¿Qué es ChatGPT? Guía para principiantes

ChatGPT es un asistente de inteligencia artificial con el que conversas en lenguaje cotidiano. Escribes una pregunta o petición —explica esto, redacta aquello, corrige este código— y responde en segundos. No necesitas aprender comandos ni sintaxis. OpenAI lo lanzó al público en noviembre de 2022 y alcanzó unos 100 millones de usuarios en aproximadamente dos meses, la adopción más rápida de una aplicación de consumo hasta entonces.

Esta guía explica qué puedes hacer realmente con él, cómo conseguir una respuesta útil desde el primer intento, cuánto cuesta, cómo funciona y —algo que muchas introducciones pasan por alto— en qué se equivoca. También puedes usar los modelos GPT sin una suscripción a OpenAI; lo veremos al final.

La respuesta breve y sincera: te ayuda a superar la página en blanco. Es más fácil mejorar un primer borrador hecho en diez segundos que empezar de cero, ya sea un correo, informe, función de código, plan de clase o mensaje difícil que llevas posponiendo.

Además de escribir, explica temas complejos al nivel que le pidas, algo muy útil cuando trabajas fuera de tu especialidad. En planes de pago puede leer documentos e imágenes. Escribe y depura código. Puede buscar en la web información reciente. También sirve para pensar: pedirle que defienda la postura contraria o detecte fallos en tu razonamiento suele aportar más que pedirle que escriba por ti.

También reduce barreras para quienes tienen dificultades al escribir, trabajan en una segunda lengua o comprenden mejor lo que leen que lo que redactan. La siguiente tabla relaciona cada función con las tareas en las que ayuda y con los usos en los que conviene no confiar demasiado.

Regístrate con un correo electrónico o una cuenta de Google o Apple, mantente en el plan gratuito mientras descubres si te gusta y empieza a escribir. No hace falta más.

La mayor mejora para la mayoría de principiantes es aportar contexto. «Escribe un correo» produce algo genérico. «Escribe a un cliente que ha incumplido un plazo por segunda vez; tono firme pero cordial, menos de 150 palabras, quiero conservar la relación» produce algo casi listo para enviar. Indica quién eres, a quién va dirigido, qué quieres conseguir y qué extensión necesitas.

Después, ajusta la respuesta en vez de empezar otra vez. Si falla, di qué está mal: «demasiado formal», «olvidaste el punto principal, que es X» o «dame tres versiones más breves». El modelo conserva el contexto de la conversación, así que una indicación de seguimiento suele funcionar mejor que rehacer el prompt. Abre un chat nuevo cuando cambies completamente de tema.

En los planes de pago puedes subir un documento, imagen u hoja de cálculo y hacer preguntas: resume este contrato, explica este gráfico o encuentra inconsistencias en estas cifras. Si buscas ideas concretas para empezar, consulta esta colección de prompts de ChatGPT para escribir, analizar y resolver tareas cotidianas.

Sí. Existe un plan gratuito realmente útil, no una simple prueba limitada. Incluye el modelo predeterminado actual con límites de uso, suficiente para consultas ocasionales y para saber si la herramienta te conviene.

Por encima del plan gratis, OpenAI ofrece varias opciones cuyos nombres y precios han cambiado más de una vez. En vez de dar cifras que pueden quedar desactualizadas, los planes individuales de pago suelen ofrecer límites más altos, modelos más capaces y funciones como contextos más largos e investigación avanzada. Las diferencias suelen ser de capacidad y volumen. Consulta la página oficial de precios de OpenAI para conocer las cifras y modelos vigentes.

Los planes Business y Enterprise se cobran por usuario e incorporan espacios compartidos, controles de administración y funciones de cumplimiento. Hay una diferencia importante: en esos planes las conversaciones no se usan para entrenar modelos de forma predeterminada, mientras que en los planes de consumo puedes desactivar ese uso en la configuración. Si manejas datos de clientes o información confidencial, considera esto al elegir.

ChatGPT responde en segundos, pero la mayor parte del trabajo se hizo mucho antes de que escribieras. Dos etapas ocurren durante su desarrollo y otras dos durante el uso.

El modelo se entrena con enormes cantidades de texto —libros, artículos y sitios web— prediciendo repetidamente la siguiente palabra. Al hacerlo miles de millones de veces aprende gramática, hechos, estructuras y patrones de razonamiento sin reglas escritas una por una. Su arquitectura se llama transformer; el mecanismo de atención pondera qué partes del contexto importan más para continuar. Esta fase cuesta mucho y se realiza para cada versión del modelo.

Un modelo recién preentrenado sabe continuar texto, pero aún no es un buen asistente. El ajuste fino lo transforma: se le muestran ejemplos de buenas conversaciones y se aplica aprendizaje por refuerzo con comentarios humanos, donde personas comparan respuestas para que aprenda cuáles son más claras, útiles y seguras.

Tu mensaje se divide en tokens, fragmentos que pueden ser palabras, partes de palabras o signos. El modelo los procesa y genera la respuesta token a token, prediciendo cada uno a partir de lo anterior. Ese es el mecanismo básico. No consulta automáticamente una base de datos de respuestas: produce predicciones muy informadas, por lo que conviene conocer sus límites.

Un modelo que predice texto plausible también puede inventar una cita, estadística o referencia que suena convincente, con la misma seguridad que una verdadera. A esto se le llama alucinación. No significa que mienta deliberadamente: no siempre distingue entre información fundada y contenido inventado. Las versiones nuevas lo hacen menos, pero ninguna ha eliminado el problema.

Conviene conocer cuatro fallos concretos. No expresa siempre su incertidumbre cuando desconoce algo. Puede equivocarse en cálculos mentales o recuentos exactos. Desconoce hechos posteriores a sus datos de entrenamiento si no busca en la web. Además, tiende a darte la razón con demasiada facilidad, así que su acuerdo no confirma que estés en lo cierto.

La regla práctica: úsalo como asistente, no como autoridad. Ayuda a redactar, explicar, reorganizar ideas y pensar en voz alta. Verifica los datos antes de basarte en ellos: nombres, fechas, cifras, afirmaciones legales o médicas y referencias son especialmente delicados. Si la respuesta debe ser correcta y no puedes comprobarla, elige otra vía.

OpenAI se fundó en 2015. Los modelos GPT llegaron por etapas: GPT-1, en 2018, mostró que podían generar texto coherente; GPT-2, en 2019, generó inquietud por sus posibles usos indebidos y se publicó por fases; GPT-3, en 2020, dio un salto de escala y fluidez.

Al principio, solo los desarrolladores podían acceder a esos modelos mediante una API. En noviembre de 2022, OpenAI los puso en una interfaz de chat accesible sin programar. Desde entonces se han añadido comprensión de imágenes, voz, navegación web, memoria y tareas de varios pasos. Los nombres cambian con frecuencia; resulta más útil comprender que cada generación suele gestionar más contexto y razonamientos más difíciles.

La tendencia es pasar de responder a realizar tareas: investigar fuentes, usar herramientas y conectar calendarios o documentos. También avanzan, de forma desigual, las normas sobre transparencia, datos y uso en selección de personal, salud y educación. Para ampliar el panorama, consulta esta guía de los mejores modelos de IA.

Hay otra forma de acceder a estos modelos. Chat Smith integra directamente la familia GPT de OpenAI, por lo que puedes usarla sin una suscripción a OpenAI y cambiar de generación según la tarea, en lugar de limitarte al modelo incluido en un plan.

Abre cualquiera directamente: GPT-5.6 Sol, GPT-5, GPT-5 mini, GPT-5 nano, GPT-o3, GPT-4o y GPT Image 2.0. La disponibilidad y los nombres cambian cuando OpenAI lanza versiones, así que considera esta lista una referencia actual, no permanente.

Para quien empieza hay dos ventajas: reúne GPT, Claude, Gemini, Grok y DeepSeek en una suscripción y evita pagar por varios asistentes por separado. Además, puedes hacer la misma pregunta a dos familias de modelos y comparar las respuestas. Cuando discrepan, sabes qué conviene examinar más de cerca; esa comparación ayuda a aprender cuándo confiar en una respuesta.