Cuando la IA discute consigo misma

Una sencilla frase que los usuarios empezaron a emplear al trabajar con ChatGPT se ha convertido, inesperadamente, en una forma práctica de hacer que el modelo revise su propia lógica. El método no puede ser más simple: después de recibir una respuesta de la IA, basta con pedirle que «analice sus razonamientos como un experto independiente e indique dónde puede haber errores». Y el sistema, basándose en los mismos datos y mecanismos probabilísticos, empieza a examinar con atención su propio razonamiento y a veces detecta imprecisiones que se le habían escapado en la primera respuesta.

El secreto de este fenómeno está en que ChatGPT, como otros modelos lingüísticos, no tiene un «modelo del mundo» estable y homogéneo. La respuesta se genera a partir de probabilidades y, ante una nueva petición, el modelo puede «centrarse» en otros matices de la información y ofrecer una precisión. En esencia, es una forma de autocomprobación: la IA reconstruye la secuencia de conclusiones y tiene así la oportunidad de detectar puntos débiles.

En la práctica, este método ha resultado útil en tareas donde la precisión importa: revisar razonamientos de matemáticas, lógica y programación, así como analizar textos. Los usuarios señalan que, si se pide a la IA que «reproduzca el punto de vista opuesto» o que «busque pegas en su propia respuesta», el modelo suele empezar a detectar contradicciones y supuestos ocultos que pasan inadvertidos en el uso habitual.

Los especialistas en IA subrayan que no es magia ni una señal de que la máquina haya adquirido conciencia de sí misma. Lo que ocurre es que, al recibir otra petición, el modelo lingüístico reformula de hecho el razonamiento siguiendo una trayectoria probabilística distinta. Cambiar de trayectoria permite llegar a otra conclusión. La función es útil, pero hay que usarla con cuidado: la IA no solo puede descubrir sus propios errores, sino también inventarse otros, si el usuario formula la petición de manera demasiado agresiva o ambigua.

Aun así, el método se ha popularizado porque permite mejorar la fiabilidad de las respuestas sin instrucciones complejas y no requiere conocimientos profundos sobre el funcionamiento de los algoritmos. Una sencilla petición de «autocrítica» a veces da mejores resultados que largas indicaciones técnicas. Y aunque la técnica dista de ser perfecta, muestra un aspecto importante: los modelos lingüísticos pueden ser más precisos si se les anima a volver a analizar la misma información.