GPT‑4 amplió lo que podía hacer la IA. También redujo lo que podíamos saber de ella

Qué pasó de verdad

OpenAI lanzó GPT‑4 en ChatGPT Plus y mediante su API, la conexión que permite a otras empresas integrar el modelo en sus productos. Lo describió como “multimodal”: podía recibir texto e imágenes como entrada y producir texto. Sin embargo, la capacidad visual no estuvo abierta de forma general el primer día. Una demostración no equivale a disponibilidad para todo el mundo.

GPT‑4 es un modelo de lenguaje: un sistema entrenado con grandes cantidades de información para reconocer patrones y generar respuestas. No es una base de datos que recita siempre un registro exacto ni una persona escondida detrás de la pantalla. Produce texto calculando continuaciones probables según la solicitud y el contexto.

OpenAI informó mejores resultados que GPT‑3.5 en distintas pruebas académicas y profesionales. En una simulación del examen de abogacía de Estados Unidos, por ejemplo, reportó un desempeño cercano al 10 % superior de participantes, frente a resultados de GPT‑3.5 alrededor del 10 % inferior. Es una comparación útil y concreta. No significa que el modelo se hubiera convertido en abogado ni que pudiera asumir responsabilidad profesional.

La empresa también reconoció límites: GPT‑4 todavía “alucinaba”, palabra usada para respuestas inventadas o incorrectas que parecen convincentes; conservaba sesgos; y podía fallar ante instrucciones diseñadas para evadir sus protecciones.

Un mejor examen no es inteligencia total

Las pruebas estandarizadas permiten comparar versiones bajo condiciones definidas. Sirven como una regla, no como un retrato completo. Un modelo puede resolver preguntas de un examen y fallar al verificar una fuente, comprender un contexto local o reconocer que le falta información.

Si una persona memoriza las respuestas de muchos simulacros, su puntaje puede mejorar sin que eso demuestre criterio para atender un caso real. Con GPT‑4 el problema era más complejo, pero la precaución es parecida: el rendimiento medido no debe convertirse en una afirmación ilimitada sobre “inteligencia”.

El lenguaje publicitario suele borrar esa distancia. Dice que el sistema “ve”, “entiende” o “razona” porque esas palabras caben mejor en un titular. Para usarlo con criterio conviene volver a verbos verificables: recibió esta entrada, produjo esta salida y obtuvo este resultado bajo estas condiciones.

Lo que cambió para el trabajo

GPT‑4 amplió el conjunto de tareas que empresas y profesionales podían intentar automatizar o acelerar: analizar documentos más complejos, asistir programación, redactar con más contexto y construir productos encima de su API. Para un equipo pequeño, alquilar esa capacidad podía ser más rápido que desarrollar un modelo propio.

Ese acceso tenía un precio estratégico. Cuando una organización integra un modelo externo en un proceso central, gana velocidad pero aumenta su dependencia. Cambios de tarifa, disponibilidad, reglas o comportamiento quedan en manos del proveedor. La IA puede ampliar autonomía en una tarea y reducirla en la infraestructura. Bonita paradoja para poner en el presupuesto.

Para trabajadores, una respuesta más competente elevó la expectativa de productividad. Si antes se pedía un borrador en una hora, alguien podía empezar a exigirlo en minutos. El beneficio del ahorro no necesariamente quedaba en manos de quien hacía la tarea; podía convertirse en más carga, vigilancia o reducción de tiempos. La tecnología no decide cómo se reparte la ganancia. Eso lo deciden contratos, jefaturas y políticas.

La parte que OpenAI dejó cerrada

En su informe técnico, OpenAI dijo que no publicaría más detalles sobre la arquitectura, el tamaño del modelo, el hardware, el cómputo usado para entrenarlo ni la construcción completa de los datos. Argumentó razones de competencia y seguridad.

Hecho: esa información fue omitida explícitamente. Lectura de Cursónica: el lanzamiento marcó una transición hacia modelos más capaces y menos auditables desde fuera. Investigadores independientes podían probar el producto, pero tenían menos elementos para reconstruir cómo había sido creado, qué materiales había absorbido o cuánto costaba repetirlo.

La empresa tenía incentivos legítimos para proteger una inversión y evitar que ciertas capacidades fueran copiadas o abusadas. La sociedad tenía un interés igualmente legítimo en comprender un sistema que empezaba a entrar en educación, empleo y servicios. No hace falta convertir a OpenAI en villano para ver el conflicto: el secreto comercial y la rendición de cuentas tiraban en direcciones distintas.

Quién ganó y quién asumió el costo

OpenAI ganó una posición más fuerte como proveedor de infraestructura. Microsoft, su socio e inversionista, podía integrar capacidad avanzada en sus productos. Empresas con acceso a la API ganaban velocidad para crear servicios. Usuarios de pago recibían una herramienta más capaz.

El costo recaía en varios lugares. Investigadores externos tenían menos información para auditar. Creadores y propietarios de datos no contaban con una descripción completa del material usado en el entrenamiento. Organizaciones usuarias asumían dependencia técnica. Y cualquier persona afectada por una decisión asistida por el modelo podía encontrarse frente a una cadena de responsabilidad borrosa: el proveedor creó el sistema, otra empresa lo integró y un empleado aceptó la respuesta.

Esto no prueba que cada uso fuera dañino. Muestra que aumentar capacidad amplía tanto los beneficios posibles como la importancia de saber quién responde cuando algo falla.

Lo cierto, la lectura y lo que quedaba abierto

Hecho comprobado: GPT‑4 fue presentado el 14 de marzo de 2023; aceptaba texto e imágenes como entrada y generaba texto, aunque la entrada visual tuvo disponibilidad limitada inicialmente. OpenAI reportó mejoras en varias evaluaciones y reconoció alucinaciones, sesgos y riesgos de seguridad.

Hecho comprobado: el informe técnico omitió detalles centrales de arquitectura, datos, hardware y cómputo. La empresa declaró motivos de competencia y seguridad.

Lectura de Cursónica: GPT‑4 hizo visible un intercambio que se volvería estructural: más personas y empresas podían alquilar una capacidad extraordinaria, mientras menos actores podían inspeccionar cómo se construía.

Todavía no sabíamos en marzo de 2023: cómo funcionaría el modelo en cada contexto real, qué errores aparecerían a escala ni cuánto de su desempeño se traduciría en mejoras sostenidas de productividad. Un lanzamiento muestra posibilidad. La adopción y los resultados requieren otra evidencia.

Por qué debería importarte

Cuando una herramienta de IA llega a tu empresa, colegio o profesión, “es más potente” no alcanza como criterio de compra. Pregunta qué tarea mejora, cómo fue evaluada, qué datos recibe, quién puede revisar sus errores y qué alternativa existe si el proveedor cambia las condiciones.

También separa tres niveles: una capacidad demostrada, un producto disponible y un resultado real. GPT‑4 podía analizar imágenes; eso no significó acceso universal el día del anuncio. Podía rendir bien en un examen; eso no lo convertía en profesional responsable. Podía producir un mejor borrador; eso no garantizaba que fuera verdadero.

Lo que aprendiste hoy

La transparencia técnica es la información que permite entender y evaluar cómo fue construido, probado y limitado un sistema. No exige publicar cada secreto industrial, pero sí dar evidencia suficiente para que las afirmaciones importantes puedan ser examinadas.

Tu criterio para el próximo lanzamiento puede ser sencillo: una mejora de capacidad debe venir acompañada de una mejora proporcional en evaluación, documentación y responsabilidad. Si la herramienta sabe hacer más pero nadie puede explicar bien sus límites, no estás recibiendo solamente potencia. También estás aceptando opacidad.

Fuentes y metodología

• Fuente primaria: OpenAI, “GPT‑4 Research”, 14 de marzo de 2023. Capacidades, resultados declarados, disponibilidad y límites. https://openai.com/index/gpt-4-research/
• Documento técnico primario: OpenAI, GPT‑4 Technical Report. Explica evaluaciones y declara la omisión de detalles sobre arquitectura, datos, hardware y cómputo. https://arxiv.org/abs/2303.08774
• Fuente primaria de seguridad: OpenAI, GPT‑4 System Card. Documenta evaluaciones de riesgos, mitigaciones y límites. https://cdn.openai.com/papers/gpt-4-system-card.pdf
• Contraste contemporáneo: The Guardian, 14 de marzo de 2023. Cobertura independiente del lanzamiento, el desempeño reportado y sus límites. https://www.theguardian.com/technology/2023/mar/14/chat-gpt-4-new-model

Método: distinguimos las afirmaciones del fabricante, los resultados de pruebas descritos en su informe y la lectura editorial sobre transparencia. No tratamos puntajes de examen como prueba de inteligencia general ni atribuimos a la versión inicial funciones añadidas después.