El director ejecutivo de OpenAI, Sam Altman, inició el año 2025 con un anuncio que llamó la atención del mundo tecnológico: su empresa cree que ha descifrado el código para lograr la inteligencia artificial general (AGI). La noticia llegó a través de una publicación de blog detallada donde Altman describió el progreso de OpenAI y reveló que la compañía ahora atiende a más de 300 millones de usuarios cada semana.
El momento de este anuncio se alinea con el reciente hito del segundo aniversario de ChatGPT. La publicación de Altman fue más allá de los logros actuales y hizo una predicción audaz: los agentes de IA podrían comenzar a ingresar a la fuerza laboral dentro de un año, lo que podría remodelar la forma en que operan las empresas.
Altman escribió con confianza sobre las capacidades de OpenAI: “Ahora estamos seguros de que sabemos cómo construir AGI como la hemos entendido tradicionalmente”. Amplió esto sugiriendo que en 2025 los agentes de IA podrían participar activamente en la fuerza laboral y mejorar el desempeño de la empresa.
La definición de AGI sigue siendo un punto de debate en la comunidad tecnológica. Si bien se refiere en términos generales a sistemas de IA que combinan la inteligencia humana en diversas tareas, no existe un acuerdo universal sobre qué constituye exactamente AGI. Esta falta de claridad ha llevado a preguntas sobre lo que realmente significan las afirmaciones de Altman.
Los expertos técnicos han opinado sobre la viabilidad del cronograma de Altman. Charles Wayn, cofundador de la plataforma descentralizada Galxe, expresó sus reservas.
“Los modelos de IA actuales enfrentan demasiados desafíos técnicos que deben resolverse antes de que podamos lograr una verdadera AGI”, explicó a nuestro equipo.
El contexto financiero de OpenAI añade otra capa a considerar. La investigación y el desarrollo de IA de la compañía requieren una financiación masiva, lo que lleva a algunos observadores de la industria a sugerir que estos anuncios podrían ayudar a mantener la confianza de los inversores a pesar de los altos costos operativos.
Mirando más allá de AGI, Altman analizó el objetivo final de OpenAI de lograr la superinteligencia artificial (ASI). “Amamos nuestros productos actuales, pero estamos aquí para un futuro glorioso”, escribió. Si bien OpenAI no ha especificado cuándo podría llegar ASI, algunos investigadores predicen que la IA podría igualar todas las capacidades humanas para 2116.
El investigador jefe de IA de Meta, Yan Lecun, ofrece una perspectiva diferente y señala que la tecnología actual enfrenta limitaciones fundamentales. Las limitaciones de hardware y los desafíos de la metodología de capacitación sugieren que AGI podría estar más lejos de lo que indica Altman.
La perspectiva de que los agentes de IA se unan a la fuerza laboral ha provocado diversas respuestas por parte de los líderes empresariales. Harrison Seletsky de SPACE ID compartió su opinión:
“Los agentes de IA sobresaldrán en tareas rutinarias, pero aún carecen del pensamiento creativo y del juicio que los humanos aportan a la hora de tomar decisiones complejas”.
Una investigación reciente de la Universidad de la Ciudad de Hong Kong enfatiza la combinación de capacidades humanas y de inteligencia artificial en lugar de reemplazar a los trabajadores por completo. Sus hallazgos sugieren que este enfoque colaborativo conduce a mejores resultados para las organizaciones y la sociedad.
El impacto de la IA en el mundo laboral en el mundo real ya es visible. Alrededor del 25% de los líderes de empresas expresan interés en utilizar agentes de IA para realizar determinadas funciones laborales. Sin embargo, la experiencia muestra que la supervisión humana sigue siendo esencial, ya que los sistemas de IA todavía tienen dificultades para comprender el contexto y pueden cometer errores inesperados.
Humayun Sheikh, que dirige Fetch.ai y preside la Alianza ASI, predice un cambio gradual en lugar de una interrupción repentina.
“Si bien la automatización aumentará, particularmente para las tareas rutinarias, es probable que veamos un cambio en los roles humanos en lugar de un reemplazo total”, señaló en nuestra entrevista.
Los recientes logros técnicos de OpenAI dan cierta credibilidad a sus afirmaciones. Su último modelo de IA obtuvo una puntuación del 87,5 % en el punto de referencia ARC-AGI, acercándose a lo que los expertos consideran rendimiento a nivel humano. Sin embargo, continúa el debate sobre si estas métricas realmente indican un progreso hacia el AGI.
La implementación de agentes de IA en los entornos laborales actuales ha producido resultados mixtos. Si bien algunas tareas se pueden automatizar con éxito, las empresas descubren constantemente que necesitan trabajadores humanos para gestionar situaciones en las que la IA se queda corta debido a limitaciones de capacitación o incapacidad para comprender contextos complejos.
Eliezer Yudkowsky, un destacado investigador de IA, sugiere considerar estos anuncios con cuidadosa consideración. Indica que predicciones tan audaces podrían tener fines promocionales en lugar de reflejar posibilidades técnicas inmediatas.
Estudios recientes sobre la integración de la IA en el lugar de trabajo revelan patrones interesantes. Las organizaciones que mantienen un equilibrio entre la experiencia humana y las capacidades de IA tienden a obtener mejores resultados que aquellas que buscan una automatización total. Esto sugiere que el futuro podría implicar una mejora en lugar de un reemplazo de trabajadores humanos.
Los datos de las primeras implementaciones de agentes de IA muestran promesas y limitaciones. Si bien las tareas rutinarias tienen altas tasas de éxito, la toma de decisiones complejas aún requiere participación humana. Este patrón respalda la opinión de que los avances a corto plazo se centrarán en aumentar, en lugar de reemplazar, las capacidades humanas.
Los analistas de la industria continúan monitoreando el progreso de OpenAI hacia estos ambiciosos objetivos. Si bien el crecimiento y los logros técnicos de la empresa son impresionantes, la brecha entre las capacidades actuales de IA y la verdadera AGI sigue siendo un tema de discusión constante en la comunidad tecnológica.
¿Quieres operar como un profesional? Benzinga Pro le brinda la ventaja que necesita en los mercados acelerados de hoy. Obtenga noticias en tiempo real, información exclusiva y potentes herramientas en las que confían los traders profesionales:
No dejes escapar las oportunidades. ¡Comience su prueba gratuita de Benzinga Pro hoy y lleve sus operaciones al siguiente nivel!
Visita Benzinga Pro
El Draft de la NFL es una de las noches más grandes del año para los fanáticos del fútbol y los equipos por igual, ya que los comisionados se preparan para mejorar sus escuadrones para la temporada 2025.
Soy un gran fanático de la NFL, y he sido desde que viví en los Estados Unidos a principios de los 20 años. Dicho esto, nunca he prestado mucha atención al Draft de la NFL, a pesar de su importancia.
Si todavía solo está copiando las indicaciones para pasar a ChatGPT para escribir una copia de anuncios, se está perdiendo la oportunidad real: usar la API CHATGPT para automatizar tareas repetitivas y que llevan mucho tiempo dentro de su flujo de trabajo de Google Ads.
En mi agencia, hemos utilizado GPT-4O en scripts, hojas de Google y aplicaciones personalizadas para resolver problemas reales, desde la limpieza de alimentos de compras para buscar auditorías de residuos a términos hasta revisiones de rendimiento en cuentas enteras.
Este artículo le muestra cómo configurar la API, usarla de manera segura y eficiente, y aplicarlo a flujos de trabajo PPC de alto impacto.
Para usar GPT en sus propios scripts o aplicaciones, necesitará acceso a la API de OpenAI. Esto no es lo mismo que usar CHATGPT en un navegador: la API le brinda un control programático directo.
Aquí está cómo comenzar:
Su clave API es privada y sensible. Cualquier persona con acceso puede usar el saldo de su cuenta, así que trátelo como una contraseña.
La API de ChatGPT es de pago por uso. Al momento de escribir, GPT-4O (el modelo más rápido y rentable) cuesta:
1,000 tokens son aproximadamente 750 palabras de entrada/salida combinadas. La mayoría de las indicaciones simples cuestan menos de $ 0.01 por llamada.
Para las pruebas:
DIVE MÁS: 4 formas de conectar sus datos de anuncios a una IA generativa para PPC más inteligente
Puede llamar a la API desde diferentes entornos dependiendo de su nivel de comodidad y flujo de trabajo:
| Herramienta | Mejor para | Dificultad |
| Script de Google Apps | Informes basados en hojas, trabajo de alimentación | Principiante |
| Pitón | Lógica de auditoría, generación de informes | Intermedio |
| Nodo.js | Aplicaciones web, paneles, lotes asíncronos | Avanzado |
| Con más zapas | Integraciones GPT livianas (sin código) | Principiante |
Si está trabajando en los anuncios de Google y tirando datos en hojas, el script de aplicaciones es un punto de entrada fácil.
Aquí hay una implementación básica de llamar a GPT-4O desde Google Sheets:
]
function callChatGPT(prompt)
const apiKey = 'sk-...'; // Your API key
const url="https://api.openai.com/v1/chat/completions";
const payload =
model: 'gpt-4o',
messages: [
role: 'system', content: 'You are a Google Ads expert.' ,
role: 'user', content: prompt
],
temperature: 0.3
;
const options =
method: 'post',
contentType: 'application/json',
headers:
Authorization: 'Bearer ' + apiKey
,
payload: JSON.stringify(payload)
;
const response = UrlFetchApp.fetch(url, options);
const json = JSON.parse(response.getContentText());
return json.choices[0].message.content;
Luego en una celda:
=callChatGPT("Analyze Nike's top 50 non-converting search terms from Performance Max")
DIG MÁS: Aprovechando la IA generativa en los scripts de anuncios para la optimización de anuncios de Google
Obtenga la búsqueda del boletín en los que los especialistas en marketing confíen.
Para mantener las cosas funcionando sin problemas (y de manera rentable), siga estos consejos:
Para demostrar cómo funciona esto en la práctica, recorreré algunos casos de uso real usando Nike como ejemplo ilustrativo.
Para mayor claridad, no estoy afiliado a Nike, y estos ejemplos son hipotéticos.
Se utilizan para mostrar cómo se aplican estas técnicas a las cuentas de anuncios de Google de nivel empresarial con grandes catálogos de productos y campañas de alto volumen.
Caso de uso 1: Optimización de la alimentación de compras
La alimentación del producto de Nike es enorme: zapatos, ropa, equipo, accesorios, todo en docenas de variantes.
Los títulos de productos que no están bien estructurados pueden provocar poca visibilidad o impresiones irrelevantes.
Usando GPT-4O, puede reescribir los títulos de productos a escala utilizando esta estructura:
Reescribir el título del producto para incluir género, tipo de producto, función principal y marca. Formato como: [Gender] [Product Type] with [Feature] | Nike.
Ejecutamos este flujo de trabajo en las hojas de Google usando GPT a través del script APPS.
Los títulos de salida fueron más alineados con palabras clave, más descriptivas y se desempeñaron mejor en los anuncios de compras, aumentando el CTR y mejorar la relevancia del partido.
Caso de uso 2: Búsqueda de auditoría de residuos de término en el rendimiento Max
Las campañas de rendimiento de Nike Max generan grandes volúmenes de datos de términos de búsqueda, gran parte de ellos irrelevante.
Revisarlo manualmente es ineficiente e inconsistente.
Nuestro enfoque:
Ejemplo indicador:
Salida GPT:
Utilizamos esta salida para generar ideas de palabras clave negativas, refinar la orientación y crear alertas semanales si los desechos pasa un umbral.
DIG más: cómo la IA realiza auditorías de búsqueda pagas más rápido y mejor
Caso de uso 3: Automatización de auditoría de Google ADS para campañas de la marca Nike
Hemos creado una herramienta que combina la API de Google ADS con GPT-4O para ejecutar auditorías de cuenta completa.
En el caso de Nike, utilizamos GPT para interpretar las banderas de rendimiento extraídas de las consultas de API como:
Ejemplo indicador:
Respuesta GPT:
Esta salida se agrega directamente a un mazo de diapositivas de Google utilizada para revisiones internas y QBR de clientes.
ChatGPT no es solo un asistente de escritura, es un motor de automatización.
La clave no es pedirle a GPT que haga su trabajo.
La clave es conectar GPT a los lugares donde la repetición te ralentiza:
No necesita ser un desarrollador para usar la API. El script y las hojas de Google Apps son lo suficientemente potentes como para ejecutar flujos de trabajo reales hoy.
Una vez que vea los ahorros de tiempo, y la calidad de las salidas GPT-4O cuando se estructura correctamente, es difícil volver.
DIGER MÁS: Top Tools and Tactics que debe usar en PPC
Se invita a los autores contribuyentes a crear contenido para el terreno de los motores de búsqueda y se eligen por su experiencia y contribución a la comunidad de búsqueda. Nuestros contribuyentes trabajan bajo la supervisión del personal editorial y las contribuciones se verifican en busca de calidad y relevancia para nuestros lectores. Las opiniones que expresan son propias.
Remove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
Cómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
Cómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
Startups de IA en EE.UU. que han recaudado más de $100M en 2024
Deepgram: Revolucionando el Reconocimiento de Voz con IA
Perplexity aplicado al Marketing Digital y Estrategias SEO
Suno.com: La Revolución en la Creación Musical con Inteligencia Artificial
Curso de Inteligencia Artificial de UC Berkeley estratégico para negocios
Inside the OpenAI-DeepSeek Distillation Saga & Alibaba’s Most Powerful AI Model Qwen2.5-Max
De ChatGPT a mil millones de agentes
