ChatGPT ya compite con humanos en tareas profesionales: así lo demuestra el nuevo benchmark de OpenAI

La pregunta ya no es si la inteligencia artificial podrá hacer tu trabajo, sino cuándo. OpenAI ha dado un paso decisivo para responderla con el lanzamiento de GDPval, un benchmark que evalúa de forma directa la capacidad de los modelos de IA para desempeñar tareas profesionales que generan valor económico real.

GDPval —cuyo nombre hace referencia al Producto Interior Bruto (GDP, en inglés)— no se limita a medir habilidades técnicas, sino que pone a prueba a la IA en el contexto de la economía real. El objetivo es claro: determinar si los modelos actuales pueden sustituir a profesionales en sectores que representan la mayor parte del PIB estadounidense.

El estudio abarca 44 profesiones, desde periodistas y consultores financieros hasta ingenieros de software y enfermeras. La metodología es contundente: profesionales humanos generan informes y entregables reales, que luego se comparan con los producidos por modelos como GPT-5 y Claude Opus. Un panel de expertos independientes evalúa cuál de los trabajos prefiere, sin saber si fue realizado por una persona o por una IA.

Los resultados son reveladores. Los modelos más avanzados ya rivalizan con profesionales cualificados en la generación de documentos, análisis y recomendaciones. Para ponerlo en perspectiva, GPT-4o, lanzado apenas 15 meses antes, obtuvo un 13,7% de preferencia en este test. En solo un año y medio, la IA ha triplicado su rendimiento frente a humanos, acercándose peligrosamente a la paridad.

Este avance no es solo técnico, sino estructural. Si la tendencia continúa, muchas profesiones basadas en la producción de informes, análisis y resúmenes podrían verse profundamente transformadas. El trabajo del conocimiento, en gran medida, se está convirtiendo en un flujo de inputs y outputs que la IA puede replicar con creciente eficacia.

Sin embargo, GDPval tiene limitaciones importantes. Solo evalúa la generación de entregables escritos, dejando fuera aspectos clave del trabajo humano como la toma de decisiones estratégicas, la comunicación interpersonal, la gestión de equipos o la adaptabilidad a situaciones complejas. El propio Dr. Aaron Chatterji, economista jefe de OpenAI, reconoce que la mayoría de los profesionales hacen mucho más que escribir informes. El reto para el futuro será desarrollar benchmarks que capturen toda esa complejidad.

Aun así, OpenAI defiende que estos avances ya permiten liberar tiempo para tareas más valiosas: si la IA puede encargarse de la parte documental, los humanos pueden centrarse en innovar y tomar decisiones.

Hasta ahora, los benchmarks más utilizados en IA eran de corte académico: resolución de problemas matemáticos, lógica, comprensión de texto, etc. Sin embargo, estos tests han dejado de ser útiles como referencia, ya que los modelos más avanzados los superan con facilidad. GDPval representa una nueva generación de evaluaciones, mucho más alineadas con las necesidades de empresas, gobiernos y profesionales que buscan anticipar el impacto real de la IA en sus sectores.

En definitiva, la inteligencia artificial ya no es solo una promesa de futuro: está empezando a competir, de tú a tú, con los humanos en tareas que hasta hace poco parecían exclusivas de nuestra especie. El debate ya no es si la IA podrá hacer nuestro trabajo, sino cómo nos adaptaremos a convivir —y competir— con ella.