Qué se compara y qué no puede concluirse de antemano
Un asistente de investigación web no es simplemente un buscador que devuelve una lista de páginas. Se le pide que encuentre información, la organice y redacte una síntesis con referencias que una persona pueda inspeccionar. La evaluación, por tanto, no debería terminar al comprobar que el informe incluye enlaces: hay que verificar si cada fuente respalda la afirmación asociada, si se han localizado fuentes pertinentes y si el texto representa con fidelidad las discrepancias.
Esta guía propone comparar ChatGPT Deep Research, Gemini Deep Research, Perplexity Pro Search y Claude Research mediante encargos equivalentes. No declara un ganador ni presenta como probado que una herramienta sea más precisa, completa o rápida que otra. La documentación de los proveedores describe funciones declaradas, pero no aporta una prueba comparativa común para los cuatro productos. Además, las fuentes verificadas aquí no permiten confirmar las opciones, la disponibilidad ni el funcionamiento de Claude Research. Sus características no deben inferirse por analogía: hacen falta fuentes verificables sobre el producto.
La distinción entre una función anunciada y un resultado comprobado es fundamental. Que un producto describa investigación en varias etapas, búsqueda web, selección de fuentes o enlaces no demuestra que haya encontrado las mejores fuentes en una consulta concreta. Para determinarlo, es necesario ejecutar las mismas tareas, conservar las condiciones de prueba y revisar manualmente una muestra de las afirmaciones principales.
Diseñar una prueba justa y reproducible
Una comparación útil empieza con un registro de las condiciones, no con una colección informal de capturas. Anota la fecha y hora, el nombre y la versión visible de la función, el tipo de cuenta o plan, los controles activados, el texto exacto de cada encargo y cualquier documento cargado. Conserva la respuesta completa, incluidas las referencias, los avisos de límite y las preguntas de seguimiento. Los planes, las cuotas y las funciones cambian; si no se registran, una diferencia de resultado podría deberse al acceso y no al comportamiento del sistema.
Usa cuatro encargos con objetivos diferentes: un dato reciente, una investigación con varias partes, una búsqueda restringida por dominios y un análisis de documentos propios. Para el dato reciente, pide una fecha de referencia y una fuente primaria. En la pregunta con varias partes, enumera las subpreguntas y solicita que se indique qué evidencia cubre cada una. Para la búsqueda restringida, define de antemano los dominios permitidos. Para documentos propios, utiliza el mismo archivo en las herramientas que permitan cargarlo y pide distinguir la evidencia documental de la web.
Si una función no está disponible, regístrala como no evaluable bajo esas condiciones; no la sustituyas por una modalidad distinta sin señalarlo. La misma redacción reduce, aunque no elimina, las diferencias de interpretación. Una segunda ronda con una formulación equivalente puede ayudar a detectar resultados frágiles. No cambies los encargos a mitad de la prueba ni trates como equivalentes modos o planes que no lo son. Cuando no se pueda igualar la configuración, describe esa limitación.
Protocolo mínimo
- 01Fijar cuatro encargos: dato reciente, investigación con varias partes, búsqueda por dominios y análisis de documentos propios.
- 02Anotar fecha, plan, función, ajustes de búsqueda, archivos y límites visibles para cada producto.
- 03Introducir el mismo encargo, guardar la respuesta completa y mantener la configuración durante la ronda.
- 04Verificar las afirmaciones centrales contra las páginas originales y registrar citas correctas, débiles, irrelevantes o inaccesibles.
- 05Repetir los encargos importantes y separar diferencias estables de variaciones entre ejecuciones.
Qué medir en las fuentes, las citas y los desacuerdos
La calidad de las referencias se evalúa afirmación por afirmación. Para cada frase verificable del informe, identifica la cita asociada y abre la página original. Comprueba si la página contiene el dato, si se refiere a la misma población, periodo y contexto, y si la redacción del informe exagera lo que la fuente permite concluir. Una página puede ser pertinente para el tema general y, aun así, no respaldar la cifra concreta o la relación causal que se le atribuye.
Registra por separado las citas accesibles y pertinentes, las que respaldan solo una parte de la afirmación, las que no guardan relación suficiente y las que no se pueden consultar. Si una afirmación reúne varios hechos, desglósala antes de calificar su apoyo. Un porcentaje agregado sin esa revisión puede resultar engañoso: muchas referencias correctas para datos secundarios no compensan una afirmación central sin respaldo.
También importa la diversidad de evidencia. Una fuente primaria —por ejemplo, una norma, un conjunto de datos original o el documento de la institución responsable del dato— no cumple siempre la misma función que un análisis periodístico o una revisión académica. No es necesario exigir una fuente primaria para cualquier pregunta, pero sí identificar qué tipo de evidencia se utiliza y si hay fuentes independientes. Si dos fuentes discrepan, el informe debería exponer qué difiere, por qué y qué no se puede resolver con la evidencia disponible, en vez de presentar una única versión como consenso.
El tiempo de auditoría completa la evaluación. Mide cuánto tarda una persona en comprobar las afirmaciones principales, localizar el pasaje relevante y decidir si la cita basta. No es una medida absoluta de calidad: depende del tema, de la accesibilidad de las fuentes y de la experiencia de quien revisa. Sí es una variable práctica para equipos que deben entregar informes verificables con plazos concretos.
Matriz para evaluar cada informe
| Criterio | Qué observar | Registro recomendado |
|---|---|---|
| Cobertura | Si responde a todas las partes del encargo y señala lo que queda sin resolver. | Partes cubiertas, omitidas y no verificables. |
| Respaldo de citas | Si la fuente original apoya directamente la afirmación asociada, con el alcance y el periodo correctos. | Directo, parcial, insuficiente, irrelevante o inaccesible. |
| Calidad y diversidad | Presencia de fuentes primarias pertinentes, fuentes independientes y perspectivas discrepantes. | Tipo de fuente, procedencia y desacuerdos identificados. |
| Trazabilidad | Facilidad para abrir la fuente, encontrar el pasaje y entender a qué frase corresponde. | Enlace funcional, pasaje localizable y ambigüedades. |
| Esfuerzo de revisión | Tiempo necesario para comprobar los hallazgos más importantes. | Minutos por informe y dificultades encontradas. |
Cuatro tareas que revelan diferencias prácticas
Para localizar un dato reciente, especifica qué significa «reciente» y qué respaldo se necesita. Pide la fecha del dato, la entidad que lo publica y un enlace a la fuente original. Comprueba si el resultado confundió la fecha de publicación con la de medición, si tomó una cifra provisional como definitiva o si citó una noticia que no conduce al dato primario. Esta prueba evalúa actualidad y trazabilidad, no la capacidad general de investigar.
En una pregunta multietapa, enumera las subpreguntas y exige una síntesis que mantenga visibles sus diferencias. Una respuesta fluida puede ocultar que una parte está sustentada por evidencia sólida y otra por una fuente débil. Comprueba si la conclusión se desprende de las fuentes o añade una inferencia que no está identificada como tal. Para facilitar la auditoría, solicita una referencia específica para cada punto importante.
En una búsqueda restringida a sitios, decide primero si se permitirá únicamente una lista de dominios o si se les dará prioridad sin excluir el resto. Son instrucciones distintas. Después inspecciona las fuentes de la respuesta: que exista un control para seleccionar sitios no garantiza que todas las referencias finales procedan de ellos. La documentación de OpenAI describe una opción de Deep Research para restringir la búsqueda a sitios de confianza; la ayuda de Gemini documenta controles y selección de fuentes. Estas descripciones informan sobre opciones declaradas, no verifican que cada ejecución las respete.
Para documentos propios, usa un archivo sin datos sensibles y con afirmaciones comprobables. Pide que el asistente separe expresamente lo extraído del documento de lo encontrado en la web. Revisa si las citas conducen al archivo, a páginas web o a ambos, y si el informe atribuye correctamente cada evidencia. Google describe la carga de archivos y la selección de fuentes en Gemini Deep Research; OpenAI también describe el uso de archivos aportados en Deep Research. La disponibilidad concreta y el comportamiento deben comprobarse en la cuenta evaluada.
Perplexity presenta Pro Search como una modalidad con selección de modelos y modos de búsqueda, entre ellos Web, Academic, Finance y Files, y afirma que sus respuestas enlazan a fuentes originales. Estas descripciones ayudan a registrar el modo utilizado en una prueba. No sustituyen la revisión de las páginas originales ni permiten anticipar la proporción de citas correctas. Una comparación válida debe anotar el modo, el plan y las condiciones, y evaluar las referencias con el mismo criterio aplicado a los demás productos.
Interpretar las funciones y los límites de acceso
Las páginas oficiales permiten confirmar lo que cada proveedor declara sobre sus productos, pero no constituyen una evaluación independiente. OpenAI describe Deep Research como un flujo de investigación multietapa con citas y lo distingue de una búsqueda más rápida. Google indica que Google Search se incluye por defecto como fuente en Gemini Deep Research y documenta opciones de fuentes, edición del plan de investigación y carga de archivos. Perplexity describe Pro Search, sus modos y los enlaces a fuentes originales. Estos datos sirven para configurar la prueba; no justifican ordenar las herramientas por precisión.
Los límites de acceso deben formar parte de los resultados. Registra si una cuenta puede usar la función, qué plan exige el proveedor, qué cuotas aparecen y si están disponibles la carga de archivos o los controles de fuentes. No extrapoles el resultado de una cuenta a todos los usuarios. Las páginas de planes pueden cambiar y una cuota indicada hoy no debe presentarse como permanente. La disponibilidad y las condiciones dependen de la cuenta y del momento en que se realiza la comprobación.
Un estudio de arXiv examina la credibilidad de las fuentes y el respaldo de respuestas en ChatGPT y Perplexity, pero no incluye Claude ni Gemini. Sus resultados corresponden a los productos y las condiciones estudiados; no deben extrapolarse automáticamente a versiones actuales ni utilizarse para proclamar un ganador en esta comparación. Un estudio previo puede ayudar a formular criterios, pero evaluar los productos actuales requiere datos propios y un método explícito.
La falta de documentación verificada sobre Claude Research impide describir aquí sus capacidades o disponibilidad como hechos. No hay una prueba común y actual de los cuatro productos ni resultados observados mediante encargos equivalentes. Por ello, no es posible establecer cuál ofrece mejor rendimiento comparativo. La ausencia de evidencia suficiente no demuestra que una función no exista ni permite inferir sus características.
Matriz de decisión según la tarea
| Necesidad | Qué priorizar | Qué comprobar antes de elegir |
|---|---|---|
| Encontrar un dato reciente | Fecha de actualización, fuente primaria y correspondencia entre dato y cita. | Periodo de referencia, cambios metodológicos y accesibilidad de la fuente. |
| Investigar una pregunta compleja | Cobertura de subpreguntas, tratamiento de desacuerdos y separación entre evidencia e inferencia. | Si cada conclusión importante tiene apoyo directo y suficiente. |
| Restringir la búsqueda | Controles claros para limitar o priorizar dominios y referencias finales trazables. | Si el sistema respetó realmente la lista acordada. |
| Combinar web y documentos propios | Atribución clara de la evidencia y referencias que permitan volver al documento original. | Disponibilidad de carga, tratamiento de archivos y distinción entre fuentes. |
| Entregar un informe auditable | Citas legibles, enlaces funcionales y esfuerzo de comprobación razonable. | Tiempo real de revisión y proporción de afirmaciones respaldadas. |
Elegir sin declarar un ganador absoluto
La elección depende de la tarea, del riesgo de equivocarse y del tiempo disponible para revisar. Para una nota interna de bajo riesgo puede bastar un informe cuyas afirmaciones principales sean fáciles de comprobar. Para una publicación, un análisis regulatorio o una decisión profesional, puede ser necesario contrastar fuentes primarias, documentar los desacuerdos y conservar un registro de auditoría. La herramienta con más enlaces no es necesariamente la más trazable, y una respuesta más extensa no equivale a una cobertura más completa.
Antes de adoptar una solución, fija un umbral de aceptación. Por ejemplo, define qué proporción de las afirmaciones centrales debe contar con respaldo directo, qué fuentes son obligatorias para cierto tipo de dato y qué errores requieren repetir la búsqueda. El umbral debe depender del uso previsto y aplicarse por igual a todos los productos. Si una herramienta no cumple una condición imprescindible por falta de acceso, controles o citas suficientes, la conclusión apropiada es que no encaja en ese flujo bajo las condiciones probadas; no que sea universalmente inferior.
Conserva los resultados, las instrucciones y las verificaciones para repetir la evaluación cuando cambien los productos o los planes. La matriz sirve para comparar evidencias observadas, no para convertir una prueba pequeña en una clasificación universal. Si los resultados varían mucho entre ejecuciones, informa esa variabilidad; si faltan datos para una herramienta, la comparación es incompleta. Una decisión defendible explica qué se probó, qué se pudo comprobar y qué permanece incierto.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección