OpenAI presenta GDPval para evaluar IA frente a humanos

Un nuevo enfoque para medir el rendimiento de la inteligencia artificial

La inteligencia artificial (IA) ha avanzado a pasos agigantados en la última década, y cada día se hace más evidente su impacto en el mundo laboral. Recientemente, OpenAI ha lanzado un nuevo marco de referencia, conocido como GDPval, que tiene como objetivo evaluar el rendimiento de sus modelos de IA en comparación con el de profesionales humanos en una variedad de industrias. Este desarrollo es un paso significativo hacia la comprensión de hasta qué punto la IA puede desempeñar un papel en trabajos económicamente valiosos, un objetivo que está en el corazón de la misión de OpenAI para desarrollar una inteligencia general artificial (AGI).

La ambición de OpenAI es crear sistemas de IA que no solo sean eficientes, sino que también puedan igualar o superar la calidad del trabajo realizado por expertos en diversas disciplinas. En este sentido, el GDPval se presenta como un primer intento de cuantificar el rendimiento de sus modelos frente a la experiencia humana en campos cruciales como la salud, las finanzas y la manufactura.

¿Qué es el GDPval?

El GDPval es un conjunto de pruebas diseñado para evaluar el rendimiento de los modelos de IA de OpenAI en 44 ocupaciones diferentes que pertenecen a nueve sectores industriales que son fundamentales para el producto interno bruto (PIB) de Estados Unidos. Este marco no solo busca medir la eficacia de la IA en tareas específicas, sino también establecer un punto de referencia para futuras comparaciones.

En la primera versión de este test, GDPval-v0, se pidió a profesionales experimentados que compararan informes generados por la IA con aquellos elaborados por sus colegas humanos, eligiendo el que consideraban mejor. Un ejemplo de esta metodología fue un ejercicio donde banqueros de inversión debían crear un análisis del paisaje competitivo para la industria de la entrega de última milla, comparando sus informes con los generados por la IA.

El enfoque de OpenAI con GDPval no se limita a una única área de trabajo, sino que abarca múltiples industrias, lo que refleja su ambición de medir la inteligencia artificial en un contexto realista y variado.

Resultados preliminares y comparaciones

Los resultados iniciales del GDPval han revelado que el modelo GPT-5 de OpenAI y el Claude Opus 4.1 de Anthropic están logrando resultados competitivos. Según OpenAI, su modelo GPT-5 se clasifica como mejor o igual que los expertos de la industria en el 40.6% de los casos, mientras que Claude Opus 4.1 alcanza una tasa de éxito del 49%. Estos porcentajes indican que, aunque la IA aún no ha superado a los humanos de manera definitiva, está muy cerca de hacerlo en ciertos contextos.

El hecho de que un modelo de IA pueda competir en tareas complejas es un indicativo del avance en la tecnología, pero también plantea preguntas sobre el futuro del trabajo humano en esas áreas. Sin embargo, OpenAI ha sido cauteloso al afirmar que, a pesar de estos logros, los modelos de IA no reemplazarán a los humanos de inmediato.

Limitaciones del GDPval

Es importante destacar que GDPval, en su versión actual, abarca un número limitado de tareas que los profesionales realizan en sus trabajos diarios. La mayoría de los trabajadores no se limitan a generar informes; sus responsabilidades incluyen una variedad de actividades interactivas y dinámicas que son difíciles de medir con un marco de referencia tan restringido. OpenAI es consciente de estas limitaciones y ha manifestado su intención de desarrollar pruebas más robustas en el futuro que abarquen una mayor variedad de industrias y flujos de trabajo interactivos.

La creación de un marco de referencia más completo será esencial para validar realmente la capacidad de los modelos de IA para competir con la experiencia humana en un entorno laboral real.

El papel de la IA en el futuro del trabajo

La rápida evolución de la IA plantea un dilema sobre el futuro del trabajo. A medida que los modelos de IA se vuelven más capaces, surge la pregunta de cómo los trabajadores podrán beneficiarse de estas tecnologías. Según el economista jefe de OpenAI, el Dr. Aaron Chatterji, los resultados del GDPval sugieren que los profesionales pueden comenzar a utilizar modelos de IA para liberar tiempo y concentrarse en tareas más significativas.

La idea de que los trabajadores puedan delegar ciertas tareas a la IA para centrarse en actividades de mayor valor es un concepto atractivo, especialmente en un mundo laboral que a menudo se siente abrumado por la carga de trabajo. La integración de la IA en el entorno laboral podría permitir a los profesionales mejorar su productividad y creatividad, aunque también es fundamental considerar cómo esta transición afectará la naturaleza del trabajo en sí.

Perspectivas a futuro

Con el tiempo, se espera que OpenAI y otras empresas tecnológicas continúen refinando sus modelos de IA y sus métodos de evaluación. La comunidad tecnológica ha señalado la necesidad de mejores pruebas que puedan medir la competencia de la IA en tareas del mundo real. En este sentido, el GDPval podría convertirse en una herramienta valiosa en el diálogo sobre el rendimiento de la IA y su aplicación en diversas industrias.

Sin embargo, la verdadera prueba del éxito de estos modelos de IA no se medirá solo por su capacidad para igualar o superar a los humanos en tareas específicas, sino también por su integración en el entorno laboral y su capacidad para complementar la experiencia humana. La colaboración entre humanos y máquinas podría ser el futuro del trabajo, donde la IA se convierte en una extensión de las habilidades humanas en lugar de un competidor directo.

La opinión de los expertos

Tejal Patwardhan, responsable de evaluaciones en OpenAI, ha expresado su optimismo respecto al progreso del GDPval. Observa que el modelo GPT-4o, lanzado hace aproximadamente 15 meses, solo logró un 13.7% en comparación con los humanos, lo que resalta el avance significativo que ha logrado el modelo GPT-5 en un período relativamente corto. Este progreso no solo es un testimonio de la mejora tecnológica, sino también de la creciente capacidad de la IA para asumir tareas que tradicionalmente han estado reservadas para los humanos.

A medida que más empresas adopten estas tecnologías, la presión aumentará para que los modelos de IA se adapten a un espectro más amplio de tareas y responsabilidades. Esto puede llevar a un cambio de paradigma en cómo se conciben y se realizan las funciones laborales.

La necesidad de benchmarks robustos

Silicon Valley cuenta con una variedad de benchmarks para medir el progreso de los modelos de IA, entre ellos AIME 2025 y GPQA Diamond. Sin embargo, muchos investigadores han destacado la saturación de algunos de estos marcos y han solicitado la creación de pruebas más efectivas que puedan evaluar la competencia de la IA en tareas del mundo real.

En este contexto, el GDPval podría adquirir una relevancia creciente a medida que OpenAI argumente que sus modelos de IA son valiosos para una amplia gama de industrias. No obstante, será crucial que OpenAI desarrolle versiones más completas del test para poder afirmar con seguridad que sus modelos pueden superar a los humanos en un contexto laboral más amplio.

El desarrollo de herramientas y marcos que puedan medir efectivamente el rendimiento de la IA en el lugar de trabajo será esencial para navegar el futuro del trabajo en un mundo cada vez más impulsado por la tecnología.