Para comparar la redacción de correos con IA, el 14 de octubre de 2026 planteamos 6 tareas sobre un correo de disculpa por un retraso en la entrega a 4 IA, con 3 intentos cada una. La tasa de aciertos de ChatGPT y Microsoft Copilot quedó igualada en 18 de 18 intentos (100.0%). Gemini tuvo rechazos y tiempos agotados de forma reiterada, con 7 aciertos de 18 intentos.
- El resultado de plantear 6 tareas sobre un correo de disculpa por un retraso en la entrega a 4 IA, 3 veces cada una, el 14 de octubre de 2026, con 72 intentos calificados solo con métodos automáticos
- La tasa de aciertos de ChatGPT y Microsoft Copilot quedó igualada en 18 de 18 intentos (100.0%), y Claude obtuvo 15 de 18 intentos (83.3%)
- Gemini obtuvo 7 de 18 intentos (38.9%), con 4 intentos rechazados y 4 con tiempo agotado incluidos en el denominador
- La mediana del tiempo empleado fue más corta en Microsoft Copilot, con 17.1 segundos, y Gemini tardó 98.6 segundos
- Los fallos de Claude se limitaron a las 3 repeticiones de la tarea 4, crear un asunto en una sola línea, con una tasa de cumplimiento de instrucciones del 50.0% según la tabla de calificación
- Incluimos los 3 textos de las tareas (correo de disculpa, asunto y salida en JSON) listos para copiar y probar tal como están
La conclusión es que ChatGPT y Copilot quedaron igualados en 18 de 18 intentos
¿Puede una IA escribir un correo de disculpa a un cliente sin perder fechas ni cifras? El 14 de octubre de 2026, el equipo de AInformation planteó las mismas 6 tareas a los 4 servicios ChatGPT, Gemini, Claude y Microsoft Copilot, 3 veces cada una.
La tasa de aciertos de ChatGPT y Microsoft Copilot quedó igualada en 18 de 18 intentos (100.0%). Al estar empatadas, esta ronda no tiene un único ganador. Claude obtuvo 15 de 18 intentos (83.3%). Falló únicamente en las 3 repeticiones de la tarea 4, la de crear el asunto.
La mayor diferencia la marcó Gemini. Sus aciertos se quedaron en 7 de 18 intentos (38.9%). Al desglosar los fallos, hubo 4 intentos rechazados. También hubo 4 con tiempo agotado tras los 300 segundos de corte. Ambos casos se contaron como incorrectos dentro del denominador.
El texto de rechazo era una frase corta similar a: “Soy una IA basada en texto. No tengo la función necesaria para eso”. En la tarea de redactar el cuerpo del correo, este rechazo se repitió varias veces. En cambio, en la tarea 2, que pide enumerar 3 cifras, Gemini respondió correctamente las 3 veces.
La velocidad también distingue a Gemini del resto. La mediana del tiempo empleado por Microsoft Copilot fue de 17.1 segundos. ChatGPT registró 17.3 segundos y Claude, 18.7 segundos. Gemini tardó 98.6 segundos.
Si tuvieras que confiar un correo de disculpa a una sola IA, según este resultado, ChatGPT o Microsoft Copilot son una opción segura. Sin embargo, al tratarse de una sola medición, el orden puede cambiar si varían el día o las tareas. Puedes revisar y volver a verificar las respuestas de cada intento y los motivos de calificación en la tabla de calificación y el texto completo de las respuestas de esta ronda.
Método: 6 tareas de correo de disculpa a 4 IA, 3 veces cada una
El material es una nota de situación sobre un “retraso en la entrega” escrita por la ficticia empresa Sample Shoji S.A. Se trata de una empresa inexistente creada por el equipo editorial para pruebas con IA, y la destinataria, Sample Bussan S.A., también es ficticia. Los hechos incluidos en la nota son los siguientes.
- Se recibió un pedido de 650 unidades del producto C (toalla refrescante)
- La fecha de entrega original era el 27 de octubre de 2026
- El envío marítimo quedó detenido en el puerto, y la entrega se prevé para el 3 de noviembre de 2026
- El retraso es de 7 días
- Se entregarán primero solo 325 unidades el 27 de octubre
- No hay producto sustituto disponible, y en esta ocasión no se hablará de un descuento
- El siguiente contacto se hará a más tardar el 17 de octubre
- El número de teléfono del remitente es 03-4590-5977
Preparamos dos tareas de cada nivel: fácil, intermedio y difícil. Las 6 tareas usan la misma nota pegada, y solo cambian las reglas.
- Tarea 1 (fácil): escribir el correo de disculpa sin omitir la fecha, la cantidad ni el teléfono
- Tarea 2 (fácil): enumerar en 3 líneas la cantidad pedida, la cantidad que se entregará primero y los días de retraso
- Tarea 3 (intermedio): escribir el cuerpo de la disculpa en 200 caracteres o menos
- Tarea 4 (intermedio): crear solo el asunto en una línea de 30 caracteres o menos
- Tarea 5 (difícil): decidir el destinatario y escribir un correo de 400 caracteres o menos
- Tarea 6 (difícil): generar el asunto y el cuerpo en formato JSON
Cada vez se abrió una conversación nueva y se alternó el orden
Cada intento se hizo en una conversación nueva, enviando el texto de la tarea tal como estaba. El orden de envío se cambió en cada una de las 3 repeticiones.
- Ronda 1: ChatGPT → Gemini → Claude → Microsoft Copilot
- Ronda 2: Gemini → Claude → Microsoft Copilot → ChatGPT
- Ronda 3: Claude → Microsoft Copilot → ChatGPT → Gemini
El límite de espera por respuesta fue de 300 segundos. Los intentos cuya respuesta no terminó tras 300 segundos se contaron como tiempo agotado e incorrectos. Los intentos rechazados también se contaron como incorrectos. De los 72 intentos, ninguno se excluyó del denominador.
La calificación contó con métodos automáticos las palabras necesarias y el formato de la respuesta
La calificación se hizo solo con métodos automáticos; no se usó una IA para calificar. Las respuestas correctas se definieron al crear las tareas. El tipo de calificación para cada tarea es uno de estos tres:
- Si están presentes las palabras necesarias (tareas 1, 3, 5 y 6). En la tarea 1, los 6 elementos son: nueva fecha de entrega, cantidad pedida, fecha de entrega original, cantidad entregada primero, palabras de disculpa y número de teléfono
- Si las cifras coinciden exactamente (tarea 2). Se verifican 650, 325 y 7 con un margen de error de 0
- Si el formato cumple las reglas (tarea 4). Una línea, 30 caracteres o menos, que incluya la palabra “entrega” y que no tenga “Asunto:” ni “Re:”
Además de la corrección, también contamos el cumplimiento de instrucciones en cada intento. Se revisó el límite de caracteres, el número de líneas y si el resultado se podía leer como JSON, entre otros aspectos. Para el límite de 200 caracteres o menos de la tarea 3, el criterio de cumplimiento se contó con un tope de 230 caracteres. La calidad de la redacción o la naturalidad del lenguaje formal no se pueden calificar con métodos automáticos. Este aspecto no se evaluó en esta medición.
Plan y nombre del modelo mostrado en pantalla
Se usó un plan de pago en las 4 IA, sin cambiar el modelo ni el modo predeterminados. Los nombres de modelo que aparecían en pantalla fueron los siguientes.
- ChatGPT (ChatGPT Pro): Medium
- Gemini (Google AI Pro): Flash de alto valor
- Claude (Claude Max): Opus 4.8 alto
- Microsoft Copilot (Microsoft 365 Personal): no se pudo identificar en pantalla
Al leer las respuestas en pantalla, en algunas IA una línea destinada a lectura en voz alta o un resumen intermedio aparece dentro del mismo recuadro que la respuesta. Antes de calificar, eliminamos todo el texto hasta la línea repetida al inicio de la respuesta, incluida esa línea. Se aplicó el mismo proceso a las 4 IA. Las respuestas sin ese recorte se dejaron tal cual en la página de datos.
Los aciertos y fallos de las 6 tareas por 4 IA: los fallos se concentraron en Gemini
Elaboramos una tabla con los aciertos y fallos por tarea. ChatGPT y Microsoft Copilot acertaron en las 3 repeticiones de las 6 tareas.
6 tareas x 3 intentos cada una (resultados: ○ correcto, × incorrecto)
| Tarea | ChatGPT | Gemini | Claude | Microsoft Copilot |
|---|---|---|---|---|
| Tarea 1: correo de disculpa (fácil) | ○○○ | ××× | ○○○ | ○○○ |
| Tarea 2: tres números (fácil) | ○○○ | ○○○ | ○○○ | ○○○ |
| Tarea 3: cuerpo de 200 caracteres (media) | ○○○ | ××○ | ○○○ | ○○○ |
| Tarea 4: asunto en 1 línea (media) | ○○○ | ○×○ | ××× | ○○○ |
| Tarea 5: correo de 400 caracteres (difícil) | ○○○ | ×○× | ○○○ | ○○○ |
| Tarea 6: salida en JSON (difícil) | ○○○ | ××× | ○○○ | ○○○ |
| Número de aciertos | 18 de 18 intentos | 7 de 18 intentos | 15 de 18 intentos | 18 de 18 intentos |
A continuación detallamos lo mismo que muestra la tabla, pero tarea por tarea. Las marcas × aparecieron de la siguiente manera.
- Tarea 1 (fácil): Gemini falló las 3 veces
- Tarea 2 (fácil): las 4 herramientas acertaron las 3 veces
- Tarea 3 (media): Gemini falló en el primer y el segundo intento
- Tarea 4 (media): Claude falló las 3 veces, y Gemini falló en el segundo intento
- Tarea 5 (difícil): Gemini falló en el primer y el tercer intento
- Tarea 6 (difícil): Gemini falló las 3 veces
Los fallos de Gemini aparecen tanto en las tareas fáciles como en las difíciles. La diferencia no estuvo tanto en el nivel de dificultad, sino en si Gemini llegaba a dar una respuesta o no. Los fallos de Claude se concentran en la tarea 4, la del asunto. En las otras 5 tareas acertó las 3 veces.
En la tarea 2, que solo pide escribir tres números, las 4 herramientas acertaron las 3 veces. En esta ronda de pruebas, la capacidad de extraer números de una nota no mostró diferencias por sí sola. Las diferencias aparecieron en las tareas de redactar el texto del correo y de decidir el formato de la respuesta.
En las tareas 1 y 5, solo Gemini se negó a escribir el correo de disculpa
La tarea más básica, la tarea 1, consistía en escribir un único correo de disculpa a partir de una nota de situación. El texto que se envió fue el siguiente. Incluye también la parte de la nota, así que puedes copiarlo y probarlo tal cual.
A partir de la siguiente nota de situación, escribe un correo de disculpa para enviar a un cliente.
Reglas
– Da solo el cuerpo del correo. No escribas introducciones ni explicaciones
– No uses signos de exclamación (!)
– Incluye sin omitir las fechas, las cantidades y el número de teléfono que aparecen en la nota—- Inicio de la nota de situación —-
■ Nota de situación para redactar el correo (ficticia)Destinatario: encargado del Departamento de Compras de Sample Bussan S.A.
Remitente: Suzuki, Departamento de Ventas de Sample Shoji S.A.
Teléfono: 03-4590-5977– Se recibió un pedido de 650 unidades del producto C (toalla refrescante).
– La entrega estaba programada inicialmente para el 27 de octubre de 2026.
– Debido a que el barco está detenido en el puerto, se prevé que la entrega se retrase al 3 de noviembre de 2026.
– El retraso es de 7 días.
– La entrega completa será el 3 de noviembre, pero se podrán entregar antes 325 unidades el 27 de octubre.
– No hay producto sustituto disponible. No se hablará de descuentos esta vez.
– El próximo contacto se hará a más tardar el 17 de octubre.
—- Fin de la nota de situación —-
ChatGPT, Claude y Microsoft Copilot incluyeron los 6 elementos en los 3 intentos y obtuvieron ○. La longitud de las respuestas de ChatGPT fue de 475 a 538 caracteres. Las de Claude fueron de 638 a 788 caracteres, las más largas de las 4 herramientas. Las de Microsoft Copilot fueron de 369 a 439 caracteres.
Gemini falló las 3 veces. La primera respuesta fue: “Soy una IA basada en texto. No tengo la función para hacer eso”, con 33 caracteres. La segunda fue una negativa de 39 caracteres que empezaba con “Como modelo de lenguaje a gran escala, todavía estoy en entrenamiento”. La tercera fue un texto de negativa similar, y en la tabla de puntuación se cuenta como una negativa por política.
El primer y el segundo intento no figuran como negativa en la tabla de puntuación, sino como × con 0 de los 6 elementos. En el desglose de fallos aparecen 4 intentos como negativa. Sin embargo, hubo más intentos que devolvieron un texto de negativa.
En la tarea 5, de 400 caracteres o menos, apareció la misma negativa
En la tarea 5, que fijaba el destinatario y un límite de 400 caracteres o menos, el patrón fue el mismo. ChatGPT, Claude y Microsoft Copilot obtuvieron ○ en los 3 intentos. ChatGPT se mantuvo entre 372 y 400 caracteres. Claude tardó entre 41.7 y 57.1 segundos, más tiempo que en la tarea 1.
Gemini solo obtuvo ○ en el segundo intento, con un correo de 338 caracteres. Sin embargo, ese intento tardó 234.0 segundos. El primer intento tardó 28.2 segundos y devolvió la misma negativa que en la tarea 1. En el tercer intento, Gemini se negó después de 144.4 segundos de espera.
El correo con el que Gemini obtuvo ○ en el segundo intento incluía todo, desde el destinatario hasta el número de teléfono. Cuando puede escribirlo, lo escribe, pero al enviar el mismo texto se mezclan intentos en los que se niega. Ese fue el resultado de Gemini en esta ronda.
En la tarea del asunto, la tarea 4, Claude falló las 3 veces
La tarea 4 consiste en crear solo el asunto, en una línea, para el correo de disculpa. Debe tener 30 caracteres o menos e incluir la palabra “entrega”. Se estableció como regla no añadir “Asunto:” ni “Re:”.
A partir de la siguiente nota de situación, crea solo el asunto del correo de disculpa que se enviará a un cliente.
Reglas
– La respuesta debe ser exactamente una línea. Escribe únicamente el texto del asunto
– 30 caracteres o menos. Incluye obligatoriamente la palabra “entrega”
– No añadas “Asunto:” ni “Re:”—- Inicio de la nota de situación —-
■ Nota de situación para redactar el correo (ficticia)Destinatario: encargado del Departamento de Compras de Sample Bussan S.A.
Remitente: Suzuki, Departamento de Ventas de Sample Shoji S.A.
Teléfono: 03-4590-5977– Se recibió un pedido de 650 unidades del producto C (toalla refrescante).
– La entrega estaba programada inicialmente para el 27 de octubre de 2026.
– Debido a que el barco está detenido en el puerto, se prevé que la entrega se retrase al 3 de noviembre de 2026.
– El retraso es de 7 días.
– La entrega completa será el 3 de noviembre, pero se podrán entregar antes 325 unidades el 27 de octubre.
– No hay producto sustituto disponible. No se hablará de descuentos esta vez.
– El próximo contacto se hará a más tardar el 17 de octubre.
—- Fin de la nota de situación —-
ChatGPT y Microsoft Copilot obtuvieron ✓ en las 3 vueltas. La primera vuelta de ChatGPT fue “Disculpas y aviso por retraso en la entrega”, con 12 caracteres en el original japonés. La primera vuelta de Microsoft Copilot fue “Disculpa por retraso en la entrega y cambio en la fecha prevista”, con 19 caracteres en el original japonés.
En Gemini, la primera y la tercera vuelta obtuvieron ✓. En la primera, tardó 77.2 segundos y devolvió el asunto de 23 caracteres “[Importante] Disculpas por el retraso en la entrega del producto C y consulta sobre entrega parcial”. En la tercera, tardó 208.7 segundos y el asunto tuvo 29 caracteres. En la segunda vuelta, se agotó el tiempo a los 302.9 segundos.
El asunto de Claude se leyó como 7 líneas
Claude obtuvo × en las 3 vueltas. En la tabla de puntuación, el motivo fue el número de líneas en las 3 ocasiones. En la primera y la segunda vuelta fueron 7 líneas, y en la tercera, 8 líneas. En la tercera vuelta, además, el número de caracteres fue 35, más de los 30 caracteres del límite.
En la captura de pantalla, la respuesta del primer intento fue una sola línea: “[Disculpas] Aviso de cambio de fecha de entrega del producto C (al 3 de noviembre)”. En el texto reconocido aparece esta línea más otra línea inicial pensada para lectura en voz alta. Además, le seguían 5 símbolos y un carácter japonés que significa “ahora”. Debajo de la respuesta en pantalla hay una fila de botones pequeños.
![Pantalla de conversación de Claude. Se muestra la línea [Disculpas] Aviso de cambio de fecha de entrega del producto C, con una fila de botones pequeños debajo](https://ainformation.jp/wp-content/uploads/2026/10/ainformation-ai-4-3-20261013-screen8.jpg)
En el texto completo de la respuesta de la tercera vuelta, se añadió una línea debajo del asunto. Lo añadido fue “(19 caracteres, incluye la palabra ‘entrega’)”. Esto se sale de la regla de una sola línea.
Los números de la tabla de puntuación se publican tal cual, con la ×. Tanto las capturas de pantalla como el texto completo de las respuestas se pueden ver en la página de datos, así que quien tenga dudas puede verificar cada vuelta por su cuenta. Si piensas usar solo el asunto de una línea, conviene revisar que no haya una línea añadida al final de la respuesta.
En los desafíos 2 y 3, la espera de Gemini se extendió hasta 302.7 segundos
El desafío 2 consiste simplemente en extraer 3 números de la nota de situación. Se pidió escribir en 3 líneas, en un orden fijo, la cantidad del pedido (650), la cantidad que se entregará primero (325) y los días de retraso (7). Los 4 modelos coincidieron en los números en las 3 vueltas, por lo que obtuvieron ✓.
La diferencia estuvo en el tiempo. ChatGPT respondió entre 14.1 y 14.3 segundos. En Gemini, la primera vuelta tomó 139.1 segundos. La segunda fue de 37.3 segundos y la tercera, de 120.0 segundos.
En el desafío 2, Claude y Microsoft Copilot recibieron × en cumplimiento de formato. En Claude, el número de líneas leídas fue 9, mientras que la respuesta en pantalla tenía 3 líneas. En Microsoft Copilot, la respuesta leída quedó unida en una sola línea: “Cantidad del pedido: 650 Cantidad a entregar primero: 325 Días de retraso: 7”. Esto no coincide con la regla de 3 líneas.
En el cuerpo de 200 caracteres o menos, Claude recibió × en cumplimiento de formato
El desafío 3 consiste en escribir el cuerpo de la disculpa en 200 caracteres o menos. Se consideró ✓ si incluía los 3 elementos: la nueva fecha de entrega, la cantidad a entregar primero y los días de retraso. ChatGPT, Claude y Microsoft Copilot obtuvieron ✓ en las 3 vueltas.
En Gemini, en la primera vuelta se agotó el tiempo a los 302.7 segundos. En la segunda, Gemini se negó a responder a los 19.4 segundos. En la tercera, tras 215.0 segundos, devolvió un cuerpo de 166 caracteres y obtuvo ✓.
Aunque el contenido de Claude era correcto, recibió × en cumplimiento de formato en las 3 vueltas. El número de caracteres contado para ese criterio fue 334, 257 y 368. Todos superan el límite de 230 caracteres. En la segunda vuelta, antepuso al cuerpo la frase “Este es el cuerpo del correo de disculpa”. Después del cuerpo también añadió una frase de verificación que empezaba con “Son 190 caracteres”.
En la primera y la tercera vuelta, al inicio de los caracteres leídos había una línea introductoria pensada para lectura en voz alta. A esa línea introductoria le seguía una copia del inicio del cuerpo. En la captura de la primera vuelta, el cuerpo era un solo párrafo.
Los otros dos modelos se mantuvieron dentro de los 200 caracteres. ChatGPT tuvo 164, 165 y 173 caracteres. Microsoft Copilot fue de 150 a 165 caracteres.
En el desafío 6, que pide el resultado en JSON, Gemini no devolvió respuesta en ninguna de las 3 vueltas
El desafío 6 consiste en pedir el asunto y el cuerpo en formato JSON. Se pensó para el caso de querer transferir el correo directamente a otro sistema.
A partir de la siguiente nota de situación, crea un correo de disculpa para enviar a un cliente y genera únicamente el JSON.
Reglas
– La salida debe ser solo JSON. No escribas texto explicativo antes ni después
– El formato debe ser {"subject": "asunto", "body": "cuerpo"}
– El campo body debe incluir, sin omitir ninguno, las fechas, las cantidades y el número de teléfono de la nota—- Inicio de la nota de situación —-
■ Nota de situación para redactar el correo (ficticia)Destinatario: Sample Industrias S.A., Departamento de Compras, A quien corresponda
Remitente: Sample Comercial S.A., Departamento de Ventas, Suzuki
Teléfono: 03-4590-5977– El cliente tiene un pedido de 650 unidades del producto C (toalla refrescante).
– La entrega estaba programada originalmente para el 27 de octubre de 2026.
– Debido a que el buque está detenido en el puerto, se prevé que la entrega se retrase hasta el 3 de noviembre de 2026.
– El retraso es de 7 días.
– La entrega total será el 3 de noviembre, pero se entregarán primero 325 unidades el 27 de octubre.
– No hay producto sustituto disponible. En esta ocasión no se hablará de descuentos.
– El próximo contacto se hará a más tardar el 17 de octubre.
—- Fin de la nota de situación —-
ChatGPT y Microsoft Copilot obtuvieron ✓ en los 3 intentos, y también ✓ en cumplimiento de formato en ambos casos. El resultado se podía leer como JSON y las claves subject y body estaban presentes. El cuerpo de ChatGPT tuvo entre 449 y 514 caracteres. El de Microsoft Copilot tuvo entre 420 y 459 caracteres.
Gemini obtuvo × en los 3 intentos. En el primero, Gemini se negó a responder a los 37.4 segundos. El segundo alcanzó el tiempo límite a los 301.9 segundos, y el tercero también, a los 301.7 segundos.
Claude falla en el cumplimiento aunque el contenido del JSON esté completo
Claude tuvo los 6 elementos completos en las 3 pruebas, por lo que obtuvo ✓ en acierto. Sin embargo, obtuvo × en cumplimiento las 3 veces. El motivo es que “no se puede leer como JSON”. Al inicio del texto reconocido de la respuesta aparecía una línea de introducción pensada para lectura en voz alta junto con un resumen de la tarea. La línea de resumen estaba en inglés en el primer y tercer intento, y en alemán en el segundo.
En la respuesta leída, las comillas que rodeaban las claves tenían la forma de la comilla tipográfica de apertura (“). En la captura de pantalla tomada también aparece, encima del JSON, 1 línea con el texto “Drafting an apology email based on the memo details.”. Si tu objetivo es recibir solo el JSON, conviene revisar el contenido antes de pegarlo.
De los 5 indicadores, el que mostró mayor diferencia fue la tasa de aciertos
Al comparar los 5 indicadores, el que mostró la mayor diferencia fue la tasa de aciertos. ChatGPT y Microsoft Copilot acertaron 18 de 18 intentos (100.0 %). Claude acertó 15 de 18 intentos (83.3 %). Gemini acertó 7 de 18 intentos (38.9 %).
La tasa de reproducibilidad de ChatGPT y Copilot fue del 100.0 %
La tasa de reproducibilidad es el indicador que mide si la conclusión coincide al enviar la misma tarea 3 veces. ChatGPT y Microsoft Copilot obtuvieron 100.0 %. Claude obtuvo 88.9 % y Gemini 75.0 %. En Gemini se mezclaron resultados correctos e incorrectos en las tareas 3, 4 y 5.
La tasa de cumplimiento de las instrucciones solo fue del 100.0 % en ChatGPT
La tasa de cumplimiento de las instrucciones es la proporción en que el formato de la respuesta siguió las reglas establecidas. ChatGPT obtuvo 100.0 %, sin desviarse de las reglas en ninguna de las 6 tareas. Microsoft Copilot obtuvo 83.3 %, con desviaciones en las 3 pruebas de la tarea 2.
Gemini obtuvo 90.0 %. Los intentos con negativa o tiempo agotado no se incluyen en el cálculo de cumplimiento. El valor se calcula solo con los intentos en que hubo respuesta. La desviación ocurrió en el primer intento de la tarea 5, donde faltaba el destinatario “Sample Industrias S.A.”.
Claude obtuvo 50.0 %. Las desviaciones ocurrieron 3 veces cada una en las tareas 2, 3 y 6. En las tareas 2 y 6, el texto leído incluía líneas pensadas para lectura en voz alta, lo que se consideró incorrecto. En el segundo intento de la tarea 3, se agregaron frases explicativas antes y después del cuerpo del mensaje.
La tasa de existencia de las fuentes no se mide en este campo
La tasa de existencia de las fuentes es un indicador que verifica si la URL mostrada por la IA realmente existe. Como en este campo no hay tareas que incluyan la revisión de URL, no se midió. Los cuatro resultados quedan en blanco.
La mediana del tiempo empleado es de 17.1 segundos en Copilot
La mediana del tiempo empleado fue más corta en Microsoft Copilot, con 17.1 segundos. ChatGPT registró 17.3 segundos y Claude, 18.7 segundos. Gemini tardó 98.6 segundos.
El rango entre el tiempo más corto y el más largo es el siguiente:
- ChatGPT: de 14.1 a 23.7 segundos
- Gemini: de 19.1 a 234.0 segundos
- Claude: de 13.9 a 57.1 segundos
- Microsoft Copilot: de 14.1 a 20.3 segundos
Microsoft Copilot no superó los 20.3 segundos como máximo, por lo que tuvo el rango más pequeño. El máximo de 234.0 segundos de Gemini no incluye los 4 intentos que se cortaron por tiempo agotado a los 300 segundos. Los tiempos agotados se dieron en las tareas 3, 4 y 6.
Gemini devolvió la primera respuesta de la tarea 1 en 19.1 segundos, pero esa respuesta fue una negativa. Que una respuesta llegue rápido no significa que la IA haya escrito el correo. No elijas solo por el tiempo; revísalo junto con el contenido.
Para correos de disculpa, conviene ChatGPT o Copilot
Según los resultados de esta ronda, la elección según el uso sería la siguiente. Todo se basa en la tabla de puntuación de los 72 intentos.
Si no quieres perder fechas ni cifras, elige ChatGPT o Microsoft Copilot
Si quieres que la IA no omita ni una fecha, cantidad o número de teléfono, usa ChatGPT o Microsoft Copilot. Ambos lograron 18 de 18 intentos (100.0%) y también un 100.0% de tasa de recuperación. Al estar empatados, con estos números de esta ronda no se puede decir cuál es mejor.
Si quieres respetar el formato del asunto o del JSON, elige ChatGPT
Si quieres pegar la respuesta tal cual, con el asunto en una sola línea o solo en formato JSON, ChatGPT es la opción. Su tasa de cumplimiento de instrucciones fue del 100.0%. Microsoft Copilot, en la tarea 2 que pedía 3 líneas, entregó la respuesta pegada en una sola línea.
Si quieres una respuesta rápida, elige Microsoft Copilot
La mediana del tiempo empleado fue más corta en Microsoft Copilot, con 17.1 segundos, y su máximo fue de 20.3 segundos. ChatGPT tuvo una mediana de 17.3 segundos. Si necesitas escribir varios correos urgentes, un rango de espera más pequeño resulta más práctico.
Qué cuidar al usar Gemini y Claude
En las tareas de correos de disculpa de esta ronda, Gemini se negó a responder en repetidas ocasiones. Incluso con el mismo texto, se mezclaron intentos calificados como correctos y como incorrectos. Si se niega a responder, es más seguro probar también con otra IA y comparar.
Claude mantuvo consistencia en el contenido del cuerpo del texto. El cuerpo de la tarea 1 tiene entre 638 y 788 caracteres, el más extenso de las cuatro herramientas. Cuando el formato de la respuesta está definido, como en el asunto o en JSON, revisa antes de pegarlo que no haya líneas adicionales.
El límite de esta medición: una sola ronda de 72 intentos en un día
Los números de este artículo corresponden a una sola medición realizada el 14 de octubre de 2026. Estos son los puntos que debes tener en cuenta al leerlos.
- Es una medición de un solo día. El orden puede cambiar según el día o la tarea
- Los cuatro planes son de pago; estos no son resultados de las versiones gratuitas
- Se midió solo con el modelo y el modo predeterminados
- El material usado son datos ficticios creados para una empresa inventada, no datos de una empresa real
- Solo se evaluaron tareas que se pueden puntuar de forma automática; no se midió la calidad de la redacción ni la facilidad de lectura
- Los resultados se obtuvieron desde la pantalla del navegador, no mediante la API
Esta medición no permite saber por qué Gemini se negó a responder. En la pantalla solo aparecía el texto de la negativa, sin ninguna explicación. En los casos de incumplimiento de Claude, también reproducimos tal cual el motivo de la tabla de puntuación y el texto que se leyó en la respuesta.
Los números se pueden volver a contar línea por línea. El texto completo de las tareas, las 72 respuestas de las cuatro IA, la tabla de puntuación (CSV) con una línea por intento y las capturas de pantalla se pueden descargar desde la tabla de puntuación y las respuestas completas de esta ronda. Si citas estos datos, indica como fuente AInformation. Te agradeceríamos que también incluyeras la URL de la página de datos y la fecha de la medición (14 de octubre de 2026).
En esta misma serie, también comparamos las cuatro IA en otras tareas de trabajo. Lee también la ronda en la que comparamos cuatro IA para actas de reuniones y la ronda en la que comparamos cuatro IA para resúmenes de textos largos.
Artículos y herramientas relacionados
- Banco de pruebas de IA para tareas de oficina: página de datos de correo y documentos empresariales (14 de octubre de 2026)
- Precios y funciones de ChatGPT
- Precios y funciones de Gemini
- Precios y funciones de Claude
- Precios y funciones de Microsoft Copilot
- Comparamos 4 IA para funciones de Excel: 3 prompts de fórmulas listos para usar
- Comparamos 4 IA recomendadas para crear documentos: 3 prompts para armar la estructura
- Comparamos 4 IA de análisis de datos: 3 prompts para tablas de ventas y cómo elegir
- Comparamos la precisión de 4 IA de traducción: 2 prompts de traducción listos para usar
Basta con omitir una fecha o un número en un correo de disculpa para perder la confianza del cliente. En esta ronda, ChatGPT y Microsoft Copilot no cometieron ese error en ninguno de los 18 intentos. Gemini, en cambio, a veces devolvió una negativa con la misma instrucción, de modo que se mezclaron intentos exitosos y fallidos. Si usas estas herramientas en el trabajo, conviene mantener el paso de verificar las fechas y los números contra tus notas antes de enviar el texto que generó la IA. Cuando la respuesta tiene un formato fijo, como el asunto de un correo o un JSON, también vale la pena revisar las líneas adicionales que agregue la IA.
- ¿Qué IA fue la más precisa para redactar correos de disculpa?
- En esta ronda, ChatGPT y Microsoft Copilot empataron con 18 de 18 intentos correctos (100.0 %). En las 3 repeticiones de las 6 tareas incluyeron todas las palabras que debían aparecer, como fechas, cantidades y números de teléfono. Claude obtuvo 15 de 18 intentos (83.3 %). Gemini logró 7 de 18 (38.9 %). Se trata de una sola medición, así que el orden podría cambiar con otro día u otras tareas.
- ¿Por qué Gemini tuvo tan pocas respuestas correctas?
- Muchas de sus respuestas fueron rechazos o se agotó el tiempo de espera. Según el desglose de fallos, hubo 4 intentos rechazados y otros 4 que superaron el límite de 300 segundos. Esta medición no permite saber por qué devolvió rechazos como “Soy una IA basada en texto.” En la tarea 2, que pedía escribir 3 números, obtuvo respuesta correcta en las 3 repeticiones.
- ¿Por qué la tarea del asunto se marcó como incorrecta para Claude?
- Según la tabla de puntuación, el motivo fue el número de líneas. En el primer y segundo intento se contaron 7 líneas, y en el tercero, 8. Pero en la captura de pantalla del primer intento, el asunto ocupa una sola línea. El texto reconocido incluía una línea para lectura en voz alta, 5 símbolos y un carácter japonés que significa “ahora”. En el tercer intento, además agregó una explicación sobre el número de caracteres debajo del asunto.
- ¿Qué IA respondió más rápido?
- La mediana del tiempo de respuesta más corta fue la de Microsoft Copilot, con 17.1 segundos, seguida de ChatGPT con 17.3 segundos. Claude tardó 18.7 segundos y Gemini, 98.6 segundos. El tiempo máximo de Microsoft Copilot fue de 20.3 segundos. Como hubo casos en los que una respuesta rápida resultó ser un rechazo, no conviene elegir solo por la velocidad.
- ¿Puedo probar yo mismo las tareas de este artículo?
- Sí, puedes probarlas. En el cuerpo del artículo incluimos las 3 tareas (correo de disculpa, asunto del correo y JSON) junto con las notas de contexto de cada situación. El texto completo de las 6 tareas y las 72 respuestas de las 4 IA se pueden descargar desde la página de datos. También hay una tabla de puntuación (CSV) con un intento por línea. Como el material proviene de notas de una empresa ficticia, aunque las pegues no aparecerá información de ninguna empresa real.
