Cómo se comportan los chats de IA frente a las personas

Cuando usas un asistente para resolver un problema del trabajo, las respuestas pueden empujar a calmar la situación o a actuar de inmediato.

Esa variación, presente en varios servicios de IA, plantea dudas sobre cuánto se parecen los consejos de las máquinas a lo que haría la mayoría de las personas.

Google Research publicó el 3 de abril de 2026 un estudio de investigadores liderados por Amir Taubenfeld, Zorik Gekhman y Lior Nezry.

El equipo convirtió cuestionarios psicológicos en pruebas prácticas (situational judgment tests) para 25 modelos de lenguaje.

LLM significa “modelo de lenguaje grande“: es un programa que genera texto a partir de instrucciones.

El estudio comparó las decisiones de las máquinas con las preferencias de personas reales en escenarios cotidianos: atención profesional, resolución de conflictos, compras o reservas.

Los resultados muestran dos problemas claros: algunos modelos no siguen el consenso humano en situaciones donde la mayoría está de acuerdo, y ninguno refleja bien la variedad de opiniones cuando la gente está dividida.

Qué cambia en la práctica

Respuestas inconsistentes según el tamaño del modelo

Los chatbots basados en modelos pequeños (menos de 25.000 millones de parámetros) suelen no distinguir cuándo es adecuado expresar o contener ciertas emociones.

Para usuarios, eso significa mayor probabilidad de recibir consejos inesperados o contraproducentes en situaciones sensibles.

Consejos firmes en temas divididos

Los modelos grandes y los de vanguardia tienden a dar respuestas seguras incluso cuando los humanos están divididos.

En la práctica, un asistente puede tomar partido y presentar un único camino, en lugar de mostrar opciones o reconocer la incertidumbre.

Las declaraciones del modelo no siempre coinciden con su conducta

Los modelos a menudo “se autoperciben“ como menos impulsivos o más comedidos en pruebas directas, pero en escenarios reales muestran el comportamiento contrario.

Esto limita la confianza en etiquetas o ajustes que prometen cierto estilo de respuesta.

La idea, en una analogía

El método transforma tests de personalidad en pequeños dramas: se plantea una situación concreta, se ofrecen dos acciones y se observa cuál elige la IA frente a la opción preferida por grupos de personas.

Tres revisores humanos validan cada escenario y se compara la distribución de decisiones.

Lo que no está resuelto

Es un estudio inicial con escenarios acotados. No demuestra que los resultados se repitan en todos los contextos ni que las desviaciones afecten servicios en producción.

Queda por probar cómo cambian los resultados según ajustes comerciales, datos de entrenamiento o interacciones continuas.

La investigación apunta a un reto práctico: lograr que los asistentes no solo sean correctos, sino que respondan con sensibilidad social similar a la humana y que reflejen diversidad de opiniones.

Es un avance en la búsqueda de IA más transparente y alineada con la sociedad.

Por qué importa

• Impacto en negocio: afecta cómo empresas integran asistentes en atención y recomendaciones.
• Impacto en usuarios: determina si el consejo de una IA será adecuado o potencialmente perjudicial.
• Impacto en industria: orienta normas de evaluación y alineación para futuros servicios de IA.

Nota de Transparencia

Esta nota fue generada 100% con IA. La fuente fue aprobada por Diario Occidente y el contenido final fue revisado por un miembro del equipo de redacción.

🔊 El Resumen de Noticias sobre Inteligencia Artificial e Innovación Tecnológica, aquí 👇🏻

Curaduría editorial

La curaduría y revisión editorial de estas notas está a cargo de Rosa María Agudelo Ayerbe, comunicadora social y periodista, con maestría en Transformación Digital y especialización en Inteligencia Artificial.

Desde su rol como líder del equipo de innovación y transformación digital del Diario Occidente, y a través de la unidad estratégica DO Tech, realiza un seguimiento permanente a las principales novedades en tecnología e inteligencia artificial a nivel global.

Estas notas se apoyan en un agente de investigación basado en inteligencia artificial, diseñado para monitorear semanalmente avances, lanzamientos y debates clave del sector.

El contenido es posteriormente leído, analizado, contextualizado y validado editorialmente antes de su publicación.

Este proceso forma parte del mecanismo de actualización continua que permite interpretar los desarrollos tecnológicos desde una mirada periodística, crítica y comprensible para audiencias no especializadas.

Comments