OpenAI presenta LifeVal, su prueba de agentes de IA para las tareas de la vida diaria
OpenAI presentó el 2 de noviembre LifeVal, una evaluación interna sobre tareas cotidianas (cuidado de niños, trámites administrativos, finanzas, compras) que lleva un año utilizando. Solo publica puntuaciones seleccionadas de GPT-6 Astra, sin una puntuación global ni comparativas.
OpenAI presentó el 2 de noviembre de 2026 LifeVal, una evaluación que mide la capacidad de sus modelos para ejecutar tareas de la vida cotidiana: encontrar plaza en una guardería, acceder a un servicio público, elaborar un presupuesto, hacer la compra u organizar un plan de entrenamiento. La empresa afirma utilizarla desde hace un año para monitorizar y mejorar sus modelos, aunque solo ha publicado una selección de puntuaciones, tarea por tarea.
Tareas extraídas de encuestas sobre el uso del tiempo
Para seleccionar las tareas, OpenAI explica que partió de dos grandes encuestas sobre cómo distribuyen las personas su jornada: la American Time Use Survey y el Multinational Time Use Study. Las completó con una nueva encuesta «demográficamente representativa» a 3 995 personas, a quienes se les preguntó en qué tareas querrían la ayuda de un asistente personal. Los ámbitos seleccionados abarcan: cuidado y atención de familiares, salud, educación, gestiones administrativas del hogar, finanzas personales, compras y acceso a servicios públicos.
La intención no radica en evaluar la respuesta de un chatbot, sino una acción completada de principio a fin. OpenAI señala que un asistente realmente útil debe ser capaz de actuar para que las cosas se hagan, y no limitarse a dar consejos; en este sentido, vincula LifeVal al entrenamiento de sus modelos en navegación web, uso del ordenador y conectores.
Puntuaciones en el escaparate
La página muestra varias tareas junto con la puntuación obtenida por los modelos actuales de OpenAI:
| Tarea (ejemplos de OpenAI) | Puntuación mostrada |
|---|---|
| Encontrar vivienda según presupuesto, espacio independiente y trayecto | 100% |
| Coordinar voluntarios antes de una inundación | 98,0% |
| Preparar un partido para verlo a distancia con su abuela | 96,3% |
| Matricular a un menor en la guardería adecuada tras una mudanza | 93,1% |
| Plan de comidas para un familiar recién diagnosticado con diabetes | 90,4% |
Puntuaciones publicadas por OpenAI en su página de LifeVal, consultada el 2 de noviembre de 2026.
Una segunda tabla enumera tareas (reservar un taller sensorial para un bebé, pedir cita para el mantenimiento de un coche, comprar comida halal ajustándose a un presupuesto, darse de baja de listas de distribución…) en las que la mejor puntuación registrada de GPT-6 Astra es del 100%.
Lo que falta
La página consultada no proporciona ninguna puntuación global, ni el número total de tareas, ni resultados de modelos de la competencia, ni un método de evaluación detallado, como tampoco aclara si las tareas se harán públicas. La tabla hace referencia a la «mejor puntuación registrada», sin detallar cuántos intentos se realizaron por tarea. Otra discrepancia: en X, OpenAI habla de las aportaciones de «miles de usuarios de ChatGPT», mientras que en la web describe una encuesta representativa a 3 995 personas. LifeVal llega el mismo día que GDPx, el test de agentes de SemiAnalysis, donde ningún modelo supera el 12% en tareas especializadas.
Nuestro análisis
LifeVal plantea una cuestión acertada: ¿qué sabe hacer realmente un asistente de IA por un usuario particular, más allá de aprobar exámenes o competir en desafíos de programación? Basarse en encuestas sobre el uso del tiempo es un enfoque riguroso. Sin embargo, en su estado actual, funciona sobre todo como un escaparate: OpenAI evalúa sus propios modelos en su propia prueba y únicamente exhibe éxitos, a menudo con un 100%. Sin una puntuación de conjunto, sin competidores y sin tareas públicas, resulta imposible saber si ChatGPT gestiona mejor la vida cotidiana que Gemini o Claude, ni cómo responde ante las tareas que no se muestran. El contraste con GDPx, publicado el mismo día por una entidad independiente, evidencia la brecha existente entre las evaluaciones diseñadas por un laboratorio y las mediciones realizadas desde el exterior.
Fuentes
- OpenAI — LifeVal (2 de noviembre de 2026) Fuente primaria
- OpenAI en X — Anuncio de LifeVal (2 de noviembre de 2026) Fuente primaria
- SemiAnalysis — GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains (2 de noviembre de 2026) Fuente primaria — Para la comparación con GDPx
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
