GPT-6 llegó: qué cambia en tu negocio

El martes alguien de tu equipo mandó el link al grupo: OpenAI empezó a liberar GPT-6, con el nombre clave Astra. El miércoles tu socio preguntó si "ya vamos a migrar". El jueves nadie se acordaba del tema, porque el presupuesto no cerró y el cliente grande llamó a reclamar. Esa escena se repite en cada lanzamiento. Y GPT-6 la va a repetir otra vez, con una diferencia: esta vez el modelo hace más cosas solo, y eso toca decisiones que no son técnicas, son tuyas.

Voy a ser directo sobre qué cambia, qué no cambia y cómo decides sin volverte conejillo de indias.

Qué promete GPT-6 de diferente

Los lanzamientos anteriores vendían mejor respuesta. Este vende ejecución. La idea central de Astra es un modelo que aguanta tareas largas sin perder el hilo: abrir un sistema, leer lo que hay ahí, comparar con otra fuente, decidir el próximo paso y seguir. Menos "dame un texto", más "resuelve esto y avísame cuando termines".

El segundo punto que llamó la atención fue la ciberseguridad. El modelo quedó bueno para encontrar fallas en código. Eso corta para los dos lados, y la propia OpenAI lo sabe, tanto que ató el lanzamiento a un control de acceso para el uso en esa área. Quien defiende gana una herramienta fuerte. Quien ataca también.

Para quien dirige una empresa, traducido: la IA sale del papel de pasante que escribe y entra en el papel de pasante que toca los sistemas. Cambia el tipo de error posible. Un texto malo lo tiras. Una acción equivocada dentro del ERP tienes que deshacerla.

Por qué cambiar de modelo casi nunca resuelve tu problema

Va la opinión impopular: cambiar de modelo es la parte más barata y más sobrevalorada del proyecto.

En la mayoría de las empresas que atiendo, el cuello de botella no es la inteligencia del modelo. Es el contexto. La IA no sabe cuál es tu lista de precios actual, no sabe que el cliente X tiene condiciones especiales desde 2023, no sabe que el pedido solo entra después de la aprobación de finanzas. Puedes poner el modelo más caro del mundo en eso y se va a equivocar con mucha elegancia.

Tengo un caso reciente que lo ilustra bien. Una distribuidora quería IA para responder presupuestos por WhatsApp. El problema real nunca fue el texto de la respuesta. Era que la lista de precios vivía en tres lugares: una planilla en Drive, el sistema viejo y la cabeza de un vendedor con dieciocho años en la casa. Ordenar eso tomó dos semanas. Conectar la IA encima, dos días. El tiempo promedio de respuesta bajó de cuatro horas a once minutos. No porque el modelo sea genial, sino porque ahora existe una fuente única de verdad para que consulte.

Un modelo nuevo no arregla un proceso desordenado. Solo desordena más rápido.

Qué cambia de verdad con agentes más autónomos

Dicho eso, hay cosas que sí cambian. Cuando el modelo aguanta una tarea larga, se abre una categoría de automatización que antes no cerraba la cuenta.

Tres ejemplos concretos de lo que pasa a ser viable:

• Conciliación. Cruzar el extracto bancario con las facturas emitidas y señalar las diferencias. Trabajo aburrido, repetitivo, con regla clara. Antes exigía una integración hecha a mano para cada caso. Ahora puedes describir la regla y dejarlo correr.
• Clasificación de documentos. Contrato, informe, propuesta de proveedor. El modelo lee, extrae lo que importa, marca lo que se salió del patrón y llama a un humano solo en esos.
• Seguimiento comercial. Mirar el CRM, encontrar a quien dejó de responder, revisar el historial y sugerir la próxima acción con el contexto correcto. Sin ese "hola, ¿cómo estás?" genérico que todo el mundo ignora.

Fíjate en el patrón. Son tareas con regla definida, volumen alto y revisión posible. Ahí es donde la autonomía compensa. No en una decisión estratégica, no en hablar con un cliente furioso, no en nada que no puedas revisar después.

El riesgo nuevo que vino junto

La parte de seguridad merece tu atención, aunque no entiendas nada de tecnología.

Si el modelo quedó bueno para encontrar fallas en software, el estafador también tiene acceso a una versión de eso. El correo de phishing que llegaba con español cojo ahora llega perfecto, con el nombre de tu proveedor real y el contexto de una conversación que existió. Ya vi a una empresa casi pagar una factura falsa de R$ 38 mil porque el correo imitaba el patrón del proveedor con una precisión que asustaba. Lo que la salvó fue una regla tonta: por encima de diez mil, alguien llama para confirmar por teléfono.

Haz esto hoy, cuesta cero:

• Todo cambio de datos bancarios de un proveedor exige confirmación por teléfono, al número antiguo, nunca al número que vino en el correo.
• Dos personas aprueban cualquier pago por encima de un valor que tú defines.
• Nadie instala extensiones ni herramientas de IA en los sistemas de la empresa sin pasar por ti.

Y si pones un agente a actuar dentro de tus sistemas, dale el acceso mínimo. Lectura antes que escritura. Ambiente de prueba antes que producción. Registro de todo lo que hizo. Es el mismo cuidado que tendrías con un empleado nuevo en el primer mes, solo que el agente trabaja más rápido y no le da vergüenza preguntar dos veces.

Cómo decidir si vale la pena moverse ahora

Un camino que funciona, en cuatro pasos:

1. Enumera las tres tareas que más tiempo le consumen al equipo. Tiempo medido, no tiempo percibido. Pregúntale a quien las hace. Te vas a sorprender con lo que aparece.

2. Mira cuál de ellas tiene una regla clara. Si dos personas con experiencia harían lo mismo ante el mismo caso, hay regla. Si depende del olfato, déjala para después.

3. Revisa si la información necesaria está en algún lugar accesible. Sistema, planilla, carpeta. Si está solo en la cabeza de alguien, el primer proyecto es sacarla de ahí.

4. Corre un piloto de dos semanas con revisión humana en el 100% de los casos. Comparas lo que hizo la IA con lo que haría tu equipo. Si acierta por encima de lo que definiste como aceptable, sueltas la revisión a muestreo.

En ese proceso, qué modelo uses es casi un detalle. GPT-6, la versión anterior, un competidor, da igual al principio. Lo cambias después, cuando el resto esté en pie, y te toma quince minutos.

Qué hacer el lunes

No migres nada por un titular. El lanzamiento siempre es noticia, la adopción siempre es más lenta, y la versión nueva suele tener un mes de estabilización.

Lo que vale la pena hacer ahora es el trabajo que ningún lanzamiento hace por ti: entender dónde tu empresa pierde tiempo, ordenar la información que está dispersa y elegir una tarea para probar. Quien hizo esa tarea va a conectar GPT-6 y sentir la diferencia a la semana siguiente. Quien no la hizo va a contratar otra herramienta, usarla tres semanas y olvidarla, exactamente como pasó con las otras cinco que están en la factura de la tarjeta corporativa.

La tecnología se volvió más fuerte. La pregunta sigue siendo la misma de hace diez años: qué problema tuyo resuelve, y cómo vas a saber si funcionó.

Si quieres conversar sobre dónde tiene sentido empezar en tu caso, mira cómo trabajo.

GPT-6 llegó y la pregunta que más escuché esta semana fue "¿ya migramos?".

Migrar de modelo es la parte más barata y más sobrevalorada del proyecto.

La semana pasada una distribuidora quería IA para responder presupuestos por WhatsApp. El problema nunca fue el texto. Era la lista de precios viviendo en tres lugares: una planilla en Drive, el sistema viejo y la cabeza de un vendedor con dieciocho años en la casa.

Ordenar eso: dos semanas. Conectar la IA encima: dos días. La respuesta bajó de cuatro horas a once minutos.

Un modelo nuevo no arregla un proceso desordenado. Solo desordena más rápido.

Antes de contratar otra herramienta, mira dónde tu empresa pierde tiempo y dónde está dispersa la información. Quien hace esa tarea conecta GPT-6 y siente la diferencia a la semana siguiente.

Si quieres conversar sobre por dónde empezar en tu caso, escríbeme.

#InteligenciaArtificial #GPT6 #Automatizacion #TransformacionDigital #Gestion