Cómo la gente realmente usa LLM y qué significa eso para los editores

Openai lanzó el estudio más grande hasta la fecha sobre cómo los usuarios realmente usan CHATGPT. He sintetizado minuciosamente a los que usted y yo deberíamos prestar atención, por lo que no tiene que atravesar la gran cantidad de ideas útiles e inútiles.

Tl; Dr

1. Los LLM no están reemplazando la búsqueda. Pero están cambiando cómo las personas acceden y consumen información.
2. Pedir (49%) y hacer (40%) consultas dominan el mercado y están aumentando en calidad.
3. Los tres principales casos de uso: orientación práctica, búsqueda de información y escritura) representan el 80% de todas las conversaciones.
4. Los editores deben crear activos vinculables que agregan valor. Ya no se trata de perseguir el tráfico de los artículos.

Chatbot 101

Un chatbot es un modelo estadístico entrenado para generar una respuesta de texto dada alguna entrada de texto. Monkey Ver, Monkey Do.

Los chatbots más avanzados tienen un proceso de capacitación de dos o más etapas. En escenario (menos coloquialmente conocido como «pre-entrenamiento»), los LLM están entrenados para predecir la siguiente palabra en una cadena.

Al igual que el mejor contador del mundo, ambos son predecibles y aburridos. Y eso no es necesariamente algo malo. Quiero a mis chefs gordos, mis pilotos sobrios y mis hombres de dinero tan aburridos que son los próximos en la fila para liderar la fiesta verde.

Etapa dos es donde las cosas se ponen un poco más elegantes. En la fase de «post-entrenamiento», los modelos están entrenados para generar respuestas de «calidad» a un aviso. Están afinados en diferentes estrategias, como el aprendizaje de refuerzo, para ayudar a calificar las respuestas.

Con el tiempo, los LLM, como el perro de Pavlov, son recompensados ​​o reprendidos según la calidad de sus respuestas.

En la fase uno, el modelo «entiende» (definitivamente en comas invertidas) una representación latente del mundo. En la fase dos, su conocimiento se perfecciona para generar la mejor respuesta de calidad.

Sin configuración de temperatura, los LLM generarán exactamente la misma respuesta y tiempo y tiempo, siempre que el proceso de entrenamiento sea el mismo.

Las temperaturas más altas (más cerca de 1.0) aumentan la aleatoriedad y la creatividad. Las temperaturas más bajas (más cercanas a 0) hacen que el modelo (s) sea mucho más predictivo y preciso.

Por lo tanto, su caso de uso determina la configuración de temperatura adecuada. La codificación debe establecerse más cerca de cero. Las tareas creativas y más centradas en el contenido deberían estar más cerca de una.

Ya he hablado de esto en mi artículo sobre cómo construir una publicación de marca de marca. Pero recomiendo leer esta muy buena guía sobre cómo funcionan las escalas de temperatura con LLM y cómo afectan la base de usuarios.

¿Qué nos dicen los datos?

Que los LLM no son un reemplazo directo para la búsqueda. Ni siquiera tan cerca de la OMI. Este estudio SEMRUSH destacó que los súper usuarios de LLM aumentó La cantidad de búsquedas tradicionales que estaban haciendo. La teoría de la expansión parece ser cierta.

Pero han logrado un cambio fundamental en cómo las personas acceden e interactúan con la información. Las interfaces conversacionales tienen un valor increíble. Particularmente en un formato de lugar de trabajo.

¿Quién sabía que éramos tan flojos?

1. Orientación, búsqueda de información y escritura dominan

Estos tres casos de uso principales representan el 80% de todas las conversaciones humanas-robot. Guía práctica, búsqueda de información y, por favor, ayúdame a escribir algo insípido y sin cualquier tipo de pasión o perspicacia, robot maravilloso.

Concederé que la mayoría de las consultas de escritura son para editar el trabajo existente. Aún. Si leo algo escrito por AI, me sentiré engañado. Y el engaño no es una cualidad atractiva.

2. El uso no relacionado con el trabajo está aumentando

• Los mensajes no relacionados con el trabajo crecieron del 53% de todo el uso a Más del 70% en julio de 2025.
• Los LLM se han vuelto habituales. Particularmente cuando se trata de ayudarnos a tomar las decisiones correctas. Tanto dentro como fuera del trabajo.

3. Escribir es la aplicación más común en el lugar de trabajo

• Escribir es el caso de uso de trabajo más común, contabilizando 40% de los mensajes relacionados con el trabajo en promedio en junio de 2025.
• Acerca de Dos tercios de todos los mensajes de escritura son solicitudes para modificar el texto del usuario existente en lugar de crear un nuevo texto desde cero.

Sé suficientes personas que solo usan LLM para ayudarlos a escribir mejores correos electrónicos. Casi siento pena por los Bros Tech de que los casos de uso principales para estas herramientas carecen de creatividad.

4. Menos codificación

• Codificación por computadora Las consultas son una participación relativamente pequeña, solo en 4.2% de todos los mensajes.*
• Esto se siente muy contradictorio, pero los bots especializados como Claude o herramientas como Loveable son mejores alternativas.
• Este es un punto de nota. El uso especializado de LLM crecerá y probablemente dominará industrias específicas porque podrán desarrollar resultados de mejor calidad. El entrenamiento especializado de estilo en la etapa dos crea un producto muy superior.

*En comparación con el 33% de las conversaciones de Claude relacionadas con el trabajo.

Es importante tener en cuenta que otros estudios tienen algunas versiones muy diferentes sobre lo que la gente usa LLM. Entonces esto no es tan cortado y seco como pensamos. Estoy seguro de que las cosas continuarán cambiando.

5. Los hombres ya no dominan

• Los primeros usuarios eran desproporcionadamente masculinos (alrededor 80% con nombres típicamente masculinos).
• Ese número declinó a 48% Para junio de 2025, con usuarios activos ahora es un poco más probable que tenga nombres típicamente femeninos.

Claro, nosotros los hombres tenemos nuestros defectos. A lo largo de la historia, tal vez hemos sido un poco rápidos de luchar y un poco dominante. Pero es bueno ver la paridad.

• El 89% de todas las consultas están preguntando y haciendo relacionadas.
• 49% solicitando y 40%, con solo un 11% para expresar.
• Preguntar mensajes ha crecido más rápido que hacer mensajes durante el año pasado, y tienen una calificación de mayor calidad.

Una mesa construida por ChatGpt con ejemplos de cada tipo de consulta: preguntar, hacer y expresar (Crédito de la imagen: Harry Clarkson-Bennett)

7. Las relaciones y la reflexión personal no son prominentes

• Ha habido una serie de estudios que establecen que los LLM se han convertido en terapeutas personales para las personas (ver arriba).
• Sin embargo, las relaciones y la reflexión personal solo representan el 1.9% del total de mensajes según OpenAI.

8. La juventud sangrienta (*sacude el puño*)

Comida para llevar

No creo que los LLM sean un desastre para los editores. Claro, no envían ningún tráfico de referencia y han comenzado a eliminar las citas fuera de los usuarios pagados (clásico). Pero ninguno de estos encabezados tecnológicos nos va a dar nada.

Es una carrera hacia la luna, y somos el perro que enviaron en el vuelo de prueba.

Pero si eres un editor con una opinión, una audiencia y, con suerte, cierta profundidad de la marca y activos a mano, estarás bien. Aunque su comportamiento de gateo se está saliendo de control.

Tráfico de calidad de mierda y no mucho (crédito de imagen: Harry Clarkson-Bennett)

Uno de los resultados más prácticos que nosotros, como editores, podemos tomar de estos datos es el cambio aparente en las intenciones. Para EONS, nos hemos llenado de navegación, informativa, comercial y transaccional.

Ahora tenemos lo que lo hemos hecho. O generar. Y es enorme.

Incluso las herramientas simples aún pueden impulsar un tráfico e ingresos fantásticos (crédito de imagen: Harry Clarkson-Bennett)

El SEO no está muerto para los editores. Pero necesitamos hacer más que solo seguir publicando contenido. Hay mucho que decir para defender los valores de la IA, al tiempo que lo mantiene a lo largo del brazo.

Piense en BBC Verifique. Contenido que no puede ser sintetizado por máquinas porque agrega mucho valor. Herramientas y activos vinculables. Opiniones reales de expertos empujaron hacia adelante.

Pero es difícil escalar esa calidad. El SEO programático puede generar un valor increíble. Como las herramientas pueden. Herramientas que responden las consultas de «hacer» de los usuarios una y otra vez. Tenemos que construir cosas que agregan valor fuera del corpus existente.

Y si su audiencia es generalmente más joven y más confiable, tendrá que apoyarse más en esto.

Más recursos:

Esta publicación fue publicada originalmente en Liderazgo en SEO.

Imagen destacada: Roman Samborskyi/Shutterstock