Durante tres años hemos vivido tranquilos. Si alguien preguntaba qué inteligencia artificial “ganaba”, la respuesta salía casi automática: gana ChatGPT. Fin de la discusión. El resto eran alternativas “interesantes”, pero secundarias.Y llega noviembre de 2025, OpenAI lanza GPT-5.1, Anthropic mueve ficha con Claude Sonnet 4.5, y seis días después Google responde con Gemini 3. Tres movimientos gordos en cuestión de semanas. En ese momento, al leer los análisis de los grandes medios y consultoras, tuve la sensación de que algo había cambiado: no sólo estábamos ante modelos más potentes sino que estábamos asistiendo al final de una época. La era del modelo único ganador se ha terminado. Y esto tiene consecuencias para la estrategia de tecnología y personas de cualquier empresa, especialmente si tu casa digital se llama Google y tu día a día pasa por Gmail, Docs y compañía.

Primero fue el enamoramiento colectivo con ChatGPT. Directivos, responsables de marketing, equipos de operaciones: todos probaban el modelo y se quedaban con la misma idea en la cabeza: Esto escribe mejor que yo, en muchas organizaciones se decidió, explícitamente o no, que la IA es ChatGPT y que todo lo demás serían matices. Después llegaron las comparativas, los benchmarks, los “battle tests”. Bard, Gemini 1, Gemini 1.5, Claude, Perplexity… Pero la conclusión seguía siendo similar: ChatGPT como estándar de experiencia, el resto en modo persecución. Era cómodo pensar así: reducir la complejidad a un nombre propio nos daba una falsa sensación de control.

Gemini 3 rompe exactamente eso. El análisis que ha acompañado su lanzamiento nos dice que ya no se trata de quién tiene la mejor IA, sino de quién es mejor en cada área concreta. No es una liga con un único campeón, es más parecido a un equipo donde cada jugador destaca en una posición distinta. La ventaja sigue siendo de ChatGPT, pero en razonamiento complejo, matemático, científico y estratégico, la conversación se ha desplazado hacia Gemini 3, en cambio para búsqueda con bibliografía y contexto actualizado, Perplexity se ha consolidado como lla mejor IA, por contra, en trabajo con código, Claude ha ganado el respeto muy serio entre desarrolladores. Y en medio de todo esto, las consultoras estratégicas repiten (repetimos) la misma idea: el futuro no va de un modelo omnipotente, va de arquitecturas multimodelo bien orquestadas.

Imagina un comité de dirección cualquier martes por la mañana. La compañía lleva diez años trabajando con Gmail, Calendar y Google Drive. El CIO está cansado de escuchar la misma frase: Si queremos aprovechar la IA de verdad, tendremos que irnos a Microsoft, ¿no? Hasta hace muy poco, la respuesta honesta era incómoda: si lo que queríais era explotar al máximo ChatGPT integrado en vuestro día a día, efectivamente el camino más directo pasaba por el mundo Microsoft. Pero ahora OpenAI, y por tanto, ChatGPT se ha emancipado de Microsoft, y además ya no es el ganador único de la carrera de la inteligencia artificial.

Lo que trae Google no es solo un modelo que puntúa muy bien en pruebas de razonamiento. Trae algo más importante: la posibilidad real de que una empresa “Google-first” -las que viven en Gmail, Docs, Sheets, Meet, Chrome- pueda desplegar una IA de primer nivel sin levantar todo su stack, sin reeducar a toda la organización y sin forzar migraciones traumáticas. De repente, tu bandeja de entrada ya no es solo un cementerio de correos no leídos; es un espacio donde un agente puede priorizar lo importante, resumir conversaciones largas y preparar el contexto de las reuniones. Tus documentos no son archivos sueltos en carpetas, son materiales vivos que se reescriben, se estructuran y se adaptan a objetivos concretos con ayuda de la IA. Tu calendario no es una colección de cuadraditos de colores, es un sistema que puede reorganizarse para maximizar foco y reducir ruido.

¿Es perfecto? En absoluto. Los mismos medios que celebran las capacidades de Gemini 3 documentan sus errores, sus momentos de confusión y sus comportamientos extraños. Pero el salto cualitativo está ahí. Para muchas empresas con Google como columna vertebral, este es el primer “gran sí” a la pregunta de si pueden jugar en la primera división de la IA sin renunciar a su stack.

Mientras Google acelera, OpenAI y Microsoft redibujan su relación

Lo que durante tiempo se percibía como una especie de matrimonio casi indisoluble se está transformando en algo más maduro: Microsoft sigue siendo socio clave, pero OpenAI recupera grados de libertad para trabajar con otros proveedores, cerrar acuerdos paralelos y operar con menos dependencia. No es una ruptura, es una emancipación calculada.

La lectura estratégica para cualquier empresa es sencilla y, a la vez, incómoda: si incluso los gigantes sienten la necesidad de salir del modelo de proveedor único, ¿por qué una empresa mediana debería atarse de pies y manos a un solo actor? No tiene sentido decir “soy empresa de Microsoft” o “soy empresa de Google” como si estuviéramos hablando de un club de fútbol. La pregunta ya no es de fidelidad, es de arquitectura.

Y aquí es donde encaja la idea que más repiten los análisis serios en 2025: la estrategia ganadora no consiste en elegir un modelo, sino en aprender a orquestar varios modelos según la tarea. ChatGPT para lo que es texto, narrativa, argumentación. Gemini para razonamiento complejo, escenarios, matemáticas, ciencia, análisis profundo de restricciones. Perplexity cuando lo crítico es encontrar, contrastar y citar fuentes. Claude cuando trabajas sobre grandes bases de código y necesitas orden y contexto.

Lo interesante es que esto ya no es una teoría bonita. Los estudios que se están publicando comparan implementaciones “de modelo único” frente a estratégias multimodelo y encuentran diferencias significativas en retorno de la inversión. Las organizaciones que dejan de buscar un ganador absoluto y se organizan por “ganadores por área” están capturando más valor, más rápido.

Todo esto no va solo de tecnología sino de personas

Basta mirar lo que ocurre dentro de las propias consultoras estratégicas, esas que llenan presentaciones hablando de la nueva era de la IA que ha comprimido los plazos y disparado nuestras expectativas. Donde antes se daban tres días para un análisis, ahora se espera un entregable “para mañana por la mañana”, porque “total, ya tenéis IA”.

Ese mismo patrón se repite en empresas de todos los sectores. La IA no viene sola; viene acompañada de una presión silenciosa: producir más, más rápido, con menos margen para pensar. En muchos sitios, se está usando la inteligencia artificial para exprimir más a las personas, no para liberar su capacidad creativa.

Por eso creo que la conversación importante ya no es “qué modelo usamos”, sino “qué tipo de trabajo queremos diseñar con estos modelos”. Menos cursos de “prompt engineering” y más conversaciones serias sobre procesos, criterios y límites. Menos deslumbrarnos con demos espectaculares y más acordar qué tareas no vamos a delegar nunca por completo en un sistema estadístico, por muy brillante que sea.

Las empresas que van a salir reforzadas no serán las que tengan “más IA”, sino las que logren algo mucho más difícil: construir un sistema en el que personas y modelos colaboren de forma inteligente, sostenible y clara. Donde los equipos sepan cuándo pedirle a ChatGPT que les escriba un primer borrador, cuándo preguntarle a Gemini por un análisis de escenarios, cuándo recurrir a Perplexity para encontrar la fuente original de un dato y cuándo decir simplemente: “esto lo decidimos nosotros”.

La oportunidad es evidente: por fin puedes imaginar un despliegue potente de IA sin tener que renunciar a tu stack natural. Sin cambiar de correo, sin migrar todos los documentos a otra nube, sin introducir otra plataforma más en la vida ya saturada de tu gente. Si haces las cosas mínimamente bien, Gemini 3 te permite empezar por donde de verdad duele: bandeja de entrada, documentación, reuniones, agenda.

La llamada de atención es menos cómoda: ya no vale el argumento de “todavía es pronto” o “ya veremos cuando esto madure”. El ritmo de lanzamientos, la velocidad a la que se acortan las distancias entre modelos y la forma en que los gigantes están reorganizando sus alianzas indican que esta partida se está jugando ahora, no dentro de cinco años.

Eso no significa que haya que lanzarse a lo loco a “poner IA en todo”. Significa algo más sereno y más exigente: hay que sentarse a decidir qué partes de tu negocio dependen sobre todo de buen texto, cuáles dependen de razonamiento profundo, cuáles necesitan investigación rápida con fuentes, cuáles viven del código, y dibujar, con calma, qué modelo encaja mejor en cada área. Hay que aceptar que tendrás varios proveedores, varias interfaces y varios aprendizajes en paralelo. Y hay que dotar a tu gente de tiempo y de permiso para aprender, experimentar y equivocarse sin miedo.

Cuando miro todo lo que ha pasado en estas últimas semanas, me quedo con una idea sencilla que intento repetir a los clientes de Proportione: la pregunta ya no es “qué IA gana”, porque esa competición ya no existe. La pregunta es otra, mucho más interesante: cómo vas a organizar tú tu propia liga interna de inteligencias artificiales y de personas. Gemini 3 no viene a destronar a ChatGPT, igual que ChatGPT no puede ya aspirar a ser “el único”. Lo que hace Gemini es consolidar un mapa nuevo en el que distintos modelos brillan en distintas cosas. Y en ese mapa, la verdadera ventaja competitiva no está en el modelo que eliges, sino en el sistema que diseñas para que todos jueguen a tu favor.

En la evaluación de sistemas conversacionales de IA, o chatbots como ChatGPT, Gemini y Copilot, se deben analizar una serie de parámetros para compararlos y ver cuál es mejor. No obstante, es muy difícil de decir, ya que cada uno puede ser mejor para una tarea específica, y no hay un claro ganador. De hecho, puede que para algunas tareas sea mejor una IA que no está entre estas tres… Dicho esto, vamos a ver punto a punto estos parámetros para nuestra comparativa:

Precisión o exactitud (Accuracy)

Mide cuánto las respuestas son correctas o adecuadas según lo que el usuario haya introducido en el prompt o mediante voz, si es que acepta:

• ChatGPT: bastante bueno para propósito general, pero se le señalan “alucinaciones” (“hallucinations”) o respuestas incorrectas en ciertas áreas técnicas.
• Gemini: Google promociona su integración con búsqueda en vivo y mejores fundamentos, lo que favorece su precisión en cuanto a contenido más actual. No obstante, esto no quiere decir que no cometa errores.
• Copilot: buen desempeño en tareas concretas (productividad/código) dentro del ecosistema Microsoft, pero puede estar menos optimizado para dominio general que ChatGPT.

Cobertura o alcance (Coverage)

En este punto se mide cuántas tareas o temas puede manejar la IA:

• ChatGPT: puede ser bueno en muchos campos como los resúmenes de textos, redacción, conversación, programación, resolver problemas, etc.
• Gemini: quizá menos optimizada para todas las tareas aún, ya que para algunas cosas, quizás destacan más sus competidores.
• Copilot: más centrada en productividad, código, Microsoft 365; menor cobertura fuera de su nicho empresarial.

Coherencia y consistencia

En este caso se trata de la capacidad de mantener un discurso lógico y estable en conversaciones con los humanos:

• ChatGPT: muy buena en mantener contexto de conversación, aunque en sesiones muy largas puede mostrar desviaciones.
• Gemini: buena, pero puede cometer errores cuando se alarga la interacción.
• Copilot: en contextos para los que está optimizado es bastante bueno, para otros temas quizás también puede cometer errores o no mantener coherencia.

Fluidez lingüística

Naturalidad del lenguaje, gramática, estilo, fluidez de sus respuestas. Se mide para ver si puede asemejarse lo máximo posible a un humano:

• ChatGPT: excelente, produce respuestas que parecen humanas, aunque también puede ser repetitivo en algunos casos.
• Gemini: muy buena, aunque algunos usuarios se quejan de ser demasiado formal o estructurado.
• Copilot: buena,  dentro de su ámbito.