Qué es exactamente un GPT personalizado (y por qué no es un agente)
Un GPT personalizado es ChatGPT con un cuadro de texto delante. Ese cuadro contiene instrucciones —cómo debe comportarse, qué tono usar, qué no hacer—, y junto a él puedes colgar hasta 20 archivos de conocimiento de hasta 512 MB cada uno, activar capacidades como la búsqueda web, y conectar apps o actions hacia APIs externas. Eso es todo. Es mucho más de lo que parece y mucho menos de lo que te venden.
La diferencia con un agente no es de potencia, es de arquitectura. Un agente decide qué herramienta usar, recuerda entre interacciones y mide su propio trabajo. Un GPT personalizado hace lo primero a medias y no hace ninguna de las otras dos. Por eso la comparación honesta no es "GPT vs. agente" sino "formulario muy bueno vs. sistema". Un formulario con memoria de pez: te atiende impecablemente y mañana no sabe quién eres.
Hay un detalle que ha cambiado y conviene tener claro antes de abrir el editor: la creación de GPTs nuevos ya no está disponible en cuentas personales de ChatGPT —ni Free, ni Go, ni Plus, ni Pro—. Crear y publicar depende hoy de un espacio de trabajo Business, Enterprise o Edu y de sus permisos. Los GPTs que ya existían siguen funcionando. Si tu plan para "montar el agente el sábado por la tarde" pasaba por tu cuenta Plus, empieza por ahí.
Lo que sí resuelve, y lo resuelve bien
Empezar por un GPT personalizado no es ingenuidad: es el diagnóstico más barato que existe. En una tarde descubres si tu problema era de conocimiento (la gente no encuentra la información) o de proceso (la información está, pero nadie ejecuta). Son dos problemas distintos y sólo uno de ellos se arregla con un agente.
- Criterio repetido, escrito una vez. Cómo redactamos una propuesta, qué preguntas hacemos en un descubrimiento, qué tono usamos con un cliente enfadado. Diez personas aplicando la misma pauta sin que nadie la recuerde de memoria.
- Consulta sobre documentación estable. Manual de producto, política de gastos, condiciones de contrato. Si el documento cambia dos veces al año, el GPT es la herramienta correcta y no hace falta nada más.
- Primera pasada de trabajo repetitivo. Borradores, resúmenes, clasificaciones sencillas. Un humano revisa y publica. Aquí el GPT gana horas de verdad, y las gana el primer día.
- Actions simples de solo lectura. Consultar disponibilidad, buscar un pedido, recuperar un dato de un sistema tuyo. Lectura, no escritura: el riesgo es mínimo y el valor es alto.
Ese es el techo útil. Cruzarlo cuesta dinero de verdad, y la buena noticia es que el propio GPT te avisa: cuando choca, choca siempre contra una de estas cuatro paredes. Reconocer cuál es la tuya es la mitad del trabajo. La otra frontera —el techo del no-code cuando lo que quieres automatizar es un flujo entre herramientas y no una conversación— está contada en automatizar sin programar con IA.
Pared 1: no recuerda nada entre conversaciones
La documentación de OpenAI no deja margen a la interpretación: los GPTs no usan la memoria guardada, ni las instrucciones personalizadas, ni las conversaciones anteriores. Cada conversación empieza de cero. Lo único que persiste es lo que tú escribiste en las instrucciones y en los archivos —idéntico para todos los usuarios, todos los días—.
Suena a detalle técnico y es la pared que más proyectos mata, porque se nota tarde. El GPT de soporte funciona de maravilla en la demo y a las tres semanas alguien pregunta por qué le pide otra vez el número de pedido que dio el martes. No es un fallo: es el diseño. Un GPT no tiene estado; tiene instrucciones.
Pared 2: no escribe en tus sistemas con identidad propia
Las Actions sí conectan un GPT con tus APIs, y con tres modos de autenticación: ninguna, clave de API u OAuth. La diferencia entre ellos es exactamente la diferencia entre una demo y un sistema. Con clave de API, el GPT entra en tu sistema con una sola identidad para todo el mundo: tu log de auditoría no dirá "María cambió el estado del pedido", dirá "el GPT lo cambió". Con OAuth cada usuario entra con su cuenta y recuperas la trazabilidad — a cambio de montar un flujo de autorización real, con sus tokens, sus scopes y su mantenimiento.
| Modo de auth | Quién es el agente para tu sistema | Para qué sirve de verdad |
|---|---|---|
| Ninguna | Un anónimo desde internet | Datos públicos. Nada más. |
| Clave de API | Un único usuario técnico, igual para todos | Lectura y demos. Escritura sólo si te da igual quién hizo qué. |
| OAuth (código de autorización) | Cada persona con su propia cuenta y sus permisos | Escritura real con trazabilidad. Requiere trabajo de integración. |
Hay dos restricciones más que descolocan a mucha gente. Un GPT puede usar apps o actions, pero no las dos a la vez. Y en espacios de trabajo gestionados, el administrador puede limitar las Actions a una lista de dominios permitidos: si no hay dominios en la lista, no hay Actions. Es decir, la parte que convierte tu GPT en algo que ejecuta depende de un permiso que probablemente no controlas tú. Cuando llegues a querer escritura seria —crear el contacto, mover la oportunidad, disparar la secuencia— la conversación ya no va de prompts: va de conectar la IA con tu CRM y de integrarla con tus sistemas.
Pared 3: nadie mide si acierta
Esta es la pared silenciosa. Quien construye un GPT no puede ver las conversaciones individuales que los usuarios tienen con él: lo dice la documentación de OpenAI y es una decisión de privacidad razonable. La consecuencia operativa no lo es tanto. Significa que no puedes hacer lo único que mejora un sistema: mirar los casos donde falló.
En Enterprise y Edu tienes analítica del espacio de trabajo con una sección de GPTs y las conversaciones disponibles en la plataforma de cumplimiento. Eso te da adopción y trazas de cumplimiento — cuánta gente lo usa, con qué frecuencia. No te da acierto. Son dos números que se confunden todo el rato y que apuntan en direcciones opuestas: un GPT que responde mal genera más conversaciones, no menos.
- Adopción — cuánta gente lo abre. Es lo que verás. Sube solo con novedad.
- Acierto — qué porcentaje de respuestas es correcto y accionable. Es lo que importa. No lo verás.
- Coste del error — qué pasa cuando falla. Es lo que decide si el GPT puede tocar algo real. Tampoco lo verás.
La salida no es rendirse: es montar el bucle fuera de ChatGPT — un set de preguntas reales con respuestas esperadas que pasas a mano cada vez que tocas las instrucciones. Es artesanal, es incómodo y funciona. Cómo se construye ese set está en cómo entrenar un agente IA. Y en el momento en que ese bucle te duele lo suficiente como para querer automatizarlo, ya no estás construyendo un GPT: estás construyendo un agente.
Pared 4: no tiene dueño en el organigrama
Aquí conviene ser preciso, porque la versión perezosa de esta pared ya no es cierta. En un espacio de trabajo gestionado, si el propietario de un GPT se desactiva o se elimina, la propiedad pasa a un propietario del espacio y el GPT queda marcado como no asignado para que alguien lo revise o lo reasigne. La cuenta no se pierde. El problema es otro.
Lo que se pierde es el criterio. Las instrucciones de un GPT son un texto plano en un formulario: sin historial de versiones, sin revisión de nadie, sin un comentario que explique por qué en marzo se añadió aquella frase rara sobre los descuentos. Cuando la persona que lo escribió se va, el texto sobrevive y el porqué no. Seis meses después el GPT sigue contestando con una política que ya no aplica, y nadie lo sabe porque —ver pared 3— nadie mira las conversaciones.
Las dos preguntas que te dicen en qué pared estás
No hace falta un diagnóstico de dos semanas. Dos preguntas colocan tu caso:
- ¿La segunda conversación necesita saber lo de la primera? Si sí → pared 1, memoria. Ningún GPT te sirve, con instrucciones o sin ellas.
- ¿El resultado tiene que quedar escrito en un sistema tuyo, y tiene que constar quién lo escribió? Si sí → pared 2, identidad. Necesitas OAuth y validación de escritura, o necesitas otra cosa.
Si las dos respuestas son "no", quédate donde estás: el GPT es la herramienta correcta y gastar más es tirar dinero. Si una es "sí", tu problema es de arquitectura y no se arregla escribiendo mejores instrucciones. Y ojo con la trampa habitual: las paredes 3 y 4 no aparecen en este test porque nunca son el motivo por el que alguien decide dar el salto — son el motivo por el que el GPT se muere en silencio seis meses después de haberlo dado por bueno.
| Si tu caso es… | Un GPT personalizado | Lo que hace falta |
|---|---|---|
| Consultar documentación estable | Suficiente | Nada más |
| Aplicar un criterio repetido en borradores | Suficiente | Revisión humana |
| Atender a un cliente a lo largo de varios días | Insuficiente | Memoria persistente |
| Escribir en el CRM o el ERP con auditoría | Insuficiente | OAuth, validación y logs |
| Responder en tu web o tu producto | Imposible | API, no GPT |
Qué se construye cuando el GPT se queda corto
La respuesta corta: lo mismo, pero con las cuatro piezas que el GPT no tiene. Memoria persistente para que el sistema sepa qué pasó antes. Identidad por usuario para que escriba con nombre y apellidos. Evals para que alguien sepa si acierta. Y un dueño humano con nombre en el organigrama para que el día que cambie la política, cambien las instrucciones.
No es un salto de fe ni un rediseño desde cero: el trabajo que hiciste en el GPT —las instrucciones afinadas, los documentos que sí funcionaron, las preguntas reales que te hizo la gente— es exactamente el material de partida. Eso es lo que hace que empezar por un GPT sea buena idea aunque sepas de antemano que se te va a quedar corto: no estás construyendo un prototipo desechable, estás escribiendo la especificación.
Si el destino es un asistente en tu web o tu producto, el camino pasa por construir un chatbot con RAG sobre tu base de conocimiento. Si es trabajo interno con procesos y sistemas de por medio, por agentes IA para empresas. Y si lo que buscabas no era construir sino sacarle partido a ChatGPT tal cual en el equipo, esa es otra conversación y está aquí: usar ChatGPT en una empresa de verdad.
Nosotros hacemos la parte aburrida: montamos empleados IA que recuerdan, escriben en tus sistemas con su propia identidad y tienen a alguien mirando si aciertan. No vendemos el prompt. Cobramos por el sistema funcionando.
Y si al llegar aquí la conclusión es que el GPT se te queda corto, la siguiente decisión no es qué herramienta usar sino en qué capa vivir: está en plataformas para crear agentes de IA, con las tres preguntas de salida que conviene contestar antes de firmar nada.