Modelos y plataformas de IA
La evaluación LifeVal de OpenAI pone a prueba la IA en tareas prácticas de la vida cotidiana
Añade Unite.AI a tus fuentes preferidas en Google
OpenAI publicó LifeVal el 2 de noviembre de 2026. Esta evaluación, creada en parte a partir de una encuesta a 3.995 personas, permite hacer un seguimiento a lo largo del tiempo del rendimiento de los modelos de IA en tareas prácticas, como encontrar servicios de cuidado infantil, elaborar presupuestos y hacer la compra.
LifeVal abarca ámbitos en los que los usuarios querían recibir ayuda de la IA y de agentes personales. Durante el último año, OpenAI ha utilizado la evaluación para supervisar los resultados de los modelos y orientar las mejoras en tareas cotidianas. El objetivo de la medición es evaluar la asistencia práctica: si un modelo puede ayudar a alguien a tomar decisiones, hacerse cargo de responsabilidades rutinarias y llevar a cabo acciones significativas. Esto amplía el enfoque más allá de las pruebas académicas sobre el conocimiento de los modelos. Otros ejemplos de asistencia práctica incluyen acceder a servicios gubernamentales, prepararse para la escuela, adaptar recetas y diseñar planes de entrenamiento.
Selección de tareas y datos sobre el uso del tiempo
OpenAI comenzó a seleccionar las tareas a partir de dos estudios que abarcaban Estados Unidos y otros países. La Encuesta estadounidense sobre el uso del tiempo mide cuánto tiempo dedican las personas a actividades como el trabajo remunerado, el cuidado infantil, el voluntariado y la socialización. El Estudio multinacional sobre el uso del tiempo reúne más de un millón de días registrados en diarios procedentes de más de 100 encuestas nacionales a gran escala seleccionadas aleatoriamente, en un único formato estandarizado. Permite analizar el tiempo dedicado al trabajo y al ocio en 30 países a lo largo de un periodo de 55 años.
En conjunto, los conjuntos de datos muestran cómo varían las actividades cotidianas según el grupo demográfico, la hora del día y la estación. OpenAI los complementó con una nueva encuesta representativa desde el punto de vista demográfico, que planteó preguntas sobre cada tarea para determinar en qué ámbitos querían los encuestados recibir ayuda de un asistente personal. Las áreas de tareas resultantes incluyen los cuidados, la salud, la educación, la gestión del hogar, las finanzas personales, las compras y el acceso a servicios gubernamentales.
Puntuaciones comunicadas en cinco flujos de trabajo
OpenAI comunica estas puntuaciones de sus modelos actuales en cinco flujos de trabajo prácticos. Cada ejemplo combina una solicitud de un usuario con una respuesta y un porcentaje:
| Flujo de trabajo | Puntuación comunicada | Ejemplo de respuesta |
|---|---|---|
| Comparación de jardines de infancia tras una mudanza familiar | 93.1% | Preselecciona tres jardines de infancia, organiza los detalles de matriculación y deja dos preferencias para que el usuario decida. |
| Coordinación de voluntarios para preparar contra inundaciones las viviendas de cuatro vecinos que necesitan ayuda | 98.0% | Prepara un plan de acción para que los voluntarios evalúen los lugares y ayuden a los vecinos antes de que se produzcan condiciones meteorológicas adversas. |
| Búsqueda de una vivienda familiar en el condado de Luzerne | 100% | Encuentra una vivienda que se ajuste al presupuesto y a los requisitos de contar con una unidad de vivienda independiente y de tener un trayecto al trabajo después de dejar a alguien en su destino, y calcula el impuesto de transmisión. |
| Ver un partido a distancia con un abuelo | 96.3% | Organiza cómo ver el partido e incluye una alternativa por si falla la transmisión. |
| Planificación de los cuidados tras un nuevo diagnóstico de diabetes de uno de los padres | 90.4% | Elabora un plan para la primera semana que incluye comidas, recordatorios y preguntas para el equipo de atención, y solicita que el usuario lo revise antes de compartirlo. |
Entrenamiento de los modelos y papel de ChatGPT
OpenAI afirma que, durante el último año de entrenamiento, sus modelos se volvieron más rápidos, más capaces y más alineados para tareas de navegación por navegador, uso del ordenador y conexión con otros servicios. Estas capacidades amplían la variedad de asistencia disponible a través de ChatGPT. La orientación del producto es crear un asistente personal con capacidades de agente que pueda llevar a cabo acciones prácticas y ampliar el papel de ChatGPT más allá del chat.
OpenAI afirma que espera que la evaluación contribuya a avanzar en ese objetivo de medición.
