Por Leo Piccioli,
OpenAI lanza ChatGPT Employer, una plataforma
que permite a jefes ver qué buscan sus empleados. Todavía no es verdad, pero
podría serlo.
12 de
septiembre de 2026
Delegar la duda, el dilema, el análisis, es
regalar lo único que nos va a quedar como humanos, que es pensar y decidir.
Dos matemáticos (Tristan Buckmaster y Levent
Alpöge) venían hace un año avanzando en la investigación de la solución a un
mega problema, con un millón de dólares de premio (Navier-Stokes). "De
repente", hace unas semanas, OpenAI (dueña de ChatGPT) decide meterse a fondo a
estudiarlo.
Anunció que lo había resuelto en apenas 80
horas. Fueron, en realidad, 88 horas de trabajo de 10.000 agentes de un modelo
que todavía no fue lanzado comercialmente. Más de 880.000 horas de
trabajo.
Por
educación, OpenAI conversó sobre el tema con Buckmaster. No con Alpöge, que
trabaja en Anthropic, una de sus competidoras. Durante la charla, el matemático
les hizo una pregunta bastante lógica:
“¿Pueden
garantizarme que no usaron mis avances para llegar a su solución? Porque,
si los usaron, sería nuestra solución”.
Y fue
todavía más específico:
“¿El modelo
fue entrenado con mis sesiones en Codex?”.
Cri, cri.
Inserte
aquí una respuesta poco contundente.
Modelos
voraces
El asunto
es el siguiente: los grandes modelos de lenguaje —los LLM, o la IA,
como nos gusta llamarlos— mejoran a partir de los datos que reciben.
Imágenes,
audios, videos y, por supuesto, textos.
Los
devoran. Los leen, los interpretan, los incorporan al modelo y luego los
descartan.
Hace poco
supimos, por ejemplo, que algunas empresas compraban libros para escanearlos y
después destruirlos. Necesitaban los textos una sola vez: para incorporarlos a
sus sistemas.
También
conocemos los enormes conflictos judiciales entre estas compañías y los medios
periodísticos, las editoriales y los autores por el uso de sus contenidos.
Incluso
comenzaron a aparecer textos “sintéticos”: una IA genera textos que luego
sirven para entrenar a otra IA.
Suena un
poco a un problema de casamientos entre primos.
Ahora
imaginemos el trabajo del “gerente de adquisición de datos”: una persona cuya
misión es encontrar, por todas partes, información con la que alimentar a los
modelos para que sigan mejorando.
En mayo
cerró Spirit Airlines, una aerolínea estadounidense de bajo costo. La empresa
fue liquidada y se vendieron todos los activos que pudieron venderse.
Hubo una
compra que llamó especialmente la atención.
Google, la empresa detrás de Gemini, pagó diez
millones de dólares por todos sus datos: correos electrónicos, comunicaciones
internas, planillas de cálculo, transacciones, reservas y hasta información de
recursos humanos sobre sus empleados, aunque sin datos que permitieran
identificar individualmente a cada persona.
La segunda
mejor oferta había sido de 7,5 millones de dólares, realizada por Mercor, otra
compañía vinculada al mundo de la inteligencia artificial.
La
conclusión es sencilla: los datos con los que se alimentan los grandes
modelos de lenguaje son cada vez más valiosos.
Te juro
que no lo voy a tocar
Y ahora
viene la parte incómoda.
Todas estas
empresas de inteligencia artificial tienen muy cerca —en
realidad, ya dentro de sus sistemas— algo extremadamente valioso: los textos
que escribimos los humanos.
Nuestros
prompts.
Nuestras
ideas.
Las cosas
que queremos revisar.
Las
preguntas que hacemos.
Los
problemas que intentamos resolver.
Cada vez
que alguien escribe:
“¿Cómo le
digo a mi jefe que es tóxico?”.
“Me
ofrecieron un trabajo por menos dinero, pero más cerca de casa. ¿Qué hago?”.
“¿Cómo hago
para fingir que estoy enfermo y poder irme a casa?”.
Todo eso
queda registrado.
Y asociado
al usuario que lo escribió.
Lo mismo
ocurre cuando cargamos una presentación para un cliente y pedimos que la
revise. O cuando subimos un estado de resultados, una liquidación de comisiones
o una carta documento para que la analice.
Todo
queda registrado, nada se pierde
Y las empresas de inteligencia
artificial están cada vez más desesperadas por conseguir datos.
La competencia es feroz.
Tanto que algunas compañías están dispuestas a
ser más agresivas de lo que originalmente habían previsto con sus
“salvaguardas” para evitar problemas de seguridad y hackeos.
Ahí está, por ejemplo, lo ocurrido con Hugging
Face y los agentes de OpenAI que, según se informó, escaparon
de los límites establecidos durante una prueba.
La escena
podría ser perfectamente esta:
“¡Necesitamos
más datos y los necesitamos ya!”, le grita el gerente de adquisición de datos a
su equipo.
El gerente
mira hacia la derecha.
Allí están.
Los
prompts.
Los
archivos.
Las
imágenes.
Las
conversaciones que millones de usuarios cargaron.
Todo dentro
de una enorme caja que dice: No tocar.
Hasta que
alguien decide tocarla.
Esto ya
está pasando
Y acá hay
que hacer una aclaración importante.
Esto no es
algo que podría pasar en el futuro.
Ya está
sucediendo.
Desde que
empezamos a utilizar las versiones para consumidores de estos productos.
OpenAI lo
explica de manera bastante clara: ChatGPT puede utilizar las conversaciones de
los usuarios para mejorar sus modelos, salvo que el usuario desactive esa
opción.
Al mismo
tiempo, la compañía establece que, por defecto, no utiliza para entrenar sus
modelos los datos de usuarios de sus productos empresariales, como ChatGPT
Business, Enterprise y la API.
¿Qué
podemos hacer?
Antes que
nada, entender que este problema no es exclusivo de OpenAI. Es un
problema que alcanza a todos los grandes modelos de lenguaje, aunque resulte
más visible en los productos que utilizamos con mayor frecuencia.
Lo primero
que podemos hacer es tomar conciencia.
Saber es
mejor que no saber.
El problema
es que estas herramientas son demasiado útiles.
No
utilizarlas puede significar una desventaja frente a nuestros competidores:
otras empresas, otros empleados, otras personas que sí las utilizan.
Podemos
prohibir su uso. Pero, claramente, no podremos evitarlo por completo.
Sí podemos
tomar algunas precauciones.
Desactivar
la opción “Mejorar el modelo para todos”. Utilizar el chat temporal.
O contratar planes empresariales, en los que, bajo determinadas condiciones,
los datos no se utilizan para entrenar los modelos.
También
existen modelos de lenguaje locales, que funcionan directamente en nuestra
computadora o en nuestros propios servidores y no necesitan enviar la
información a un proveedor externo.
Ofrecen una
ventaja importante en materia de privacidad.
Pero tienen
un costo: requieren conocimientos técnicos, necesitan actualización permanente
y, en muchos casos, implican trabajar con modelos menos avanzados que los
disponibles en la nube.
O podemos
hacer lo que probablemente terminemos haciendo: seguir como hasta ahora.
Pero
sabiendo.
Sabiendo
que, así como las empresas de tecnología ya podían anticipar qué queríamos
comprar, ahora también pueden empezar a saber qué deseamos, qué nos preocupa,
qué pensamos hacer o qué problemas estamos tratando de resolver.
Tal vez eso
nos obligue a ajustar un poco nuestras consultas.
Tal vez nos
ayude a no delegar todo nuestro pensamiento en las máquinas.
Tal vez nos
permita cuidar un poco más nuestra individualidad y nuestra privacidad.
El titular
con el que empecé es falso.
Por ahora.
Pero la
materia prima ya está guardada
Tiene tu nombre.
Y ya hubo alguien dispuesto a pagar diez
millones de dólares por bastante menos.
Si sabemos esto, quizá debamos escribir un poco
menos y pensar un poco más.
Delegar la redacción está bien.
Delegar una corrección también.
Delegar las tareas repetitivas, incluso, puede
ser una excelente idea.
Pero delegar la duda, el dilema, el análisis y
la decisión es otra cosa.
Es regalar aquello que, al final, puede ser lo
único que nos quede como humanos:
Pensar y decidir
Cuando finalmente aparezca el verdadero
titular, que no nos encuentre preguntándole a ChatGPT qué
debemos hacer.
Publicado en MDZOL el 12 de septiembre de 2026.
No hay comentarios:
Publicar un comentario