Por qué dos personas obtienen respuestas diferentes utilizando la misma IA

Una compañera te enseña una respuesta de ChatGPT que organiza perfectamente su trabajo. Copias la pregunta, la introduces en tu cuenta y recibes algo mucho más genérico. Parece que habéis usado la misma herramienta, pero el resultado no se parece. Dos personas pueden obtener respuestas diferentes utilizando la misma IA por razones que van mucho más allá de escribir bien o mal una frase.

La pregunta visible es solo una parte de la petición que procesa el sistema. Pueden intervenir mensajes anteriores, archivos, instrucciones, personalización y funciones activas. Además, la generación no equivale a buscar una respuesta fija en una tabla. Entender estas diferencias permite comparar resultados con más precisión y mejorar lo que pides, sin atribuirle intenciones personales al asistente.

La misma aplicación no significa la misma situación

Decir «los dos usamos ChatGPT» se parece a decir «los dos usamos un procesador de textos». Eso no describe el documento abierto, las opciones activas ni el material disponible. Incluso dentro de una aplicación puede haber distintos modelos, modos o herramientas. El nombre del producto no identifica todas las condiciones de una consulta.

Una persona puede preguntar en una conversación recién abierta y otra dentro de un proyecto con instrucciones y archivos. Una puede utilizar búsqueda y otra recibir una respuesta sin consultar la web. Si comparas ambos resultados como si procedieran exactamente del mismo punto de partida, atribuyes al prompt una diferencia causada por otros factores.

También importa el momento. Un producto puede actualizar su comportamiento y una búsqueda puede encontrar información distinta otro día. Un ejemplo publicado hace meses no garantiza el mismo resultado hoy. Antes de reproducirlo, comprueba la fecha, la función utilizada y los materiales que acompañaban la pregunta.

Los factores que más cambian una respuesta

1. Las palabras del prompt y lo que dejan sin definir

«Organiza mi semana» permite muchas interpretaciones. Puede significar repartir tareas, reducir carga, diseñar una agenda o establecer prioridades. «Organiza estas seis tareas en los huecos que indico, respetando dos reuniones y dejando una hora libre el viernes» limita mejor el trabajo. La ambigüedad obliga al modelo a completar decisiones que quizá tú no querías delegar.

Dos instrucciones parecidas tampoco son necesariamente equivalentes. Pedir ideas originales favorece variedad; pedir opciones fáciles de ejecutar favorece viabilidad. La palabra «mejor» necesita un criterio: menor coste, menos tiempo, mayor precisión o mejor ajuste a una audiencia. Explicar ese criterio cambia la selección de propuestas.

Cuando un resultado te sorprenda, revisa qué decisiones no habías especificado. Quizá el tono es demasiado formal porque no definiste destinatario, o el plan resulta imposible porque no indicaste tu disponibilidad. No hace falta escribir un prompt interminable; hace falta aportar lo que cambia la respuesta.

2. La conversación anterior

Los mensajes previos pueden orientar el contenido. Si has explicado que trabajas solo, tienes poco tiempo y prefieres soluciones sencillas, una petición breve puede apoyarse en ese marco. Otra persona que copie únicamente la última pregunta no aporta esas condiciones. Copiar un mensaje final no equivale a copiar todo el contexto.

Esto explica por qué una respuesta mejora tras varias aclaraciones. La primera petición inicia el trabajo; las correcciones reducen ambigüedades. Si después compartes solo el último prompt, quien lo reproduzca puede perder las instrucciones que realmente hicieron útil el resultado.

El historial también puede introducir errores. Una decisión antigua o un ejemplo provisional pueden seguir influyendo cuando ya no sirven. Actualiza el contexto cuando cambie el objetivo y señala qué dato sustituye a otro. Para un tema completamente distinto puede resultar más claro abrir una conversación específica.

3. Las instrucciones personales y de proyecto

Algunas herramientas permiten definir preferencias generales o instrucciones para un proyecto. Por ejemplo, español de España, respuestas breves o una estructura concreta para informes. La documentación de OpenAI describe proyectos que reúnen conversaciones, archivos e instrucciones. Las reglas guardadas pueden modificar una respuesta aunque no aparezcan en el mensaje copiado.

Imagina que una persona tiene una guía de marca y otra no. Ante «redacta una presentación de mi servicio», la primera cuenta puede disponer de vocabulario, público y ejemplos aprobados. La segunda debe trabajar con una descripción incompleta. El contraste no demuestra que el asistente prefiera a un usuario.

Para comparar, anotad las instrucciones relevantes. No hace falta revelar información privada: basta identificar si existe una guía de estilo, un objetivo comercial o una regla de formato. Los detalles que condicionan el trabajo deben formar parte de la prueba.

4. La memoria y otras formas de personalización

ChatGPT documenta funciones de memoria y uso de contexto personal cuya disponibilidad y controles pueden variar. Esa información puede ayudar a adaptar ejemplos o preferencias. La personalización explica parte de las diferencias entre cuentas, aunque no es una explicación universal para cualquier variación.

No confundas memoria con conocimiento perfecto de tu situación. Una preferencia puede haber cambiado o un dato puede estar incompleto. Revisa lo que la herramienta utiliza cuando una respuesta presupone algo que no reconoces. Preguntar por las condiciones aplicadas ayuda, pero la propia explicación del modelo también debe contrastarse con los controles disponibles.

Para una prueba, utiliza las opciones de contexto y personalización que permita tu producto y documenta su estado. No presupongas que abrir un chat nuevo elimina todas las influencias de la cuenta. Consulta la ayuda actual para entender qué hace cada control y cómo se aplica en tu entorno.

5. Los documentos y las fuentes disponibles

Una respuesta basada en un catálogo real puede incluir nombres y condiciones que otra consulta no conoce. Si tu compañera aportó un documento y tú no, comparar ambos textos sin tenerlo en cuenta es injusto. Los archivos forman parte de la información de entrada, incluso cuando el prompt apenas los menciona.

Además, aportar un documento no garantiza que se haya procesado de forma completa. Puede ser un PDF escaneado, contener tablas difíciles o mezclar versiones. Comprueba que la respuesta se apoya en fragmentos concretos y que no omite una sección importante. Tener más contexto no asegura utilizarlo bien.

Cuando interviene búsqueda, cambian también los resultados recuperados, las fuentes seleccionadas y su interpretación. La misma pregunta puede acabar apoyándose en evidencias distintas. Comparad los enlaces y las fechas antes de discutir cuál respuesta «suena» más convincente.

6. El modelo, el modo y las herramientas

Las plataformas pueden ofrecer alternativas orientadas a distintas tareas y niveles de procesamiento. También pueden disponer de funciones para buscar, analizar archivos o generar imágenes. Una respuesta con herramientas activas no es equivalente a una respuesta que solo genera texto.

No necesitas aprender una lista de nombres para entenderlo. Anota lo que permite observar la interfaz: modelo o modo seleccionado, búsqueda utilizada y archivos adjuntos. Si un producto elige automáticamente ciertos recursos, reconoce que quizá no puedas igualar todas las condiciones desde la aplicación.

Evita concluir que una suscripción siempre produce mejores respuestas. Un modo más avanzado puede fallar si el objetivo es ambiguo, y una opción sencilla puede resolver perfectamente una tarea concreta. El ajuste a la tarea importa tanto como la capacidad disponible.

7. La variación propia de la generación

Los modelos generativos construyen respuestas entre distintas continuaciones posibles. La redacción, el orden de ejemplos o el enfoque pueden variar aunque repitas una instrucción. No funcionan como una operación que devuelve obligatoriamente el mismo texto cada vez.

Hay aplicaciones y configuraciones que buscan mayor estabilidad, pero el usuario de un chat no controla necesariamente todos los parámetros ni los cambios del servicio. Para trabajo habitual, lo importante no es reproducir palabra por palabra, sino conservar los requisitos: hechos correctos, estructura útil y límites respetados.

Una variación de estilo puede ser normal. Una contradicción sobre un hecho verificable requiere revisión. Que haya varias respuestas posibles no convierte todos los datos en opinables. Si una consulta ofrece dos fechas incompatibles, vuelve a la fuente original y comprueba cuál corresponde.

Cómo hacer una comparación que sirva para algo

Prepara un caso común

Usad una tarea pequeña con materiales que podáis compartir. Por ejemplo, mejorar un correo ficticio con un destinatario, una finalidad y un límite de longitud definidos. Copiad exactamente el texto y las instrucciones. Una prueba acotada permite detectar diferencias concretas sin mezclarlas con datos personales.

Anotad las condiciones visibles: fecha, producto, modo, herramientas, archivos y contexto relevante. No hace falta convertirlo en un estudio técnico. Basta evitar que una persona use un proyecto completo y otra una pregunta aislada sin saberlo.

Define criterios antes de leer los resultados

Decidid qué debe cumplir una buena respuesta: conservar tres hechos, proponer una acción clara, evitar promesas y ajustarse al tono. Los criterios previos reducen la preferencia por el texto más elegante. Un mensaje bonito puede incumplir la tarea; uno sencillo puede resolverla mejor.

Repetid la prueba algunas veces si la variación parece relevante. No seleccionéis solo la respuesta que confirma vuestra impresión. Guardad también los fallos y distinguid los de estilo de los de información o cumplimiento. Así obtendréis una conclusión útil sobre ese uso, no una clasificación universal de cuentas.

Qué hacer cuando tu respuesta es peor que la del ejemplo

Primero identifica la carencia: ¿faltan detalles, no respeta el formato, propone algo imposible o interpreta mal el objetivo? Después añade la información necesaria. Una corrección específica mejora más que decir «hazlo mejor». Puedes escribir: «Mantén las tres condiciones del documento y elimina cualquier descuento no autorizado».

Si el ejemplo dependía de documentos o reglas que no tienes, adapta la tarea a tu propio contexto. Copiar un resultado ajeno puede servir como referencia de estructura, pero no como sustituto de tus datos. También puedes pedir una primera propuesta y corregirla por partes para localizar qué instrucción falla.

Por último, evita repetir consultas indefinidamente hasta encontrar la respuesta que querías oír. Buscar confirmación no equivale a comprobar una conclusión. Para cuestiones importantes, revisa las evidencias y decide con criterios externos al tono del asistente. La utilidad de la IA aumenta cuando sabes qué pedirle y qué debes verificar por tu cuenta.

Para revisar los controles que influyen en el contexto, consulta las páginas oficiales sobre memoria en ChatGPT y proyectos de ChatGPT. Sus condiciones actuales pueden diferir de las de tutoriales antiguos.

Si quieres mejorar tus instrucciones con criterios concretos, te recomiendo Cómo escribir buenos prompts: 10 reglas para obtener mejores respuestas de la IA; y para entender las diferencias entre productos antes de compararlos, continúa con ChatGPT vs Claude vs Gemini: qué IA elegir para cada tarea.

Scroll al inicio