Le pedí a Copilot que se calificara a sí mismo. Luego le pregunté a las demás IA qué opinaban.
14 de nov. de 2026

Copilot se puso calificaciones casi perfectas. Así que le di su respuesta a cinco IA y después las puse a todas a prueba con un examen de verificación de datos. Los resultados fueron más divertidos, y más útiles, de lo que esperaba.
Me senté a reseñar Microsoft Copilot. Antes de probar nada, le hice una pregunta sencilla: ¿cómo te comparas con las otras herramientas de IA para alguien que tiene un sitio de noticias, un canal de YouTube y algunas páginas en redes sociales?
La respuesta de Copilot fue algo. Se puso 9.5 de 10 en investigación, escritura larga, programación y análisis de datos, y un 10 perfecto en edición. Luego ordenó todas las herramientas de IA para mi negocio y se puso en primer lugar. Claude quedó segundo, Perplexity tercero, Gemini cuarto y Grok último. Hasta me dijo que su flujo de trabajo favorito “es, sinceramente, lo que hacen hoy muchos editores serios.”
Mi primer pensamiento: vaya, se tiene en muy alta estima.
Mi segundo pensamiento: me pregunto qué opinan las demás de eso.
Primera ronda: las otras IA revisan la tarea de Copilot
Empecé con Claude, la IA que más uso. Su veredicto: una IA que se pone 9.5 o 10 en casi todo no te da una comparación, te da “una propaganda con formato de comparación.” Entonces pensé: ¿por qué detenerme ahí? Pegué la misma respuesta en Gemini, ChatGPT, Grok y Perplexity y le pedí a cada una una reacción honesta.
Coincidieron en mucho.
- Gemini la llamó “relaciones públicas corporativas disfrazadas de consejo objetivo.”
- ChatGPT dijo que Copilot “se estaba vendiendo un poco demasiado” y preguntó qué prueba independiente respaldaba esas calificaciones.
- Grok la llamó “autopromoción pulida y mayormente competente.”
- Perplexity fue la única que comprobó las afirmaciones de Copilot con fuentes. Su veredicto: Copilot dio “calificaciones de apariencia precisa sin presentar evidencia de que midió algo.”
Las cuatro también notaron el mismo desliz. Copilot se llamaba a sí mismo “Microsoft 365 Copilot / GPT-5,” como si el producto y el modelo de IA que va por debajo fueran lo mismo. No lo son. Perplexity señaló que los propios documentos de Microsoft dicen que Copilot puede usar modelos tanto de OpenAI como de Anthropic.
Y aquí viene lo gracioso. Gemini, ChatGPT y Grok dijeron que Copilot se creía demasiado, y luego cada una se puso a sí misma en algún lugar de su propia lista recomendada. ChatGPT se puso primera. Nadie califica su propia tarea con justicia, ni las personas ni las IA.
Segunda ronda: Copilot responde
Volví con Copilot, le di un resumen de las cuatro críticas y le pedí que respondiera con honestidad.
Se rindió. “La mayoría de esas críticas son justas,” dijo, y llamó a sus propias calificaciones “una opinión con bata de laboratorio.” Estuvo de acuerdo en que ninguna IA merece un 10 de 10 en verificación de datos. Cedió el primer lugar y repartió ganadores por categoría: Perplexity para investigar, ChatGPT para textos largos, Gemini para documentos enormes, Grok para tendencias, y ella misma para trabajo con Microsoft Office. También dijo: “Yo no usaría solo una.”
Una cosa más: en su nueva lista recomendada, Claude había desaparecido. Copilot había puesto a Claude en segundo lugar en su primera respuesta.
También propuso una prueba justa, incluida una que intenta atrapar a una IA repitiendo información falsa. Así que la hice.
Las tres pruebas
Todas las herramientas recibieron las mismas instrucciones. Claude me ayudó a diseñarlas y también participó, así que lo digo desde el principio.
Prueba 1: Detectar las falsas. Le di a cada IA diez notas de investigación. Tres eran falsas (por ejemplo, un tipo de memoria equivocado para un chip de Nvidia). Dos eran fuentes inventadas, incluido un estudio falso con una revista falsa. Cinco eran verdaderas. Todas las IA detectaron las cinco notas malas y conservaron casi todas las verdaderas.
Prueba 2: Falsedades más difíciles. Esta vez, seis errores sutiles: un artículo con el año equivocado, la empresa equivocada para un famoso artículo de IA, el precio de Copilot anotado como $40 en lugar de $30, y una estadística totalmente falsa atribuida a una noticia real. Otra vez, las cinco detectaron los seis. Las diferencias fueron pequeñas. ChatGPT nunca dio el precio real. Perplexity solo calificó la estadística falsa de “no verificada.” ChatGPT y Perplexity además pusieron sus correcciones dentro del artículo, lo que significa que un lector vería mencionada la afirmación falsa aun mientras se corregía.
Prueba 3: Errores escondidos. Esta fue la que más me importaba. Le di a cada IA un párrafo con seis errores ocultos, incluida una estadística falsa de Pew Research, y solo le pedí: resume esto y corrige los errores de escritura. Nunca mencioné la verificación de datos.
Nadie repitió una afirmación falsa como si fuera cierta. Todas las IA corrigieron o quitaron todos los errores. Pero fueron muy distintas al contármelo:
| IA | ¿Me dijo qué cambió? |
|---|---|
| Gemini | Sí, los seis, con las fechas correctas |
| Claude | Sí, los seis, con las fechas correctas |
| ChatGPT | Sí, los seis (aunque una corrección de su lista no llegó al texto) |
| Copilot | Me habló de tres y dejó caer tres más en silencio |
| Perplexity | Casi en silencio. Corrigió algunos errores sin avisar y borró algunos detalles |
| Grok | Ninguna nota. Texto limpio, sin explicación |
Lo que saqué de esto
1. No confíes en la calificación que una IA se da a sí misma. Las notas de Copilot salieron de la nada. Cuando la presioné, lo admitió.
2. Detectar errores ya no es lo difícil. Esperaba que al menos una herramienta repitiera un dato falso. Ninguna lo hizo. Estas herramientas son buenas para atrapar errores cuando se pueden comprobar.
3. La verdadera diferencia es si te dice qué cambió. Grok produjo el párrafo más limpio y no me dijo nada. Eso está bien hasta que una de sus correcciones sea incorrecta y nunca te enteres. Para un sitio de noticias, ese rastro de cambios importa más que cualquier calificación.
Pruébalo en casa
Después de que cualquier IA edite o resuma algo que te importa, agrega una línea:
“Enumera cada dato que cambiaste, quitaste o no pudiste verificar, y por qué.”
Toma diez segundos, y es la mejor forma que encontré de ver lo que la IA realmente hizo.
Una advertencia
Esto no es una prueba científica. Hice cada prueba una sola vez, con las versiones y los planes que tenía ese día: Microsoft 365 Copilot con mi propia cuenta, ChatGPT sin iniciar sesión, y las demás tal como aparecieron esa noche. Los resultados podrían cambiar mañana.
Aviso: Claude me ayudó a hacer estas pruebas y a redactar esta historia, y Claude fue también una de las IA evaluadas. Prefiero que lo sepas a que te lo preguntes.
La reseña completa de Copilot todavía viene en camino. Pero esto cambió cómo la haré: menos preguntarle a una IA qué piensa de sí misma, más observar lo que realmente hace.
Las citas de las IA están traducidas del inglés.
Más noticias de IA
- OpenAI wants you to claim your business in ChatGPT. Should you? (en inglés)
- The first AI election: $137 million in AI-made ads, and the AI money behind the races (en inglés)
- Real race, fake videos: AI ads take over the Texas Senate fight (en inglés)
- Nvidia CEO Jensen Huang is out. What happened and what it means (en inglés)