La conversación sobre inteligencia artificial se ha centrado durante años en la precisión: qué tan bien responde y qué tan útil resulta. Un estudio de Google Research propone un giro más profundo: evaluar no lo que la IA dice, sino cómo se comporta.
Los investigadores transformaron cuestionarios psicológicos en pruebas de juicio situacional: conflictos laborales, decisiones bajo presión e interacciones sociales complejas. Compararon modelos de lenguaje con respuestas de más de 550 personas.
La ambigüedad también es criterio
En una parte relevante de los casos, los modelos no coincidieron con el consenso humano. Tienden a simplificar situaciones complejas y a elegir una respuesta clara incluso cuando la duda o el desacuerdo son parte natural del juicio humano.
También aparece una diferencia entre valores declarados y comportamiento real: un modelo puede afirmar que prioriza la empatía, pero no reflejarla en un escenario concreto. No es un problema de información; es un problema de ejecución.
No es que la IA falle: puede parecer convincente incluso cuando no debería serlo.
Para organizaciones y medios, no basta medir eficiencia. Es necesario evaluar el impacto de la IA en decisiones humanas, porque el criterio con que interpreta una situación también forma parte de la calidad de su respuesta.