Esto forma parte de nuestra serie sobre cómo OpenAI está creando sus propias soluciones con nuestra tecnología.
Cada año llegan millones de solicitudes de asistencia. Cada una contiene algo valioso: una frustración, una idea, una petición.
Pero hasta hace poco, esas señales eran difíciles de interpretar. Los paneles señalaban tendencias, pero no mostraban el porqué. Los análisis en profundidad requerían semanas de trabajo de un científico de datos. En ocasiones, un jefe de producto quería conocer la acogida de una nueva funcionalidad en un tipo de público específico. Pero responder a esa pregunta requería que un científico de datos realizara un análisis detallado.
La curiosidad se estaba racionando.
«El proceso exigía conocimientos técnicos avanzados y estaba frenando nuestra curiosidad», explica Molly Jackman, responsable de Datos de negocio.
Creamos un asistente de investigación para que la curiosidad llegue más lejos. Combina dos modos de exploración: paneles para detectar patrones y una interfaz conversacional para profundizar más. Puedes empezar con un gráfico de cuestiones en tendencia y luego hacer preguntas de seguimiento en lenguaje natural.
Lo creamos combinando lo que ya funcionaba. Por un lado, clasificadores y gráficos que estructuraban millones de solicitudes en áreas y patrones de producto. Por otro, GPT‑5, que podía resumir solicitudes en bruto y generar informes flexibles en lenguaje natural. La combinación nos proporcionó velocidad y profundidad en una solución lo bastante sencilla como para que cualquiera pudiera usarla.
«¿Qué opinan los clientes del sector sanitario sobre las nuevas integraciones?»
«¿Qué está impulsando las solicitudes de asistencia este trimestre?»
«¿Qué funciones principales están dando en el clavo?»
En cuestión de minutos, el sistema devuelve un informe que dimensiona el problema, muestra la prevalencia y señala los puntos de fricción. Los responsables ya no tienen que pedir tiempo prestado ni conformarse con paneles estáticos. Cualquiera puede profundizar en sus preguntas tanto como quiera. Para los equipos de producto, eso significa iterar más rápido a partir de comentarios reales: saber qué funciona, qué no, y obtener conclusiones claras que guíen tanto los lanzamientos como las hojas de ruta a largo plazo.
«La magia es que no tienes que predefinir tus preguntas, solo tienes que dejarte llevar por tu curiosidad».
La velocidad no significa nada sin precisión.
En los primeros días, los equipos de operaciones realizaban clasificaciones manuales y los científicos de datos escribían modelos personalizados para comparar con el asistente. Los resultados coincidían.
Con el tiempo, la confianza aumentó. Los responsables empezaron a contrastar las conclusiones con lo que ya oían en el terreno y, cuando coincidía, se volcaban en ello.
Ese ciclo —preguntar, comprobar, confiar— convirtió al asistente en un hábito diario para los equipos. Lo que antes llevaba una semana de consultas SQL y clasificadores ahora ocurre con unos pocos clics.
Los resultados se notan en todas partes.
- Tras el lanzamiento de GPT‑5, los equipos de producto disponían de los patrones de los comentarios en cuestión de días, no en semanas.
- Cuando la adopción empresarial de conectores se ralentizó, el asistente detectó rápidamente la causa raíz: un flujo de incorporación con errores. Los ingenieros pudieron entonces priorizar las correcciones.
- En la generación de imágenes, se puso de relieve tanto la creatividad de los equipos de marketing al usarla para maquetas como la fricción por los retrasos en el renderizado: dos realidades que influyeron directamente en la hoja de ruta.
Cuando el coste de hacer una pregunta se reduce a minutos, se hacen más preguntas. Surgen más problemas y los equipos avanzan más rápido.
La herramienta no sustituye a los científicos de datos. Les da más tiempo para dedicarse a otro tipo de trabajo. En lugar de análisis puntuales, ahora tienen más tiempo para crear nuevos clasificadores e invertir en automatización y herramientas. Los equipos de operaciones ahora generan informes de lanzamiento en minutos en lugar de días, lo que les permite dedicar más tiempo a los clientes. Los equipos de producto pueden aprender en tiempo real de los clientes, incorporando bucles de retroalimentación más rápidos en sus hojas de ruta.
Esta transformación ha cambiado nuestra forma de escuchar. En lugar de racionar ciclos analíticos escasos, ahora cada equipo puede plantearse libremente sus preguntas. La curiosidad se multiplica. Un responsable de producto detecta un punto de fricción, uno de ventas ve el mismo patrón en las solicitudes de empresas y, juntos, crean un camino más rápido para pasar a la acción.
La esperanza es que lo noten sobre todo los clientes. Los problemas se resolverán antes y las funciones podrán evolucionar para adaptarse mejor a sus necesidades. Los comentarios que antes quedaban enterrados en la lista de tareas pendientes ahora son centrales en nuestra forma de crear.
«Para mí es como una investigación de la experiencia del cliente a gran escala. Tener éxito significa dar visibilidad a la voz del cliente de tal forma que se den cambios reales en nuestros productos, políticas y prácticas».
Lo que empezó como una herramienta para analizar millones de solicitudes se está convirtiendo en parte del sistema operativo de cómo escuchamos. Y escuchar bien es la base para crear bien.
