«El conocimiento es un proceso de acumulación de datos; la sabiduría radica en su simplificación.»
— Martin H. Fischer
Hay una escena que se repite en casi todas las capacitaciones que hago.
Alguien levanta la mano y pregunta: «Roberto, ¿y esto de las skills es lo mismo que los GPT personalizados?». Y antes de que alcance a responder, otra persona ya está diciendo que sí, que es exactamente lo mismo pero con otro nombre, que cada plataforma le pone su etiqueta al mismo invento.
Entiendo la sospecha. Llevamos tres años viendo cómo la industria rebautiza lo mismo cada seis meses. Pero en este caso la sospecha nos hace perder algo valioso, porque **la diferencia entre un GPT y una skill sí es real, y entenderla cambia la forma en que construyes tu trabajo con IA.**
Voy a explicártelo sin jerga.
El punto de partida: los dos resuelven el mismo dolor
¿Te ha pasado que cada vez que abres una conversación con la IA tienes que volver a explicarle todo desde cero? Quién eres, para quién trabajas, qué formato quieres, qué tono, qué no debe hacer. Le explicas durante diez minutos, obtienes un buen resultado, cierras la ventana… y al día siguiente empiezas de nuevo.
Ese es el dolor. Y tanto un GPT como una skill nacen para resolverlo: configuras una vez cómo quieres que la IA trabaje, y reutilizas esa configuración cada vez que la necesitas.
Hasta ahí van de la mano. La diferencia aparece en el cómo.
La analogía que lo resuelve: la app y el manual
Un GPT es una app. La abres, entras en ella, y mientras estás dentro esa es tu sesión de trabajo. Es un asistente especializado que vive en su propia ventana. Si ahora necesitas otra cosa, sales y abres otra app.
Una skill es un manual en una estantería. La IA sigue siendo la misma, pero cuando detecta que la tarea lo requiere, va a la estantería, saca el manual correspondiente, lo lee y trabaja con esas instrucciones. Y puede sacar varios manuales en la misma conversación.
Esa distinción —contenedor versus capacidad cargable— explica todo lo demás.
Las tres consecuencias que sí importan
Primera: quién elige. Con un GPT, tú eres quien decide qué asistente abrir. Con una skill, el modelo lee las descripciones disponibles y decide cuál cargar según lo que le pediste. Esto tiene una implicancia práctica que a muchos se les escapa: en una skill, la descripción no es documentación, es infraestructura. Si está mal escrita, la skill nunca se activa, por brillantes que sean sus instrucciones internas. En un GPT la descripción es marketing; en una skill es el mecanismo mismo de encendido.
Segunda: los GPT se eligen, las skills se orquestan. Un GPT es un contenedor aislado: no puede llamar a otro GPT. Las skills se combinan. Puedes pedir «prepárame la propuesta para este cliente con la identidad de mi marca y los datos del diagnóstico» y el sistema encadena tres capacidades distintas en una sola conversación. Esta es la diferencia estructural de fondo, y es la que el 90% de las explicaciones omite.
Tercera: una skill puede incorporar scripts. Un script es un pequeño programa que ejecuta siempre las mismas operaciones de la misma manera. Y aquí quiero corregir una idea que circula: la razón para incluir un script no es automatizar pasos repetitivos. Es garantizar determinismo.
Te lo explico con un error que cometí yo mismo. En mis primeros diagnósticos de adopción de IA, dejé que el modelo calculara los índices a partir de las respuestas de la encuesta. Los informes se veían impecables. Pero al reprocesar los mismos datos, los números variaban ligeramente. Ligeramente. Lo suficiente como para que, si un sostenedor me pedía verificar la cifra frente a su equipo, yo no pudiera sostenerla con total certeza. Un modelo de lenguaje calculando un promedio puede equivocarse. Un script no. Desde entonces mi regla es simple:
Si dos ejecuciones deben entregar el mismo número, es script. Si deben entregar una lectura inteligente, es instrucción.
El script congela lo que debe ser exacto. La IA interpreta lo que requiere criterio.
La diferencia que casi nadie menciona (y que a ti te conviene)
Hay un punto más, y es el que más impacto tiene si tu trabajo tiene una dimensión profesional o comercial.
Un GPT vive dentro de la plataforma de quien lo creó. Una skill es una carpeta de archivos. Se copia, se versiona, se comparte, se entrega.
En otras palabras: una skill es un activo que puedes empaquetar y entregar a un cliente, o compartir a un equipo o a una institución. Tu metodología deja de ser algo que existe solo en tu cabeza o en tu cuenta, y pasa a ser un objeto instalable, auditable y con control de versiones. Es la diferencia entre soluciones aisladas y construir un sistema.
Entonces, ¿qué elijo?
No hay respuesta universal, pero sí hay un criterio. La pregunta correcta no es «¿qué plataforma uso?», sino ¿qué naturaleza tiene el trabajo que quiero sistematizar?.
Aplica estos cuatro filtros antes de construir cualquier cosa:
- ¿Es una tarea aislada o parte de un flujo?Si es aislada y siempre la inicias tú de forma consciente, un GPT te sobra. Si se combina con otras piezas —formato, marca, datos previos—, necesitas skills
- ¿Hay algo que deba ser exacto siempre? Cálculos, fórmulas, verificaciones, transformaciones de archivos. Si la respuesta es sí, necesitas un script dentro de una skill.
- ¿Alguien más va a usar esto? Si el sistema debe vivir en el entorno de un cliente o de tu equipo, una carpeta portátil vence a una configuración atrapada en una plataforma.
- ¿Cuánta complejidad necesitas realmente? Y este es el filtro más importante. Cada capa que agregas es una capa que hay que mantener y corregir. No metas scripts por deporte.
La invitación
Después de todo lo anterior, quiero dejarte la idea que de verdad importa, y que va a sobrevivir a esta y a las próximas cinco plataformas: la calidad del resultado no depende del envase, sino de la instrucción.
Un GPT bien diseñado le gana a una skill mal construida, todas las veces. Antes de decidir qué formato usar, necesitas ser capaz de explicar con claridad qué debe hacer la IA, con qué información, siguiendo qué pasos y presentando el resultado en qué forma. Esa claridad es el verdadero trabajo. Lo demás es plomería.
Así que mi reto para esta semana es concreto: elige una sola tarea que hayas repetido al menos tres veces este mes y escríbela como procedimiento. Qué hace, con qué insumos, en qué pasos, con qué formato de salida. No la construyas todavía. Solo escríbela.
Si logras eso, ya tienes lo difícil resuelto. Convertirla en GPT o en skill es la parte fácil.
¿Cuál va a ser esa tarea? Cuéntamela en los comentarios — me interesa genuinamente ver qué está sistematizando la gente, porque ahí es donde se ve el trabajo de verdad.