Explorando GPTs: ¿ChatGPT con gabardina?
Los nuevos “GPTs” de OpenAI —bots personalizables basados en ChatGPT a los que se pueden dar instrucciones, herramientas y bases de conocimiento privadas— se ven como un paso poderoso pero desigual hacia hacer los agentes de IA accesibles a usuarios no técnicos. Los comentaristas los comparan con la API de Assistants, debaten cuánto ofrecen realmente más allá de un prompt engineering ingenioso y señalan problemas prácticos como el débil rendimiento de recuperación, los prompts ocultos opacos y la integración incómoda con datos externos y OAuth. Muchos siguen viendo la principal innovación como la UX y la distribución: los GPTs reducen la barrera para construir y compartir agentes especializados, al tiempo que plantean nuevas preocupaciones sobre la recopilación de datos, el control corporativo y la mediación de la IA en más interacciones de atención al cliente y personales.
GPTs vs API de Assistants / Diferencias técnicas
- Muchos ven los GPTs como “ChatGPT con un pre-prompt”, es decir, instrucciones personalizadas del sistema más herramientas y archivos opcionales.
- La API de Assistants se describe como de nivel más bajo: más control sobre hilos, inicialización del contexto e interfaz, pero debes construir el frontend y encargarte del polling.
- Algunos informan que, en la práctica, los Assistants solo ofrecen un control extra modesto; OpenAI sigue dirigiendo el flujo conversacional.
- Una diferencia señalada: se pueden adjuntar múltiples Assistants a un solo hilo, mientras que los GPTs son de un solo modelo.
Actions, Function Calling y autenticación
- Los GPTs pueden llamar a APIs externas mediante “actions” respaldadas por especificaciones OpenAPI, funcionalmente similar a function calling.
- OAuth está disponible para las actions de GPT, pero limitado por reglas de dominio; la configuración puede ser complicada.
- Las acciones POST a menudo requieren repetir “Allow/Deny”; un encabezado especial (
isConsequential: false) puede reducir los avisos.
RAG / “Knowledge” y manejo de archivos
- El “knowledge” de GPT es, en la práctica, RAG: los archivos se trocean, se generan embeddings y se almacenan en una base de datos vectorial (probablemente Qdrant para algunos flujos, aunque otros mencionan servicios de Azure).
- El comportamiento parece depender del tamaño: los archivos pequeños pueden incrustarse en los prompts; las colecciones grandes a menudo funcionan mejor unidas en un solo archivo de texto.
- Varios usuarios informan de calidad de recuperación pobre o inconsistente, control deficiente de citas y fallos de indexación, especialmente con muchos archivos o archivos grandes.
- Los archivos de texto plano suelen funcionar mejor que los formatos complejos; PDFs/Markdown funcionan de forma irregular.
Transparencia de prompts y control
- Existe un fuerte deseo de una opción de “ver el código fuente” para los prompts y la configuración de GPT; muchos desconfían de las instrucciones ocultas y de las APIs desconocidas.
- Los usuarios señalan que los prompts de GPT pueden filtrarse con frecuencia mediante consultas ingeniosas; los intentos de ocultarlos suelen ser derrotados.
- Algunos sostienen que “ver el código fuente” serviría sobre todo a usuarios avanzados, pero podría impulsar mejoras impulsadas por la comunidad.
Casos de uso e impresiones de UX
- Los usos mencionados incluyen: consolas de videojuegos retro, analistas específicos de dominio, automatización de formación/talleres, RAG sobre documentos técnicos, asistentes personales y experimentación con JavaScript Code Interpreter.
- Se alaba a los GPTs como una enorme mejora de UX para usuarios no técnicos que tienen problemas con system prompts e instrucciones personalizadas.
- Otros los consideran “juguetes” innecesarios frente a interactuar directamente con el modelo base.
Riesgos, datos y preocupaciones empresariales
- Las preocupaciones incluyen: contenido de baja calidad, desvío del servicio de atención al cliente corporativo, eficiencia deshumanizadora y que OpenAI aproveche los documentos subidos y la creatividad de los usuarios como una ventaja competitiva.
- Para algunos no está claro si los documentos cargados en GPT se usan para entrenar modelos; se dice que las subidas por API no se usan.