ChatGPT cumple 3 años: ¿quién gana y quién pierde con la IA?

Tres años tras ChatGPT, la IA pisa suelo firme: uso masivo, reglas europeas y récord en chips, con riesgos y oportunidades medibles y pulso.

La fotografía, con cifras y calendario en la mano, inclina la balanza: la inteligencia artificial generativa ha dejado de ser una promesa y se comporta como infraestructura. Tres años después del estreno público de ChatGPT —30 de noviembre de 2022—, el servicio opera a escala de plataforma con centenares de millones de usuarios semanales, contratos empresariales, despliegues en administraciones y un marco regulatorio europeo ya en vigor. Hay espuma, claro, en proyectos que no pasan de la demo o en valoraciones desbocadas; pero el cuerpo del fenómeno es tangible: uso masivo, ingresos récord en la cadena de hardware, y obligaciones legales que ordenan el terreno de juego.

El retrato se concreta en varios ejes. ChatGPT y sus competidores integran hoy texto, imagen y voz con latencias de segundos. La UE activó el AI Act en 2024 y va aplicando sus fases: para los modelos de propósito general, desde agosto de 2025 rigen deberes de documentación y resúmenes de datos de entrenamiento, y en 2026 entran exigencias de etiquetado de contenido sintético. En el lado económico, la fiebre del cómputo impulsa los resultados de los fabricantes: Nvidia reportó en noviembre 57.000 millones de dólares de ingresos trimestrales, de los que 51.200 millones proceden de centros de datos. Si buscamos señales de burbuja, aparecen en segmentos concretos; si miramos a sistemas en producción, contratos y normativa, la aguja marca consolidación.

Tres años de un experimento a infraestructura

El 30 de noviembre de 2022 se abrió al público una “vista previa” de ChatGPT. Lo que parecía un ensayo se convirtió en hábito. A lo largo de 2023 y 2024 llegaron GPT-4 y, en mayo de 2024, GPT-4o, el salto multimodal con voz e imagen nativas. En septiembre de 2024, OpenAI presentó o1, la primera familia de modelos orientada explícitamente al razonamiento: dedicar más tiempo a pensar antes de responder, con mejores resultados en problemas encadenados de ciencia, matemáticas y programación. La hoja de ruta de 2025 ha sido menos vistosa en nombres y más práctica en producto: contextos enormes, salidas estructuradas y herramientas que permiten encadenar pasos (los llamados agentes).

La adopción acompaña. El propio fabricante habla de unos 700 millones de usuarios activos a la semana este año, con picos diarios de tráfico que convierten a ChatGPT en un servicio de utilidad para escritura, búsqueda aumentada, resúmenes, subtitulado o traducción. La cifra no camina sola: hay licencias empresariales que crecen, integraciones en suites de productividad y, cada vez más, despliegues con datos internos y control de formato para que la salida alimente procesos sin intervención humana. La dinámica, dicho sin grandilocuencias, es la de una capa estándar de interacción con la información.

Qué ha cambiado de verdad en el producto

La diferencia respecto a 2022 no está sólo en el brillo de la demo, sino en la fricción que ha desaparecido. La voz pasó de experimento a función estable; las ventanas de contexto permiten trabajar con expedientes completos, vídeos o presentaciones; la salida estructurada (JSON) reduce errores al integrar con software; y los flujos de razonamiento minimizan respuestas improvisadas en tareas largas. Eso ha disparado usos muy concretos: redacción con fuentes citadas, análisis de reuniones con transcripción automática, apoyo a programadores para pruebas y documentación, y una analítica aumentada que por fin pone lenguaje natural encima de los datos de negocio. No todo es perfecto —hay alucinaciones y valles de calidad—, pero el salto es nítido.

La economía detrás de la IA generativa

El combustible de esta ola es el cómputo acelerado. La consecuencia se ve en las cuentas: Nvidia marcó en el último trimestre cifras históricas, con 51.200 millones en centros de datos gracias a la demanda de entrenar e inferir modelos grandes y medianos. AMD y las integradoras de servidores registran carteras de pedidos inéditas, mientras proveedores como Dell elevan su guía anual por el tirón de servidores para IA. No hablamos de promesas a cinco años; hablamos de pedidos firmados y redes logísticas tensionadas.

El coste, sin embargo, no desaparece por arte de magia. Mantener estos sistemas exige potencia eléctrica, refrigeración, fibra y terreno. Los reguladores y la industria energética lo dan por hecho: entre 2024 y 2030 el consumo eléctrico de los centros de datos se duplicará a escala global, con la IA como motor principal. La implicación práctica ya se nota: cupos de uso, desbordes puntuales, latencias cuando la demanda supera la oferta y, en empresas, el descubrimiento de que la factura ya no está en el “token” sino en gobernanza de datos, observabilidad y seguridad. Allí se decide la viabilidad de un caso de uso.

Costes, cómputo y eficiencia: la “letra pequeña” que manda

La industria ha iniciado una carrera doble: más aceleradores y más eficiencia por operación. Plataformas como Blackwell o las mejoras de inferencia en GPUs y TPUs empujan el rendimiento por vatio, mientras las técnicas de compresión, cacheado de respuestas, retrieval y ajuste fino contienen la factura. A nivel de producto, la expansión de modelos medianos —más baratos, con buen rendimiento en dominios acotados— permite cubrir tareas que no requieren un modelo gigante. Es una de las claves menos glamourosas del 2025 real: nadie quiere pagar trenes de carga para llevar una maleta.

Reglas y calendario que ya condicionan al mercado

La Ley de Inteligencia Artificial de la UE está en vigor desde agosto de 2024 y trae un esquema por riesgos. Lo esencial, en pocas líneas y con fechas:

Los sistemas de riesgo inaceptable están prohibidos (por ejemplo, el social scoring generalizado o la manipulación subliminal dirigida a colectivos vulnerables). Los de alto riesgo —educación, empleo, finanzas, infraestructuras críticas, justicia— deben superar evaluaciones y supervisión con trazabilidad de datos y explicaciones. Para los modelos de propósito general (GPAI), desde agosto de 2025 rigen obligaciones de transparencia: documentación técnica y un resumen público del contenido usado para entrenar; en agosto de 2026 entra el etiquetado de contenido generado o manipulado (profundizado con un código de prácticas para marcado y detección). La Comisión ha creado una AI Office y los países designan autoridades nacionales.

España venía con los deberes avanzados. La AEPD abrió actuaciones de investigación a OpenAI en abril de 2023 y desde entonces participa en el “task force” europeo sobre chatbots. El Gobierno aprobó en 2024 una Estrategia de IA con 1.500 millones para 2024–2025, que incluye infraestructura pública y el refuerzo de la futura autoridad supervisora. En 2025, arrancó un proyecto para integrar oficinas de atención ciudadana con una plataforma de IA entrenada específicamente para servicios públicos, de uso interno y con registro de decisiones. La regulación ya no es un futurible: está marcando la pauta de cómo se contratan, despliegan y auditan estos sistemas.

Lenguas cooficiales, medios y sector público: los movimientos españoles

Hay decisiones con nombre y apellidos. Gobierno de España y Gobierno Vasco firmaron esta semana un convenio de 10,5 millones hasta 2028 para dotar al euskera de recursos de IA: corpus, traductores, asistentes y reconocimiento de voz; el plan se integra en Euskorpus y coordina con iniciativas estatales para modelos que representen mejor las lenguas cooficiales. En medios, RTVE aprobó en 2024 una norma interna para el uso responsable y auditable de la IA, con reglas de transparencia y control editorial. Con estos mimbres, España se mueve a la vez en dos planos: protege derechos y empuja despliegues con criterios públicos.

Dónde hay espuma y dónde hay tracción

Conviene separar el ruido del negocio. Hay espuma donde se financian clónicos sin foso tecnológico, donde se vende “AGI en seis meses” sin proceso ni métricas, o donde una demo preciosa esconde una dependencia prohibitiva de cómputo para algo que no genera retorno. Hay tracción —medible— donde la IA quita fricción documental y repetitiva: redacción y edición, atención al cliente, ventas, soporte técnico, analítica aumentada, localización y subtitulado, automatización de backoffice, pruebas de software y migraciones tecnológicas.

España ofrece casos útiles. BBVA amplió en mayo a 11.000 licencias de ChatGPT Enterprise tras un año de pruebas con 3.300, y su presidente, Carlos Torres Vila, aseguró esta semana que el 67% de la plantilla ya usa IA con miles de flujos internos en marcha. No es aislado: grandes empresas de telecomunicaciones y retail han abierto plataformas internas para que equipos no técnicos monten asistentes con datos propios y salida controlada. En pymes, la foto es más irregular, pero la productividad que otorgan asistentes de escritura, resumen y gestión de correo se ha normalizado.

Qué funciona, qué no y por qué

Funciona lo que encaja en procesos claros y usa datos propios: guiones de atención con verificación, informes que combinan datos internos con búsqueda, motores de consulta en lenguaje natural sobre repositorios documentales, o asistentes de ventas que redactan propuestas con plantillas corporativas y tarifas al día. Pincha lo que depende de improvisación o carece de gobierno de datos. El eslabón débil sigue siendo la fiabilidad: sin contexto y límites, incluso los modelos más recientes pueden inventar. Por eso maduran prácticas como el RAG (recuperación aumentada de información), las salidas estructuradas y los flujos de validación con reglas y umbrales de confianza.

Competidores y carrera tecnológica en 2025

La foto ya no es un monocultivo. Google ha evolucionado Gemini con contextos amplios y versiones “flash” para tareas ligeras; Anthropic ha empujado su familia Claude con lanzamientos de Sonnet 3.5 en 2024 y mejoras posteriores orientadas a razonamiento y automatización; Microsoft consolidó Copilot en Windows, Edge y 365, y lo liga a la etiqueta Copilot+ PC en hardware. En paralelo, florece un ecosistema de modelos abiertos que, pese a obligaciones de transparencia, gozan de ciertas exenciones en la ley europea si no alcanzan la categoría de riesgo sistémico. Para el usuario final, la consecuencia es positiva: más competencia, mejores precios por operación y un “menú” de modelos para cada tarea.

En este tablero compiten prestaciones muy concretas —latencia, coste, memoria efectiva, herramientas, seguridad— más que eslóganes. La novedad de 2025 es la normalización del agente: asistentes que no se quedan en la respuesta, sino que planifican y ejecutan pasos, con logs auditables. Se parece menos a un chatbot y más a un ayudante digital conectado a calendario, email, CRM o gestor documental. Y se parece, también, a un terreno donde la regulación y la responsabilidad pesan tanto como los benchmarks.

Pendientes y riesgos reales

El primer pendiente es la calidad. Reducir alucinaciones no depende de un milagro, sino de tres hábitos: verificación, contexto y límites. Verificación: obligar al modelo a citar y enlazar sus fuentes en tareas sensibles. Contexto: proporcionar documentación y datos pertinentes, no pedir respuestas en vacío. Límites: marcar cuándo no debe responder y escalar a un humano. 2025 ha traído avances (razonamiento más profundo, detección de baja confianza, salidas estructuradas), pero la supervisión humana sigue siendo obligatoria en dominios críticos.

El segundo es energía y agua. Las proyecciones internacionales coinciden: la demanda eléctrica de los centros de datos más que se duplicará hacia 2030, con la IA como principal impulsor; en 2026 podríamos superar la barrera de 1.000 TWh anuales. Europa ya advierte de tensiones locales de red y de la necesidad de ubicar centros de datos donde la refrigeración sea sostenible y el mix eléctrico más limpio. Esta realidad se traducirá, sí, en costes y en decisiones urbanísticas. A cambio, la propia IA está ayudando a optimizar redes, prever demanda y ajustar la integración de renovables. Menos glamour, más ingeniería.

El tercero es la concentración. Fabricantes de chips, nubes y proveedores de modelos operan con barreras de entrada altas y efectos de red. La ley europea intenta abrir la caja con obligaciones de transparencia y derechos de autor en el entrenamiento, a la vez que empuja estándares de marcado (C2PA) y códigos de práctica para detectar y etiquetar contenido sintético. No sustituye la competencia, pero sube el listón de rendición de cuentas.

Qué cambia para empresas y administraciones en los próximos 12–24 meses

Habrá más papeleo, sí, pero también menos incertidumbre legal. Las organizaciones que desarrollen o integren IA deben preparar registros de datos, pruebas y versiones, evaluar riesgos y documentar decisiones. Los modelos de propósito general deberán publicar resúmenes de datos de entrenamiento con detalle suficiente para que titulares de derechos ejerzan sus reclamaciones. Y el etiquetado de contenido generado o manipulado será obligatorio en 2026. Quien llegue a tiempo tendrá ventaja: procesos más auditables, menos sorpresas regulatorias y relaciones más claras con proveedores.

Balance con pies en el suelo

La discusión “burbuja o revolución” pierde filo cuando se miran usos reales, contratos y fechas. Tres años bastan para desmontar la idea de moda pasajera. La IA generativa se ha incrustado en tareas que ocurren todos los días y a todas horas: escribir, buscar, resumir, clasificar, traducir, apoyar decisiones. El mercado del cómputo responde con inversión histórica; la política pública ya ha desembocado en textos y sanciones; y el tejido productivo —de bancos a medios, de administración a pymes— empieza a separar lo que suma de lo que distrae.

Queda trabajo. La eficiencia energética condicionará el ritmo; la fiabilidad exigirá método; la competencia seguirá tensando precios y prestaciones; y la formación marcará la diferencia entre capturar productividad o quedarse mirando. Aun así, el mapa español ofrece señales claras: casos de uso medibles en grandes empresas, normas internas en medios, proyectos públicos para mejorar la atención y apuestas por las lenguas que integran diversidad en la era de los modelos. Si había que elegir etiqueta, hoy gana revolución —no de una noche—, con zonas de burbuja que se irán desinflando al toque del coste y la auditoría.

Lo importante es que, a 30 de noviembre de 2025, ya no estamos en el mundo de 2022. La conversación entre humanos y máquinas forma parte del cauce normal de trabajo y consumo. La industria ha tomado la forma de infraestructura. Y el debate útil ya no es si esto va a quedarse, sino cómo se despliega con datos propios, controles claros y energía suficiente para sostenerlo sin hipotecar el resto. Tres años han alcanzado para demostrarlo.