Intelligent UI permite utilizar controles, gráficos y pequeñas herramientas dentro de una conversación. Su atractivo está en explorar ideas de forma visual, pero las fórmulas, los datos y los supuestos siguen necesitando comprobación.
Le pides a ChatGPT que te ayude a comparar opciones y, además de una explicación, aparece una interfaz con controles que puedes modificar. Cambias un valor y ves cómo responde el resultado. La conversación empieza a parecerse a una pequeña herramienta hecha para esa pregunta.
Esa es la propuesta de Intelligent UI, presentada por OpenAI el 7 de octubre de 2026. Permite combinar texto, gráficos, formularios, botones y experiencias interactivas dentro del chat, sin que el usuario tenga que escribir código.
La posibilidad resulta atractiva: pasar de leer una respuesta a explorarla. Pero también plantea una pregunta importante: ¿cómo comprobamos que lo que hay detrás de esos controles funciona bien?
Qué significa crear una herramienta dentro de ChatGPT
Según la documentación de OpenAI, el formato se adapta a la consulta. Puede utilizar una comparación visual, una explicación interactiva o una respuesta convencional cuando el texto sea suficiente.
No hay que interpretar cada una de estas experiencias como una aplicación independiente lista para distribuir. Una herramienta dentro de una conversación no acredita, por sí sola, funciones como cuentas de usuario, almacenamiento duradero, mantenimiento o publicación externa.
OpenAI también señala que la conservación de los cambios depende del componente: algunos pueden mantener su estado al recargar la conversación, pero ese estado no se traslada entre chats. La función pertenece a la experiencia Chat y no está disponible en el modo de voz.
Las seis pruebas reales de TechRadar
En un artículo publicado el 7 de noviembre, la periodista Becca Caddy probó seis propuestas: un organizador de muebles, un simulador de dilemas éticos, una herramienta para explorar decisiones de vida, una simulación del sistema solar, un planificador de vacaciones y un diseñador de paletas de colores.
Los resultados permitían experimentar con distribuciones, decisiones, variables y preferencias. Sin embargo, la autora aclaró que no había verificado de forma independiente los cálculos de varias herramientas. Su experiencia debe leerse como una prueba de posibilidades, no como una certificación de precisión.
Esta distinción importa: que una interfaz responda al mover un control demuestra interactividad, pero no demuestra que el resultado represente correctamente la realidad.
Tres comprobaciones que una buena apariencia no puede sustituir
Al evaluar una herramienta generada por IA conviene separar tres aspectos que en pantalla suelen aparecer mezclados.
- La interfaz: si los controles se entienden, los textos se leen y las acciones responden.
- La lógica: si las fórmulas, las condiciones y las relaciones entre variables están bien planteadas.
- Los datos: si la información utilizada es correcta, actual y adecuada para la pregunta.
Una herramienta puede funcionar bien en el primer punto y fallar en los otros dos. También puede calcular correctamente a partir de datos equivocados.
Por ejemplo, un organizador de tareas podría ordenar sin errores unas actividades según su duración. Pero si esas duraciones se han inventado, el horario resultante seguirá siendo poco útil. El fallo no estaría en el botón ni necesariamente en el algoritmo, sino en la información de partida.
Cómo comprobar una herramienta con un ejemplo sencillo
Imaginemos una calculadora para repartir gastos entre amigos. Antes de utilizarla con una lista larga, podemos introducir un caso fácil: tres personas comparten un gasto de 30 euros a partes iguales. El resultado esperado es de 10 euros por persona.
Después podemos comprobar una situación distinta: una persona ha adelantado todo el dinero. La herramienta debería distinguir entre cuánto corresponde pagar a cada participante y cuánto debe transferir cada uno para compensar el adelanto.
Finalmente, conviene probar qué ocurre si dejamos un campo vacío, introducimos cero participantes o cambiamos una cantidad. Estos casos pueden revelar errores que quedan ocultos cuando solo probamos el ejemplo inicial.
La comprobación útil consiste en contrastar resultados conocidos y situaciones problemáticas. Pedir al propio chatbot que confirme que todo está bien no sustituye esas pruebas.
La petición inicial también debe incluir las reglas
Cuando describimos una herramienta, es fácil concentrarse en los colores y los controles. Sin embargo, explicar qué debe calcular y cómo tratar las excepciones puede ser más importante.
Una petición concreta podría ser:
Crea una herramienta interactiva para repartir gastos entre varias personas. Permite indicar quién pagó cada gasto y quién participa en él. Explica las reglas de cálculo, muestra el saldo de cada persona y avisa si falta algún dato necesario. Incluye un ejemplo sencillo cuyo resultado podamos comprobar manualmente.
Esta instrucción no garantiza una implementación correcta. Sí establece criterios claros para revisarla y evita que el diseño visual sea la única medida de éxito.
También ayuda pedir que la herramienta distinga los datos introducidos por el usuario de los valores de ejemplo. Una cifra de demostración no debería acabar interpretándose como información real.
Dónde puede aportar más valor
Estas experiencias pueden resultar útiles para explorar una idea antes de encargar un desarrollo, explicar una relación entre variables o probar distintas formas de organizar información.
Un profesor podría plantear una actividad en la que el alumnado modificara valores y justificara lo que observa. Un equipo de marketing podría ensayar cómo quiere comparar propuestas. Una persona podría comprobar qué controles necesita antes de buscar una aplicación especializada.
Son posibles usos, no resultados garantizados. En todos ellos, el objetivo inicial puede ser aprender qué preguntas hacer y qué requisitos definir.
Si la herramienta va a utilizarse de forma recurrente o compartirse con otras personas, aparecen necesidades adicionales: guardar datos, recuperar errores, mantener versiones y asegurar que el comportamiento sigue siendo consistente.
La facilidad de creación cambia el trabajo de revisión
Crear una primera versión con lenguaje natural puede reducir el esfuerzo necesario para empezar. Pero no elimina el trabajo de decidir qué significa que esa versión sea correcta.
El criterio más útil es preguntarse qué evidencia necesitamos antes de confiar en ella: un resultado comprobado, una fuente actualizada, una fórmula visible o una prueba con casos distintos.
Una interfaz convincente es un buen comienzo. La confianza se construye comprobando lo que hace. Esa diferencia permite aprovechar la creatividad de estas herramientas sin confundir una demostración atractiva con un producto terminado.
Fuentes y lecturas recomendadas
- TechRadar: seis pruebas de herramientas interactivas creadas con ChatGPT.
- OpenAI: presentación de Intelligent UI, publicada el 7 de octubre de 2026.
- OpenAI Help Center: funcionamiento y limitaciones de Intelligent UI.
Sombra Radio · Apoyo de lectores
Ayuda a mantener viva Sombra Radio
Tu aportación voluntaria nos ayuda a seguir publicando sobre IA. Puedes apoyarnos desde 1 € al mes.
