El modelo de chat de Microsoft ya responde con un gráfico interactivo. Su app decide qué puede renderizar

Un responsable de ventas pregunta al asistente interno cómo se ve el pipeline del equipo este trimestre. La semana pasada la respuesta eran tres párrafos. Esta semana es un gráfico con detalles al pasar el cursor, seguido unos segundos después por un análisis más completo. Nadie del equipo de la aplicación lanzó una versión. El modelo cambió.

Ese es el escenario que hace posible la actualización de Microsoft del 14 de octubre a GPT-chat-latest en Foundry. El modelo lleva la inteligencia de la familia GPT-6 a aplicaciones conversacionales y agénticas, con razonamiento, codificación, búsqueda, comportamiento multilingüe, personalización y creación de tareas más sólidos, y añade dos capacidades que cambian la forma de una respuesta. Los desarrolladores obtienen las mejoras “a través del GPT-chat-latest existente en Microsoft Foundry, sin necesidad de volver a desplegar un nuevo modelo”. Microsoft indica precios de $5 por millón de tokens de entrada, $0.50 por millón de tokens de entrada en caché y $30 por millón de tokens de salida.

Dos cambios en lo que es una respuesta

GenUI permite que el modelo devuelva respuestas visuales o interactivas. Los ejemplos de Microsoft son una tarjeta meteorológica estructurada “que su aplicación renderiza como un widget interactivo” y un gráfico de progreso del sprint incrustado sobre el que el usuario puede pasar el cursor. La redacción importa: el modelo devuelve una estructura y la aplicación la renderiza.

La salida con pensamiento intercalado, que según Microsoft a veces se llama “double texting”, muestra contenido útil de forma temprana mientras continúa el trabajo en la respuesta completa. Cuando se le pide recomendar un CRM, el modelo podría enviar primero un resumen rápido de tres opciones y, momentos después, una comparación detallada.

La UI ahora necesita un contrato

Cuando la salida de un modelo era texto, la tarea de la aplicación era mostrarlo de forma segura. Cuando la salida es una descripción de interfaz, la aplicación decide qué puede construir el modelo. Eso es un contrato, y conviene dejarlo por escrito:

• Una lista de componentes permitidos. La aplicación solo debería renderizar componentes que conoce, con esquemas que valida: un gráfico, una tabla, una tarjeta. Todo lo que quede fuera de la lista vuelve a texto. El anuncio de Microsoft no describe código arbitrario ejecutándose en la interfaz del usuario, y las aplicaciones empresariales no deberían permitirlo.
• Procedencia de los datos en el widget. Un gráfico parece tener más autoridad que una frase. Cada número renderizado debería poder rastrearse hasta una fuente que el usuario pueda abrir, o la interfaz es una forma más persuasiva de equivocarse.
• Accesibilidad y localización. Las respuestas interactivas deben funcionar con lectores de pantalla y en todos los idiomas que atiende la aplicación. Un gráfico sin alternativa de texto es una regresión para algunos usuarios.
• Acciones sujetas a confirmación. Si un widget puede desencadenar una tarea, como crear un ticket, es una transacción, y el usuario debería confirmarla como tal.

Las respuestas tempranas necesitan un estado

Las respuestas progresivas son buenas para los usuarios que esperan. Crean un problema para los sistemas que actúan sobre las respuestas: ¿qué mensaje es la respuesta? Si un agente posterior, un log o una persona que copia en un correo toma el primer resumen rápido, y el análisis completo lo contradice después, el registro conserva la versión incorrecta.

Las aplicaciones deberían marcar el contenido temprano como provisional, mantener la respuesta final como la de registro y registrar ambas. Microsoft comprobó con su propio agente de soporte que la honestidad sobre lo que el agente sabe impulsa la adopción; mostrar qué parte de una respuesta sigue en curso forma parte de esa honestidad.

“No hace falta volver a desplegar” tiene doble filo

Obtener nuevas capacidades sin volver a desplegar es cómodo. También significa que el comportamiento bajo el mismo nombre de modelo puede cambiar sin un cambio de su lado: formato de respuesta, longitud, costo por respuesta y ahora la presencia de salida interactiva. Para aplicaciones con pruebas de regresión, revisiones de cumplimiento normativo o usuarios entrenados en una experiencia estable, ese es un lanzamiento que usted no programó.

Consulte en la documentación de Microsoft qué controles de versión existen para GPT-chat-latest en su despliegue, y trate un cambio de comportamiento en un endpoint “latest” como un evento de cambio: vuelva a ejecutar su conjunto de evaluación, revise las rutas de renderizado y confirme el costo por respuesta. Un modelo que cambia es un lanzamiento, aunque nadie haya pulsado desplegar.

El chatbot empresarial se está convirtiendo en un generador de interfaces. Son buenas noticias para los usuarios, siempre que la aplicación, y no el modelo, siga siendo el autor de lo que la interfaz puede hacer.