Un GPT bien configurado puede ser útil. Un GPT con acciones puede ser útil y operativo. Esa es la diferencia importante. OpenAI define las Actions como la forma de conectar tu GPT a APIs externas para recuperar datos o ejecutar tareas fuera de ChatGPT. Además, un mismo GPT puede usar apps o actions, pero no ambas al mismo tiempo, así que conviene decidir desde el principio qué arquitectura quieres montar.

¿Qué necesitas antes de empezar?

Antes de tocar el editor, necesitas tres piezas claras: el endpoint o servicio externo al que quieres conectarte, la forma de autenticación que usará tu GPT y un esquema OpenAPI que describa qué puede hacer esa API y qué parámetros espera. Sin esas tres capas, la action no deja de ser una intención bonita sin una integración real detrás.

La mejor forma de empezar no es conectar todo tu stack de golpe. Es elegir una tarea muy concreta. Por ejemplo: consultar el estado de un pedido, crear un lead en un CRM, buscar documentos en una base de conocimiento o lanzar un workflow en Make o Zapier. Cuanto más cerrado sea el caso de uso inicial, más fácil será que el GPT invoque la acción correcta y pase los parámetros bien. Esa claridad también facilita la depuración posterior.

Paso 1. Diseña el caso de uso antes que la tecnología

Muchas implementaciones fallan porque se empieza por el schema y no por la necesidad. La pregunta buena no es “¿qué API puedo conectar?”, sino “¿qué acción concreta quiero que el GPT resuelva por mí?”. Si defines eso bien, el resto cae por su propio peso: operación, parámetros, autenticación y validaciones.

Un buen patrón inicial es separar las acciones en dos grupos: lectura y escritura. Las de lectura sirven para consultar información. Las de escritura modifican algo en otro sistema. Esta separación es útil porque no tienen el mismo riesgo operativo ni el mismo nivel de control. OpenAI incluso permite marcar ciertos endpoints como “consequential” cuando realizan cambios relevantes.

Paso 2. Crea un esquema OpenAPI entendible

La base técnica de una action es el esquema OpenAPI. Es lo que le dice al GPT qué operación existe, qué parámetros necesita y qué devuelve la API. En la práctica, no basta con que el schema sea válido: también tiene que ser claro. Los nombres de operación, las descripciones y los parámetros influyen directamente en si el modelo invoca bien la action o no.

Este sería un ejemplo mínimo:

openapi: 3.1.0info:  title: CRM Leads API  version: 1.0.0servers:  - url: https://api.tudominio.compaths:  /leads:    post:      operationId: createLead      summary: Crear un lead comercial      description: Crea un nuevo lead en el CRM con nombre, email y empresa.      requestBody:        required: true        content:          application/json:            schema:              type: object              required: [name, email]              properties:                name:                  type: string                  description: Nombre completo del lead                email:                  type: string                  format: email                  description: Correo electrónico del lead                company:                  type: string                  description: Empresa del lead      responses:        "200":          description: Lead creado correctamente

La clave aquí no es la complejidad. La clave es la precisión. Un operationId genérico como postData ayuda poco. Un nombre como createLead orienta mucho mejor. Lo mismo ocurre con las descripciones de campos: si están mal definidas o son ambiguas, el GPT tenderá a llamar la acción con parámetros erróneos o incompletos.

Paso 3. Elige la autenticación correcta

OpenAI contempla tres caminos principales para autenticar una action: None, API Key y OAuth. No son equivalentes. Usar una u otra cambia tanto la experiencia de usuario como el nivel de seguridad y personalización de la integración.

None encaja cuando el usuario puede acceder directamente al servicio sin identificarse. Es útil para experiencias abiertas o de baja fricción. API Key funciona bien en integraciones servidor a servidor donde quieres proteger la API pero no necesitas que cada usuario inicie sesión. OAuth es la mejor opción cuando la acción depende de la cuenta individual del usuario, como leer su correo, acceder a su calendario o trabajar sobre sus propios recursos.

Si eliges OAuth, hay un detalle importante: después de configurar la action, ChatGPT te proporciona una callback URL que debes registrar en la aplicación de terceros. Ese paso suele olvidarse y después aparecen errores que parecen misteriosos, pero no lo son.

Paso 4. Configura la acción en el editor del GPT

En el editor del GPT, debes ir a la sección Actions, crear una acción nueva, pegar el esquema OpenAPI y después configurar la autenticación. Una vez hecho eso, vuelve a la configuración principal del GPT y escribe instrucciones que hagan referencia explícita al nombre de la acción y a los parámetros que importan. OpenAI insiste en este punto porque el comportamiento del modelo mejora cuando las instrucciones conectan de forma clara con el schema.

Aquí está uno de los errores más comunes: pensar que con pegar el schema ya basta. No basta. El schema define lo que la API puede hacer. Las instrucciones definen cuándo debe hacerlo el GPT, por qué y en qué orden. Sin esa capa, el modelo puede no llamar nunca a la action, o llamarla cuando no toca.

Paso 5. Escribe instrucciones que ayuden al modelo

La documentación de OpenAI propone una estructura muy sensata para las instrucciones: contexto, secuencia de pasos y notas adicionales. Traducido a lenguaje real: explica para qué existe la acción, indica cuándo usarla y deja claro qué validaciones debe hacer antes de invocarla.

Un ejemplo sencillo de instrucciones útiles podría ser este:

Contexto:Este GPT ayuda a registrar leads comerciales en un CRM.Instrucciones:1. Cuando un usuario quiera registrar un contacto potencial, utiliza la acción createLead.2. Antes de ejecutarla, confirma que tienes al menos nombre y email.3. Si falta algún dato obligatorio, pídelo de forma directa.4. No inventes valores para email o empresa.5. Tras crear el lead, confirma el resultado al usuario.

Este tipo de redacción reduce muchísimo los fallos. También evita dos problemas muy frecuentes: que el GPT improvise parámetros y que invoque una acción sin haber recogido antes la información necesaria.

Paso 6. Prueba en Preview y depura con método

OpenAI recomienda probar la action en Preview después de configurarla. Tiene sentido: es la forma más rápida de comprobar si el GPT entiende cuándo usar la acción, si pasa los parámetros correctos y si la autenticación responde como debe. Cuando algo falla, las causas suelen repetirse: instrucciones incompletas, parámetros mal descritos, problemas de autenticación o descripciones ambiguas dentro del schema.

Si la action correcta no se dispara, revisa primero el nombre de la operación y la descripción. Si se dispara pero manda datos incorrectos, revisa las propiedades y sus descripciones. Si todo parece bien pero nada funciona, prueba la API fuera de ChatGPT con una herramienta de testeo y asegúrate de que el problema no está realmente en el backend.

Paso 7. Piensa en producción desde el principio

Cuando la integración deja de ser una demo y empieza a tocar sistemas reales, cambian las reglas. OpenAI recomienda aplicar rate limiting en los endpoints expuestos, respetar un tiempo máximo de ida y vuelta de 45 segundos, y servir la action mediante TLS 1.2 o superior sobre HTTPS con un certificado público válido.

También conviene marcar como sensibles los endpoints que modifican datos, pagos, estados o registros. Para eso existe x-openai-isConsequential. No es un adorno técnico: es una forma de distinguir claramente entre consultar y ejecutar cambios con impacto. En un entorno serio, esta separación no es opcional.

Errores habituales que conviene evitar

No hace falta una lista eterna. Los fallos más habituales suelen ser cinco:

• schemas válidos pero vagos;
• operationId poco descriptivos;
• parámetros sin contexto;
• acciones de escritura demasiado abiertas;
• instrucciones del GPT que no mencionan explícitamente la action.

En otras palabras: el problema rara vez es “la IA no funciona”. El problema suele ser que la integración está descrita de forma demasiado pobre para que el modelo la use con criterio.

Conclusión

Crear acciones en un GPT de ChatGPT no consiste solo en conectar una API. Consiste en diseñar una interfaz operativa entre lenguaje natural y sistemas reales. Cuando el caso de uso está bien definido, el schema es claro, la autenticación encaja con el contexto y las instrucciones están bien escritas, el GPT deja de ser un asistente conversacional genérico y empieza a comportarse como una capa útil de automatización.

La oportunidad real está ahí: usar ChatGPT no solo para responder, sino para consultar, decidir y ejecutar con conexión al mundo real. Ese es el salto que convierte una demo llamativa en una herramienta de trabajo.

Toni Domenech