Si un equipo de RRHH pregunta «¿Gemini o ChatGPT?», es fácil responder con una tabla de modelos, ventanas de contexto y benchmarks. También es una forma bastante mala de empezar.
RRHH no compra una IA para ganar un benchmark. La usa para redactar, resumir, buscar información interna, preparar comunicaciones, apoyar procesos de selección o convertir documentos en trabajo operativo. En ese contexto, la pregunta importante es dónde vive la información, quién puede verla y qué parte del flujo seguirá revisando una persona.
Si ya vives en Google Workspace, Gemini tiene una ventaja obvia
Google integra funciones de Gemini en distintos planes y aplicaciones de Workspace. Para un equipo que trabaja todo el día entre Gmail, Documentos, Drive, Meet y Hojas de cálculo, reducir el copiar/pegar puede ser más valioso que una diferencia pequeña entre modelos.
También simplifica administración: permisos, cuentas y parte de los controles de seguridad siguen dentro del ecosistema que la empresa ya gestiona.
Google afirma en su Privacy Hub de IA generativa para Workspace que, en las ediciones aplicables, el contenido de la organización no se usa para entrenar modelos generativos fuera del dominio sin permiso y que se respetan los permisos existentes de Workspace.
ChatGPT encaja mejor cuando quieres un espacio de trabajo separado
ChatGPT puede tener más sentido cuando el equipo necesita un entorno independiente de su suite de oficina: por ejemplo, para trabajar con instrucciones reutilizables, analizar conjuntos de documentos, construir asistentes internos o combinar tareas que no viven exclusivamente en Google Workspace.
OpenAI indica que, por defecto, no usa los datos de sus productos empresariales —incluidos ChatGPT Business y Enterprise— para entrenar sus modelos. La referencia útil aquí es su página de privacidad y datos empresariales, no una promesa genérica de «la IA es privada».
Eso no convierte automáticamente ningún producto en adecuado para cualquier dato de RRHH. La configuración del espacio de trabajo, los permisos, las integraciones, la retención y las políticas internas siguen importando.
La comparación cambia cuando aparece información real de empleados
Una cosa es pedir que mejore una descripción de cargo. Otra es subir evaluaciones de desempeño, salarios, incapacidades, documentos de identidad o notas de una investigación interna.
En cuanto entran datos personales o laborales sensibles, el criterio debería cambiar de «cuál escribe mejor» a preguntas mucho más concretas:
- ¿Estamos usando una cuenta individual o un producto empresarial administrado?
- ¿Qué datos se pueden introducir y cuáles están prohibidos por política?
- ¿Cuánto tiempo se conservan conversaciones y archivos?
- ¿Quién puede compartir asistentes, enlaces o documentos fuera de la organización?
- ¿Qué integraciones tienen permiso para leer Drive, correo u otros sistemas?
- ¿Existe un registro suficiente para reconstruir una decisión si alguien la cuestiona?
Tres tareas de RRHH que no tienen el mismo riesgo
| Uso | Riesgo relativo | Control razonable |
|---|---|---|
| Reescribir un anuncio de empleo sin datos personales | Bajo | Revisión editorial normal. |
| Resumir entrevistas o evaluaciones | Medio | Cuenta empresarial, acceso limitado y revisión humana. |
| Clasificar o descartar candidatos automáticamente | Alto | Revisión jurídica, de sesgo, trazabilidad y supervisión humana; puede estar sujeto a regulación específica. |
Esta distinción evita otro error común: aprobar «ChatGPT» o «Gemini» como si el riesgo perteneciera al nombre del producto. El riesgo pertenece al uso concreto.
No confiaría en una comparación de calidad escrita una sola vez
Los modelos cambian demasiado rápido para declarar en agosto de 2026 que uno «es mejor redactando» y esperar que esa frase siga siendo útil meses después.
Para RRHH es más sensato construir una prueba pequeña con material propio y no sensible. Toma diez tareas reales: una política, un correo delicado, una descripción de cargo, un resumen de reunión, una tabla desordenada, una pregunta sobre un manual interno. Ejecuta las mismas tareas en ambos productos y puntúa:
- tiempo hasta obtener una salida utilizable;
- cantidad de correcciones necesarias;
- facilidad para mantener el tono de la empresa;
- fricción para acceder a la información correcta;
- riesgo de que el usuario copie datos a un lugar indebido.
Esa prueba probablemente diga más sobre el valor para tu equipo que una diferencia de algunos puntos en un benchmark general.
Un detalle importante sobre precio
El costo tampoco debería compararse como «Gemini cuesta X y ChatGPT Y» sin mirar el contrato real. Google incluye distintas funciones de Gemini según el plan de Workspace y OpenAI separa sus productos empresariales con su propia estructura comercial. Los precios, promociones y capacidades cambian.
La pregunta presupuestal útil es el costo incremental: cuánto aumenta realmente la factura para habilitar el uso que RRHH necesita, incluyendo administración, integraciones y tiempo de soporte.
Cómo decidir sin convertir esto en un proyecto de seis meses
Yo haría una prueba con un grupo pequeño durante unas semanas. Una herramienta por flujo, tareas definidas antes de empezar y métricas simples. Nada de «exploren la IA y nos cuentan».
Si el equipo ya está profundamente metido en Workspace, Gemini merece empezar con ventaja por integración. Si el objetivo es un espacio de IA más independiente y reutilizable entre varios tipos de trabajo, ChatGPT merece la misma prueba. Si van a tocar decisiones laborales sensibles, ninguno debería desplegarse solo porque ganó la prueba de redacción.
La comparación termina siendo menos emocionante que «modelo A contra modelo B», pero también más útil: elige el sistema que encaje mejor en el flujo y en la gobernanza que ya tienes que sostener.
