Lo que revela el nuevo gráfico de ChatGPT (y cómo cambia el embudo de decisión)

Qué indica el gráfico de OpenAI

OpenAI ha publicado el análisis más completo hasta la fecha sobre cómo usa la gente ChatGPT, basado en 1,5 millones de conversaciones, con una conclusión clave: la mayoría de las interacciones se centran en orientación práctica, búsqueda de información y redacción. Dicho de otro modo, la gente acude a ChatGPT para resolver tareas cotidianas, no para charlar o programar durante horas. El estudio también destaca que el uso se reparte entre el trabajo y la vida personal, y que el valor que genera suele ser el apoyo a la toma de decisiones, algo que los indicadores económicos tradicionales no miden bien.

El documento de trabajo del NBER que acompaña al lanzamiento refuerza estas ideas: «Orientación práctica», «Búsqueda de información» y «Redacción» suman casi el 80 % de las conversaciones; la programación y la expresión personal quedan en relativa minoría. El mensaje está claro: los chatbots se están consolidando como herramientas de productividad y de criterio (no solo de producción), y esto es especialmente relevante en el trabajo con una alta carga cognitiva.

Lo que de verdad sorprende

• Menos «charla» de lo esperado. La parte social o desenfadada es pequeña frente a las tareas orientadas a resultados. La IA hace a la vez de profesora, editora, bibliotecaria y asistente personal de compras.

• El bienestar compite con la tecnología. Dentro de la «orientación práctica» aparece un pico inesperado en salud, fitness y belleza: cuidado de la piel, hábitos, pruebas... Categorías que se consideraban «blandas» irrumpen con fuerza. Es una demanda real de criterios y pruebas (no de promesas).

• Redactar y editar no es solo «te ayudo a escribir», sino también entregar: correos, notas, propuestas. En el ámbito profesional, la redacción «domina» sobre otras tareas precisamente porque el chatbot puede generar resultados digitales listos para usar al momento.
  
  
  

El embudo comprimido: cuando todo ocurre en una sola respuesta

Si te fijas bien en el gráfico, verás un patrón: la decisión se acelera. El usuario llega con una pregunta concreta y, sin cambiar de pestaña, avanza con la respuesta hacia una decisión plausible. En la práctica, ocurre así:

1. Preguntas ligadas a una situación. «¿Qué es...?», «¿Cómo se usa...?» y restricciones (presupuesto, piel sensible, integración, idioma).

2. Criterios dentro de la misma respuesta. El modelo no se limita a dar una definición; también muestra qué buscar y qué evitar al comparar.

3. Comparación instantánea. Con esos criterios, la respuesta ya sugiere opciones bien argumentadas.

4. Producto o acción. Se concreta en marcas, productos, proveedores o siguientes pasos. Todo sin salir del hilo.
   
   
   

Eso es un embudo comprimido: descubrimiento, consideración y decisión en el mismo sitio. El NBER lo plantea como creación de valor mediante el apoyo a la toma de decisiones, justo donde las personas somos más lentas: filtrar, sopesar y decidir con señales incompletas.

Por qué importa: si no estás presente en la parte de información concreta y guías prácticas, es difícil «entrar» después, cuando el usuario ya está mirando comparativas y opciones. No es el SEO clásico de «atraer tráfico y luego educar»; aquí, la educación y la elección conviven en la misma interacción.

Implicaciones para tu estrategia

Diseña para resolver

En este contexto, las marcas que ganan no son las que «suenan bien», sino las que aportan pruebas citables: tablas con criterios, guías con método (pasos, límites, casos reales), preguntas frecuentes con cifras, capturas de pantalla y fechas de actualización. La forma importa tanto como el fondo: títulos claros, secciones compactas y datos fáciles de copiar y referenciar. (El estudio de OpenAI subraya que el uso se centra en tareas concretas, no en temas generales).

Bienestar y consumo: una oportunidad real

Que salud, fitness y belleza pesen más de lo que imaginábamos no es casualidad. Son categorías con lenguaje técnico y decisiones personales. Si vendes productos para el cuidado de la piel, deberías priorizar criterios verificables (para quién es adecuado y para quién no; cómo evaluar un INCI; qué significa realmente «sin perfume») y fuentes externas que los respalden. Eso es lo que un modelo puede resumir y citar al construir una respuesta.

Localización: adaptar, no solo traducir

El patrón de uso muestra que la traducción compite con las tareas técnicas. Si operas en varios mercados, prepara tus propios glosarios, ejemplos locales y métricas relevantes para cada país. Así, cuando el usuario pida «lo mismo, en alemán y con un toque local», la IA tendrá el material que necesita para adaptar (no simplificar).

Medir sin ruido (qué vigilar cuando el mapa se mueve)

El estudio y el artículo de OpenAI dejan algo claro: el uso evoluciona y genera valor tanto dentro como fuera del trabajo, y, con el tiempo, los usuarios lo aprovechan cada vez más a fondo. En este entorno cambiante no necesitas veinte KPI, sino cuatro resultados que te digan si estás donde se toman las decisiones:

• Cobertura de prompts de decisión: ¿aparece tu marca en las preguntas clave sobre situaciones concretas de tu categoría?

• Coherencia entre motores: ¿aparece en varios (no solo en uno) y de forma constante?

• Calidad de la mención: ¿la respuesta te recomienda con argumentos o solo te incluye en una lista?

• Tiempo hasta la inclusión: cuando publicas o actualizas pruebas, ¿cuánto tardan en empezar a aparecer?
  
  
  

Este es el tipo de enfoque que aplicamos en Omnia: priorizar preguntas reales, observar qué motores y fuentes tienen peso en cada una, entender los patrones y hacer seguimiento de su evolución.

Ejemplo práctico: de «qué es» al producto sin cambiar de pantalla

Ponte en la piel de alguien que busca cosmética:

«crema antiedad para piel sensible, sin perfume y con estudios clínicos».

Las buenas respuestas hacen tres cosas:

1. aportan contexto (qué significa «antiedad» en una piel sensible);

2. aportan criterios (ingredientes, pruebas, tolerancias, cómo leer el INCI);

3. proponen opciones que cumplen esos criterios.
   
   
   

¿Dónde ganas visibilidad?

• En que tus criterios y datos estén disponibles en abierto (y fechados): tablas, «actualizado el...», enlaces a las fuentes.

• En que tu descripción como entidad (qué eres, para quién eres...) sea coherente en tu web, tus documentos, los marketplaces, los foros y los medios.

• En que terceros respetados (medios especializados, foros de expertos, YouTube) te citen como ejemplo de esos criterios.
  
  
  

Nada de esto ocurre «hablando» con un modelo en un chat privado: el NBER y OpenAI dejan claro que la adopción y el valor se explican por tareas reales y por el apoyo a la toma de decisiones; lo que importa es qué señales externas puede usar el modelo para construir una respuesta fiable.

Conclusión

El nuevo gráfico supone un cambio de enfoque. ChatGPT y otros motores se usan para resolver problemas. Por eso el embudo se comprime: en una sola respuesta, el usuario aprende, compara y elige. Si quieres que tu marca esté ahí, necesitas claridad y pruebas: criterios, método, fuentes y coherencia.

Tres ideas para llevarte hoy:

1. Invierte en información concreta y guías prácticas que un modelo pueda citar.

2. Publica estructuras (tablas, listas de comprobación, rúbricas) que se puedan integrar fácilmente en las respuestas.

3. Mide resultados (cobertura de preguntas clave, coherencia entre motores, calidad de la mención, tiempo hasta la inclusión) en lugar de perseguir métricas de vanidad.
   
   
   

El mapa seguirá moviéndose, pero el principio fundamental se mantiene: la IA recomienda lo que puede resumir y respaldar. Si pones esas pruebas al alcance de todos y las mantienes al día, el embudo comprimido juega a tu favor.

‍