ChatGPT vs Perplexity: seis criterios para comparar

Comparar ChatGPT y Perplexity con criterios explícitos es la habilidad que casi nadie aplica de forma sistemática, y aquí aprenderás a hacerlo con seis parámetros medibles en lugar de intuiciones vagas. Esto es útil para cualquier persona que investigue mercados con IA y quiera defender sus decisiones con datos.

Por qué crawling, indexación y entrenamiento no son lo mismo

Antes de comparar herramientas, hay que aclarar una confusión que aparece todo el tiempo. Búsqueda, indexación y entrenamiento parecen sinónimos, pero funcionan de forma distinta [00:24].

Aquí van los cuatro conceptos que sostienen todo el ejercicio:

• Crawling: es cuando los bots de IA recorren páginas para descubrir y leer contenido [00:38].
• Indexación: almacenar y organizar ese contenido para recuperarlo después mediante una búsqueda [00:45].
• Entrenamiento: usar grandes colecciones de datos para ajustar los parámetros de un modelo [00:52].
• Recuperación: seleccionar los documentos relevantes en el momento exacto de responder tu consulta [00:58].

¿Por qué importa esta distinción? Porque el hecho de que un bot haya visitado una página no demuestra que ese contenido esté entrenando un modelo.

¿Que un bot indexe una página significa que la aprendió? No. Que un bot rastree o indexe contenido no garantiza que ese contenido entrene el modelo ni que sostenga la respuesta que te da. Las políticas y usos de datos pueden ser completamente distintos.

Así que asumir que si lo indexó, lo aprendió es un error grande [01:20].

Qué significa esto en un proyecto de e-commerce

Llevado a la práctica, la distinción cambia cómo lees los resultados. Si le preguntas a Perplexity sobre el mercado de cuidado de mascotas en Bogotá, que haya visto cientos de páginas no garantiza que esas páginas sostengan la respuesta [01:38].

Lo que realmente importa es qué recuperó y qué citó para tu consulta específica, no todo lo que alguna vez rastreó en Internet [01:55].

Cómo ejecutar la misma búsqueda en Perplexity

El truco para una comparación justa es simple: se pega el mismo prompt que usaste en ChatGPT y se selecciona la opción de investigación profunda [02:05].

Durante el proceso, Perplexity puede activar Perplexity Computer para entrar a referencias que no eran accesibles por el método de búsqueda o crawling [02:22]. Al terminar entrega un resumen ejecutivo con las oportunidades detectadas y, hacia abajo, una sección de referencias donde puedes ir a la fuente original y verificar qué decía [02:38].

El reporte incluye el contexto de inclusión, la dinámica del ecosistema, la madurez del mercado, el tipo de competencia, el nicho, los indicadores, las tendencias, los riesgos principales y las fuentes primarias prioritarias [03:00].

Cuáles son los seis criterios para evaluar la respuesta de una IA

Nadie necesita decidir qué herramienta es mejor en términos generales. Lo que sí necesitas es evaluar cuál sirve mejor para tu caso concreto, con criterios que apliques cada vez [03:20].

Estos son los seis parámetros que debes calificar [03:35]:

1. Cobertura: si responde todas las subpreguntas de tu brief.
2. Calidad de fuentes: si prioriza fuentes primarias, actuales y con metodología clara.
3. Trazabilidad: si cada cita realmente te lleva al contenido que sostiene la afirmación.
4. Manejo de contradicción: si explica por qué dos fuentes difieren en lugar de ignorarlo.
5. Utilidad: si la respuesta sirve de verdad para tomar decisiones.
6. Transparencia: si declara sus propios límites y lo que no pudo confirmar.

Con estos seis criterios sobre la mesa, la comparación deja de ser una impresión y se vuelve algo que puedes defender.

Cómo hacer una comparación justa entre ChatGPT y Perplexity

Para que el ejercicio sea limpio, usa exactamente el mismo brief: mismo prompt, mismo periodo, mismo idioma y mismos criterios de fuente. Y algo clave: no ajustes la pregunta a la mitad del camino, porque entonces parecerá que una herramienta lo hace mejor sin serlo [04:15].

Después califica cada reporte del uno al cinco en los seis criterios y justifica con una nota concreta.

¿Cómo justifico una calificación de una IA? Con una nota defendible y específica. Por ejemplo: le puse tres en trazabilidad porque dos de las cinco citas no llevaban a ningún contenido. Decir solo "se sintió más completo" no es comparable.

Un ejemplo claro: si ambas herramientas responden el tamaño del mercado de mascotas, pero una cita un reporte de la asociación sectorial con metodología pública y la otra un blog sin autor ni fechas, esa diferencia debe reflejarse en la nota de calidad de fuentes [04:55].

¿Qué es más importante en una investigación con IA: la cobertura o la trazabilidad? Depende de tu caso, pero la trazabilidad protege tus decisiones. Una respuesta amplia sin citas verificables vale poco si no puedes comprobar de dónde salió cada afirmación.

Por qué evaluar la IA es una habilidad que necesitas más allá del curso

Lo interesante del ejercicio no es coronar una herramienta favorita para siempre. Es entrenar el músculo de evaluar cualquier salida de la IA con criterios explícitos [05:20]. Esa capacidad la vas a usar constantemente cuando trabajes con estas herramientas fuera de aquí.

El reto es directo: realiza la misma investigación del mercado de mascotas con el mismo brief en ChatGPT y en Perplexity, y entrega una tabla comparativa con los seis criterios [05:40].

¿Cuál de las dos herramientas hizo mejor trabajo en cada criterio? Déjame tu tabla y tu veredicto en los comentarios.