Los chatbots de IA caen en el mismo pensamiento de grupo: la startup que intenta romper ese molde

Un reportaje de MIT Technology Review expone una limitación poco conocida de los grandes modelos de lenguaje: su asombrosa falta de variedad a la hora de responder preguntas abiertas. El autor lo ilustra con un juego sencillo: pedir a Claude, ChatGPT o Gemini un número aleatorio entre 1 y 10 produce casi siempre un 7; pedir un segundo número suele dar 3 o 4; un tercero, 8 o 9. El patrón se repite con otras preguntas abiertas: al pedir un tipo de coche, los modelos mainstream tienden a responder Toyota u Honda; al pedir un eslogan para unas zapatillas New Balance, tanto Claude como ChatGPT propusieron literalmente la misma frase, "Run your way".

La startup australiana Springboards, cofundada por Pip Bingemann (CEO) y Kieran Browne (CTO), ha convertido ese problema en su punto de partida y le da la vuelta al debate habitual sobre las alucinaciones. "La mayoría de los modelos de lenguaje están luchando contra las alucinaciones. Nosotros las damos la bienvenida", resume Bingemann, en referencia a la necesidad de fomentar respuestas menos predecibles cuando lo que se busca es creatividad y no precisión factual.

El artículo conecta esta anécdota con un estudio académico más riguroso: el paper "Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond)", presentado en noviembre y premiado como mejor artículo en NeurIPS, una de las conferencias de IA más importantes. Los investigadores pidieron a 25 modelos distintos —incluyendo los principales desarrollos de EE.UU. y modelos de código abierto de China y otros países— que escribieran, cada uno 50 veces, una metáfora sobre el tiempo. De las 1.250 respuestas generadas, la inmensa mayoría se reducían a variaciones de "el tiempo es un río" o "el tiempo es un tejedor". El propio autor del reportaje contrasta esto con la diversidad real de sus compañeros humanos, que al hacerles la misma pregunta dieron seis respuestas distintas entre seis personas.

Según los investigadores, no está del todo claro por qué ocurre esto, aunque su hipótesis apunta a que la mayoría de los LLM actuales se entrenan de forma parecida, con datos parecidos y para tareas parecidas, lo que los empuja a converger en las mismas respuestas de alta probabilidad. Browne, cofundador de Springboards, pone otro ejemplo cotidiano: si se le pide a un chatbot un nombre para una banda de música, es casi seguro que aparecerán palabras como "glass", "neon", "velvet" o "static". Al probarlo, ChatGPT generó una lista de 56 nombres encabezada por "Glass Harbor" e incluyendo "Static Empire", "Neon Hearts" y "Velvet Echo"; Gemini ofreció 15 sugerencias, entre ellas "Static Horizon". Incluso una propuesta aparentemente original de ChatGPT, "Sofa Astronauts", resultó pertenecer ya a una banda real existente.

Preguntada por el fenómeno, OpenAI respondió que entrenar modelos para dar respuestas fiables y coherentes tiende a hacer que converjan hacia respuestas familiares y de alta probabilidad, y que forzar más la novedad puede producir resultados más débiles o menos fiables. La compañía también matizó que el estudio "Artificial Hivemind" analizó modelos de 2024 que desde entonces han sido actualizados.

Frente a este diagnóstico, Springboards ha desarrollado Flint, un modelo construido sobre Qwen 3, el sistema de código abierto del gigante chino Alibaba, ya que la empresa —según explica Browne— es demasiado pequeña para plantearse entrenar un modelo fundacional propio desde cero. El equipo probó primero la vía obvia: subir el parámetro de "temperatura", que regula la aleatoriedad de las respuestas. Pero comprobó que llevar la temperatura al máximo en un modelo de OpenAI generaba respuestas incoherentes, incluyendo cambios abruptos de inglés a código a mitad de frase. La conclusión de Springboards fue que la temperatura es una herramienta demasiado burda: no tiene sentido aumentar la aleatoriedad de manera uniforme en todo el texto, sino solo en los puntos concretos donde realmente hay margen para la variedad —por ejemplo, en el nombre del destino de viaje al responder "¿adónde debería ir en Europa?", no en cada palabra de la frase—.

Para lograrlo, entrenaron su versión de Qwen 3 de modo que el propio modelo identifique esos puntos de la respuesta donde cabe más variación y los rellene con palabras o frases ligeramente más inesperadas. Maximilian Weigl, cofundador de la agencia de marketing Uncommon, describe el resultado así: "Flint está programado para colar algo inesperado. Es más bien una invitación a pensar de forma más amplia".

Springboards comercializa además una herramienta de apoyo a la creatividad dirigida a profesionales de publicidad y marketing, que combina varios modelos —incluidos ChatGPT y Claude— y permite a los usuarios arrastrar y combinar fragmentos de texto generados por cada uno para construir ideas nuevas; Flint se ofrece dentro de esa herramienta como alternativa cuando se busca más variedad. Zoe Scaman, fundadora de la consultora de estrategia Bodacious y directora de estrategia en 77X (la plataforma de marketing directo al aficionado impulsada por el jugador de baloncesto Luka Dončić), cuenta que sometió a Flint, Claude, Gemini y ChatGPT al mismo caso de estudio tipo MBA —cómo reinventar una empresa financiera para el público joven— y que los tres modelos convencionales coincidieron en la idea manida de "enseñar educación financiera de forma divertida", mientras que Flint propuso directamente repensar el propio concepto de acumulación de riqueza, una idea que a Scaman le pareció genuinamente interesante. Aun así, advierte de que Flint sigue siendo un prototipo que "a veces se cae" cuando se le exige demasiado.

Weigl, cuyo equipo usa Flint junto a ChatGPT, Claude y Gemini, resume la utilidad del enfoque señalando que "no se puede crear algo que rompa límites con herramientas que te arrastran hacia la media", aunque matiza que, en la mayoría de los casos de uso reales, esa media resulta perfectamente válida: la gente suele conformarse con algo "suficientemente bueno" y familiar para el gran público. También lanza una advertencia más general sobre la dependencia excesiva de cualquier IA, incluida Flint: si viera a alguien de su equipo limitarse a copiar y pegar resultados generados por un modelo, le recordaría que piense, hable con otras personas y use su propia voz.

Por ahora Flint está orientado a publicistas y profesionales del marketing porque son los clientes de Springboards, pero sus fundadores insisten en que la falta de variedad en las respuestas de los chatbots es un problema que afecta a cualquier usuario, no solo a ese sector. Bingemann resume la filosofía del proyecto como una cuestión de ofrecer opciones y dejar que sea la persona quien valore si el resultado es bueno o no: la variedad, dice, es valiosa para encender ideas, y la alternativa es dejar que las máquinas lo hagan todo y acabar en "un mundo gris y aburrido".