OpenAI publicó el 16 de noviembre de 2026 un informe sobre cómo usaron ChatGPT 1.819 científicos de su programa piloto entre el 20 de agosto y el 22 de septiembre de 2026. La actividad se concentró en leer, escribir, analizar y programar. Las cifras sobre productividad y futuros descubrimientos, por su parte, procedían de estimaciones y expectativas de los participantes.
La compañía acompañó el estudio con otro anuncio: una nueva ronda de acceso gratuito para investigadores a través de ChatGPT for Academic Researchers.
Para qué usaron ChatGPT los científicos
La lectura y adquisición de conocimientos, la escritura y comunicación, el análisis científico y el desarrollo de software de investigación reunieron el 85 % de los mensajes científicos, de media por participante. Leer y escribir, por sí solos, sumaron más de la mitad.
Ese reparto tiene un detalle importante: OpenAI calculó primero qué proporción de los mensajes de cada científico correspondía a cada actividad y después promedió esos porcentajes. Todos los participantes tuvieron el mismo peso, de modo que quienes más escribían al chatbot no dominaban el resultado.
La lectura alcanzó el 27,7 % de los mensajes científicos de media por participante. La tarea individual más frecuente fue pedir explicaciones de conceptos científicos, con un 18,8 %. Además, el 89,7 % de los científicos envió al menos tres mensajes de ese tipo durante el periodo estudiado. El uso más extendido estaba, por tanto, en algo bastante reconocible: recurrir a la herramienta para entender mejor una cuestión científica.
Quiénes participaron y cómo se analizaron sus mensajes
El informe completo de OpenAI, Science at the Frontier, partió de un piloto iniciado el 29 de julio de 2026 en instituciones académicas seleccionadas. Los solicitantes elegibles recibieron plazas por sorteo y podían invitar hasta cuatro colegas de su institución.
Para el análisis de uso, OpenAI incluyó a quienes habían enviado al menos un mensaje científico como muy tarde el 2 de septiembre. Ese criterio permitió observar a cada participante durante al menos 21 días naturales, contando su primer día de uso.
Los 1.819 científicos enviaron 1.262.893 mensajes en total durante la ventana de observación; 580.186 se clasificaron como científicos o académicos. La actividad analizada abarcó los modos Chat y Work de ChatGPT y Codex, incluida su interfaz de línea de comandos.
Según OpenAI, GPT-5.6-Terra clasificó los mensajes mediante una taxonomía de diez flujos de trabajo y cuarenta tareas. El equipo investigador analizó resultados de clasificadores diseñados para preservar la privacidad, sin leer los mensajes ni las respuestas originales. La compañía también indicó que el contenido del programa no se utiliza por defecto para entrenar sus modelos.
Los participantes habían solicitado acceso ampliado dentro de aquel piloto. OpenAI advirtió de que esa selección limitaba la posibilidad de generalizar los resultados al conjunto de investigadores.
Cómo desarrollaron ideas y revisaron las respuestas
OpenAI cifró en el 68 % la proporción de científicos que utilizó ChatGPT para desarrollar ideas de investigación. Dentro de los mensajes dedicados a esa actividad, el reparto fue el siguiente:
- En el 35 %, el científico aportó una pregunta concreta.
- En el 36 %, trabajó con ChatGPT para afinar una idea ya planteada.
- En el 23 %, pidió al modelo que propusiera una pregunta.
- El 6 % quedó sin categoría asignada.
Estos porcentajes corresponden a mensajes de desarrollo de ideas. El reparto permite distinguir entre llegar con una pregunta, pulir una propuesta y pedir al modelo que sugiera por dónde empezar.
El estudio también examinó cómo continuaban las conversaciones. Sobre 125.947 solicitudes iniciales elegibles de 1.809 científicos, la proporción media por participante que tuvo un seguimiento de aclaración, comprobación o revisión fue del 31,8 %.
La medida se limitó al siguiente mensaje científico clasificado dentro de la misma conversación y en un plazo de siete días. OpenAI señaló que los investigadores también podían revisar o modificar los resultados fuera de la aplicación.
Las peticiones de investigación autónoma de principio a fin ocuparon un espacio mucho menor: alrededor del 15 % de los científicos envió al menos una, pero esas solicitudes representaron el 0,4 % de los mensajes científicos al promediar por participante. Pedir una explicación o revisar una idea fue mucho más habitual que encargar una investigación completa.
El tiempo de trabajo se estimó mediante una encuesta
La encuesta se realizó entre el 30 de septiembre y el 7 de octubre de 2026. De las 270 respuestas completas válidas, 251 participantes autorizaron su inclusión en el análisis.
Los encuestados calcularon cuánto habrían tardado sin IA en completar el mismo trabajo con la misma calidad. La estimación general comunicada por OpenAI fue de 1,9 veces el tiempo empleado con IA.
Puedes expresar esa relación con una tarea hipotética: si hubiera llevado diez horas con IA, la estimación equivalente sería de diecinueve horas sin ella, manteniendo la cantidad y la calidad del trabajo. El punto de partida de la comparación fue el cálculo retrospectivo de los propios participantes.
Las estimaciones variaron según la actividad. Para las tareas administrativas, los participantes calcularon una media de 1,35 veces el tiempo sin IA; para el desarrollo de software y código de investigación, la media llegó a 2,83 veces.
Revisar las respuestas también tenía un coste: el 45,4 % de los encuestados señaló el tiempo necesario para comprobar o corregir los resultados como una dificultad para obtener valor de ChatGPT.
Un descubrimiento hipotético a diez años
La pregunta sobre descubrimientos recibió 250 respuestas. Planteaba un hallazgo importante en el campo de cada participante que, sin IA, tardaría diez años en producirse.
El 97,6 % esperaba que la IA lo adelantase. El 72 % calculó un adelanto de al menos tres años, mientras que el 21,6 % esperaba que llegase entre siete y diez años antes. Eran previsiones sobre ese escenario hipotético.
Al explicar su optimismo, los participantes señalaron motivos como ejecutar la investigación más deprisa, encontrar preguntas más prometedoras y abordar una mayor variedad de cuestiones.
OpenAI acompañó el estudio con un testimonio de César de la Fuente, investigador de antimicrobianos:
Tools like ChatGPT are helping us accelerate scientific discovery. It’s really a playground for a scientist like myself.
OpenAI señaló que hacía falta más investigación para determinar si los ahorros de tiempo declarados se traducirían en descubrimientos más rápidos. Los participantes también identificaron obstáculos para investigar: entre los 251 encuestados, el 51,8 % seleccionó la falta de tiempo o personal y el 43,8 % la financiación. Podían elegir hasta tres restricciones.
Qué incluía la ronda de acceso anunciada por OpenAI
En paralelo al estudio, OpenAI anunció 50.000 becas de acceso gratuito para la siguiente ronda de ChatGPT for Academic Researchers. Según el anuncio de la compañía, las becas se concederán por orden de llegada a solicitantes elegibles y cada una dará acceso a ChatGPT Plus al beneficiario y hasta dos colaboradores.
La empresa situó el objetivo general del programa en 200.000 investigadores en todo el mundo. Las 50.000 becas correspondían a la siguiente ronda dentro de ese programa.
OpenAI programó la apertura de solicitudes para el 23 de noviembre de 2026.