Licencias de ChatGPT Enterprise y Microsoft Copilot o un pipeline de procesamiento de documentos: qué necesita una empresa regulada

ChatGPT Enterprise, ChatGPT Business y Microsoft Copilot dan al personal un asistente que puede leer un contrato o un formulario de siniestro y responder preguntas sobre él. Estas suscripciones por persona, que suelen llamarse licencias o «seats», sirven para documentos que la gente lee y sobre los que decide uno a uno. Cuando los mismos tipos de documentos llegan cada día y sus campos tienen que acabar en otro sistema, necesitas un pipeline de procesamiento de documentos. Lee cada documento con un modelo de lenguaje grande (LLM), el tipo de IA que hay detrás de ChatGPT. Después comprueba cada campo con tus reglas, envía los dudosos a una persona y escribe el resto en tus sistemas. En una empresa regulada, lo que decide entre las dos opciones es el volumen y dónde se pueden procesar tus documentos.

¿Qué aportan a una empresa regulada las licencias de ChatGPT Enterprise y Copilot?

Las licencias dan a cada empleado un asistente, con precio por persona y con condiciones empresariales sobre cómo usa el proveedor los datos de la empresa. La página de precios de OpenAI, consultada el 16 de octubre de 2026, dice que sus planes de pago de ChatGPT, incluidos Business y Enterprise, «tienen un precio por usuario y mes». La página de Microsoft sobre las opciones de licencia describe Microsoft Copilot, el producto que antes llamaba Microsoft 365 Copilot, como «un plan complementario» de una suscripción a Microsoft 365, con una licencia asignada a cada usuario.

La página de privacidad empresarial de OpenAI, actualizada el 8 de enero de 2026, dice: «No entrenamos nuestros modelos con tus datos de forma predeterminada». Da ese compromiso para ChatGPT Business, ChatGPT Enterprise y su API, entre otros productos. La API es la interfaz que usa tu propio software para llamar a los modelos de OpenAI. La página de privacidad de Microsoft sobre Copilot, consultada el 16 de octubre de 2026, dice: «Los prompts, las respuestas y los datos a los que se accede a través de Microsoft Graph no se usan para entrenar LLM fundacionales, incluidos los que usa Microsoft Copilot». Microsoft Graph es la capa a través de la cual Copilot lee el correo, los chats y los archivos de tu empresa.

Aun así, los documentos van a la nube del proveedor. Para los clientes de la UE, Microsoft dice que Copilot es un servicio del límite de datos de la UE (EU Data Boundary), es decir, un servicio cuyos datos de clientes se compromete a almacenar y procesar dentro de la UE y la EFTA, y añade: «Los modelos proporcionados por Anthropic como subencargado del tratamiento están excluidos actualmente del límite de datos de la UE». La página de Microsoft sobre los modelos de Anthropic dice que los clientes del límite de datos de la UE y del Reino Unido «tienen los modelos de Anthropic desactivados de forma predeterminada». Si tus reglas dicen que ciertos documentos tienen que quedarse en servidores que controlas, las licencias quedan descartadas para esos documentos. Para un asistente que funcione en tus propios servidores, consulta el artículo sobre un ChatGPT privado, enlazado arriba.

¿Dónde dejan de bastar las licencias para el trabajo con documentos?

Con volumen alto, el primer límite es el tiempo de las personas: cada documento necesita que alguien lo suba, pregunte, lea la respuesta y copie el resultado. OpenAI también limita el ritmo. Su artículo de ayuda sobre la subida de archivos, consultado el mismo día, dice: «Puedes subir hasta 80 archivos cada 3 horas». Y añade: «OpenAI puede reducir estos límites en las horas de mayor demanda».

Dos compañeros que formulan la misma pregunta con palabras diferentes pueden obtener valores distintos del mismo formulario. Ayuda tener una instrucción escrita fija por tipo de documento. Aun así, alguien tiene que medir con qué frecuencia sale bien cada campo, puntuando las respuestas con un conjunto de aceptación. Es decir, un conjunto de documentos reales con el valor correcto de cada campo anotado por tu personal.

En un chat, el resultado se queda en la pantalla y alguien lo teclea en el sistema de siniestros, de tickets o de alta de clientes, con la posibilidad de cometer un error nuevo cada vez. Un pipeline comprueba cada valor con tus reglas, como un importe dentro de un límite, una fecha que existe o un número de cliente que coincide con tus registros, y lo escribe él mismo.

Las licencias vienen con registros de las conversaciones. OpenAI dice que los administradores de los espacios de trabajo de ChatGPT Enterprise «pueden acceder a un registro de auditoría de las conversaciones y de los GPT a través de la Enterprise Compliance API», y Microsoft almacena «el prompt del usuario y la respuesta de Copilot». Un proceso documental puede necesitar, en cambio, un registro por documento que muestre las instrucciones y la versión del modelo detrás de cada campo, las comprobaciones que superó y quién lo aprobó. Pregunta a tu equipo de cumplimiento cuál de los dos necesita tu proceso.

¿Pueden los agentes de Copilot o los GPT personalizados hacer el trabajo del pipeline?

En parte. Los GPT personalizados y los agentes de Copilot son asistentes configurados para tareas concretas. Conectados a tus sistemas, pueden encargarse de parte del copiado manual, y para algunos tipos de documento eso puede bastar.

La página de privacidad de OpenAI dice que los miembros del espacio de trabajo «pueden crear y compartir GPT internamente». La misma página dice que las apps «permiten a ChatGPT enviar y obtener información de fuentes internas conectadas y de aplicaciones de terceros», y que los administradores eligen qué apps están activadas. Microsoft permite que Copilot use agentes y conectores con otras herramientas. Su página de privacidad dice: «Los administradores tienen control total para seleccionar qué agentes están permitidos en su organización». También aconseja a las empresas que usan un agente «consultar la declaración de privacidad y las condiciones de uso del agente para determinar cómo tratará los datos de tu organización».

Prueba un agente como probarías un pipeline. Ejecútalo con tu conjunto de aceptación, averigua dónde se procesa cada documento, también en el propio proveedor del agente, y revisa el registro que guarda de cada documento. Úsalo solo para los tipos de documento en los que apruebe.

¿Qué añade un pipeline de documentos?

Un pipeline aplica los mismos pasos a cada documento, y una persona solo ve los documentos que no superan las comprobaciones:

• La ingesta recoge los documentos del correo electrónico, de una página de carga o de un escáner y los clasifica por tipo
• Un modelo de lenguaje lee cada documento y devuelve los campos que le pides, con el lugar del documento del que sale cada valor
• Tus reglas comprueban cada valor, y todo lo dudoso va a una cola de revisión, la lista de documentos que esperan a una persona
• Los valores comprobados se escriben en el sistema que los usa
• Un registro por documento guarda la versión del modelo, las instrucciones, los resultados de las comprobaciones y el nombre de quien lo haya revisado

El modelo puede ser uno que tu personal ya usa. La página de privacidad de OpenAI separa los dos usos: «La forma más fácil de empezar con OpenAI es implantar ChatGPT Business o ChatGPT Enterprise para tus empleados» y «Si tus equipos de ingeniería quieren crear soluciones a medida con nuestra tecnología, prueba nuestra API Platform». Un pipeline puede llamar a la API de un proveedor con sus condiciones empresariales o ejecutar un modelo de pesos abiertos en servidores que controlas. Un modelo de pesos abiertos es aquel cuyos archivos puedes descargar y ejecutar tú mismo. El artículo sobre configuraciones con API, autoalojadas e híbridas, enlazado arriba, compara esas opciones.

Las condiciones de la API no son las mismas que las de las licencias, así que léelas por separado. La misma página de OpenAI dice: «Salvo determinados endpoints y funciones que se indican en la documentación de nuestra plataforma, OpenAI puede conservar de forma segura las entradas y salidas de la API durante un máximo de 30 días para prestar los servicios e identificar abusos». Añade que puedes solicitar la retención cero de datos (zero data retention) «para los endpoints elegibles si tienes un caso de uso que cumpla los requisitos».

¿Cómo decidimos qué documentos van a cada lado?

Haz una lista de tus tipos de documento y anota para cada uno: cuántos llegan al mes, cuántos campos sacas de cada documento, a qué sistema van esos campos y si los documentos pueden salir de tu perímetro (los servidores y las cuentas en la nube que controla tu empresa).

• Las licencias encajan con documentos variados que una persona lee de todos modos para decidir algo, como un contrato que se lee antes de una reunión, cuando nada de ellos pasa a otro sistema
• Un pipeline encaja con tipos que se repiten, como formularios de siniestro, facturas o expedientes de apertura de cuenta, cuando sus campos alimentan otro sistema y un error tiene un coste concreto, como un pago equivocado
• Los documentos que tienen que quedarse dentro de tu perímetro necesitan un sistema en servidores que controlas, un pipeline o un asistente privado, sea cual sea su volumen

Las licencias y un pipeline pueden convivir. El personal conserva sus licencias para leer y redactar, y el flujo constante de documentos estándar pasa al pipeline.

¿Cómo comparamos las dos opciones con nuestros propios documentos?

Puntúa las dos opciones con un mismo conjunto de aceptación, formado por documentos recientes de cada tipo. El artículo sobre comprar software de IA para documentos o construir un pipeline, enlazado arriba, explica cómo preparar el conjunto y reservar una parte para la puntuación final.

• Da las licencias a dos o tres personas del equipo y una instrucción escrita por tipo de documento, y cronométralas mientras procesan una muestra del conjunto
• Puntúa sus respuestas campo por campo con los valores correctos
• Haz que el pipeline procese la misma muestra allí donde tus reglas permitan procesar los documentos, y puntúalo de la misma forma
• Compara la precisión de cada campo, los minutos de personal por documento y cuántos resultados llegaron al sistema de destino sin volver a teclearlos

Si en un tipo de documento las licencias puntúan igual que el pipeline y el tiempo del personal es aceptable, deja ese tipo con las licencias.

¿Cuánto cuesta cada opción a medida que crece el volumen?

Con un precio por persona, la factura de las licencias sigue a la plantilla, más los créditos de uso adicionales que compres. Si el volumen se duplica y contratas a más personas para gestionarlo, también compras más licencias. La factura de un pipeline sigue a los documentos: el uso del modelo o los servidores, más el personal que atiende la cola de revisión y las personas que operan el sistema. Pide a tu proveedor de licencias y a cada empresa que ofrezca un pipeline que presupuesten a tres años los mismos volúmenes, fijados por escrito, y cuenta el tiempo de tu propio personal en los dos lados.

¿Podemos empezar con licencias y añadir un pipeline más adelante?

Sí, y los meses con licencias pueden servir para preparar el pipeline. Mientras el personal trabaja con ellas, reúne para cada tipo de documento la lista de campos que sacas de él, la instrucción escrita que tu personal acabó fijando y los documentos en los que el personal tuvo que corregir el resultado. La lista de campos y la instrucción se convierten en el punto de partida de la especificación del pipeline. Los documentos corregidos, con sus valores correctos, pasan al conjunto de aceptación.

Guarda este material en los archivos de tu propia empresa, y no repartido por historiales de chat, para poder poner a prueba con él a cualquier proveedor o empresa con la que hables más adelante.

¿Qué deberíamos preguntar a una empresa que se ofrece a construir el pipeline?

• ¿Qué pipeline de documentos han llevado a producción, es decir, al uso diario, y qué pasó con los documentos que no pudo leer?
• ¿Puntuarán su prototipo con nuestro conjunto de aceptación, donde nuestras reglas lo permitan, antes de que firmemos el desarrollo completo?
• ¿Cuáles de nuestros tipos de documento dejarían en manos del personal y de sus licencias, y por qué?
• ¿Qué contiene el registro de cada documento y puede leerlo nuestro equipo de cumplimiento sin ayuda de ustedes?
• ¿De quién son el código, las instrucciones dadas al modelo y el conjunto de aceptación cuando termina el trabajo?

¿Dónde encaja amBrain?

El único proyecto con modelos de lenguaje que amBrain describe en público es este: «Hemos llevado a producción una integración de LLM dentro del perímetro FinTech de un cliente: extracción y normalización de avisos no estructurados de brókers y de centros de negociación —eventos corporativos, cambios de instrumentos y de márgenes— en registros estructurados que consume el sistema de trading».

Este artículo no es un caso de estudio, y no se nombra al cliente. La frase citada no dice cómo empezó ese proyecto, qué modelo usó, dónde se ejecutaba el modelo ni cuáles de los pasos descritos arriba incluía. Nada de lo que aquí se dice indica que amBrain haya sustituido licencias por un pipeline, haya comparado las dos opciones para un cliente, haya construido sistemas para formularios de siniestro, facturas o expedientes de apertura de cuenta, ni que haya implantado ChatGPT Enterprise, ChatGPT Business, Microsoft Copilot o la API de OpenAI para nadie. OpenAI y Microsoft se citan como ejemplos a partir de sus propias páginas publicadas, y el artículo no afirma ninguna relación entre ellas y amBrain. No se dan precios, plazos ni condiciones de amBrain para un prototipo o una prueba antes de la firma.

amBrain desarrolla software desde 2019. Trabaja en tres formatos: entrega completa, un equipo dedicado o ingenieros integrados en tu equipo. Sobre la propiedad, su frase es: «El cliente conserva la propiedad completa del producto y del código, salvo nuestros componentes reutilizables». Si amBrain está en tu lista corta, dale el mismo conjunto de aceptación y las mismas preguntas que a cualquier otra empresa.