Revisión de ‘Cómo la gente usa ChatGPT’

Soy Ilya Romanov y estoy trabajando en un producto de inteligencia artificial en modo stealth. En mi último artículo, hablé sobre un informe (¿realmente?) disruptivo de MIT sobre la inteligencia artificial y los resultados financieros. Otro informe que ha generado mucho revuelo es “Cómo la gente usa ChatGPT”. Su audaz introducción “En general, encontramos que ChatGPT proporciona valor económico a través del apoyo a la toma de decisiones, lo que es especialmente importante en trabajos que requieren mucho conocimiento” me hizo preguntar si, finalmente, hay un registro comprobado de que la inteligencia artificial agrega valor tangible a un proceso de trabajo y a los resultados financieros. ¡Vamos a sumergirnos ahora!

El informe y el equipo

‘Cómo la gente usa ChatGPT’ fue preparado por investigadores de OpenAI y el economista de Harvard David Deming. Su combinación de experiencia en ingeniería de inteligencia artificial, análisis de datos con privacidad y política económica hizo posible la creación de este amplio estudio empírico a gran escala de ChatGPT.

El estudio se basa en una impresionante cantidad de 1,5 millones de conversaciones con ChatGPT. El equipo utilizó el embudo de privacidad para anonimizar a los usuarios mientras aún entendían la intención detrás de los mensajes. Esencialmente, cada conversación de ChatGPT se pasó a través de un filtro automatizado que eliminó cualquier nombre o detalle personal antes de que los investigadores la vieran. Estas etiquetas generadas por máquina (como tema o intención) se analizaron. Para vincular los antecedentes demográficos básicos, como la educación o la ocupación, el equipo trabajó en un entorno de sala limpia donde solo podían extraer datos agregados de grupos de al menos 100 usuarios, por lo que no se podía identificar o reidentificar a ninguna persona o mensaje individual.

Hallazgos

La declaración audaz en el ‘Resumen’ es una de las ideas clave sobre cómo la inteligencia artificial entrega valor en la economía moderna. En contraste con las innumerables soluciones ‘automatizar-todo’ que han surgido últimamente, ChatGPT se utiliza principalmente como una herramienta de apoyo a la toma de decisiones en lugar de una plataforma de automatización de tareas pura. El informe introduce dos tipos de tareas que los usuarios asignan a ChatGPT: ‘Preguntar’ y ‘Hacer’. El primero se refiere a trabajos como buscar información, asesorar o guiar para tomar mejores decisiones (‘¿Cuál es la diferencia entre correlación y causalidad?’). El segundo es hacer tareas específicas como redactar correos electrónicos, escribir informes e incluso crear código (‘Escribe un correo electrónico a mi gerente diciendo que no pude llegar a Ventas, aunque llamé varias veces.’).

Resulta interesante que el informe distinga entre conversaciones laborales y no laborales. Todas las conversaciones no laborales constituyen hasta un 70% en 2025, lo que muestra un aumento significativo con respecto al 53% de 2024. Las interacciones personales se centran en gran medida en tareas cotidianas (consejos ‘cómo hacer’ y tutoría) y asistencia para la escritura (edición o traducción). Este aumento y el contexto de uso posicionan a ChatGPT como un compañero diario, el nuevo Google, para la exploración, el trabajo creativo y la toma de decisiones fuera del lugar de trabajo.

El informe revela que el 49% de todos los mensajes son ‘Preguntar’ en comparación con solo el 40% de los mensajes ‘Hacer’. La clave es que los mensajes ‘Preguntar’ están creciendo más rápido y reciben calificaciones de satisfacción más altas de los usuarios de ChatGPT. En julio de 2024, ‘Preguntar’ y ‘Hacer’ eran casi iguales, constituyendo el 46% de todos los mensajes de ChatGPT. Para junio de 2025, ‘Preguntar’ había aumentado al 51,6%, lo que significa un aumento absoluto de 5,6 puntos porcentuales, que se traduce en un aumento relativo del 12%, mientras que ‘Hacer’ disminuyó al 34,6%, lo que significa una disminución relativa del 25%.

¿Qué significa esta divergencia? El beneficio económico, según el informe, se encuentra en una toma de decisiones más rápida y mejor informada en trabajos que requieren mucho conocimiento, lo que amplifica la productividad. En trabajos que requieren mucho conocimiento, donde los resultados comerciales están directamente influenciados por la calidad y la velocidad de las decisiones, tener acceso a información mejor procesada, perspectivas alternativas y un excelente apoyo analítico puede mejorar significativamente el rendimiento de los trabajadores.

La base para la conclusión son los hallazgos. Por un lado, los usuarios con títulos de posgrado tienen 2 puntos porcentuales más de probabilidades de utilizar ChatGPT para ‘Preguntar’ y 1,6 puntos porcentuales menos de probabilidades de enviar mensajes ‘Hacer’ en comparación con los usuarios menos educados. De manera similar, los usuarios en ocupaciones científicas y técnicas mejor pagadas son más propensos a utilizar la inteligencia artificial para ‘Preguntar’; el 47% de los mensajes relacionados con el trabajo son ‘Preguntar’ en trabajos relacionados con la computación.

La capacidad de toma de decisiones no vistas que supera con creces al cerebro humano se puede reflejar en dinero, no en términos de los ingresos que OpenAI generó (un impresionante $13 mil millones en ingresos anuales recurrentes, a principios de agosto de este año), sino en el excedente del consumidor. En simples términos, el excedente del consumidor es la brecha entre la cantidad máxima que una persona estaría dispuesta a pagar por un servicio y el precio real que paga. Por ejemplo, estoy dispuesto a pagar $100 por una suscripción mensual a ChatGPT, pero estoy pagando $20, por lo que el excedente del consumidor es $80.

A gran escala, según la investigación de Collis y Brynjolfsson (2025), el excedente del consumidor es de al menos $97 mil millones solo en Estados Unidos. Y parece que, según su investigación, la gente necesitaría que se les pagara $98 en promedio para dejar de usar la inteligencia artificial generativa durante un mes. El valor que ChatGPT tiene para los usuarios en contextos laborales y no laborales es inmenso, y es seguro decir que en un contexto empresarial, hay una ganancia financiera aún mayor.

¿Por qué Preguntar?

Mientras investigaba al equipo detrás de este informe y (¡sorpresa!) invitaba a Perplexity a pensar conmigo sobre este informe, no podía dejar de preguntarme por qué la gente PREGUNTA en lugar de HACER con ChatGPT.

Para ponerlo en términos más científicos, me gustaría referirme a una investigación citada en el informe. Ide y Talamas (2025) presentaron dos roles que la inteligencia artificial desempeña en el lugar de trabajo: Compañero de trabajo que entrega resultados, es decir, hace el trabajo, y Copiloto que mejora la resolución de problemas sin resultados finales. Los datos de ‘Cómo la gente usa ChatGPT’ respaldan el paradigma del copiloto: nuevamente, la gente prefiere PREGUNTAR en lugar de HACER con ChatGPT (49% vs 40%) y PREGUNTAR está en aumento, y ‘Tomar decisiones y resolver problemas’ se encuentra entre las principales actividades laborales en cada grupo ocupacional encuestado. En resumen, ChatGPT proporciona asesoramiento en lugar de trabajo en la mayoría de los casos.

Entonces, ¿por qué? Desplázate por Linkedin y verás ‘Automatizar esto’ y ‘Automatizar aquello’.

He pensado en eso también mientras leía el informe y cientos de publicaciones entusiastas en Linkedin de entusiastas de la inteligencia artificial que encontraron ESE script para que la inteligencia artificial finalmente funcione. Mi suposición es que esta preponderancia de PREGUNTAR sobre HACER con ChatGPT puede ser solo un reflejo de las limitaciones actuales (o pasadas) del modelo en lugar de una preferencia fundamental del público por la inteligencia artificial como copiloto. Es probable que, una vez que haya una solución de inteligencia artificial verdaderamente poderosa, los usuarios adoptarán cada vez más la inteligencia artificial como un compañero de trabajo real en lugar de un asesor. En simples términos, la gente quiere usar la inteligencia artificial como un compañero de trabajo, pero todavía hay limitaciones.

Desde mi experiencia y lo que escuché durante las entrevistas de CustDev, asumo que hay una desventaja grave que la inteligencia artificial no puede superar todavía. Una, le falta contexto. Dos, no todo el trabajo se puede desglosar en una simple solicitud (o no tengo suficiente paciencia).

Permítanme elaborar sobre estos dos puntos. Debido a que la inteligencia artificial carece de contexto, no se puede dejar libre cuando se trata de la creación de contenido. Necesita ser monitoreada, y la solicitud puede tener que ser revisada para obtener un resultado diferente o mejor. IBM explicó la idea en términos científicos. Los humanos acumulan una comprensión situacional rica gracias a la percepción continua, la memoria y la experiencia en el mundo real, mientras que los asistentes de inteligencia artificial operan únicamente prediciendo el siguiente token (~palabra) en función de una ventana de contexto fija de entradas recientes. La inteligencia artificial tiene memoria a corto plazo, y la información anterior se pierde una vez que se llena la capacidad de memoria.

Los grandes modelos de lenguaje luchan con tareas complejas y multietapa. El rendimiento y la coherencia se deterioran a medida que se combinan las tareas, Prompt Drive explica. Hay un enfoque para superar la limitación: el enfoque de dividir y conquistar. Sin embargo, reconoce que ninguna sola solicitud puede capturar todas las nuances, por lo que la inteligencia artificial sigue siendo un excelente copiloto mientras es un compañero de trabajo limitado.

Ahora, he estado pensando en el ámbito de ChatGPT. ¿Se replica esta proporción (49% vs 40%) con otras herramientas de inteligencia artificial?

• El 60% de los mensajes enviados a Perplexity AI son solicitudes de investigación en lugar de generación de contenido puro, según App Labx.
• DeepSeek R1 obtiene una alta puntuación como un compañero de trabajo avanzado para tareas lógicas y como copiloto para la asistencia en la cadena de pensamiento, según su informe interno.
• GitHub Co-pilot (la pista está en el nombre, ¿verdad?) está diseñado para sugerencias de editor para código, depuración y asistencia para el aprendizaje. Es seguro asumir que su función es ayudar en lugar de hacer.
• Microsoft Copilot muestra una división casi igual entre Preguntar y Hacer, reflejando los patrones de uso de ChatGPT.

Entonces, ¿qué nos dejan los hallazgos? Como lo veo, la inteligencia artificial es un potente impulsor para el trabajo que requiere mucho conocimiento, que acelera la toma de decisiones y se traduce en ahorros de tiempo directos y ganancias de ingresos indirectos. Resistir la inteligencia artificial en favor del ‘toque humano’ o el ‘contenido único’ significa perder a largo plazo. La gente usa ChatGPT y otros asistentes de inteligencia artificial para avanzar en la toma de decisiones, no para reemplazar a un tomador de decisiones humano en su totalidad.

¿Cambiará el patrón? ¿Verán las personas la decadencia cerebral masiva debido a la creciente delegación de trabajo a la inteligencia artificial? Estén atentos a mi próximo artículo sobre cómo la inteligencia artificial afecta el cerebro y las capacidades cognitivas humanas.