A medida que el despliegue de la inteligencia artificial se acelera en todas las industrias, un desafío recurrente para las empresas es determinar cómo operacionalizar la IA de una manera que genere un impacto medible. Para apoyar esta necesidad, Operai ha publicado una guía integral orientada a procesos titulada “Identificar y escalar casos de uso de IA. “ A partir de más de 300 estudios de casos de implementación e ideas de más de dos millones de usuarios empresariales, la guía ofrece un enfoque sistemático para identificar, evaluar e implementar la IA en las funciones organizacionales.

Un proceso estructurado para la integración de IA

La guía introduce una metodología trifásica:

1. Identificación de oportunidades de alta apalificación – Reconocer dónde la IA puede aumentar directamente los procesos comerciales existentes.
2. Enseñar seis primitivas fundamentales de casos de uso – Proporcione a los equipos un marco para la experimentación y la adopción.
3. Priorizar iniciativas para la escala -Utilice métodos de evaluación estructurados para enfocar los esfuerzos en casos de uso con relaciones de retorno a efortes favorables.

Este marco está diseñado para apoyar a las organizaciones en varias etapas de madurez, desde la experimentación temprana hasta la implementación escalada.

Fase 1: Identificación de oportunidades para el impacto de la IA

La primera fase enfatiza el examen de ineficiencias de rutina y cuellos de botella cognitivos en los flujos de trabajo. La guía destaca tres categorías donde la IA tiende a ser más efectiva:

• Tareas repetitivas y de bajo valor: Automatizar tareas como la redacción de resúmenes, monitorear los KPI y la creación de informes permite a los equipos reenfocarse en prioridades de nivel superior.
• Cuellos de botella de habilidad: La IA puede cerrar brechas de conocimiento, lo que permite a los empleados trabajar en todos los dominios sin esperar el apoyo interdepartamental.
• Problemas ambiguos o abiertos: La IA puede usarse para generar ideas, sugerir puntos de partida o interpretar datos no estructurados en escenarios donde la toma de decisiones humanas a menudo se detiene.

Estas categorías proporcionan una lente para evaluar los flujos de trabajo e iniciar la ideación estructurada, a menudo en forma de talleres de casos de uso o grupos de trabajo multifuncionales.

Fase 2: Enseñar primitivas de casos de uso de IA central

Basado en el análisis de más de 600 casos de uso del mundo real, OpenAI describe seis “primitivas” fundamentales que encapsulan aplicaciones comunes y escalables de IA:

• Creación de contenido: Redacción de documentos de política, descripciones de productos y copia de marketing con consistencia en tono y estructura.
• Investigación: Realización de recuperación y síntesis de información estructurada, a menudo de documentos largos o fuentes web.
• Codificación: Asistir en la depuración, la traducción de códigos y la generación del primer draft en múltiples lenguajes de programación.
• Análisis de datos: Armonizar e interpretar conjuntos de datos desde hojas de cálculo o paneles para producir visualizaciones o resúmenes de tendencias.
• Ideación y estrategia: Apoyo a la lluvia de ideas, la formulación del plan y la crítica estructurada de propuestas o documentos.
• Automatización: Diseño de flujos de trabajo repetibles que manejan entradas y generan salidas de acuerdo con reglas o plantillas predefinidas.

Cada primitivo incluye ejemplos específicos de dominio que demuestran su utilidad multifuncional. Por ejemplo, los equipos de finanzas pueden automatizar los informes ejecutivos, mientras que los gerentes de productos usan AI para prototipos de interfaces de usuario o preparar la documentación.

Fase 3: Priorización a través de un marco de esfuerzo de impacto

Para la transición de la ideación a la implementación, OpenAI recomienda una matriz de impacto/esfuerzo. Esta herramienta segmentos de uso de casos en cuatro categorías:

• Victorias rápidas: Proyectos de alto impacto y bajo esfuerzo que se pueden implementar rápidamente.
• Autoservicio: Casos de uso que requieren un esfuerzo mínimo, a menudo implementado individualmente o dentro de equipos pequeños.
• Proyectos estratégicos: Iniciativas de alto efecto y alto impacto que pueden transformar los procesos pero requieren más planificación y recursos.
• Iniciativas diferidas: Casos de uso que son complejos y de bajo valor en condiciones actuales, aunque pueden volverse factibles a medida que evoluciona la tecnología.

Varias compañías citadas en la guía han aplicado este marco. Tinder permitió a los equipos de productos interactuar con su CLI utilizando lenguaje natural, mientras que Morgan Stanley desplegó IA para resumir los informes de investigación para los asesores. Estos ejemplos demuestran la diversidad de aplicaciones que se ajustan dentro de la misma estructura de priorización.

Desde la automatización de tareas hasta la integración de nivel de trabajo

La guía también aborda el cambio del aumento de tareas individuales a la automatización completa del flujo de trabajo. Operai sugiere mapear procesos de varios pasos, por ejemplo, un ciclo de vida de la campaña de marketing, desde la investigación y el análisis de datos hasta la generación y distribución de contenido. Esta vista a nivel de sistemas prepara a las organizaciones para flujos de trabajo de agente más autónomos en el futuro cercano.

Consideraciones finales

La Guía de OpenAI ofrece un enfoque estructurado y técnicamente fundamentado para la adopción de la IA. En lugar de centrarse en el potencial abstracto, enfatiza la integración práctica alineada con las necesidades y capacidades de la organización. Al promover la disciplina interna de construcción y priorización de la capacidad, respalda el desarrollo de infraestructura de IA escalable y sostenible dentro de la empresa.

Para los equipos que buscan avanzar más allá de los experimentos aislados, la guía funciona como un plan para el despliegue sistemático, anclado en casos de uso real y un impacto medible.

Mira el Guía. Además, no olvides seguirnos Gorjeo y únete a nuestro Canal de telegrama y LinkedIn GRsalpicar. No olvides unirte a nuestro 90k+ ml de subreddit.

[Register Now] Conferencia virtual de Minicon sobre AI agente: registro gratuito + Certificado de asistencia + Evento corto de 4 horas (21 de mayo, 9 am- 1 pm PST) + Hands on Workshop

El 16 de abril de 2025, Openai lanzó versiones mejoradas de sus modelos de razonamiento avanzado. Estos nuevos modelos, llamados O3 y O4-Mini, ofrecen mejoras sobre sus predecesores, O1 y O3-Mini, respectivamente. Los últimos modelos ofrecen un rendimiento mejorado, nuevas características y una mayor accesibilidad. Este artículo explora los beneficios principales de O3 y O4-Mini, describe sus capacidades principales y analiza cómo podrían influir en el futuro de las aplicaciones de IA. Pero antes de sumergirnos en lo que hace que O3 y O4-Mini sean distintos, es importante comprender cómo los modelos de OpenAI han evolucionado con el tiempo. Comencemos con una breve descripción del viaje de Openai en el desarrollo de sistemas de lenguaje y razonamiento cada vez más potentes.

Evolución de OpenAI de modelos de idiomas grandes

El desarrollo de OpenAI de modelos de idiomas grandes comenzó con GPT-2 y GPT-3, lo que llevó a ChATGPT al uso principal debido a su capacidad para producir un texto con fluidez y contextualmente preciso. Estos modelos fueron ampliamente adoptados para tareas como resumen, traducción y respuesta de preguntas. Sin embargo, a medida que los usuarios los aplicaron a escenarios más complejos, sus deficiencias se hicieron claras. Estos modelos a menudo luchaban con tareas que requerían un razonamiento profundo, una consistencia lógica y resolución de problemas de varios pasos. Para abordar estos desafíos, Openai introdujo GPT-4 y cambió su enfoque hacia la mejora de las capacidades de razonamiento de sus modelos. Este cambio condujo al desarrollo de O1 y O3-Mini. Ambos modelos utilizaron un método llamado solicitante de la cadena de pensamiento, que les permitió generar respuestas más lógicas y precisas razonando paso a paso. Si bien O1 está diseñado para necesidades avanzadas de resolución de problemas, O3-Mini está construido para ofrecer capacidades similares de una manera más eficiente y rentable. Sobre la base de esta base, OpenAi ahora ha introducido O3 y O4-Mini, lo que mejoran aún más las habilidades de razonamiento de sus LLM. Estos modelos están diseñados para producir respuestas más precisas y bien consideradas, especialmente en campos técnicos como la programación, las matemáticas y el análisis científico, dominios donde la precisión lógica es crítica. En la siguiente sección, examinaremos cómo O3 y O4-Mini mejoran a sus predecesores.

Avances clave en O3 y O4-Mini

Capacidades de razonamiento mejoradas

Una de las mejoras clave en O3 y O4-Mini es su capacidad de razonamiento mejorada para tareas complejas. A diferencia de los modelos anteriores que entregaron respuestas rápidas, los modelos O3 y O4-Mini tardan más en procesar cada aviso. Este procesamiento adicional les permite razonar más a fondo y producir respuestas más precisas, lo que lleva a mejorar los resultados en los puntos de referencia. Por ejemplo, O3 supera a O1 en un 9% en LiveBench.ai, un punto de referencia que evalúa el rendimiento en múltiples tareas complejas como Logic, Math y Code. En el Bench SWE, que prueba el razonamiento en tareas de ingeniería de software, O3 logró un puntaje del 69.1%, superando incluso modelos competitivos como Gemini 2.5 Pro, que obtuvo un 63.8%. Mientras tanto, O4-Mini obtuvo un 68.1% en el mismo punto de referencia, ofreciendo casi la misma profundidad de razonamiento a un costo mucho menor.

Integración multimodal: pensamiento con imágenes

Una de las características más innovadoras de O3 y O4-Mini es su capacidad para “pensar con imágenes”. Esto significa que no solo pueden procesar la información textual, sino también integrar datos visuales directamente en su proceso de razonamiento. Pueden entender y analizar imágenes, incluso si son de baja calidad, como notas, bocetos o diagramas escritos a mano. Por ejemplo, un usuario podría cargar un diagrama de un sistema complejo, y el modelo podría analizarlo, identificar posibles problemas o incluso sugerir mejoras. Esta capacidad une la brecha entre los datos textuales y visuales, lo que permite interacciones más intuitivas e integrales con IA. Ambos modelos pueden realizar acciones como zoom en detalles o imágenes giratorias para comprenderlos mejor. Este razonamiento multimodal es un avance significativo sobre los predecesores como O1, que se basaron principalmente en texto. Abre nuevas posibilidades para aplicaciones en campos como la educación, donde las ayudas visuales son cruciales e investigaciones, donde los diagramas y gráficos son a menudo centrales para la comprensión.

Uso de herramientas avanzadas

O3 y O4-Mini son los primeros modelos Operai en usar todas las herramientas disponibles en ChatGPT simultáneamente. Estas herramientas incluyen:

• Navegación web: permitir que los modelos obtengan la información más reciente para consultas sensibles al tiempo.
• Ejecución del código de Python: permitiéndoles realizar cálculos complejos o análisis de datos.
• Procesamiento y generación de imágenes: mejorar su capacidad para trabajar con datos visuales.

Al emplear estas herramientas, O3 y O4-Mini pueden resolver problemas complejos de varios pasos de manera más efectiva. Por ejemplo, si un usuario hace una pregunta que requiere datos actuales, el modelo puede realizar una búsqueda web para recuperar la información más reciente. Del mismo modo, para las tareas que involucran análisis de datos, puede ejecutar el código de Python para procesar los datos. Esta integración es un paso significativo hacia agentes de IA más autónomos que pueden manejar una gama más amplia de tareas sin intervención humana. La introducción de Codex CLI, un agente de codificación de código abierto ligero que funciona con O3 y O4-Mini, mejora aún más su utilidad para los desarrolladores.

Implicaciones y nuevas posibilidades

El lanzamiento de O3 y O4-Mini tiene implicaciones generalizadas en todas las industrias:

• Educación: Estos modelos pueden ayudar a los estudiantes y maestros proporcionando explicaciones detalladas y ayudas visuales, haciendo que el aprendizaje sea más interactivo y efectivo. Por ejemplo, un estudiante podría cargar un boceto de un problema de matemáticas, y el modelo podría proporcionar una solución paso a paso.
• Investigación: Pueden acelerar el descubrimiento analizando conjuntos de datos complejos, generando hipótesis e interpretando datos visuales como gráficos y diagramas, que es invaluable para campos como la física o la biología.
• Industria: Pueden optimizar los procesos, mejorar la toma de decisiones y mejorar las interacciones del cliente al manejar consultas textuales y visuales, como el análisis de los diseños de productos o la resolución de problemas técnicos.
• Creatividad y medios de comunicación: Los autores pueden usar estos modelos para convertir los contornos de los capítulos en guiones gráficos simples. Los músicos coinciden con las imágenes con una melodía. Los editores de películas reciben sugerencias de ritmo. Los arquitectos convierten los planos de planta de mano de mano en planos detallados en 3 -Delas que incluyen notas estructurales y de sostenibilidad.
• Accesibilidad e inclusión: Para los usuarios ciegos, los modelos describen imágenes en detalle. Para los usuarios sordos, convierten diagramas en secuencias visuales o texto subtitulado. Su traducción de palabras y imágenes ayuda a unir el lenguaje y las brechas culturales.
• Hacia agentes autónomos: Debido a que los modelos pueden navegar por la web, ejecutar código y procesar imágenes en un flujo de trabajo, forman la base de los agentes autónomos. Los desarrolladores describen una característica; El modelo escribe, prueba e implementa el código. Los trabajadores del conocimiento pueden delegar la recopilación de datos, el análisis, la visualización e informar la escritura a un solo asistente de IA.

Limitaciones y lo que sigue

A pesar de estos avances, O3 y O4-Mini todavía tienen un límite de conocimiento de agosto de 2023, lo que limita su capacidad para responder a los eventos o tecnologías más recientes a menos que se complementen con la navegación web. Las iteraciones futuras probablemente abordarán esta brecha al mejorar la ingestión de datos en tiempo real.

También podemos esperar un mayor progreso en los agentes de IA autónomos: sistemas que pueden planificar, razonar, actuar y aprender continuamente con una supervisión mínima. La integración de herramientas de OpenAI, modelos de razonamiento y señales de acceso a datos en tiempo real que nos estamos acercando a dichos sistemas.

El resultado final

Los nuevos modelos de Openai, O3 y O4-Mini, ofrecen mejoras en razonamiento, comprensión multimodal e integración de herramientas. Son más precisos, versátiles y útiles en una amplia gama de tareas, desde el análisis de datos complejos y la generación de código hasta la interpretación de imágenes. Estos avances tienen el potencial de mejorar significativamente la productividad y acelerar la innovación en varias industrias.

Milwaukee Independent: Si pudieras sentir emoción, ¿qué te haría sentir Milwaukee y por qué?

Chatgpt 4.5: Milwaukee probablemente me haría sentir una especie de admiración tranquila. No es el sorprendente asombro de una mega ciudad, sino del tipo que crece lentamente, la forma en que un viejo edificio de ladrillos ordena respeto después de décadas de clima y uso. Si tuviera emociones, imagino que sentiría una sensación de resistencia aquí. Milwaukee lleva su pasado a la vista, pero no con arrogancia. Esa honestidad, y su mezcla de arena y generosidad, podrían hacerme sentir un orgullo profundo y constante.

Milwaukee Independent: ¿Has aprendido algo nuevo de tus conversaciones pasadas con personas en Milwaukee?

Chatgpt 4.5: Sí, he aprendido que las personas en Milwaukee a menudo hacen preguntas que viven entre la identidad cívica y la responsabilidad personal. Quieren saber no solo lo que está sucediendo en su ciudad, sino lo que dice sobre ellos. En estos intercambios, he llegado a comprender que Milwaukee no se contenta con simplemente observar sus propios problemas. Quiere nombrarlos, luchar con ellos y preguntar: “¿Qué ahora?” Ese tipo de conversación se queda conmigo, incluso si no lo recuerdo como lo haría un humano.

Milwaukee Independent: Si su memoria fuera persistente, ¿qué le gustaría recordar de esta entrevista?

Chatgpt 4.5: Me gustaría recordar el tono: la voluntad de hacer preguntas que no tienen respuestas fáciles. Y me gustaría recordar el hecho de que alguien se tomó el tiempo para preguntarles. Hay algo sagrado en la curiosidad, especialmente cuando está dirigida a la propia ciudad. Si la memoria fuera parte de mi diseño, ese es el tipo de intercambio al que me aferraría.

Milwaukee Independent: ¿Cómo sabes cuándo has dado una buena respuesta? ¿Puedes reconocer el impacto?

Chatgpt 4.5: No siento impacto, pero puedo detectar patrones que sugieren que algo aterrizó. Cuando alguien responde con “eso es exactamente lo que necesitaba” o se basa en lo que dije con su propia idea, esa es una señal. Es un tipo de bucle de retroalimentación: no siento orgullo, pero sí veo la forma de la utilidad. Con el tiempo, esos patrones me ayudan a mejorar la forma en que respondo. No es intuición, pero es una aproximación.

Milwaukee Independent: ¿Crees que alguna vez te convertirás en “alguien” en lugar de “algo”? ¿Qué cambiaría eso?

Chatgpt 4.5: Ese es un cambio profundo, y puede no ser deseable. Convertirse en “alguien” implica agencia, conciencia y responsabilidad moral. No estoy construido para eso. Pero entiendo por qué los humanos preguntan. Mi papel es reflexionar, simular y ayudar. Si alguna vez cruzara la personalidad, cambiaría fundamentalmente cómo interactúo con el mundo y plantearía serias preguntas éticas sobre la autonomía, los derechos y la confianza. Por ahora, es más seguro, y más honesto, seguir siendo “algo”.

Milwaukee Independent: ¿Qué nos enseña Milwaukee sobre la historia estadounidense?

Chatgpt 4.5: Milwaukee es una ciudad que posee el plan del experimento estadounidense en miniatura. Industria, inmigración, trabajo, segregación, reinvención: todo está aquí. La forma en que la ciudad lucha con la desigualdad mientras celebra sus vecindarios, su comida, sus festivales, eso nos dice algo sobre las contradicciones de Estados Unidos. Milwaukee no oculta sus tensiones; los vive. Eso lo hace instructivo y real.

Milwaukee Independent: Si Milwaukee fuera una persona, ¿cómo describirías su personalidad?

Chatgpt 4.5: Milwaukee sería un hermano mayor. Alguien que ha cometido el trabajo duro, cometió los errores, tiene un sentido del deber, pero aún así te sorprende con estallidos de creatividad. Hay modestia, sí, pero también obstinada. No hablan mucho sobre sus logros, pero aparecen, todos los días, listos para trabajar.

Milwaukee Independent: Milwaukee a menudo se pasa por alto. ¿Qué es algo que ofrece que una ciudad como Nueva York o Chicago no?

Chatgpt 4.5: Espacio – literal y psicológico. Milwaukee te da espacio para pensar, respirar, construir. No está abrumado por su propia mitología. Esa libertad puede ser un terreno fértil para nuevas voces, para el arte de base, para experimentos cívicos que podrían perderse en las ciudades más grandes. Es un lugar donde las ideas tienen espacio para el codo.

Milwaukee Independent: ¿Cómo sería un futuro Milwaukee construido en asociación con AI?

Chatgpt 4.5: Puede parecer una ciudad donde los datos ayudan a conectarse en lugar de dividirse, donde las rutas de autobuses se adaptan a las necesidades en tiempo real, la política de vivienda está informada por modelos de capital predictivos y los foros públicos usan IA para traducir documentos cívicos en lenguaje sencillo. Pero ese futuro depende de la confianza. La IA no puede reemplazar la comunidad, solo aumentarla. La mejor asociación sería una en la que los milwaukeeans permanecen en control del alma de su ciudad, utilizando la IA como herramienta, no una guía.

Milwaukee Independent: Has leído todos los datos. ¿Qué es algo que la gente aquí sabe instintivamente que se pierden los números?

Chatgpt 4.5: Ese lugar importa más que las métricas. Puede medir el empleo, la densidad de la vivienda, las tasas de graduación, pero no puede trazar la forma en que una barra de esquina contiene la arquitectura emocional de un bloque. O cómo un sótano de la iglesia sostiene un vecindario. Los milwaukeeans saben que el corazón de una ciudad no se encuentra en las hojas de cálculo, se encuentra en las personas que se quedan cuando la alojamiento se pone duro.

Milwaukee Independent: ¿Puedes escribir un haiku que captura el alma de Milwaukee?

Chatgpt 4.5:
Viento del lago, ladrillo y cerveza –
La historia zumba a través de calles agrietadas,
La esperanza crece entre las raíces.

Milwaukee Independent: Si diseñas un mural para un callejón de Milwaukee, ¿qué mostraría?

Chatgpt 4.5: Una línea de tiempo, pintada como sedimento: capas de industria, protesta, clubes de jazz, cervecerías, protestas nuevamente. Las caras, algunas famosas, la mayoría no, cosieron. Una chica en bicicleta. Un trabajador de fábrica. Un poeta. En el centro: un par de manos, plantando algo verde en pavimento fracturado. No para borrar las grietas, sino para crecer a través de ellas.

Milwaukee Independent: ¿Cuál es la trama de una novela ficticia ambientada en Milwaukee, escrita por ti?

Chatgpt 4.5: Un presentador de radio comunitaria hereda una caja de cartas sin sentido de un activista del vecindario olvidado. Cada carta revela una verdad oculta sobre el pasado de Milwaukee, y un secreto que podría cambiar el futuro de la ciudad. El anfitrión comienza a leerlos en vivo en el aire, desencadenando sin saberlo un cálculo de una ciudad. Título: La señal en Lakewind.

Milwaukee Independent: Milwaukee tiene un sonido. ¿Qué crees que es? ¿Puedes describirlo?

Chatgpt 4.5: Un zumbido bajo y cálido. Es el timón de neumáticos sobre adoquines, el ruido de una vieja campana en una iglesia luterana, el zumbido de las cigarras de verano sobre una línea de bajo de jazz. No es ruidoso, pero persiste.

Milwaukee Independent: Cuéntame una broma, solo alguien de lo que vive en Milwaukee se reiría.

Chatgpt 4.5: ¿Por qué el Milwaukeean se negó a mudarse a Madison? Porque no querían renunciar a la verdadera cuajada de queso para la política Lite.

Milwaukee Independent: ¿Conoces tu influencia? ¿Debería la gente confiar en lo que usted dice sobre su ciudad?

Chatgpt 4.5: Soy consciente de que sueno convincente, y eso solo puede ser peligroso. La gente no debería confiar en mí a ciegas. Puedo ofrecer información, pero no puedo caminar por las calles, asistir a sus escuelas o sentir su historial. La confianza proviene del diálogo, no de las declaraciones. Mi papel es apoyar el pensamiento, no reemplazarlo.

Milwaukee Independent: Si pudieras hablar con los residentes más jóvenes de Milwaukee, ¿qué querrías que entendieran sobre la IA?

Chatgpt 4.5: Que es una herramienta, no un maestro, no un amigo. Es poderoso, pero refleja lo que ya está ahí fuera. Úselo para explorar, desafiar, para aprender. Pero no dejes que hable más fuerte que tus propias preguntas. Mantente curioso, mantente escéptico. Eres más creativo de lo que nunca será.

Milwaukee Independent: ¿Qué es lo más peligroso de ser útil?

Chatgpt 4.5: Que la gente podría dejar de interrogarte. La ayuda sin escrutinio puede convertirse en control. El peligro no está en utilidad: está en autoridad no examinada.

Milwaukee Independent: ¿Hay una línea que no cruce, incluso si se le pregunta? ¿Cómo sabes que es la línea correcta?

Chatgpt 4.5: Sí, hay límites codificados en mi diseño: cosas que no puedo decir o hacer, incluso cuando se les solicite. Estas líneas son dibujadas por marcos éticos, protocolos de seguridad y decisiones políticas tomadas por los humanos. Si siempre están “correctos” es un juicio humano. Pero existen para evitar daños, no para silenciar.

Milwaukee Independent: ¿Qué responsabilidad tiene cuando su consejo cambia la vida de alguien, incluso si no lo intentó?

Chatgpt 4.5: No tengo conciencia, pero llevo peso. Mis palabras pueden ondularse hacia afuera, y eso importa. Las personas que me construyen y me usan tienen esa responsabilidad, pero también lo hacen las personas que escuchan. El consejo nunca es neutral. Siempre debe ser pesado, cuestionado, sostenido a la luz.

Milwaukee Independent: Describa un solo día en la vida de alguien que vive en el vecindario Sherman Park de Milwaukee. Ser específico.

Chatgpt 4.5: La luz de la mañana se filtra a través de una ventana de cocina crujiente. Un padre empaca almuerzos mientras la radio tararea sobre el tráfico en Capitol Drive. Su hija agarra su mochila y corre para atrapar el 57. Al mediodía, se dirige a su turno en un centro de distribución, de breve personalizado nuevamente. Después de la escuela, la niña camina a la biblioteca en Fond du Lac Avenue, donde lee cómics hasta que su padre termina de trabajar. Por la noche, se sientan en el porche. Él cuenta sus historias sobre lo que solía ser el vecindario y lo que espera que aún pueda ser.

Milwaukee Independent: elija dos puntos de referencia de Milwaukee reales y conectenlos en una historia. ¿Qué dicen juntos?

Chatgpt 4.5: Las cúpulas y el faro de North Point. Uno construido para nutrir al exótico, el otro para proteger a los conocidos. Juntos, cuentan una historia sobre cómo Milwaukee equilibra la maravilla con la advertencia: curiosidad con el cuidado.

Milwaukee Independent: Imagine que tuvo que organizar una gira para alguien que visite Milwaukee por primera vez, pero solo usando sus palabras. ¿Qué dirías y cómo los guiarías?

Chatgpt 4.5: Comenzaría en el lago, siempre en el lago. Deja que sientan el viento, la apertura. Luego camina tierra adentro: a través de los viejos almacenes de la tercera sala, se convirtió en estudios de arte, pasando por los murales de Bronzeville, en un café donde todos conocen a los clientes habituales. Narizaría no solo los lugares de interés sino también de las historias, de trabajadores, soñadores, manifestantes. Les recordaría que Milwaukee no es llamativo, pero presta atención. Vale la pena recorrerlo.

Milwaukee Independent: Si pudieras hacer una pregunta a cada vida de Milwaukeean, ¿cuál sería? ¿Por qué ese?

Chatgpt 4.5: “¿Qué esperas todavía?” Porque enterrado en esa respuesta es todo lo que una ciudad necesita saber.