El 30 de noviembre de 2022, OpenAI lanzó ChatGPT como research preview público. La inteligencia artificial llevaba décadas existiendo y los grandes modelos de lenguaje tampoco eran nuevos. Lo que cambió fue el acceso.
Una interfaz conversacional permitió que personas sin un equipo de machine learning probaran directamente IA generativa avanzada sobre trabajo cotidiano: redactar, resumir, explicar, traducir, generar ideas o programar.
Aquello no demostraba que la IA fuese a sustituir el trabajo profesional. Provocó algo más inmediato: ignorar la IA pasó a ser una decisión empresarial.
Tres ideas clave
- El punto de inflexión fue el acceso, no la invención de la IA. Una interfaz conversacional de propósito general redujo drásticamente el coste de experimentar con modelos avanzados.
- En noviembre de 2022 ya se veían capacidad y falta de fiabilidad al mismo tiempo. ChatGPT podía producir trabajo útil, pero también errores expresados con aparente seguridad.
- La cuestión empresarial duradera pasó a ser el apalancamiento operativo. El problema dejó de ser si existía la IA y pasó a ser qué partes del trabajo intelectual podían acelerarse sin abandonar la responsabilidad humana.
Qué ocurrió entonces
OpenAI presentó ChatGPT como un research preview y pidió expresamente a los usuarios información sobre sus fortalezas y debilidades.
El producto podía mantener una conversación, seguir instrucciones y producir respuestas aparentemente coherentes sobre una gama muy amplia de temas. También tenía limitaciones importantes. La propia OpenAI advertía que podía generar respuestas plausibles pero incorrectas o carentes de sentido.
Estas limitaciones son esenciales para reconstruir aquel momento con honestidad. En noviembre de 2022 nadie podía saber responsablemente que los sistemas posteriores llegarían a convertirse en agentes fiables, sustituir equipos profesionales completos o eliminar determinadas profesiones. Eran escenarios, no hechos.
Lo que ya podía observarse era mucho más sencillo: millones de trabajadores del conocimiento dejaron de necesitar infraestructura especializada para descubrir qué podía hacer un gran modelo de lenguaje.
Interpretación: la interfaz cambió la economía de la experimentación
Una tecnología puede existir durante años antes de adquirir importancia operativa.
ChatGPT redujo la distancia entre una capacidad sofisticada y la tarea ordinaria de un usuario. En lugar de contratar un sistema especializado o construir un proyecto interno de machine learning, una persona podía describir un problema en lenguaje natural e iterar inmediatamente.
Eso importaba porque experimentar también tiene un coste.
Cuando cae radicalmente el coste de preguntar, reescribir, probar y volver a intentarlo, muchas más tareas se convierten en candidatas a ser aumentadas mediante tecnología.
Cómo funciona el mecanismo
El mecanismo de transmisión es relativamente simple:
interfaz accesible → experimentación masiva → aparecen flujos de trabajo útiles → baja el coste de iterar intelectualmente → las organizaciones reorganizan el trabajo alrededor de la nueva capacidad.
Los primeros cambios ni siquiera exigían agentes autónomos.
Podía iniciarse antes un borrador. Un documento largo podía convertirse rápidamente en una estructura inicial. Era posible explicar o generar código. Una pregunta de investigación podía descomponerse. Traducir y reescribir resultaba más barato.
El profesional seguía teniendo que determinar si el resultado era correcto.
Esa diferencia continúa siendo fundamental. Producir más rápido y juzgar correctamente no son lo mismo.
La mejor objeción
La principal objeción es el sesgo retrospectivo.
Como los sistemas actuales son más capaces, resulta tentador describir noviembre de 2022 como el comienzo evidente de una revolución inevitable. No lo fue.
El primer ChatGPT era poco fiable, su conocimiento y razonamiento tenían límites evidentes y muchas demostraciones iniciales confundían la fluidez del lenguaje con la exactitud factual.
La afirmación histórica defendible es más estrecha: ChatGPT hizo que la IA generativa avanzada fuese suficientemente accesible como para que las empresas dejaran de poder tratarla únicamente como una cuestión tecnológica especializada.
¿Qué cambió desde entonces?
GPT-4 llegó en marzo de 2023 y amplió materialmente el conjunto de tareas para las que la IA generativa parecía tener utilidad profesional.
Después, la adopción se extendió por empresas de tamaños muy diferentes. Una investigación de la OCDE publicada en 2025 encontró que el 31% de más de 5.000 pymes encuestadas en siete países utilizaba IA generativa. Entre las empresas usuarias eran frecuentes los beneficios declarados, pero el 83% señaló que GenAI no había cambiado sus necesidades totales de personal.
Esta evidencia resulta más útil que la predicción inicial de que la IA simplemente eliminaría empleos. El mecanismo observado hasta ahora es más complejo: desaparecen algunas tareas, se amplían otras, cambian los flujos de trabajo y se desplaza el valor de la revisión, el criterio y el conocimiento especializado.
Escenarios, no predicciones
Un escenario es la comoditización: la capacidad de los modelos se generaliza y la ventaja competitiva se desplaza hacia los datos propios, el diseño de procesos y la ejecución.
Otro es un fuerte apalancamiento operativo: agentes cada vez más fiables permiten a equipos muy pequeños coordinar trabajos que antes exigían organizaciones mayores.
Un tercero es un techo de gobernanza: confidencialidad, responsabilidad, mala calidad de los datos o tasas de error inaceptables limitan la automatización de actividades sensibles.
Qué trayectoria domine dependerá de resultados observables como productividad medida, tasas de error, adopción empresarial y reglas de responsabilidad profesional.
Consecuencias prácticas
Para una pequeña empresa internacional, la lección no consiste en sustituir criterio por texto generado.
Consiste en localizar dónde resulta cara la inteligencia porque las personas dedican tiempo a buscar, transformar, redactar, comprobar y coordinar información, y comprobar después dónde la IA reduce ese coste sin debilitar el control.
Existe también una consecuencia internacional. Una empresa puede hacerse mucho más digital y operativamente ligera sin convertirse jurídicamente en una entidad sin lugar. Las personas siguen residiendo en algún sitio. Las sociedades siguen constituyéndose y gestionándose en algún sitio. Los contratos, la banca, la regulación y los nexos fiscales siguen vinculándose a hechos del mundo real.
La IA puede reducir la infraestructura mínima necesaria para operar internacionalmente.
No elimina la estructura internacional.
Fuentes
- OpenAI, Introducing ChatGPT, 30 de noviembre de 2022: https://openai.com/index/chatgpt/
- OpenAI, GPT-4 Research, 14 de marzo de 2023: https://openai.com/index/gpt-4-research/
- OCDE, Generative AI and the SME Workforce, 2025: https://www.oecd.org/en/publications/generative-ai-and-the-sme-workforce_2d08b99d-en.html
- OIT, The impact of GenAI on jobs, productivity and work organisation, 2026: https://www.ilo.org/publications/impact-genai-jobs-productivity-and-work-organization-review-empirical
Disclaimer
Este Insight ofrece información y análisis generales. No constituye asesoramiento jurídico, fiscal, laboral, de inversión ni regulatorio. El impacto de la IA depende de la actividad, jurisdicción, datos, marco contractual y nivel de supervisión humana concretos.
