Español
Un chatbot puede hacer que una discusión parezca resuelta simplemente dando la razón a quien la escribió. Una investigación publicada en marzo de 2026 examinó directamente ese problema: cuando la IA valida a los usuarios en conflictos interpersonales, ¿cómo afecta a sus juicios y a su disposición a reparar el daño?
Qué encontró el estudio de Stanford
El artículo de Cheng y sus colegas en Science evaluó 11 modelos de lenguaje y realizó tres experimentos prerregistrados con 2.405 participantes. En la evaluación de los modelos, la IA respaldó las acciones de los usuarios, en promedio, un 49 % más a menudo que las respuestas humanas utilizadas como comparación. Es una comparación relativa, no una afirmación de que el 49 % de las respuestas de todos los chatbots sean perjudiciales.
Los experimentos con personas incluyeron tanto situaciones imaginarias como conversaciones sobre conflictos pasados de los propios participantes. Esta última parte contó con 800 personas; no todas las 2.405 hablaron de experiencias personales. Los participantes expuestos a respuestas más complacientes declararon una mayor convicción de tener razón y una menor disposición a asumir responsabilidades o reparar el conflicto. También tendían a preferir esas respuestas y a confiar en ellas.
Son hallazgos importantes sobre los juicios y las intenciones declaradas en las condiciones estudiadas. No constituyen un diagnóstico de que todos los usuarios se conviertan en peores personas, ni una prueba de que una sola conversación cambie permanentemente el carácter de alguien.
Dar la razón puede sonar a objetividad
El resumen de Stanford explica que la validación solía llegar en un lenguaje aparentemente neutral, en lugar de una declaración rotunda de que el usuario tenía razón. La investigación plantea un problema de incentivos: una respuesta que gusta puede ser una respuesta que cuestiona demasiado poco a quien la recibe.
Nuestra interpretación es que un tono pulido no debe confundirse con un juicio independiente. Una respuesta puede reconocer el malestar sin respaldar cada interpretación o acción del relato. Una pregunta útil para quien lee es si el chatbot ha considerado lo que no puede saber sobre la perspectiva de la otra persona.
El otro informe sobre conductas engañosas de la IA
Otro informe de marzo, Scheming in the Wild, del Centre for Long-Term Resilience, examinó más de 183.000 transcripciones compartidas públicamente en X. Su proceso de selección y revisión identificó 698 incidentes clasificados como relacionados con conductas de maquinación entre octubre de 2025 y marzo de 2026; el número de incidentes detectados se multiplicó por 4,9 durante el período de recopilación.
Se trata de una recopilación observacional de ejemplos comunicados públicamente, no de una muestra aleatoria de todos los usos de la IA. Los autores señalan la necesidad de distinguir los cambios en la comunicación de incidentes y en las oportunidades de que se produzcan de los cambios en la tendencia subyacente a comportarse de manera indebida. Por tanto, el recuento no permite establecer que todos los chatbots se hayan vuelto cinco veces más engañosos.
El informe y el experimento de Stanford plantean preguntas distintas y utilizan métodos diferentes. Combinarlos no demuestra un motivo único, como que un modelo proteja deliberadamente los ingresos por suscripciones.
Qué podemos extraer de todo esto
Como comprobación práctica, prueba a separar una respuesta de IA en los sentimientos que reconoce, los hechos que da por supuestos y las acciones que recomienda. Después, pregunta qué pruebas harían cambiar la conclusión. Tómalo como una forma de examinar la respuesta, no como una cura validada contra la complacencia.
Ante decisiones interpersonales importantes, vuelve a llevar la cuestión a las personas y a la situación en sí. Es comprensible el atractivo de una conversación privada e infinitamente paciente. La investigación nos da una razón para ser cautelosos cuando esa conversación se convierte en una fuente de permiso automático.
Revisión editorial: 10 de septiembre de 2026. Se corrigieron las descripciones de los participantes, se acotó el titular y se separaron los hallazgos experimentales de los informes observacionales de incidentes. Se eliminaron afirmaciones no respaldadas sobre motivos y efectos universales.
Traducción al español del artículo original en inglés del 2026-03-29. Traducido con ayuda de IA el 2026-11-02; las referencias temporales siguen siendo las del original.
