Cómo pensar de otra manera: diversidad cognitiva para los LLM

La cuestión clave para el futuro de la IA es cómo la diversidad cognitiva puede cambiar el funcionamiento de los grandes modelos lingüísticos (LLM) y hacer que la comunicación con la inteligencia artificial se parezca más a la humana.

Según un estudio de McKinsey, en 2025 el 62 % de las organizaciones ya experimenta con agentes de IA. Casi el 90 % de las empresas los utiliza con regularidad. El mercado de la inteligencia artificial no deja de crecer: a finales de la década podría alcanzar los 15.000 millones de dólares en todo el mundo, y solo ChatGPT cuenta con más de 500 millones de usuarios al mes.

Si se utilizan correctamente, las herramientas de IA y los LLM aportan beneficios tangibles. Los participantes en la encuesta de McKinsey señalan que el 39 % atribuye a la IA el aumento de los ingresos; con más frecuencia mencionan la mejora de la innovación (64 %), la satisfacción de los clientes (45 %) y la rentabilidad (36 %).

Pero no todo es tan halagüeño: muchos siguen dudando de la fiabilidad de los datos y de la precisión de las respuestas de la IA. Los errores y las incoherencias son la principal amenaza para las empresas, que ahora intentan combatirlos. «¿Quieres una respuesta mejor? ¡Aprende a formular tus consultas!»: ese es un consejo muy extendido. Pero ¿por qué no fijarnos en las personas para entender cómo mejorar la IA?

En las personas existe el concepto de diversidad cognitiva: las diferencias en la forma de pensar, tomar decisiones y abordar las tareas. El modelo KAI (basado en la teoría de la adaptación y la innovación de Kirton) explica esas diferencias: desde quienes prefieren un orden claro (adaptadores) hasta quienes generan caos y novedad (innovadores). Unos son fans de las instrucciones y el orden; otros ignoran las reglas para dar rienda suelta a la creatividad. La inteligencia no tiene nada que ver: es una diversidad innata y cada persona ocupa su lugar ideal en el espectro. Kirton demostró que, cuando las personas entienden su estilo de pensamiento, el equipo se vuelve más eficaz.

¿Se puede enseñar a la IA a adoptar este enfoque? Investigadores de Carnegie Mellon y Penn State han demostrado que sí. «Explicaron» a los LLM la teoría de la adaptación y la innovación y les pidieron resolver problemas con dos tipos de indicaciones, adaptadas a distintos estilos: adaptativas (estrictas y estructuradas) e innovadoras (flexibles y vagas). El resultado: las indicaciones adaptativas dieron lugar a soluciones más realistas y convencionales. Las innovadoras, a soluciones poco habituales, a veces discutibles, pero frescas.

Por primera vez, los LLM empezaron a generar soluciones que no servían para todo el mundo por igual, sino que dependían de las consultas del usuario y de su estilo de pensamiento. Es decir, el modelo «entiende» que no todo el mundo necesita las mismas respuestas. A cada cual, su enfoque, como ocurre entre las personas.

La conclusión es evidente: si no incorporamos la diversidad cognitiva a la IA, desaprovechamos el potencial de los LLM. Para las tareas reales hacen falta soluciones adaptadas a la consulta y a la persona, no respuestas idénticas: ese es el siguiente paso en el desarrollo de la tecnología. Rara vez le explicamos al algoritmo cómo pensamos, pero siempre notamos si una respuesta es «la nuestra» o no.

Si los LLM pueden variar tanto, nos libraremos de la eterna rutina de reformular consultas hasta obtener la respuesta deseada. Al incorporar diversidad de pensamiento a los algoritmos, damos ventaja a la IA y pronto veremos un salto en eficiencia y satisfacción del usuario.