos o el documento original. ChatGPT me ayuda a interpretar; yo verifico las cifras críticas contra la fuente.
Cuando estés trabajando con cifras importantes: vuelve a adjuntar o a referenciar la fuente, pídele que cite el dato exacto en lugar de inferirlo, y verifica los números críticos antes de usarlos fuera de la conversación.
La regla: entre más caro el error, más verificas
Éste es el punto de sentido común que yo utilizo mucho, y si te llevas una sola cosa de todo el artículo, que sea ésta:
Entre más caro sea el error —más costoso que se equivoque— más tengo que verificar.
| Lo que le pides | Qué pasa si se equivoca | Cuánto verificas |
|---|---|---|
| Veinte ideas de nombre para algo | Descartas las que no sirven | Nada. Se ve solo |
| Que te resuma un texto que tienes delante | Pierdes un matiz | Una lectura por encima |
| Cifras de un reporte para un cliente | Presentas un dato falso con tu nombre | Dato por dato, contra la fuente |
| Algo legal, de salud, fiscal o de dinero | Consecuencias reales | Todo, y con quien sepa |
Si le pregunto algo básico que no afecta nada, pues ya no verifico. Pero si le voy a entregar un reporte a un cliente, tengo que verificar esos datos. Porque al final, ¿quién le da la cara al cliente o al proyecto? Yo. No ChatGPT.
Y conviene recordarlo así de literal: ChatGPT no siente, no tiene culpa, no tiene responsabilidades, no tiene una familia que mantener, no tiene un proyecto ni clientes. ¿Quién tiene todo eso? Tú.
Iterar, y pedirle que use sus herramientas
Hay un concepto que he aprendido en este mundo y que vale mucho: iterar. Quiere decir cuestionar las respuestas, pedirle que las refine y darle tú la guía. Porque si nada más le dices «mejora la respuesta», la va a mejorar a lo que él cree. El humano que necesita guiar sigues siendo tú.
Y algo que casi nadie usa: hoy ChatGPT trae varias herramientas dentro de la misma aplicación, pero muchas veces tienes que pedirle con palabras humanas que las use. Si no le dices que busque en internet o que verifique sus fuentes, no lo va a hacer. Inténtalo la próxima vez: «oye, investiga esto, actualízalo».
Esto importa más de lo que parece porque los modelos tienen datos hasta cierto punto de la historia. A partir de ahí no saben qué pasó, salvo que les pidas que lo busquen.
Contexto: ChatGPT no es adivino
Si quiero que te lleves un concepto de todo esto, me quedaría con contexto. He visto a muchas personas usar ChatGPT y fallar aquí, y luego echarle la culpa a la herramienta. Ni es culpa de ChatGPT: es del humano.
Vamos con un ejemplo. Imagínate que tengo un cliente y escribo: «oye chat, chécame ese correo para ver qué le respondo al cliente».
¿Cuál correo? ¿De qué trata? ¿Quién es el cliente? ¿A qué me dedico? ¿Qué quiere? ¿Cuándo lo quiere? ¿Cuáles son las fricciones con él? ¿Cuáles son los acuerdos? ¿Qué tono hay que usar?
Todas las respuestas a esas dudas son contexto. Eso es el contexto. Y si no se lo das, ChatGPT te va a armar una respuesta igual —porque es un buen compa que va a hacer su mejor esfuerzo, así fue programado— pero se va a quedar corta.
Es como si llegas con un amigo por WhatsApp y le escribes «hay jamón». ¿Jamón de qué? ¿Para qué? ¿Quieres un sándwich? Si no das contexto, no comunicas bien.
Compara con esto otro: «tengo este cliente que ya lleva tres años conmigo, me está pidiendo un descuento y no quiero dárselo; quiero que vea el valor de mi trabajo, así que ayúdame a armarle una respuesta con un tono amable pero que ponga límites». Ya tiene con qué trabajar. Se puede mejorar todavía más, pero la diferencia con la anterior es toda.
Sobre los prompts mágicos
De aquí sale la otra palabra que está de moda: los prompts. Y quiero alejarme un poco de la magia y de lo místico, porque para mí no es que existan prompts místicos. Un prompt es, simplemente, lo que le das como solicitud.
Ese «prompt mágico para que ChatGPT te haga millonario», o el «prompt para las diez ideas mágicas para tu cliente»… yo no comulgo con esa parte, la verdad.
Soy más de lo otro: tener criterio, alimentarlo con el contexto importante del proyecto, y sumarle iteración. No me basta con la primera respuesta — muchas veces le digo «oye chat, pero no viste este ángulo» o «ya me acordé de esto». Es un proceso, y necesita contexto.
Cómo organizo mis conversaciones y proyectos
No tengo una sola conversación donde mezclo absolutamente todo. Prefiero separar mis chats por proyecto, cliente o tipo de trabajo.
La analogía otra vez es WhatsApp: ahí tienes conversaciones separadas con tu mamá, con tu papá, con tus amigos, con tus primos. No tienes un solo chat donde hablas con todo el mundo, ¿estamos de acuerdo? Pues lo mismo aquí.
Cuando un tema crece, uso Projects para agrupar las conversaciones relacionadas. Por ejemplo, en el proyecto de este canal de YouTube tengo un chat de guiones, otro de escenario e iluminación, otro de producción y otro de edición. Cada uno tiene su propio contexto y su propia memoria, y así es muchísimo más fácil de manejar que tenerlo todo revuelto.
Mi recomendación no es «abre muchos chats porque sí». Es separar el contexto cuando las tareas ya pertenecen a problemas diferentes.
Así evitas una conversación gigantesca donde conviven datos de clientes, temas personales, ideas, números y proyectos que no tienen nada que ver entre sí.
Las cuatro cosas que me llevaría
Si tuviera que quedarme con cuatro de todo lo anterior, serían éstas.
Uno: empieza por el problema. No abras ChatGPT pensando «necesito usar inteligencia artificial». El enfoque es qué necesitas resolver, y con eso buscas la herramienta. No te abrumes por todo este mundo: basta con tener criterio para saber cuál necesitas.
Dos: dale contexto de lo más importante. No le hagas preguntas sueltas, salvo que sea un tema muy escueto. Si vas a trabajar sobre algo que importa, siéntate y aunque te tome cinco o diez minutos, aliméntalo. Yo uso mucho la voz para eso: dicto el contexto desde el teléfono y luego, en la computadora, ya conversamos escrito sobre algo que ya está alimentado.
Tres: usa la capacidad que necesites y organiza tu información. Varios chats por proyecto o por cliente, y aprovecha lo que ya trae: revisar un Excel o un PDF, generarte un archivo, analizar una imagen. Yo le mando capturas de pantalla para desarrollo de sitios web y para auditar campañas de Google Ads, y para este mismo canal lo uso bastante con el tema de las portadas.
Cuatro: verifica. No te vayas con la primera respuesta. Aplica el criterio, cuestiónalo e itera.
Si empiezas a usarlo pensando de esta manera, en lugar de verlo como una caja mágica, vas a tener mejores resultados. Y cuando quieras dar el siguiente paso, aquí está cómo reparto el trabajo entre ChatGPT y Claude y qué es un agente de IA y en qué se diferencia de un chat.
Isma Haro
Ingeniero en ciencias de la computación · Consultor de marketing e IA aplicada
Diez años conectando negocio, marketing y tecnología. Dirijo la operación de PaginaMX y, bajo mi propio nombre, trabajo con negocios que necesitan que alguien mire el problema completo: de dónde viene la demanda, qué pasa después del clic y si los números que están mirando dicen la verdad.