# El banco de pruebas GDPval de OpenAI recogió entregables reales de agentes de compras e hizo que expertos del sector puntuaran a ciegas el resultado de los modelos frente a ellos

Página: https://flyvolo.ai/es/changes/ev-20251005-procurement-specialist-1
Fecha: 2025-10-05 · Etapa: Capacidad técnica
¿Puede este registro mover un juicio sobre una tarea? no
Ocupación: https://flyvolo.ai/es/careers/procurement-specialist

## Alcance

Los compradores y agentes de compras son una de las 44 ocupaciones estadounidenses del banco de pruebas, repartidas por los nueve sectores que más aportan al PIB de EE. UU.; 1.320 tareas en el conjunto completo con al menos 30 por ocupación, cada una construida a partir de trabajo real de un profesional con 14 años de experiencia de media y cubriendo la mayoría de las actividades laborales de esa ocupación según O*NET. Lo que se puntúa es un entregable, a la primera, mediante una comparación ciega por pares entre expertos — no un trabajo. No hay cliente, ni ronda de revisión, ni negociación, ni consecuencia por equivocarse. La cifra de titular (el 47,6% de los entregables del subconjunto de oro de un modelo puntuados como mejores o igual de buenos que los del experto) es de la generación de modelos de septiembre de 2025 y ya ha sido superada; más útil es que el artículo informa de que las tasas de victoria son más altas en las tareas de 0 a 2 horas y bajan de forma sostenida a medida que la tarea se alarga. Las tasas por ocupación solo se publican como un gráfico, así que aquí no se cita ninguna cifra específica de compras. OpenAI diseñó el banco de pruebas, lo ejecutó y vende modelos medidos con él.

## Fuente

- GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks (OpenAI, arXiv:2510.04374) — https://arxiv.org/pdf/2510.04374 (fuente primaria)

## Qué significa esto

Alguien ha puesto por escrito, en público y en una forma contra la que cualquiera puede probar un modelo, qué produce este puesto: una treintena de entregables reales de compras hechos por alguien con más de una década a la espalda. Eso deja en el registro público una descripción del lado de los entregables de esta ocupación. Merece leerse más por la descripción que por la puntuación: el banco de pruebas es una lista de en qué consiste de verdad la mitad de este puesto que produce documentos.

## Lo que todavía no demuestra

No muestra a un modelo haciendo tu trabajo, y los autores del banco de pruebas no afirman que lo haga. Una tarea de GDPval llega completamente especificada, con sus ficheros de referencia adjuntos, y se corrige una sola vez. Las partes de esta ocupación que no son un entregable (saber que un proveedor está a punto de fallar, decidir a quién se le deja corto, ser la persona a la que un jefe de fábrica llama a medianoche) no están dentro y nunca se pretendió que lo estuvieran. Tampoco dice que ningún empleador cambiara nada: es una medida de capacidad, y la capacidad no es adopción.

## Cómo comprobarlo por tu cuenta

Coge el trabajo del mes pasado y sepáralo en dos montones: cosas que terminaron en un documento que leyó otra persona, y cosas que terminaron en una decisión o en una llamada de teléfono. GDPval es una prueba solo del primer montón. La proporción entre tus dos montones es lo que hay que saber, y nadie más puede calcularla por ti.


Más: https://flyvolo.ai/llms.txt