La conversación sobre inteligencia artificial en las empresas suele centrarse en herramientas, promesas de productividad y casos llamativos. La nueva publicación de datos de OpenAI aporta una señal más útil: permite observar qué tipos de trabajo llevan las personas a ChatGPT y seguir su evolución en el tiempo. Entre las actividades identificadas aparecen la preparación de materiales, el desarrollo de contenidos de marketing, la programación y el análisis de datos de negocio.
Para equipos de ventas, marketing, atención al cliente y operaciones, el dato relevante no es que la IA ya se use para trabajar. Eso es evidente. Lo importante es convertir ese uso disperso en procesos medibles, seguros y conectados con objetivos comerciales concretos.
Qué aporta el nuevo conjunto de datos
OpenAI Signals organiza mensajes de uso laboral de ChatGPT en 165 categorías de actividades intermedias de trabajo y cubre casi 100 países. La información se publica por trimestre, desde el primer trimestre de 2025 hasta el tercero de 2026, lo que permite analizar cambios en los patrones de utilización.
La clasificación se basa en un marco de actividades laborales que ayuda a comparar tareas entre ocupaciones. En vez de reducir el análisis a cargos como “marketer”, “vendedor” o “analista”, el enfoque observa acciones concretas: desarrollar contenido, preparar instrucciones, analizar información o programar. Esa perspectiva es especialmente valiosa para una pyme, porque la adopción de IA rara vez empieza con una transformación total; normalmente comienza en tareas repetitivas y de alto consumo de tiempo.
La publicación también muestra una menor concentración del uso laboral en las actividades más frecuentes entre los países observados de forma continua. En términos prácticos, esto sugiere que los casos de uso se están diversificando. La oportunidad ya no está solo en pedir borradores de textos: está en diseñar flujos donde la IA ayude a investigar, estructurar, resumir, clasificar y preparar decisiones humanas.
Marketing: pasar de producir más a decidir mejor
En marketing, la IA puede acelerar la creación de ideas, versiones de anuncios, guiones, correos, contenidos para redes sociales y materiales de apoyo comercial. Sin embargo, publicar más rápido no garantiza mejores resultados. El criterio editorial, el conocimiento del cliente y la consistencia de marca siguen siendo responsabilidades del equipo.
Una práctica recomendable es separar el flujo en etapas. Primero, usar la IA para explorar ángulos y organizar información. Después, contrastar los mensajes con datos del CRM, objeciones frecuentes, preguntas de clientes y resultados de campañas anteriores. Finalmente, una persona responsable debe revisar exactitud, tono, ofertas, llamados a la acción y cumplimiento de las políticas internas.
Así, la métrica no debería ser únicamente cuántas piezas se generan. Conviene medir cuánto tiempo se ahorra, qué tasa de aprobación logran los borradores, cuáles mensajes mejoran la interacción y qué campañas aportan oportunidades comerciales calificadas. La IA se vuelve útil cuando reduce fricción sin desconectar al equipo de los indicadores del negocio.
Análisis de negocio: una capa de preparación, no un reemplazo del dato confiable
El análisis de datos de negocio es otra de las actividades destacadas en la publicación. Aquí el potencial es alto: resumir resultados semanales, proponer hipótesis, convertir preguntas comerciales en consultas, detectar anomalías iniciales y preparar explicaciones para reuniones.
Pero hay un límite esencial. Una herramienta de IA no corrige automáticamente datos incompletos, definiciones inconsistentes ni procesos comerciales mal registrados. Si el equipo mezcla etapas de venta, duplica contactos o deja campos críticos vacíos, cualquier resumen puede amplificar la confusión. Antes de automatizar análisis, conviene acordar definiciones simples para métricas como lead calificado, oportunidad, tasa de conversión, venta ganada y ciclo comercial.
También es importante conservar trazabilidad. Cada informe generado con apoyo de IA debería indicar de qué período provienen los datos, qué fuentes se usaron, qué supuestos se aplicaron y qué conclusiones necesitan validación humana. Esto evita que una respuesta convincente se convierta en una decisión equivocada.
Cómo empezar con una adopción responsable
Un buen primer paso es elegir dos o tres casos de uso acotados: por ejemplo, preparar resúmenes de reuniones comerciales, crear primeras versiones de campañas y explicar variaciones de un tablero semanal. Para cada caso, defina un responsable, una fuente de datos autorizada, una revisión humana obligatoria y una métrica de éxito.
La publicación de OpenAI tiene una advertencia metodológica relevante: cubre mensajes de planes individuales de ChatGPT y no incluye mensajes empresariales ni uso de Codex. Por eso, sus resultados no deben interpretarse como un retrato completo de la adopción corporativa. Aun así, funcionan como una señal clara de hacia dónde se está moviendo el trabajo: tareas antes aisladas empiezan a combinar redacción, análisis, investigación y coordinación.
Para las empresas, el desafío no es usar IA en todo de inmediato. Es identificar dónde puede mejorar la calidad y velocidad del trabajo, proteger la información de clientes y transformar aprendizajes puntuales en procesos repetibles. Ahí es donde la adopción deja de ser una novedad y empieza a generar valor operativo.
