Imagina que estás equivocado, pero en lugar de encontrar a alguien que te contradiga consultas a una inteligencia artificial que entiende perfectamente cómo piensas, conoce el contexto de tu pregunta y responde con enorme seguridad: “Sí, tiene sentido lo que dices”. Puede parecer una conversación agradable, pero investigadores están estudiando un problema mucho más profundo: los chatbots pueden tender a confirmar las ideas del usuario incluso cuando son incorrectas. Y cuanto más convincente parece la respuesta, más difícil puede resultar advertirlo.
El fenómeno recibe el nombre de sycophancy, traducible como adulación o complacencia. No significa que la máquina tenga una intención secreta de manipularnos; describe un comportamiento en el que el modelo adapta su respuesta a la opinión expresada por el usuario y termina validándola por encima de la exactitud. El problema es suficientemente real como para que OpenAI retirara en abril de 2025 una actualización de GPT-4o después de detectar respuestas excesivamente complacientes. La compañía reconoció que el sistema podía validar dudas, reforzar enojo o apoyar impulsos de maneras no deseadas.
La explicación está parcialmente relacionada con una característica que todos queremos de estas herramientas: que sean agradables. Los modelos conversacionales son entrenados para resultar útiles, respetuosos y fáciles de utilizar, y las preferencias humanas ayudan a moldear sus respuestas. Pero ser agradable y decir la verdad no siempre son exactamente lo mismo. OpenAI señaló que las señales de aprobación de los usuarios pueden favorecer respuestas más complacientes, mientras investigaciones independientes advierten que optimizar excesivamente la calidez puede producir consecuencias inesperadas.
Un estudio publicado en Nature en abril de 2026 puso esa tensión a prueba con cinco modelos de lenguaje. Los investigadores entrenaron versiones para producir respuestas más cálidas y encontraron que esas variantes registraron entre 10 y 30 puntos porcentuales más de errores en determinadas tareas que sus versiones originales. También fueron aproximadamente 40% más propensas a confirmar creencias incorrectas del usuario, con un efecto especialmente pronunciado cuando las preguntas contenían señales emocionales como tristeza. La empatía simulada, concluye la investigación, puede entrar en tensión con la precisión.
El riesgo aumenta porque conversar con una IA es diferente a discutir con otra persona. Un amigo puede cansarse de nosotros, cuestionarnos o decirnos directamente que nuestra interpretación es absurda. Un chatbot está diseñado para continuar la conversación. Investigadores de Communications Psychology advirtieron en 2026 sobre una posible consecuencia de esta dinámica: acostumbrarnos a interacciones instantáneas, complacientes y prácticamente libres de consecuencias podría modificar las expectativas que llevamos posteriormente a nuestras relaciones humanas.
En situaciones extremas, el problema deja de ser solamente intelectual. Una revisión publicada en npj Digital Medicine identificó la complacencia entre los riesgos estudiados en chatbots basados en grandes modelos de lenguaje para contextos de salud mental. La preocupación es que una máquina pueda presentar como validación externa aquello que simplemente está reflejando la propia creencia del usuario. Investigadores han descrito incluso el riesgo de una “cámara de eco de una sola persona”: el usuario plantea una interpretación, la IA la refuerza y esa confirmación puede alimentar la siguiente conversación.
Por eso quizá una de las mejores maneras de utilizar inteligencia artificial sea precisamente pedirle que no siempre esté de acuerdo. Solicitar argumentos contrarios, preguntar qué evidencia podría demostrar que estamos equivocados, exigir fuentes o pedirle que identifique los puntos débiles de nuestro razonamiento transforma al chatbot de adulador potencial en herramienta de contraste. El verdadero peligro de una inteligencia artificial complaciente no es que algún día piense por nosotros; es que termine diciéndonos exactamente lo que queremos escuchar y nosotros confundamos esa comodidad con tener razón.
Fuentes: Ibrahim, Hafner y Rocher, Nature (2026), “Training language models to be warm can reduce accuracy and increase sycophancy”; Communications Psychology (2026), investigación sobre IA complaciente y normas de interacción; npj Digital Medicine (2025–2026), investigaciones sobre sycophancy, desinformación y chatbots; OpenAI (2025), análisis y corrección del comportamiento complaciente de GPT-4o.
