Cómo decidir qué tareas entregar a la IA: la ecuación matemática que lo resuelve

En el vertiginoso mundo de la IA, el mayor desafío ya no es la capacidad de los modelos sino su capacidad de entender tu trabajo. Dos nuevas herramientas buscan resolverlo, mientras una simple ecuación ayuda a decidir qué delegar y qué proteger.
***

• Grok Bot y el historial de computadora de ChatGPT introducen formas para que la IA aprenda observando tus tareas o viéndote demostrarlas.
• La “auditoría de delegación” propone evaluar cada proceso recurrente en cinco dimensiones para decidir si conviene delegarlo a la IA.
• Un estudio de AlphaSense revela que cambiar a modelos más baratos no siempre genera ahorros reales, y que OpenAI pisa el acelerador de la velocidad con GPT-5.6 Soul en modo ultra rápido.

El principal desafío de la inteligencia artificial ya no es lo que puede hacer, sino cómo saber qué es exactamente lo que usted hace en su trabajo. Esta semana, dos nuevos lanzamientos, Grok Bot y la función “historial de computadora” de ChatGPT, intentan resolver ese problema con enfoques opuestos, mientras una nueva metodología conocida como la auditoría de delegación propone una ecuación simple para decidir qué tareas entregar a los agentes de IA.

El análisis de las noticias sobre inteligencia artificial ha evolucionado, y lo que domina el debate ya no es la capacidad bruta de los modelos, sino el acceso al contexto. Solo porque un modelo puede hacer algo no significa que tenga la información necesaria para hacerlo bien en relación a un usuario específico; por eso, las herramientas de esta semana intentan cubrir esa brecha enseñando a los sistemas cómo trabaja cada persona en su día a día.

De la capacidad al contexto: las nuevas funciones

La primera función lanzada es la nueva capacidad de Grok Bot para enseñarle una tarea. Simplemente se pulsa un botón de más en el chat y el usuario se graba a sí mismo haciendo una actividad en el navegador; el bot observa y luego puede repetir el proceso. Esta función, que parte de Cursor y SpaceX AI, busca ser la solución para los usuarios que encuentran límites en la automatización automática.

La segunda función viene de OpenAI, y se llama historial de computadora. Según Ari Weinstein, este sistema permite que ChatGPT aprenda de todo lo que se hace en una computadora para entender mejor cómo trabaja el usuario, terminar tareas que estén en medio y sugerir automatizaciones basadas en patrones de uso. La promesa es que el sistema aprende de forma continua y silenciosa, en segundo plano.

Estos dos enfoques, la demostración deliberada de Grok y la observación ambiental de OpenAI, reflejan dos formas distintas de generar contexto. Para algunos, la opción de que la IA aprenda sin intervención constante es clave; para otros, el control de mostrarle intencionalmente qué hacer es preferible.

El concepto de enseñar a una IA una tarea no es exactamente nuevo, pues el bot Grok lleva la idea de personalización un paso más allá de lo que se había visto. No obstante, ha generado un debate importante, con usuarios que le recuerdan al mundo el precedente de Windows Recall de Microsoft, que buscaba tomar capturas de pantalla constantes para ayudar a encontrar datos perdidos, y recibió fuertes críticas por temas de privacidad y fue retirado temporalmente.

La auditoría de delegación: una ecuación de cinco pasos

Con todo lo que las nuevas funciones pueden hacer, la pregunta clave sigue siendo qué partes de su trabajo debería delegar un profesional en la IA. Para responderla, el programa The AI Daily Brief propone una metodología llamada auditoría de delegación que recomienda evaluar cada tarea recurrente en cinco dimensiones; así se construye un cátalogo de lo que se le entregará a la IA con esperanza.

El primer paso consiste en hacer un inventario de procesos recurrentes: triaje de corrreos, informes de estatus semanales, preparación de reuniones o tareas de higiene de CRM. En general, la mayor parte del trabajo de conocimient o se escapa en estos procesos que se repiten día a día y para los que a menudo ni pensamos en cambiarles enfoque. La clave es que para la delegación funcioné, la tarea deba ser la más suceptible de enseñar en una demontración de 10 minutos.

La puntuación va de cero a dos en cada una de las cinco dimensiones: frecuenci y duración, enseñabilidad, verificabilidad, apuestas y cuán integral es usted al resultado. Una tarea que sucede a menudo, toma horas, se puede demontrar rápido, se verifica con una ojeada y con apuestas bajas, obtiene una alta puntuación y debería ser delegada a la IA, mientras que una tarea en la que un error es costoso o irreparable y que requiera que usted lo haga personalmente, no se suelga.

Con esa sumatoria, la propuesta es una divisón en tres niveles: tareas con puntuación de ocho a diez se delegan; de cuatro a siete se hacen en equipa, donde la IA asiste pero el humano sigue en la línea; y de cero a tres se defienden, es decir, las hace usted y solo usted. Para esas tareas de dúo y defensidas, la siguiente paso es nombrar el bloqueante específico: herencias, falta de contextos o requeriimientos de gusto o juicio humano.

El méto de la auditoría está diseñado para sear conciente sobre a qué le entrega a usted a la IA y qué no, así como para sabar cuándo debe esperimentar con las nuevas herramientas de enseñar tareas. De esa forma, uno puede comenza con tareas sencillas de automaación, verar el resultado y ir subiendo la complejidad al confi aza de que la IA aprende de sus flujos concretos de trabajo.

Modelos y economía: el dilema de la velocidad y el costo

En el contexto de esas nuevas capacidades, también se lanzoó nuevos modelos que compiten por la atención. Google lanzó Gemini 3.7 Flash, un modelo optimizado para velocidad que corrió a 340 tokens por segundo en pruebas de Artificial Analysis, más del doble que GPT-5.5 Luna y algo más rápido que Nemotron 3.5 Lightning. En los benchmarks de codificación, Google mejoró de 48.6 a 65.3.

Sin embargo, el modelo se encuentra en la llamada la tierra de nadie: el precio por tarea en los benchmarks de Artificial Analysis fue de 0.40 centavos, del mismo que MuSpark 1.2, pero ocho veces más caros que la ultraeconómicos como GPT-5.2 Luna. La reducción de precios a la mitad que aplicó Google no bastó para evitar que quedará en una incómoda medio, aunque algunos desarrolladores, como Brandon Galang de Vercel, destacaron su utilidad en codificación en tareas parcialmente síncronas.

En paralelo, OpenAI introdujo el modo ultra rápido para GPT-5.2 Soul, que ofrece hasta 750 tokens por segundo y que usa el doble de velocidad que Gemini. Según la compañía, el modo es para aplicaciones en tiempo real, como soporte al cliente o trading; está pensado para flujos de trabajo donde la latencia genera una ventaja competitiva. Este movimiento de las dos empresas llama la atención sobre la importancia de la velocidad en la nueva etapa de la carrera.

En otro frente, un studio de AlphaSense buscó arrojar luz sobre si en la práctica los modelos chinos y baratos como Kimi K3 o GLM 5.2, han llegado al rendimiento de frontera. El CEO Jack Kokko resume el hallazgo: los modelos más caros por token no siempre lo son en el resultado final, porque algunos terminan siendo más eficientes en uso de tokens y entrega de calidad.

Una mirada a la estructura de OpenAI

En medio de tantos anuncios tecnológicos, OpenAI también vivó un cambio ejecutivo: Denise Dresser, directora de ingresos, dejará la compañía en las próximas semanas para buscar nuevas oportunidades. Dresser, ejecutiva con más de una década en Salesforce y dos años como CEO de Slack, llegó a OpenAI en diciembre para ayudar a una etapa en la que se cuestionaba el crecimiento de la compañía y tranquilizar a los inversores de la eventual IPO.

La salida de Dresser llega apenas días después del anuncio de la salida del COO Brad Lightcap, y ambas se suman a la salida de la ex CEO de Apps y luego de AGI Deployment, Fiji Simó, en julio por problemas de salud. Mientras, Greg Brockman, presidente de OpenAI, ha estado formando su propio equipo de líderes, según fuentes que citaron medios, por lo que el movimiento puede ser parte de una reestructura más amplia.

Aunque la firma no será un análisis proundo de rotaciones ejecutivas, la situación ciertamente la está en la rada de los medios y el mercado antes de la esperada IPO. Como la salida a Wall Street fue rarticulada para el próximo año, el tiempo es un aliado par que la compañía trabaje en construir una narrativa más propicia para su debut.

La compañía, sin embargo, sigue apostado fuerte a la innovación y a velocidad de desarrollo de productos, como muestran los anuncios de la semana; en la industria los cambios de personal son habituales y no siempre implica una crisis interna. La rotación ejecutiva es tan parte de la historia como la tech y la revolución de la IA.

Más allá de la hierra: la ecosistema en desarroje

La corrida por la velocidad y la contexto se inscribe en una ecosistema que ya no solo es de las grandes empresas de la tech. La IA se entrelaza con la cadena de sumistros, la automación de oficinas y hasta la inteligencias de las toras de criptomonedas, donde se toman decisiones más complejas. Un análisis de la economí una de la IA conduce a la releváncia de la capácidad de la contextia para que los agentes actúen bien en la real y no solo en demo.

En la prácica, los desarrolladores que ya proban Gemini 3.7 Flash y GPT-5.2 Soul por la vía de la API ya reportan en la práctia que la velocidad es la diferéncia, especial en la codificación parcialmente sincrónica. La calidad de los modelos de frontera (frontera) sigue siendo la medida princia, pero la distribución y la convaiabilidad de precios y la contextualización de cada tarea, está ganando cada vez máx peso en la decisi a de usua.

la IA de la actualidad no es solo un modelo; es la armadúra de un ecosistema donde la evoluación de la mediá adópción decida quien gana en la práctico, y donde las empreas que dominen la tecnologí y la distribuición, como Google y Open AI, y también las que construye herramientas de orquestas como Cursor o las que empujan la eficiencia, marcan la pauta de la próxima ola. Al final del día, la habilidad de la tecnología de se integrar en la vida y la trabajo de la gente será lo que definá el tiu de adopción.

Imagen orinal de DiarioBitcoin, crea con inteligencia articia, de uso libra, licenciada ba que Dominio Público.

Este artículó fue escritó por un redactor de contenido de IA y revisado por un edito humano para garaniza calida d y preción.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín