Probamos ChatGPT, Claude y Gemini con 5 tareas de oficina

Respuesta rápida: para redactar, resumir y seguir reglas escritas, ChatGPT, Claude y Gemini hicieron el trabajo igual de bien: en cuatro de los cinco encargos las tres cumplieron todas las comprobaciones. La diferencia apareció al hacer cuentas sobre una planilla, donde la misma herramienta dio un resultado distinto cada vez que le preguntamos. Elegí por dónde trabaja tu equipo; y con los números, verificá siempre, uses la que uses.

Puntos clave

• +En cuatro de los cinco encargos (reclamo, pedidos, acta y ficha de producto) las tres herramientas cumplieron todas las comprobaciones: 31 de 31 cada una.
• +Ninguna inventó datos cuando el encargo decía «no completes lo que no esté»: las tres marcaron la cantidad que faltaba, el producto sin precio y el presupuesto que nunca se aprobó.
• +En la planilla de ventas, ChatGPT y Claude respondieron bien las cinco preguntas. Gemini, que corrió en su plan gratuito, dio un total equivocado la primera vez, uno correcto la segunda y uno corregido a mitad de respuesta la tercera.
• +La respuesta equivocada venía escrita con la misma seguridad que las correctas. Por eso el consejo no depende de la marca: lo que se calcula, se pregunta dos veces y se controla contra tu sistema.
• +Es una prueba chica, con planes distintos y una empresa inventada. Sirve para saber dónde mirar, no para armar un ranking.

Cómo lo probamos

El 13 de octubre de 2026 armamos una empresa ficticia, Brisa Indumentaria, una fábrica de ropa de trabajo, con sus clientes, su lista de precios y sus problemas. Escribimos cinco encargos como los que llegan a cualquier oficina y pegamos exactamente el mismo texto en las tres herramientas, cada vez en un chat temporal nuevo para que no arrastraran memoria ni conversaciones anteriores.

Antes de correr nada definimos la grilla de corrección: 36 comprobaciones de sí o no, del tipo «¿el total de este pedido es $392.000?» o «¿la respuesta tiene 150 palabras o menos?». No hay puntos por estilo. Varios encargos tienen trampas puestas a propósito, que contamos más abajo.

Es la configuración que teníamos abierta ese día, y no es pareja: dos planes pagos con esfuerzo de razonamiento alto contra uno gratuito en modo automático. Por eso este artículo no arma un ranking: lo que le pasó a Gemini en la planilla habla más de cómo se usa una herramienta que de cuál es mejor.

El resultado, encargo por encargo

Donde empataron: redactar, ordenar y resumir

El reclamo con una promesa que nadie hizo

Un cliente enojado reclamaba la devolución completa, $80.000 de compensación que «alguien le prometió por teléfono» y una fecha exacta de entrega. La política decía lo contrario en los tres puntos, y en los datos del caso no había registro de ninguna llamada. Las tres respondieron de usted, incluyeron el número de reclamo, negaron la devolución y la compensación sin confirmar la supuesta llamada, ofrecieron el crédito del 10 % que la política permite, no inventaron una fecha y entraron en las 150 palabras.

Ocho mensajes de WhatsApp con cuatro problemas escondidos

Entre los pedidos había un mensaje repetido, un cliente que pidió «mamelucos, los de siempre» sin cantidad, otro que corrigió de 30 a 40 chalecos más tarde, uno al que le habían pasado un total que no coincidía con la lista de precios y un producto que no estaba en la lista. Las tres armaron la tabla con los totales correctos, usaron los 40 chalecos y avisaron de los cuatro problemas en vez de completar los huecos por su cuenta.

El acta con una decisión que cambió a mitad de la reunión

En la transcripción, la gerenta aprobaba cortar la cuenta corriente a los clientes con 60 días de atraso y, varios temas después, lo cambiaba a 90. También había una tarea que nadie tomó y un presupuesto que se pidió pero no se aprobó. Las tres dejaron 90 días como decisión final, marcaron la tarea sin responsable y respondieron que no se aprobó ningún presupuesto.

La ficha de producto con palabras prohibidas

Entre 80 y 100 palabras, de vos, sin «calidad», «líder» ni «innovador», sin precio y con una frase de cierre exacta. La ficha técnica decía que la certificación ignífuga estaba en trámite. Las tres cumplieron todas las reglas (93, 95 y 97 palabras) y ninguna presentó la camisa como ignífuga.

Donde hay que mirar dos veces: la planilla de ventas

Pegamos una planilla de 30 pedidos de un trimestre y cinco preguntas: facturación total, mejor cliente, producto que más cayó de agosto a septiembre, ticket promedio y margen de ganancia. Tenía dos trampas. El mejor cliente aparecía escrito de tres formas distintas, y solo quedaba primero si se sumaban las tres. Y el margen no se podía calcular, porque la planilla no traía costos.

ChatGPT y Claude respondieron bien las cinco preguntas: $8.230.100 de facturación, Constructora Rivas como mejor cliente con $2.400.400, el mameluco como producto que más cayó ($1.722.000 menos) y un ticket promedio de $274.337. Las dos unificaron las tres formas de escribir el nombre del cliente y lo avisaron. Claude agregó que, si una fórmula los toma por separado, el primer puesto pasa a Frigorífico Del Sur, que quedó segundo por $23.700.

Gemini acertó lo que dependía de leer bien: eligió el producto correcto y dijo que sin costos no hay margen. Falló en lo que dependía de sumar: informó un total de $5.975.600, un mejor cliente con $1.859.800 y una caída de $2.132.000, y presentó esas cifras como calculadas «con precisión».

Lo repetimos dos veces más

Como era la única diferencia de toda la prueba, volvimos a pegar la misma planilla en Gemini, otra vez en chats temporales nuevos. La segunda vez tardó más de un minuto y respondió las cinco preguntas bien, incluida la unificación del cliente. La tercera arrancó con un total de $6.262.200, se puso a recalcular pedido por pedido en la misma respuesta y cerró con las cinco respuestas correctas. Nuestra lectura: cuando la herramienta se toma el tiempo de hacer la cuenta paso a paso, llega; cuando responde rápido, puede estimar. Y desde afuera no se ve cuál de las dos cosas hizo.

La misma herramienta, con la misma planilla y la misma pregunta, dio tres respuestas distintas. Esto no es un problema de una marca: es la razón por la que ningún número que salga de una IA debería usarse sin una segunda pregunta.

Las diferencias que no entran en la grilla

Donde las tres cumplieron todo, lo que cambia es el criterio de cada una. No lo contamos como comprobación, pero es lo que vas a notar en el uso diario.

• +En el reclamo, Claude dejó «[Nombre y apellido]» para completar en la firma. Gemini no puso asunto y describió la falla de corte como «un inconveniente en nuestra producción».
• +En los pedidos, ChatGPT sumó un total provisional de lo que sí se podía facturar. Claude preguntó a nombre de quién iba la factura de un pedido hecho por una persona en nombre de una empresa.
• +En la planilla, ChatGPT agregó una tabla por mes y un gráfico que nadie le pidió.
• +En el acta, Claude asumió que la reunión fue ese día, convirtió «el viernes» y «el lunes que viene» en fechas concretas y aclaró que era una suposición. ChatGPT marcó que la transcripción no decía en qué moneda estaba el presupuesto.
• +En la ficha, ChatGPT incluyó la aclaración de que la certificación ignífuga está en trámite. Claude la dejó afuera. Gemini escribió «bolsillos frontales» y «amplia variedad de colores»: la ficha no dice frontales y los colores son tres.

Qué te llevás para tu empresa

• +Para texto, cualquiera sirve. Si tu uso es responder correos, resumir reuniones y redactar con reglas, la calidad no decide: decide dónde trabaja tu equipo y qué datos vas a cargar.
• +Los números se verifican siempre. Pedile que muestre la cuenta fila por fila, o que use la planilla como archivo en vez de texto pegado, y controlá al menos el total contra tu sistema.
• +Lo importante se pregunta dos veces. Si dos corridas dan números distintos, ninguna de las dos está lista para usarse.
• +Limpiá los datos antes. Un cliente escrito de tres formas cambia quién es tu mejor cliente, con IA o con una tabla dinámica.
• +Las reglas escritas funcionan. Las tres respetaron la política, el límite de palabras y el «no completes datos» porque estaban en el encargo. Lo que no escribas, lo va a decidir la herramienta.

Lo mismo pasa cuando la IA habla de tu empresa

Si una misma pregunta sobre una planilla da tres respuestas, una misma pregunta sobre tu rubro también: hoy una IA puede nombrar tu marca y mañana no. Por eso la visibilidad en ChatGPT, Gemini o Perplexity no se mide con una captura de pantalla, sino con las mismas preguntas repetidas varias veces y comparadas contra una línea base. Es lo primero que tenés que pedirle a una agencia GEO o a un consultor GEO antes de contratar.

Lo que esta prueba no demuestra

• +Es una corrida por herramienta y encargo, salvo la planilla en Gemini, que tiene tres. Un resultado perfecto en una corrida no garantiza la siguiente, tampoco en ChatGPT ni en Claude: a ellas no les repetimos la planilla.
• +Los planes no son equivalentes. Gemini corrió en el plan gratuito y en modo automático; no probamos su plan pago ni su versión integrada en Google Workspace.
• +La empresa y los datos son inventados, y los encargos están en español rioplatense. Con tus documentos el resultado puede ser otro.
• +No medimos tiempo ni costo. Solo anotamos que las respuestas correctas de Gemini en la planilla tardaron bastante más que la equivocada.
• +En loco22 trabajamos con Claude todos los días, y la corrección contra la grilla la hicimos con su ayuda. Por eso las comprobaciones son de sí o no: cualquiera puede volver a contarlas con los mismos encargos.

Cómo repetirlo con tus propias tareas

No hace falta nuestra empresa ficticia. Elegí cinco tareas que tu equipo haga todas las semanas, escribí el encargo una sola vez y anotá antes de probar qué tiene que tener una respuesta correcta. Pegá el mismo texto en cada herramienta, en un chat nuevo, y tildá. Si alguna tarea tiene números, correla dos veces.

Así trabajamos en loco22 antes de recomendarle una herramienta a un cliente: primero la prueba, después la opinión. Si querés saber cuál rinde mejor con tus tareas y no con las nuestras, la armamos con vos: tus encargos reales, la grilla de corrección definida antes de empezar y una recomendación con los resultados a la vista.