Blog InfluxIA

Gemini vs ChatGPT: ¿ha adelantado Google a OpenAI? Datos, lanzamientos y cómo aprovechar las novedades ya

Gemini vs ChatGPT: ¿ha adelantado Google a OpenAI? Datos, lanzamientos y cómo aprovechar las novedades ya

Gemini vs ChatGPT: ¿ha adelantado Google a OpenAI? Datos, lanzamientos y cómo aprovechar las novedades ya

El debate “Gemini vs ChatGPT” se calienta. Esta semana, las búsquedas de Gemini subieron con fuerza en Google Trends a nivel global, la app de Gemini escaló al top de descargas en iOS EE. UU. según App Store Charts, pero el uso real (tráfico y sesiones) sigue dominado por ChatGPT con mucha ventaja, de acuerdo con Similarweb. Aquí van los datos que importan y, sobre todo, cómo aplicar hoy mismo lo nuevo: NotebookLM, audio en Gemini, Veo 3 y, en la segunda parte, conectores MCP en ChatGPT.

Tiempo de lectura estimado: 12 min

Key takeaways

  • Interés vs hábito: suben búsquedas y descargas, pero la “cuota de trabajo” sigue en ChatGPT.
  • Lo aplicable hoy: NotebookLM para reportes, audio nativo en Gemini y vídeo vertical con Veo 3/VideoFX.
  • MCP en ChatGPT: el “USB‑C” para conectar IA con CRM/ERP/BBDD con seguridad y trazabilidad.
  • Estrategia: mide por caso de uso (calidad, coste, tiempo, re‑trabajo) y mantén stack multivendor.

Tabla de contenidos

Gemini vs ChatGPT: datos que importan (no solo hype)

Tendencias de interés (Google Trends)

  • Global 2024: repunte de Gemini a finales de agosto y primeras semanas de septiembre. En los últimos 7 días, supera a ChatGPT en interés de búsqueda según Google Trends.
  • España (30 días): ChatGPT aún lidera; el “efecto Gemini” pega más fuera que dentro.
  • Traducción simple: hay curiosidad por Gemini y por sus nuevos lanzamientos.

Revisión rápida

  • Mira la comparativa “Gemini” vs “ChatGPT” en Google Trends y filtra por “últimos 7 días” y “últimos 30 días” en tu país.

Descargas de apps

  • iOS EE. UU.: la app de Gemini ha entrado en el top de descargas gratuitas según App Store Charts. Es el primer gran hito de consumo masivo desde el boom de ChatGPT.
  • Lectura: instalar una app es fácil; convertirla en hábito, no tanto.

Cuota de mercado por uso/visitas (marzo–agosto)

  • Tráfico a webs de IA (aprox.): ChatGPT ~81%, Perplexity ~8%, Copilot ~5%, DeepSeek ~2.75%, Gemini ~2.19%, Claude <1% (fuente: Similarweb).
  • Lo importante: la “cuota de atención de trabajo” la acapara ChatGPT con mucha diferencia.

Interpretación

  • Curiosidad vs. hábito: el interés de búsqueda y las descargas indican exploración, no adopción profunda.
  • IA “de trabajo diario”: ChatGPT (y Copilot) siguen siendo la herramienta por defecto en muchas tareas de oficina.
  • Expectativa: si Google encadena lanzamientos útiles para trabajo, parte del pico se consolidará. Si no, el interés se normalizará.

Implicaciones para ti

  • No confundas picos de hype con sustitución de hábitos.
  • Evalúa por “casos de uso sostenidos”:
    • ¿Qué herramienta te ahorra tiempo cada semana?
    • ¿Cuál reduce errores en entregables?
    • ¿Cuál encaja con tu stack (Drive/Docs vs. Office/SharePoint)?

“Primero, números claros. Luego, pasos accionables.”

Novedades de Google que sí cambian flujos de trabajo

NotebookLM: reportes personalizados

Qué es

  • Un “estudio” de IA sobre tus documentos. Crea resúmenes, guías y reportes que se ajustan a tu corpus. Más info en NotebookLM.

Novedades clave

  • Sugerencias de reportes según tu set de archivos.
  • “Prontear” estructuras a medida: resúmenes ejecutivos, guías de estudio, checklists, plantillas propias.

Acciones recomendadas (15–30 min de setup)

  • Sube un set base: manuales, papers, actas, políticas.
  • Genera 2–3 reportes tipo:
    • Resumen ejecutivo de 1 página para dirección.
    • Checklist accionable para operaciones.
    • Guía de estudio para onboarding.
  • Estandariza un “formato de reporte” por equipo. Ejemplo:
    • Encabezado con fecha, alcance y fuentes.
    • Hallazgos en bullets.
    • Riesgos y decisiones.
    • Próximos pasos y responsables.

Ejemplo rápido

  • “Crea un resumen ejecutivo (máx. 300 palabras) de estos 5 documentos. Secciones: 1) Lo esencial en 5 bullets, 2) Riesgos, 3) Acciones en 14 días con responsables tentativos.”

Transición: si tu equipo vive en Docs/Drive, NotebookLM reduce horas de compilación. Ahora, audio.

Gemini: subida de audio nativa

Qué permite

  • Subir MP3 o grabaciones y obtener resumen, bullets, transcripción, acciones y fechas dentro de la app de Gemini. Ver detalles en Soporte de Gemini.

Por qué importa

  • Antes estaba más “técnico” en Google AI Studio; ahora es práctico y masivo en la app.

Pasos concretos

  • Arrastra un audio a Gemini (reunión, nota de voz).
  • Pide:
    • “Resume en 10 bullets y extrae decisiones.”
    • “Lista de acciones con fechas y dueños.”
    • “Convierte en minuta con asistencias, acuerdos y pendientes.”
  • Crea plantillas de prompts:
    • Plantilla Minuta: asistencia, acuerdos, acciones (quién/qué/cuándo), riesgos.
    • Plantilla Prospecto: pain, objeciones, próximos pasos, materiales a enviar.

Tip de calidad

  • Si hay varios temas, pide “etiquetas por sección” y “timestamp aproximado” para volver al audio clave.

Veo 3 (modelo de vídeo de Google): bajada de precios + vertical

Precios por API (orientativos)

  • Veo 3: de 0,75 $/s a 0,40 $/s.
  • Veo 3 Fast: de 0,40 $/s a 0,15 $/s.
  • Consulta la tabla vigente en la página oficial de precios.

Capacidades nuevas

  • Más resolución por API.
  • Soporte 9:16 (vídeo vertical), ideal para Shorts/Reels/TikTok. Ver VideoFX.

En la app (Flow/VideoFX)

  • Modo vertical 9:16 disponible.
  • Referencias de rostros permitidas también en Europa y Reino Unido.
  • En planes Ultra: Veo 3 Fast a 0 créditos (uso ilimitado); Veo 3 quality ~100 créditos/vídeo.

Qué hacer ahora (marketing en 60–90 min)

  • Crear 3 plantillas de prompt por red:
    • Shorts YouTube (9:16, 20–30 s, gancho en 2 s).
    • Reels Instagram (9:16, 10–15 s, texto sobreimpreso).
    • TikTok tutorial (9:16, 25 s, CTA final).
  • Test A/B Veo 3 vs Veo 3 Fast:
    • Métricas: tiempo de generación, coste por vídeo, retención 3 s / 50% / fin.
  • Diseñar “paquetes verticales”:
    • 1 tema = 4 variaciones (gancho diferente, call-to-action distinto).
    • Reservar Veo 3 quality para campañas; usar Veo 3 Fast para always-on.

Google Traductor: modo “Aprender”

Qué añade

Uso recomendado

  • 5–7 min/día.
  • Vocabulario temático por rol:
    • Ventas: discovery, negociación, objeciones.
    • Soporte: troubleshooting, empatía, scripts breves.
  • Objetivo: subir “fluidez útil” en tareas reales, no solo gramática.

Transición: con NotebookLM, audio en Gemini y Veo 3, Google trae funciones que sí tocan tu semana. Pero el contexto de mercado sigue moviéndose en paralelo.

OpenAI y Microsoft: divorcio amistoso y nuevas alianzas

Memorándum de entendimiento (MoU) y dirección del acuerdo

  • Trascendidos señalan: Microsoft reduciría su equity cercano a ~20% y el revenue share bajaría a ~8% (desde ~20%).
  • Cláusula AGI: sensibilidad de Microsoft si OpenAI “declara AGI” y eso altera derechos.
  • Nota: son informes en evolución; revisa fuentes primarias cuando se publiquen detalles finales en Financial Times y The Information.

Efectos para el ecosistema

  • OpenAI: más margen económico a 2030 para invertir en cómputo y modelos.
  • Microsoft: enfoque multivendor en 365 (usar Claude/Anthropic donde rinda mejor), y empuje de modelos propios en Azure.
  • OpenAI: pasos para reducir dependencia de cómputo externo (p. ej., proyectos tipo “Stargate” reportados).

Qué significa para usuarios y empresas

  • Copilot como “orquestador de modelos”: elegir el mejor modelo por tarea (redacción, Excel, análisis).
  • Tu movimiento:
    • Evalúa calidad por caso de uso, no por marca.
    • Mide: exactitud, tiempo, coste por tarea, tasa de re‑trabajo.
    • Mantén opción de “modelo alternativo” cuando el primero falle.

Ejemplo práctico (equipo de datos)

  • Tarea: limpieza de CSV con 1 M de filas.
    • Plan A: modelo rápido y barato para detección de patrones.
    • Plan B: modelo premium solo para filas dudosas (revisión de alta precisión).
  • Resultado: coste bajo con calidad estable.

Sigue leyendo. En la segunda parte pasamos a un cambio clave en ChatGPT: conectores MCP, el “USB‑C” entre IA y tus apps. Verás cómo activarlos sin romper nada y casos reales con CRM, soporte y bases internas.

Conectores MCP en ChatGPT: el “USB‑C” entre IA y tus apps

Qué es MCP (Model Context Protocol)

MCP es un estándar abierto para que una IA hable con tus sistemas (ERP, CRM, email, BBDD) de forma simple y segura. Piensa en un “puerto universal” que cualquier modelo pueda usar para preguntar o escribir datos, con permisos claros y logs.

  • Un servidor MCP expone recursos (datos, acciones).
  • Un cliente (p. ej., ChatGPT) se conecta con una URL y auth.
  • Beneficio: menos integraciones a medida, más reutilización.

Más info: Model Context Protocol y anuncio de Anthropic.

Novedad en ChatGPT

  • En ChatGPT ya puedes añadir conectores MCP desde:
    • Configuración > Conectores > Modo desarrollador > Crear.
    • Pegas la URL del servidor MCP, defines scopes y guardas.
  • Nota crítica: lectura vs. escritura. Es fácil pasarse de permisos. Revisa la documentación técnica si vas a integrarlo con datos sensibles.

Casos prácticos (rápidos y útiles)

  • Viajes: consultar millas y estado de vuelos si tu aerolínea publica un MCP, o usar un MCP interno que consulte tus reservas.
  • CRM: leer cuentas y oportunidades, abrir/actualizar actividades, generar resúmenes de llamadas en el registro.
  • Soporte: listar incidencias abiertas por prioridad, proponer respuestas con base en tu base de conocimiento.
  • BBDD internas: usar SQL read-only para dar contexto al modelo y evitar copiar/pegar de paneles.
  • Correo y calendarios: crear agendas de seguimiento y enviar borradores para revisiones.

La clave: unificar el “cerebro” (IA) con tus datos reales, con control.

Recomendaciones de implementación

  • Empezar sandbox:
    • Entorno de pruebas + datos de ejemplo.
    • Scopes mínimos (solo lectura al inicio).
  • Seguridad:
    • Logs obligatorios y auditoría semanal.
    • Reglas anti‑prompt injection en prompts del sistema.
    • Lista blanca de funciones permitidas; bloquea borrados/masivos.
  • Gobierno:
    • Dueño técnico + sponsor de negocio.
    • Revisión mensual de permisos.
    • Formación de 30–45 min para usuarios no técnicos (qué puede y qué no).
  • Cadena de fallos:
    • Mensajes claros si el conector no responde.
    • Fallback a procesos manuales (p. ej., “abrir ticket en Jira”).
  • Prueba piloto sugerida (2 semanas):
    • Caso de lectura en CRM (oportunidades abiertas > 30 días).
    • KPI: tiempo ahorrado, precisión, incidencias evitadas.

Otras novedades relevantes de la semana

Grok 4 Fast

  • Qué es: un modelo “ultra rápido” de xAI para texto, código y HTML con previsualización. En beta con early access.
  • Dónde brilla: prototipado, scaffolding de código, respuestas de alta velocidad en chat.
  • Cómo usarlo:
    • Drafts de interfaz web (HTML/CSS) y microcopys.
    • Bocetos de funciones y tests unitarios.
    • Exploración de ideas: 5–10 variantes en segundos.
  • Limitación: para producción, valida calidad y seguridad antes de desplegar.

Más info en el blog de xAI.

Alibaba Qwen 3 Next (Mixture of Experts)

  • Arquitectura: MoE con 80B parámetros y ~3B activos por consulta (costo menor por inferencia).
  • Ventaja: hasta 10x más barato de entrenar e inferir que modelos densos comparables, con rendimiento cercano a modelos >200B de su propia familia.
  • Dónde probar: web oficial y endpoints gratuitos limitados.
  • Casos: análisis de datos, coding, extracción de información.
  • Qué mirar: latencia, coste por 1.000 tokens y estabilidad de respuestas en series largas.

Ver novedades en el blog de Qwen.

Albania nombra una IA (“Diela”) en gasto público

  • Objetivo: reducir corrupción en contratos y compras.
  • Riesgos: seguridad del prompt, sesgos, y necesidad de humano‑en‑el‑bucle.
  • Lectura: avance simbólico con potencial, pero exige auditorías fuertes y trazabilidad.
  • Si eres sector público: prioriza pilotos con datasets acotados y explicabilidad.

Referencia: cobertura de Reuters.

Rabbit R1: nuevo software y “V coding”

  • Novedades: alarmas/temporizador nativos, grabación, y creación de miniapps por voz (“V coding”). Intercambio de apps vía QR.
  • Nicho interesante: educación y proyectos maker sin redes sociales ni tienda de apps grande.
  • Limitación: hardware dedicado compite con móviles con IA; evalúa costo/beneficio.
  • Acción:
    • Diseña 2–3 miniapps simples (p. ej., rutina de estudio, check de hábitos).
    • Mide adherencia vs. usar un móvil con accesos directos.

Más info en Rabbit.

Lectura estratégica: ¿está Google pasando a ChatGPT?

  • Sí en interés y ritmo: lanzamientos encadenados (Gemini, NotebookLM, audio, Veo 3, Traductor) elevan Google Trends y descargas en App Store Charts.
  • No aún en uso sostenido: la cuota de mercado IA en tráfico sigue muy inclinada a ChatGPT; el hábito de trabajo es difícil de mover (ver Similarweb).
  • Factores:
    • Google: cómputo masivo y canal (Android, YouTube, Search, Drive). Gran base que aún no exprime la IA a diario.
    • OpenAI: engagement fuerte en tareas de trabajo, pero con presión de cómputo y necesidad de más conectividad.
  • Próximo trimestre:
    • Si Google encadena funciones “de oficina” (Docs/Sheets/Drive) que ahorren minutos cada día, cerrará brecha.
    • Si OpenAI empuja MCP, agentes y voz avanzada, consolidará posición en empresas multivendor.

Qué hacer ahora (guía práctica para equipos y profesionales)

Productividad individual

  • Sube audio a Gemini para tus reuniones y notas de voz.
    • Plantilla: “Resume en 10 bullets, decisiones y dueños con fechas.”
  • NotebookLM: reportes personalizados por proyecto/cliente.
    • Formato estándar: hallazgos, riesgos, próximos pasos, responsables.
  • Micro‑aprendizaje con Google Traductor (modo “Aprender”).
    • 5–7 min/día con vocabulario por rol (ventas, soporte).

Marketing y social

  • Veo 3 Fast para always‑on en 9:16; reserva Veo 3 quality para campañas.
  • Librería de prompts por red:
    • YouTube Shorts (gancho 2 s, 20–30 s).
    • Reels (texto sobreimpreso, 10–15 s).
    • TikTok tutorial (CTA final).
  • Métricas: retención a 3 s/50%/fin, coste por vídeo, tiempo de producción.

IT/Operaciones y datos

  • Pilota un MCP de bajo riesgo en ChatGPT:
    • Solo lectura a CRM o BBDD no crítica.
    • Scopes mínimos, logs, auditoría y rollback definidos.
  • Guías anti‑prompt injection para equipos.
  • Matriz de modelos: alternativa cuando el primero falle (Claude, Qwen, Grok).

I+D y desarrollo

  • Evalúa Qwen 3 Next para cargas donde precio/latencia mandan.
  • Usa Grok 4 Fast para prototipos rápidos y scaffolding.
  • Benchmark interno:
    • Exactitud, coste/1.000 tokens, latencia p95, tasa de re‑trabajo.
    • Repite cada 6 semanas; el mercado se mueve rápido.

Conclusión

El pulso “Gemini vs ChatGPT” hoy tiene dos caras. Google lidera el ritmo de lanzamientos y el interés global. ChatGPT domina el uso real y la cuota de atención de trabajo. Lo que te importa no es la ola de hype, sino las horas que ahorras cada semana.

Acción clara:

  • Usa lo útil ya: audio en Gemini, reportes en NotebookLM, vídeo vertical con Veo 3/VideoFX.
  • Prepara tu stack para conectividad: pilotos con MCP en ChatGPT (conectores), seguridad y gobierno.
  • Mide por caso de uso: calidad, coste, tiempo y re‑trabajo. Ajusta modelo y flujo, no tu estándar de entrega.

Sigue evaluando con mente multivendor. El ganador real es tu productividad.

Fuentes citadas

FAQ

¿Por qué Gemini sube en búsquedas pero no en cuota de uso?

Porque instalar y probar es fácil; convertirlo en hábito diario no. El interés de búsqueda y las descargas son señales de exploración. La adopción real se ve en sesiones, tiempo de uso y tareas resueltas en el trabajo. Mide por casos sostenidos, no por picos de Google Trends.

¿Qué diferencia hay entre Veo 3 y Veo 3 Fast?

  • Veo 3: más calidad, coste por segundo mayor; ideal para campañas y piezas premium.
  • Veo 3 Fast: más barato y rápido; perfecto para always‑on y pruebas A/B.

Ambos admiten 9:16 y mejoras de resolución en API. Revisa precios actuales antes de escalar: precios y VideoFX.

¿Es seguro activar MCP en ChatGPT en una pyme?

Sí, si aplicas buenas prácticas:

  • Empieza en sandbox y solo lectura.
  • Scopes mínimos, logs y auditoría.
  • Reglas anti‑inyección y revisión de prompts.
  • Formación corta al equipo.

El protocolo está pensado para aislar riesgos y estandarizar integraciones. Más info en Model Context Protocol.

¿Cuándo elegir Qwen 3 Next frente a GPT‑4/Claude?

  • Elige Qwen 3 Next si precio/latencia mandan y la tarea tolera ligeras variaciones de calidad (ETL ligero, extracción, borradores de código).
  • Elige GPT‑4/Claude para precisión alta, razonamiento complejo o tareas sensibles.

Siempre haz un benchmark con tus datos antes de decidir. Referencia: Qwen.

¿Grok 4 Fast sirve para producción o solo prototipos?

Funciona muy bien para prototipos y tareas donde la velocidad manda. Para producción, valida:

  • Calidad estable en tus datos.
  • Seguridad y cumplimiento.
  • Coste total.

Si pasa esos filtros, puede entrar en pipelines de baja criticidad. Más info: xAI blog.

¿Cómo empiezo con conectores IA para CRM/ERP sin riesgo?

  • Caso 1: consulta “read‑only” de cuentas y oportunidades.
  • Caso 2: listados de incidencias y resúmenes.
  • Caso 3: creación de borradores (no envíos automáticos).

Define propietarios, logs y revisión semanal. Luego escala a escritura controlada.

¿Este análisis cambia si Google integra todo en Docs/Sheets/Drive?

Sí. Si esas funciones ahorran minutos diarios y se integran en tu flujo, verás migración de hábito. Por eso conviene pilotar ambas vías y mantener tu evaluación de “Gemini vs ChatGPT” viva cada trimestre.

¿Qué es una “definición” en este contexto?

Es una explicación clara del significado de un término. Sirve para que todos entendamos lo mismo cuando hablamos de cosas como MCP, MoE o cuota de mercado. Evita malentendidos en equipos mixtos. Ver Merriam‑Webster y Wikipedia.

¿Dónde sigo las actualizaciones clave?

Cierra el círculo cada mes: revisa qué te ahorró tiempo, qué redujo errores y qué integraciones merecen pasar de piloto a producción.

Cover Image