Qué es GPT y qué empresa lo creó

El gasto que nadie sabe explicar en una frase

Cuando un comité de compras se sienta a decidir “IA” para la empresa, casi nunca el problema es la tecnología: es que nadie en la sala distingue entre tres cosas que suenan igual. Vi a la gerencia de una aseguradora mediana en Colombia aprobar un contrato de acceso a un modelo de lenguaje pensando que cubría la integración con su sistema de atención al cliente, cuando en realidad solo compraron licencias del producto de chat para el equipo de marketing. El área de tecnología se enteró tres meses después, cuando intentó conectar ese contrato a su CRM y descubrió que el acuerdo no incluía acceso técnico.

No es un caso aislado. En una distribuidora de insumos industriales en México, de tamaño mediano, el gasto en “inteligencia artificial” apareció en tres partidas distintas del presupuesto: una suscripción de producto para el equipo comercial, un consumo técnico que facturaba el área de desarrollo, y una capacitación interna que alguien tituló “implementación del modelo” sin que nadie definiera qué se estaba implementando en realidad. Cuando el CFO pidió consolidar el gasto en una sola línea, nadie en la mesa pudo explicar en una frase qué compraba cada partida ni por qué eran tres contratos y no uno.

El costo real de esta confusión no es solo dinero mal etiquetado. Es decisiones tomadas por la persona equivocada: marketing decidiendo sobre infraestructura técnica, o tecnología comprando una licencia de producto que nunca necesitó. Antes de hablar de qué es este modelo, hay que aceptar que la mayoría de las empresas de la región no ha resuelto esta distinción todavía, y que ese vacío cuesta presupuesto, tiempo y, con frecuencia, la credibilidad del área que impulsó el proyecto frente al resto del directorio.

Qué es GPT, sin el envoltorio comercial

En criterio de negocio, GPT no es una herramienta que se instala ni una suscripción que se firma: es la tecnología de fondo, el modelo que aprendió a generar texto a partir de enormes cantidades de información y que después se empaqueta para que una empresa o una persona lo use. Nadie contrata “GPT” de forma aislada; se contrata un producto que corre sobre ese modelo, o un acceso técnico que lo conecta a otro sistema.

Esta definición importa porque separa dos preguntas que las empresas suelen mezclar sin darse cuenta: qué tan bien genera texto el modelo, y qué tan bien resuelve tu problema el producto que lo envuelve. Un modelo puede ser sobresaliente y el producto que lo ofrece puede seguir siendo la herramienta equivocada para tu proceso, porque el problema casi nunca es la calidad del texto que genera, sino el flujo de trabajo alrededor: quién revisa la salida antes de que llegue a un cliente, dónde entra el dato de tu empresa, y qué pasa cuando el modelo se equivoca.

El modelo, el producto y la conexión: tres compras distintas

La distinción que resuelve la mitad de las dudas de un comité de compras es esta: GPT es el modelo, ChatGPT es el producto que lo pone frente a una persona, y el acceso técnico (lo que en la industria se llama API) es la puerta para que un programa se conecte directo al modelo sin pasar por esa interfaz de conversación. Confundir estas tres capas es la causa más frecuente de contratos mal dimensionados que he visto en empresas de la región.

Para aterrizarlo en decisiones reales, conviene revisar cada capa contra lo que tu empresa necesita hoy, no contra lo que suena más avanzado en una demo comercial.

• Si tu necesidad es que un empleado escriba, resuma o traduzca desde una pantalla de conversación, lo que necesitas es el producto de consumo, no un contrato de acceso técnico.
• Si tu necesidad es que el modelo procese información que entra de forma automática desde tu CRM, tu ERP o tu sistema de tickets, lo que necesitas es el acceso técnico, y eso implica un equipo que lo mantenga en el tiempo.
• Contratar el producto de consumo no te da acceso a integrarlo con tus sistemas internos; son acuerdos comerciales distintos, con facturación y soporte distintos.
• El mismo modelo puede vivir detrás de varios productos y del acceso técnico al mismo tiempo, así que preguntar qué modelo usa un producto es válido y casi nunca se hace.
• Un proveedor que te vende “acceso al modelo” sin especificar si es producto o vía técnica está dejando sin responder la pregunta más importante del contrato.

Cuando un proveedor te presente una propuesta, la primera pregunta que conviene hacer no es qué tan potente es el modelo, sino si eso es el producto de consumo o es el acceso técnico que se conecta a tu sistema. La respuesta cambia el precio, el equipo responsable y el tiempo real de implementación.

Qué significa cada palabra de la sigla, en lenguaje de negocio

Cada palabra de la sigla GPT tiene una traducción directa a una decisión de negocio, aunque casi nadie te lo explique así en una reunión comercial.

Preentrenado

El modelo aprendió patrones de lenguaje antes de que tu empresa lo empiece a usar, a partir de textos generales, no de tu información interna. Esto significa que llega con conocimiento amplio pero cero conocimiento de tus procesos, tus clientes o tu jerga de trabajo. Ese conocimiento específico se lo tienes que dar tú, con los documentos, ejemplos o conexiones que le entregues después.

Generativo

No busca una respuesta guardada en una base de datos ni copia un texto existente: genera una secuencia nueva, palabra por palabra, calculando cuál es la más probable dado lo que viene antes. Esto explica por qué puede sonar convincente y estar equivocado al mismo tiempo: la fluidez del texto que produce no es garantía de que el contenido sea exacto.

Transformador

Es la arquitectura técnica que le permite procesar el contexto completo de lo que le escribes antes de responder, en lugar de leer palabra por palabra sin memoria de lo anterior. Para el negocio, esto se traduce en que el modelo puede mantener coherencia dentro de una conversación larga o un documento extenso, siempre que ese contenido quepa dentro de lo que el producto o el acceso técnico permiten enviarle de una sola vez.

Qué implica de verdad para tu empresa

Contratar cualquier producto o servicio construido sobre este modelo trae tres implicaciones que casi nunca se explican en la propuesta comercial, y que conviene tener claras antes de firmar nada.

La primera es que el modelo cambia de versión con el tiempo, fuera del control de tu empresa. Quien lo creó lo actualiza, lo mejora o lo reemplaza, y tu proceso queda expuesto a ese cambio aunque tú no hayas pedido nada nuevo. Una instrucción que funcionaba bien puede comportarse distinto después de una actualización silenciosa del otro lado.

La segunda es que el costo, cuando se accede por la vía técnica, suele escalar con el uso: más volumen de texto procesado, más consultas, más gasto. Esto es distinto a una licencia de software con precio fijo, y hay que presupuestarlo como un costo variable, no como una suscripción plana que se olvida en la hoja de cálculo.

La tercera, y la más importante para la estrategia de la empresa: la ventaja competitiva no está en qué modelo uses. Si tu competencia puede contratar el mismo modelo, el mismo acceso técnico, el mismo producto, entonces el modelo no es tu diferencial. Tu diferencial está en tus datos, en tu proceso y en cómo diseñas el flujo de trabajo alrededor de ese modelo.

• Presupuestan el uso técnico como costo variable ligado al volumen, no como un gasto fijo mensual que nadie revisa.
• Tienen un responsable claro de revisar cuando el proveedor anuncia cambios de modelo; no se enteran por accidente cuando algo deja de funcionar.
• No dependen de un solo modelo para procesos críticos de la operación; evalúan alternativas y saben migrar si hace falta.
• Invierten más tiempo diseñando qué información entra al modelo y qué proceso rodea la respuesta que discutiendo cuál modelo es “mejor” en abstracto.
• Miden el resultado en el proceso de negocio (tiempo de respuesta, tasa de error, conversión) y no en si el texto generado suena elocuente.

Qué no resuelve este modelo por sí solo

Es tan importante entender qué es este modelo como entender qué no arregla por sí solo, porque ahí es donde más empresas se decepcionan después de la euforia inicial.

No resuelve un proceso mal diseñado. Si hoy nadie es dueño claro de una tarea, o los pasos cambian de una semana a otra sin quedar registrados en ningún lado, meter un modelo de lenguaje ahí solo agrega velocidad al desorden: ahora el error se comete más rápido y en mayor volumen. Tampoco resuelve un problema de datos sucios o dispersos; si la información de tu empresa vive en hojas de cálculo sueltas, correos y la memoria de dos personas, el modelo no tiene de dónde sacar contexto específico, por más preentrenado que esté.

Tampoco reemplaza el criterio humano en decisiones de alto riesgo, salvo que la empresa defina explícitamente un punto de revisión antes de que la salida llegue a un cliente, a un contrato o a una decisión financiera. Y no es la única alternativa disponible: este modelo es uno de varios modelos fundacionales que existen hoy en el mercado (la guía sobre qué es un modelo fundacional detalla esa categoría completa), y frente a otras familias como Gemini, la elección debe resolverse con criterio de negocio, no por cuál nombre suena más conocido en la calle.

Antes de contratar cualquier producto o acceso construido sobre este modelo, conviene tener resuelto lo siguiente.

• Un proceso documentado, con pasos claros, no una intención general de usar inteligencia artificial sin un caso de uso definido.
• Un dueño del proceso que revise la calidad de las respuestas y decida cuándo el modelo dejó de servir para esa tarea.
• Un criterio de qué información de la empresa se le puede entregar al modelo y cuál no, por razones de confidencialidad o de regulación del sector.
• Un presupuesto pensado como costo variable si se va por la vía técnica, entendiendo que el consumo se mide y se factura por la cantidad de texto procesado (lo que en la jerga técnica se llama tokens, un concepto que conviene entender aparte antes de firmar).
• Una noción clara de qué contenido produce valor real, es decir texto que alguien más termina usando, frente al contenido que solo genera volumen sin mejorar el proceso de fondo.

Mi criterio

Cuándo te alcanza con el producto y cuándo ya conviene el acceso técnico

La pregunta que de verdad importa no es si tu empresa “debería usar GPT”, sino en qué capa y en qué momento. Estas señales ayudan a decidir si conviene quedarte en el producto de consumo o si ya es momento de evaluar una integración técnica con tus sistemas.

Señales de que te alcanza con el producto de consumo

• Tu volumen de uso es de personas escribiendo o consultando de forma individual, no de un sistema que dispara miles de solicitudes automáticas.
• No tienes todavía un proceso documentado que se pueda automatizar; el equipo sigue descubriendo casos de uso sobre la marcha.
• No cuentas con un equipo técnico disponible para mantener una integración y monitorear su costo variable en el tiempo.
• El riesgo de que el modelo se equivoque lo asume la persona que revisa el texto antes de enviarlo, no un sistema automático sin supervisión.
• Tu prioridad inmediata es capacitar al equipo en usar bien la herramienta, no conectar sistemas entre sí.

Señales de que ya conviene evaluar el acceso técnico

• Tienes un proceso repetitivo y ya documentado (clasificar solicitudes, resumir contratos, redactar respuestas de primer nivel) que hoy hace una persona a mano.
• El volumen de ese proceso es lo bastante alto para justificar automatizarlo, y lo bastante estable para no tener que rehacer la integración cada semana.
• Cuentas con un equipo técnico que puede mantener la conexión, monitorear el costo variable y reaccionar si el modelo cambia de versión sin aviso.
• Puedes definir con claridad qué pasa cuando el modelo se equivoca dentro de ese proceso automático: quién revisa, cuándo se detiene, qué margen de error es aceptable.
• Ya evaluaste alternativas, incluida la comparativa entre ChatGPT y Claude para empresas, y elegiste con criterio de negocio y no por moda.

El modelo es reemplazable, tu proceso no

El orden que aplico en cualquier proyecto sirve igual de bien para esta pregunta. Primero el dolor: procesos lentos, respuestas inconsistentes, un equipo saturado de tareas repetitivas de redacción o análisis de texto. Después el proceso: definir quién hace qué hoy, qué pasos se pueden simplificar y quién se hace responsable de revisar lo que el modelo produzca antes de que llegue a alguien más. Luego el dato: qué información específica de tu empresa necesita ese modelo para dejar de sonar genérico y empezar a sonar como tu negocio. Recién al final, la herramienta: si te alcanza con un producto de consumo o si ya conviene una integración técnica, y con eso resuelto, qué modelo usar detrás de esa decisión.

GPT no es la estrategia, es una pieza reemplazable dentro de ella. Las empresas que lo tratan como la respuesta terminan comprando la misma tecnología que su competencia y preguntándose después por qué eso no les dio ventaja; las que lo tratan como una herramienta más dentro de un proceso bien diseñado son las que de verdad ven el resultado en su operación, y no solo en su factura de licencias.