Zoom al texto «100 queries per month» en el post oficial de OpenAI. No es letra pequeña ni un dato perdido entre párrafos: aparece junto al acceso Pro y a una ventana de ejecución de 5 a 30 minutos. Con eso ya basta para frenar la lectura cómoda. Lo que se presenta como deep research no entra al mundo como una mente que investiga libremente dentro del chat. Entra como un servicio con cupo, espera, coste y entrega final. Si investigara como una persona, no nacería con cola, límite mensual y precio de acceso. Entonces, ¿qué clase de cosa es realmente esta promesa de investigación profunda que parece pensar sola y además te deja un informe listo para circular? Ahí empieza el rastro documental.

Lo que parecía cerrar el caso

La lectura cómoda no sale de la nada. El nombre empuja: deep research. La interfaz ayuda. El tono de analista ayuda. Y el hecho de que aparezcan fuentes citadas ayuda todavía más. Todo eso junto se parece bastante a «ya investiga por mí». Y, siendo honestos, se entiende que mucha gente lo compre así. Tú mismo, si lo has probado, probablemente sentiste algo parecido al ver el resultado por primera vez. En el archivo de conspiraciones documentadas se aplica una lógica similar: leer productos y promesas públicas desde pruebas verificables, no desde el brillo del escaparate.

La micro-escena clave no está en una teoría, sino en una captura: la barra lateral de OpenAI mostrando pasos realizados y fuentes usadas. Eso da sensación de trabajo en marcha, no de respuesta improvisada. El producto no solo contesta. Enseña un recorrido. Y ese recorrido, presentado con limpieza, funciona como validación visual del resultado. Tú ves pasos, ves fuentes, y tu cabeza cierra el caso: esto ya ha trabajado por mí.

Pero ahí mismo aparece el freno. Lo que parecía una investigación autónoma se parece más a una tarea empaquetada. Hay pasos visibles, sí. Hay fuentes, también. Lo que no hay es libertad ilimitada de búsqueda ni criterio garantizado por el mero hecho de mostrar el proceso. El acto que parece suficiente es entregar un informe con rastro visible. Sirve para vender confianza. No basta para asegurar buen juicio.^[1]

La regla real no es el brillo

La regla que manda es menos romántica y más útil: no estamos ante una mente que investiga como quiere, sino ante un servicio de búsqueda iterativa con cupo, espera y entrega final. La frase «5 to 30 minutes» lo coloca en otra categoría. No funciona como chat instantáneo. Funciona como tarea. Le encargas algo, se va, vuelve con un informe. Tú notas el cambio cuando aparece el cupo: eso no es una inteligencia sin fricción, es un recurso caro de operar. En la ruta de tecnología suprimida se documentan decisiones técnicas y comerciales donde el producto visible importa menos que su marco operativo real.

Otra micro-escena lo deja claro: la frase «5 to 30 minutes» resaltada en pantalla. Ese tiempo no es decoración. Ordena la experiencia completa. Si tarda, es porque el proceso consume recursos reales. Y si consume recursos, aparece el límite mensual y el acceso de pago. La empresa no describe una inteligencia libre. Fija un producto costoso de ejecutar.

El diseño tenía sentido comercial. Ordena coste de cómputo, tiempo de ejecución y empaquetado del resultado como informe usable. No vende solo una respuesta mejor. Vende ahorro de trabajo intelectual ya convertido en entregable. Por eso el flujo visible importa tanto: pasos, fuentes y resultado final. No es teatro puro. Es la forma de convertir cómputo intensivo en algo que tú puedas leer como trabajo hecho. Pero que puedas leerlo como trabajo hecho no significa que el juicio ya esté resuelto.^[1]

Juntas, esas pruebas dibujan un patrón que ya no encaja en la lectura cómoda.

No queda viejo el mito, queda vieja la categoría

La comparación útil no es «funciona» contra «no funciona». Esa salida es demasiado pobre. La comparación seria es otra: investigador autónomo frente a servicio de investigación empaquetada. En la primera versión, el sistema casi reemplaza el trabajo de pensar. En la segunda, ejecuta una cadena de búsquedas, síntesis y presentación que puede ahorrar tiempo, pero no sustituye por sí sola la evaluación humana. Tú no necesitas discutir si impresiona. Necesitas ver en qué categoría real encaja.

La mejor prueba de que no es una rareza aislada aparece al mirar fuera de OpenAI. En el post de Perplexity se repite la misma lógica: docenas de búsquedas, cientos de fuentes y un informe final exportable a PDF o Page. Otra micro-escena: captura del post con búsquedas, fuentes y exportación. Cambia la marca. No cambia la estructura. Cuando dos competidores construyen el mismo flujo, eso ya no parece una ocurrencia puntual. Parece un patrón de mercado.

Y ese patrón tiene una consecuencia incómoda: el valor visible se desplaza del acto de investigar al acto de entregar algo presentable. El informe exportable pesa mucho porque se puede circular, enseñar y archivar. Pero símbolo no equivale a mecanismo. Que un texto llegue con fuentes y formato no corrige por sí solo errores de inferencia, mezcla de rumor con autoridad o confianza mal calibrada. Tú puedes seguir el proceso entero, pero eso no te regala buen juicio.^[2]

Con lo que sobrevive, la historia se aclara, pero no se cierra del todo.

El límite serio está en otra parte

Volvemos al objeto del principio: «100 queries per month». Esa cifra no respondía solo a una política comercial. También avisaba de qué clase de cosa es esto. La pregunta inicial se puede responder ya con más precisión: deep research no es un investigador autónomo e ilimitado dentro del chat. Es un servicio de búsqueda intensiva y síntesis que hace visible parte del proceso y empaqueta el resultado como informe. La cuota ya te lo estaba diciendo desde el primer momento. Lo mismo ocurre con los haarp alaska documentado: la interfaz pública dice una cosa y la capacidad técnica real dice otra.

El límite serio no lo inventan los críticos. Lo declara la propia OpenAI al admitir alucinaciones, inferencias malas y problemas al distinguir autoridad de rumor. La micro-escena aquí es seca: lectura corta de esas limitaciones en pantalla. Se acabó la salida fácil de «cita fuentes, luego ya es fiable». Citar es rastro. No garantía. Tú ganas criterio real cuando dejas de confundir fuentes citadas con fiabilidad resuelta.

Para medir mejor el contraste conviene mirar una plantilla que sí define investigación con procedimiento, fases, roles e informe final: el documento de UKRIO. Ahí aparecen revisión y responsabilidad humana diferenciadas. No para convertirlo en vara absoluta de todo, sino para marcar una frontera básica. Investigar de verdad no es solo buscar mucho y redactar bien. También implica procedimiento, revisión y carga de responsabilidad que ningún entregable automático cubre por sí solo.^[1][3]

El criterio final sirve más que la fascinación inicial: proceso visible no equivale a buen juicio, entregable no equivale a investigación y rastro de fuentes no equivale a fiabilidad. Leer deep research como servicio con reglas deja el caso bastante mejor ordenado que leerlo como una mente libre dentro del chat. Tú no estás corrigiendo un detalle: estás corrigiendo la lectura entera.

Preguntas frecuentes

Los documentos se cierran, las preguntas no.
En el Club Curioso probamos lo improbable con método. Archivamos los hechos, comparamos lecturas y dejamos margen a los datos.
Si has llegado hasta aquí, ya compartes la paciencia del archivo.

---

Fuentes consultadas

1. OpenAI, recurso en línea, openai.com, consulta 2026-04-18
2. Perplexity, recurso en línea, perplexity.ai, consulta 2026-04-25
3. UKRIO, recurso en línea, ukrio.org, consulta 2026-05-03

El rigor abre las puertas que la prisa mantiene cerradas.