PromptLab
Evidencia histórica fija de las pruebas; no depende del simulador ni de los filtros.
Comparación exploratoria. Gemini cambió de modelo entre v1 y v3 (3.8 Flash → 3.1 Pro); en ChatGPT el razonamiento no fue visible. No se puede atribuir toda diferencia al prompt ni afirmar equivalencia entre modelos. Sin pruebas repetidas. Gemini 3.8 Flash no respondió a v3 según el usuario; causa, duración y costo no verificados.
Prompts (extractos)
Extracto del prompt v1
Necesito evaluar qué procesos conviene automatizar con inteligencia artificial en la empresa AndesTech Supply S.A. Para esta prueba, utiliza un escenario de realización del 100%. Te adjunto los datos de entrada de 10 procesos (PROC-01 a PROC-10), las reglas internas de la empresa y el costo de una plataforma compartida. Analiza la información, calcula las horas que se podrían recuperar y el impacto económico de cada proceso, ordénalos por prioridad de implementación en una tabla que incluya inversión inicial y costo recurrente, y recomiéndame un plan de acción.
v2: Borrador de refinamiento no ejecutado.
Fragmentos de respuesta
Modelo: ChatGPT Gratis · GPT-6 (reportado por el usuario · Informado por el usuario) · Razonamiento: No visible · Versión v1
Fragmento literal — no es la respuesta completa
5.136 h Capacidad neta anualizada
Nota: Dos líneas del indicador original; 5.136 corresponde a horas brutas anuales, no netas.
ChatGPT: anualización
✗ v1: etiquetó 5.136 h (brutas/año) como capacidad neta.
✓ v3: 4.122,0 h netas/año.
Persiste en v3: frase de sensibilidad ambigua (umbral continuo >53,24%).
Gemini: capacidad vs. caja
✗ Flash v1: «flujo integral» que mezcla capacidad y caja (sus paybacks sí usaron flujo directo).
✓ Pro v3: separación explícita observada, con cambio de modelo.
Persiste en v3: fases contradictorias PROC-03/05 y citas con omisiones editoriales.
Rúbrica humana (1–5)
| Criterio | ChatGPT v1 | ChatGPT v3 | Gemini Flash v1 | Gemini Pro v3 |
|---|---|---|---|---|
| Exactitud aritmética | 4 | 5 | 5 | 5 |
| Fidelidad a datos y supuestos | 4 | 5 | 3 | 3 |
| Cumplimiento de su encargo | 5 | 5 | 5 | 5 |
| Claridad y separación capacidad/caja | 5 | 4 | 1 | 3 |
| Dependencias y controles humanos | 4 | 5 | 3 | 4 |
Valoraciones humanas justificadas para estas respuestas. Formato se puntúa contra cada encargo: no es directamente comparable entre versiones. No promediar ni declarar ganador universal.
- C-v1-01 ChatGPT v1: Anualización: etiqueta 5.136 h brutas/año como netas; correcto neto 4.122.
- G-v1-01 Gemini Flash v1: Define flujo integral que mezcla valoración de capacidad y caja; sus paybacks usan flujo directo correcto.
- C-v3-01 ChatGPT v3: Frase de sensibilidad ambigua: entre muestras solo 100% es positivo, pero el umbral continuo es >53,235294%.
- G-v3-01 Gemini Pro v3: Fases contradictorias para PROC-03/05; los llama capacidad pura pese a flujos positivos.
- G-v3-02 Gemini Pro v3: Seis citas incluyen omisiones editoriales; no son fragmentos literales continuos. Anualización numérica correcta con paréntesis confuso.
Ficha metodológica
- 1. Caso y datos
- AndesTech Supply S.A., caso ficticio, datos v2.1 consolidada; diez procesos y reglas internas ficticias.
- 2. Modelos y limitaciones
- ChatGPT Gratis · GPT-6 y Gemini 3.8 Flash / 3.1 Pro (reportados por el usuario). Fechas: No registradas; la fecha de corte del caso no acredita la fecha de ejecución. Costos: No medidos. Cuota de suscripción y precio API por tokens no son equivalentes.
- 3. Rol y tono
- v3 asigna rol de consultor senior de operaciones; v1 sin rol explícito.
- 4. Formato
- v3 exige resumen, tabla, portafolio, sensibilidad, plan y JSON. Formato se evalúa contra cada encargo.
- 5. Refinamiento
- v1 → v2 (borrador no ejecutado) → v3 con reglas de supervisión, anualización, caja y plataforma.
- 6. Comparación y revisión humana
- Rúbrica de cinco criterios puntuada por una persona; sin promedio ni ganador.
Límites y siguientes verificaciones
- • Repetir ejecuciones con el mismo modelo para separar efecto del prompt y del modelo.
- • Registrar fechas, modelo exacto y costos en próximas pruebas.
- • Contrastar supuestos de beneficio con datos reales antes de cualquier decisión.
- • Las recomendaciones de coordinación de esta app son independientes de los outputs de los modelos.