El mensaje de OpenAI es simple: trata a ChatGPT como a un colaborador
OpenAI está dando más énfasis a la personalización como una forma práctica de obtener resultados más relevantes de ChatGPT. En una nueva guía de Academy, la empresa dice que el sistema funciona mejor cuando los usuarios lo tratan menos como una caja de búsqueda y más como un colaborador, y le proporcionan contexto estable sobre el rol, el tono preferido, el formato de salida y las necesidades recurrentes.
La guía se centra en dos herramientas de personalización ya existentes: las instrucciones personalizadas y la memoria. Juntas, representan la respuesta actual de OpenAI a una queja común sobre los asistentes de IA de propósito general: pueden ser útiles en una sola conversación, pero inconsistentes en trabajos repetidos a menos que los usuarios vuelvan a expresar sus preferencias una y otra vez.
Las instrucciones personalizadas establecen el estilo de trabajo predeterminado
OpenAI describe las instrucciones personalizadas como el lugar donde los usuarios definen qué debe saber ChatGPT sobre ellos y cómo debe responder en conversaciones nuevas. Los ejemplos que ofrece son deliberadamente prácticos más que técnicos. Los usuarios pueden especificar su rol y responsabilidades, pedir un tono conciso o formal, solicitar formatos de salida concretos como viñetas o borradores listos para copiar, o añadir límites de proceso, como pedir preguntas aclaratorias cuando los requisitos no estén claros.
El enfoque de la empresa es importante. Recomienda usar las instrucciones personalizadas para preferencias estables, es decir, el tipo de contexto que no cambia de una conversación a la siguiente. Eso puede incluir profesión, función dentro del equipo, estilo de escritura o estructura predeterminada. La idea es sacar el trabajo recurrente de configuración de los prompts individuales y llevarlo a un perfil permanente.
Para los usuarios, eso reduce la repetición. Para OpenAI, también es una forma de hacer que ChatGPT se sienta menos genérico y más confiable sin necesidad de un modelo personalizado especializado para cada caso de uso.
La memoria es la capa de más largo plazo
La memoria cumple un papel diferente. OpenAI dice que ayuda a ChatGPT a recordar detalles que los usuarios eligen compartir para que las respuestas futuras puedan ser más ajustadas sin necesidad de una nueva explicación cada vez. La empresa afirma que la memoria puede almacenar información solicitada explícitamente por el usuario y, si está activada, usar el contexto de conversaciones recientes para responder de forma más útil con el tiempo.
La guía también enfatiza el control del usuario. Las personas pueden preguntar qué recuerda el sistema, decirle que recuerde un detalle o indicarle que olvide un elemento específico. OpenAI presenta la memoria como más útil para contexto recurrente, como el rol, los proyectos habituales y las preferencias, no para información puntual que no importará más adelante.
ESA distinción es central en el diseño del producto. La memoria se presenta menos como vigilancia pasiva de conversaciones anteriores y más como una capa gestionada de continuidad que los usuarios pueden inspeccionar y editar. Si los usuarios confían plenamente en ella de esa manera es otra cuestión, pero ese es claramente el modelo operativo previsto.
La personalización como estrategia de producto
La publicación de Academy no es un gran lanzamiento de modelo, pero sí señala dónde ve OpenAI que se está acumulando valor práctico. La empresa está animando a los usuarios a mejorar los resultados construyendo contexto persistente alrededor del asistente, en lugar de depender solo de prompts cada vez mejores dentro de chats aislados.
Esto importa porque desplaza parte de la experiencia del usuario del rendimiento en una sola consulta hacia la utilidad a lo largo del tiempo. Un chatbot que recuerda preferencias de formato, entiende el rol de un usuario y se adapta a flujos de trabajo recurrentes puede volverse significativamente más eficiente incluso si el modelo subyacente sigue siendo el mismo.
La guía también vincula la personalización con la reutilización estructurada. Señala que los usuarios que identifiquen tareas repetidas pueden beneficiarse de skills, que OpenAI describe como flujos de trabajo reutilizables para mantener la coherencia del proceso y del formato. Eso sitúa las instrucciones personalizadas, la memoria y los skills en un espectro: primero definir el estilo predeterminado, luego conservar contexto recurrente útil y, después, formalizar tareas repetidas.
Por qué esto importa ahora
A medida que los asistentes de IA maduran, la diferenciación depende cada vez más de si pueden encajar en el trabajo continuo en lugar de limitarse a responder preguntas puntuales. La personalización forma parte de ese cambio. Ayuda a pasar el producto de una interfaz genérica a algo más parecido a un compañero de equipo configurable.
La propia redacción de OpenAI hace explícita esa ambición. La empresa dice que ChatGPT se vuelve más útil y coherente a medida que los usuarios aportan más contexto y dirección. Eso sugiere que la próxima etapa de la adopción generalizada de la IA puede depender menos de convencer a la gente de probar un chatbot una vez y más de enseñarles a convertirlo en una herramienta de trabajo duradera.
El atractivo práctico es obvio. Un gestor financiero, un profesor, un líder de software o un responsable de marketing no quiere repetir tono, estructura y prioridades recurrentes en cada sesión. Si las instrucciones personalizadas y la memoria funcionan como prometen, reducen esa fricción y hacen que el sistema sea más coherente con el tiempo.
Una pequeña lección de producto con implicaciones mayores
La conclusión más amplia es que la personalización ya no es una función secundaria. OpenAI la está presentando como un hábito central para obtener mejores resultados. Eso es una señal importante para el mercado de IA porque enmarca el valor no solo en términos de inteligencia del modelo, sino también de continuidad, retención de preferencias y adaptación al flujo de trabajo.
En resumen, OpenAI les está diciendo a los usuarios que los mejores resultados de IA no vienen solo de hacer mejores preguntas, sino de darle al asistente un contexto estable en el que trabajar. Cuanto más se mantenga ese patrón, más se juzgarán los productos de IA no solo por lo que pueden generar bajo demanda, sino por lo bien que aprenden a comportarse como colaboradores consistentes.
Este artículo se basa en un reporte de OpenAI. Leer el artículo original.
Originally published on openai.com