Lo que el artículo de Las Últimas Noticias no te dice sobre elegir tu IA
¿Deberías usar 7 IAs diferentes para 7 tareas? La evidencia dice otra cosa. Análisis de por qué la maestría supera a la variedad.
Hace unos días salió en Las Últimas Noticias un artículo titulado “Conozca los atributos y fortalezas de cada uno de los asistentes de IA que usted usa en su celular”.
El mensaje implícito: deberías usar diferentes IAs para diferentes tareas. Perplexity para verificar, Grok para tendencias, DeepSeek para matemáticas, ChatGPT para razonamiento, Gemini para resumir.
Tengo tres problemas con este enfoque.
Problema 1: El costo oculto de cambiar entre herramientas
El artículo asume que cambiar de IA es gratis. No lo es.
Investigación de Carnegie Mellon muestra que toma 23 minutos recuperar el foco después de cada interrupción. Para tareas complejas como debugging, ese tiempo sube a 45 minutos.
Un estudio global encontró que 69% de trabajadores pierden hasta 1 hora diaria cambiando entre aplicaciones y dispositivos. Eso son 32 días de trabajo perdidos al año por persona.
El desarrollador promedio cambia entre 9-12 herramientas diarias. Cada cambio cuesta 3-5 minutos de foco. Resultado: 2.5 horas de productividad perdida por día.
Pero no es solo el foco. Cada vez que cambias de herramienta también pagas dos costos adicionales:
-
Mover información entre apps: Copiar y pegar contexto, reformatear datos, subir archivos de nuevo. Trabajo que no existiría si usaras una sola herramienta.
-
Re-explicar contexto: Cada IA nueva es una pizarra en blanco. Le tienes que explicar quién eres, qué estás trabajando, cuál es el contexto del proyecto. Multiplicado por 7 herramientas, es agotador.
No es casualidad que los desarrolladores senior sigan la “Regla de 3 herramientas”: limitar el workflow diario a exactamente 3 herramientas esenciales.
El valor de dominar UNA herramienta supera el valor marginal de usar “la mejor” para cada micro-tarea.
Hay investigación adicional que debería preocuparnos: usuarios regulares de IA muestran una caída del 20% en autocompasión. La naturaleza impredecible de la IA (el mismo prompt funciona o falla aleatoriamente) entrena a las personas a culparse a sí mismas. Multiplicar herramientas multiplica esta fricción psicológica.
Problema 2: Las descripciones de las fortalezas están incompletas o incorrectas
Revisemos lo que dice el artículo vs. la evidencia actual:
Perplexity
El artículo dice: “Lo suyo es la verificación. Confiable en la confirmación de antecedentes e información.”
La realidad: Perplexity no es un modelo de IA - es una plataforma que usa MÚLTIPLES modelos (GPT-4o, Claude 3.7, Gemini 2.0, Grok-2, DeepSeek). Su diferenciador real es la búsqueda en tiempo real con citación de fuentes (300+ fuentes en Pro Search, 20+ fuentes por respuesta). Procesó 780 millones de búsquedas en mayo 2025. No es “verificación” - es investigación con fuentes.
DeepSeek
El artículo dice: “Se peina con la matemática. Destaca en la resolución de problemas y es el campeón de la eficiencia en códigos.”
La realidad: DeepSeek es notable por ser gratuito y mostrar su razonamiento completo en tiempo real. Pero tiene problemas serios: NIST reportó en septiembre 2025 que tiene 94% de vulnerabilidad a ataques de jailbreak (vs. 8% en modelos americanos). También es “muy conservador” y “el chat se agota rápidamente, dificultando el trabajo sostenido”.
Grok
El artículo dice: “Ágil y veloz. Analiza tendencias y es un balazo en la búsqueda avanzada.”
La realidad: Grok 4 logró 93.3% en AIME 2025 (matemáticas avanzadas) - comparable a los mejores. Su diferenciador real es la integración con X/Twitter para datos en tiempo real. Pero los practicantes han notado alucinaciones frecuentes en uso cotidiano.
ChatGPT
El artículo dice: “Políglota y reflexivo. Su fuerte es el razonamiento profundo.”
La realidad: GPT-5.2 tiene el mejor razonamiento matemático puro (100% en AIME 2025). Pero en coding real (SWE-bench Verified), obtiene ~70-80% vs. 80.9% de Claude. ChatGPT lidera en base de usuarios (800 millones semanales) y versatilidad general, no necesariamente en “razonamiento profundo”.
Gemini
El artículo dice: “Big data es su fuerte. Es más que un resumidor de texto.”
La realidad: El diferenciador de Gemini es multimodal y video: 87.6% en Video-MMMU (vs. 75% GPT, 68% Claude). También es el más rápido (180 tokens/segundo) y más barato ($1.25/millón de tokens). Su integración nativa con Google Workspace es su ventaja real.
Problema 3: Falta el favorito de los usuarios exigentes
El artículo menciona 7 herramientas pero omite completamente a Claude.
Esto es extraño considerando que entre profesionales que trabajan con texto sofisticado - análisis, reportes, documentos largos - Claude tiene una reputación clara:
“Where ChatGPT has high IQ, Claude has high EQ.”
Los usuarios reportan que Claude produce texto que se siente más humano: cálido, emocionalmente consciente, consistente en documentos largos. Mientras ChatGPT se siente “editorial”, Claude se siente “writerly” - ideal para quien necesita pulir su propia prosa o recibir feedback como de un colega.
Para profesionales en industrias sensibles (compliance, análisis de datos, consultoría), Claude ofrece 200,000 tokens de contexto - casi el doble que ChatGPT. Esto permite analizar reportes extensos, mantener coherencia en documentos largos, y trabajar con datasets completos sin perder el hilo.
Claude tiene una comunidad “más pequeña pero leal” - especialmente entre quienes valoran profundidad analítica sobre versatilidad superficial.
Mi recomendación: Maestría sobre variedad
En lugar de tener 7 IAs para 7 tareas, considera esto:
1. Elige UNA herramienta principal y domínala
El retorno de invertir horas en aprender trucos de una herramienta supera el retorno de conocer superficialmente muchas.
2. Si vas a usar múltiples, limítate a 2-3 con roles claros
Por ejemplo: Claude para trabajo profundo (código, análisis, escritura), Perplexity para investigación con fuentes, y tu asistente nativo del celular para tareas rápidas.
3. El contexto importa más que el modelo
Como escribí recientemente: la IA solo puede ser tan inteligente como el contexto que le das. Una herramienta que conoce tu trabajo profundamente te dará mejores resultados que “la mejor” herramienta que no sabe nada de ti.
Conclusión
El artículo de LUN presenta un mundo donde cambiar de IA es gratis, las fortalezas de cada modelo son claras, y la variedad siempre es mejor.
La evidencia dice otra cosa:
- Cambiar tiene costos cognitivos reales
- Las fortalezas reales difieren de las descritas
- El modelo favorito de los usuarios más exigentes ni siquiera aparece
No necesitas 7 IAs. Necesitas dominar 1-2 que realmente entiendas.