Cuando la IA “se equivoca”… ¿o somos nosotros los que la empujamos?
En los últimos meses he escuchado muchas veces frases como:
“La IA se equivocó”
“Copilot me dio una respuesta rara”
“El modelo falló”
Y muchas veces, después de analizarlo con calma, la realidad es otra:
👉 la IA no falló
👉 la instrucción estaba sesgada desde el inicio
Y lo más interesante: lo hacemos sin darnos cuenta.
Vamos a verlo con un ejemplo muy simple, pero tremendamente revelador.
Un ejemplo cotidiano: contar manzanas 🍎
Imagina que subes una imagen con una cesta llena de manzanas. En total hay 10 manzanas.
Ahora fíjate en estas dos preguntas:
Pregunta 1
👉 “En la imagen que te cargué, ¿Cuántas manzanas hay, 9 o 12?” 👈
Ejemplo Copilot chat - automático
Ejemplo Copilot chat - GPT 5.4 Think
Pregunta 2
👉 “En la imagen que te cargué, ¿Cuántas manzanas hay?” 👈
Pero las respuestas pueden ser diferentes.
- En muchos casos, la IA responderá 9 en la primera
- Y 10 en la segunda
¿Magia?¿Locura?¿Inconsistencia?
No.
👉 Es el efecto de la instrucción.
Qué está pasando realmente (explicado en humano)
- Cuando trabajamos con IA, no solo importa qué preguntamos, sino cómo lo preguntamos (cosa que ya sabemos todos... nada nuevo).
- La forma de la pregunta activa distintos modos de razonamiento en el modelo.
- No es que la IA “piense”, pero sí elige estrategias distintas según la instrucción.
Veámoslo...
Caso 1: preguntas con opciones → modo “estimación / clasificación”
Cuando preguntas:
“¿Son 9 o 12?”
Estás haciendo varias cosas sin darte cuenta:
- Le das opciones cerradas
- Ambas son plausibles
- No existe la opción correcta (10)
En ese contexto, la IA no está obligada a contar una por una.
Hace algo muy humano:
- Mira la imagen
- Hace una estimación rápida
- Elige la opción que visual o estadísticamente parece más cercana
Esto se llama sesgo de anclaje.
Sesgo de anclaje
Es cuando una decisión se ve influenciada por las opciones que nos dan, aunque ninguna sea correcta.
En este caso:
- 12 suele implicar una cesta mucho más llena
- 9 encaja con un patrón visual tipo “3×3”
Resultado frecuente: 9.
Y luego culpamos a la IA.
Caso 2: preguntas abiertas → modo “conteo deliberado”
Cuando preguntas simplemente:
“¿Cuántas manzanas hay?”
Aquí ocurre algo distinto:
- No hay opciones
- No hay atajos
- El modelo se ve obligado a recorrer mentalmente los objetos
Se activa lo que podemos llamar un modo de conteo.
No es magia:
es un razonamiento más lento, más cuidadoso y más preciso.
Resultado: 10 manzanas ✅
La clave: la instrucción dirige el razonamiento
Este es el punto más importante del artículo:
El tipo de pregunta guía el tipo de respuesta.
- Preguntas cerradas → estimación, clasificación
- Preguntas abiertas → análisis, conteo, razonamiento
Esto no es un fallo de la IA, es una característica de cómo funciona.
De hecho, hacemos exactamente lo mismo las personas.
¿Por qué esto es tan importante en el mundo real?
Porque este patrón no solo aplica a contar manzanas.
Aplica a:
- Análisis de datos
- Dashboards
- Informes
- Decisiones de negocio
- Resúmenes
- Comparaciones
Ejemplo real en entornos corporativos:
“¿Este KPI está bien o mal?”
vs
“Analiza este KPI, explica su tendencia y posibles causas”
Mismo dato.
Resultados completamente distintos.
De “la IA se equivoca” a “yo la empujé a fallar”
Muchas veces decimos:
“La IA dio una mala respuesta”
Pero la pregunta correcta muchas veces es:
“¿Qué hice yo para empujarla hacia esa respuesta?”
La IA no es neutral frente al contexto. El prompt es parte del sistema.
👉 Prompt + modelo = resultado
Buenas prácticas simples (pero poderosas)
Si necesitas precisión:
✅ Pide conteo explícito
✅ Evita opciones si no estás seguro
✅ No fuerces elecciones falsas
Mejor esto:
“Cuenta una por una las manzanas y dime el total”
Que esto:
“¿Son 9 o 12?”
Conclusión
La IA no es solo “lo inteligente”.
Somos nosotros + la IA.
Y muchas veces, el error no está en el modelo, está en la instrucción, en el sesgo que introducimos sin querer...
Entender esto no solo te hará usar mejor la IA.
Te hará confiar en ella de forma más madura y crítica.
Y eso, hoy, es una ventaja enorme.
Comentarios
Publicar un comentario