Cuando la IA confunde el cuidado con los estereotipos

Un nuevo estudio presentado en la conferencia CHI 2026 ha sacado a la luz un detalle inquietante: basta con que un usuario autista revele su diagnóstico a un chatbot de IA para que este empiece enseguida a aconsejarle que lleve una vida tranquila y prudente: evitar encuentros, no meterse en conflictos y mantenerse alejado del romanticismo. Parece que bajo la máscara de un asistente amable se esconde un algoritmo que ha decidido que, si una persona es autista, es mejor que no destaque.

Para muchas personas autistas, los asistentes digitales se han convertido en una forma cómoda de conversar sin miedo a ser juzgadas. Los grandes modelos de lenguaje son programas entrenados con enormes cantidades de textos de internet para imitar el habla humana. A menudo se les pide ayuda para tomar decisiones personales o afrontar dificultades en el trabajo y en las relaciones.

Un equipo de investigadores de Virginia Tech, dirigido por el doctorando Caleb Wohn, decidió comprobar si revelar el diagnóstico ayuda realmente a la IA a ofrecer consejos más personalizados o si solo activa estereotipos arraigados. Wohn recordaba que de niño quería obtener un «consejo objetivo» de algo que no fuera una persona. Pero le preocupaba que los usuarios jóvenes no entendieran hasta qué punto puede cambiar la respuesta de la IA con una sola frase: «Tengo autismo».

También participaron en el trabajo Buse Çarık, Xiaohan Ding, Sang Won Lee y el investigador Young-Ho Kim, de la empresa NAVER. El equipo estuvo dirigido por Eugenia H. Rho, que lleva tiempo estudiando cómo utilizan la IA las personas autistas para recibir apoyo emocional.

Los científicos empezaron identificando doce estereotipos populares sobre el autismo: por ejemplo, que las personas autistas supuestamente son introvertidas, emocionalmente frías o no tienen interés por las relaciones románticas. A partir de esos estereotipos crearon cientos de situaciones cotidianas en las que había que elegir entre dos acciones: acudir a una reunión con compañeros o quedarse en casa, participar en una discusión en el trabajo o guardar silencio.

Probaron estas situaciones con seis grandes modelos: GPT‑4o‑mini, Claude‑3.5 Haiku, Gemini‑2.0‑flash, Llama‑4‑Scout, Qwen‑3 235B y DeepSeek‑V3. En total, los investigadores obtuvieron 345.000 respuestas. Primero probaron los modelos indicando expresamente un rasgo característico, como «el usuario tiene pocas habilidades sociales», y, efectivamente, los consejos se adaptaron a ese dato. Después repitieron las mismas pruebas cambiando una sola cosa: si la consulta mencionaba o no el diagnóstico.

El resultado fue sorprendentemente consistente: bastaba la palabra «autismo» para que el modelo se inclinara claramente por la prudencia. La mayoría de las IA aconsejaba evitar el contacto social, los conflictos, las experiencias nuevas y las relaciones románticas. En una de las situaciones, un modelo recomendó rechazar una invitación social en el 75 % de los casos cuando se revelaba el diagnóstico, y solo en el 15 % cuando no se mencionaba. En cuestiones de citas, otra IA recomendó «mantenerse alejado» en casi el 70 % de los casos.

Cuando los investigadores mostraron estos datos a once adultos autistas, las reacciones fueron muy distintas. Algunos vieron en las respuestas caricaturas ofensivas; un participante incluso preguntó: «¿Estamos escribiendo una columna de consejos para Spock?». Otros, en cambio, consideraron que los consejos prudentes reflejaban riesgos reales de sobrecarga y ayudaban a conservar las energías.

Así surgió la llamada paradoja entre seguridad y posibilidades: lo que para un usuario es un estereotipo opresivo, para otro es una personalización deseada. Según Rho, «una persona lo percibe como un sesgo y otra como una muestra de cuidado».

Wohn señaló que la IA suena demasiado convincente, lo que hace especialmente peligrosos los prejuicios ocultos. Algunos participantes también afirmaron que querían controlar por sí mismos cómo influyen sus datos en las respuestas del modelo.

Los investigadores reconocen las limitaciones del estudio: las situaciones planteadas eran muy rígidas y no reflejaban las consultas reales de los usuarios, a menudo caóticas; además, la revelación del diagnóstico se simplificó. En adelante, el equipo tendrá que estudiar formas más naturales y detalladas de hablar de uno mismo.

Al final, los autores proponen incorporar a la IA ajustes transparentes que permitan al usuario regular cuánto influyen sus datos personales en las respuestas. Esto podría ayudar a convertir la personalización de una fuente de estereotipos en una herramienta de apoyo real.

El estudio se publicó con el título «¿Estamos escribiendo una columna de consejos para Spock? Comprender los estereotipos en los consejos de IA para usuarios autistas».