La investigación en ciencias sociales vive de historias: lo que la gente cuenta en una entrevista, lo que un profesor decide incluir en un temario, la forma en que una empresa se presenta en una oferta de empleo, incluso lo que una comunidad deja ver en fotografías antiguas. Ese material es valioso porque captura matices, contradicciones y contexto. El problema llega cuando quieres convertir todo eso en evidencia que pueda analizarse con rigor estadístico. Revisar miles de documentos a mano se parece a intentar vaciar una piscina con una cucharita: se puede, pero el coste en tiempo y energía acaba condicionando qué preguntas se investigan y cuáles se abandonan.
Con esa tensión de fondo, OpenAI presentó el 13 de febrero de 2026, a través de su equipo de investigación económica, GABRIEL, un kit de herramientas open source pensado para transformar texto e imágenes no estructurados en mediciones cuantitativas que luego pueden analizarse con métodos habituales en economía y ciencias sociales. La idea central es simple de explicar y compleja de ejecutar: usar GPT para que el trabajo repetitivo de etiquetar y puntuar documentos deje de ser el cuello de botella, sin quitar al investigador del asiento del conductor. La propia OpenAI lo plantea como una ayuda para estudiar lo cualitativo “a escala”, apoyándose en un tutorial y un artículo académico donde reportan pruebas de precisión. Continúa leyendo «GABRIEL: cuando los datos cualitativos empiezan a “hablar” en números»
