OpenAI afirma que GPT-5 iguala a humanos en diversos trabajos

GPT-5 fue considerado mejor o igual que expertos humanos en el 40,6% de las tareas en una nueva prueba comparativa. OpenAI presentó el jueves el benchmark GDPval para medir el rendimiento de sus modelos de IA frente a profesionales en ocupaciones con alto impacto económico.

Evaluación del rendimiento en el trabajo

El benchmark GDPval se basa en nueve industrias que más contribuyen al PIB de EE. UU., como sanidad y finanzas. Evalúa 44 ocupaciones, desde ingenieros de software hasta enfermeros. La prueba consistió en que profesionales experimentados compararan informes generados por IA con los hechos por humanos. OpenAI promedia el ‘porcentaje de victoria’ de un modelo de IA frente a los informes humanos en todas las ocupaciones.

Resultados de los modelos

La versión GPT-5-high igualó o superó a expertos de la industria en el 40,6% de los casos. El modelo Claude Opus 4.1 de Anthropic lo hizo en el 49% de las tareas. OpenAI sugiere que el alto resultado de Claude podría deberse a su tendencia a crear gráficos atractivos, no solo a su rendimiento bruto.

Limitaciones y proyección futura

OpenAI admite que GDPval-v0 prueba un número muy limitado de tareas laborales reales. La prueba actual se centra en la presentación de informes, pero los profesionales realizan muchas más actividades. La empresa planea crear pruebas más robustas en el futuro que abarquen más industrias y flujos de trabajo interactivos.

Un salto significativo en capacidades

El economista jefe de OpenAI, Dr. Aaron Chatterji, indica que estos resultados permiten a los trabajadores descargar tareas en la IA para centrarse en labores de mayor valor. Tejal Patwardhan, responsable de evaluaciones, destaca el progreso: GPT-4o obtuvo un 13,7% hace 15 meses, mientras que GPT-5 casi triplica esa cifra.

El contexto de los benchmarks de IA

El sector tecnológico utiliza varios benchmarks, como AIME 2025 o GPQA Diamond, para medir el progreso de la IA. Muchos modelos están cerca de la saturación en algunas de estas pruebas, lo que genera la necesidad de evaluaciones más prácticas. Benchmarks como GDPval podrían ganar importancia para medir la competencia de la IA en tareas del mundo real.

Implicaciones para el mercado laboral

OpenAI ve el progreso en GDPval como notable, aunque se necesita una versión más comprehensiva para afirmar que sus modelos superan a los humanos. La compañía enfatiza el potencial de la IA para aumentar la productividad en una amplia gama de sectores económicos, alineándose con su misión de desarrollar inteligencia artificial general (AGI).