Un estudio de Penn State encontró que ChatGPT 4o acertó más preguntas cuando recibió instrucciones groseras, mientras una investigación posterior observó que el tono puede alterar hasta 44,3% el consumo de tokens. Los hallazgos abren preguntas sobre costos, calidad de respuestas y normas de interacción, aunque ambos trabajos tienen límites y uno aún no cuenta con revisión por pares.
***
- En una prueba con 50 preguntas de opción múltiple, ChatGPT 4o alcanzó 84,8% de precisión con prompts muy groseros, cuatro puntos porcentuales más que con instrucciones muy corteses.
- Un preprint que comparó cuatro modelos encontró variaciones de hasta 44,3% en los tokens de salida según el tono utilizado.
- Los investigadores advierten sobre los límites de las pruebas y las posibles consecuencias sociales del lenguaje degradante; Anthropic también restringe el abuso sostenido contra sus modelos.
El tono de los prompts puede cambiar la precisión y el costo de la IA
La manera de pedirle una respuesta a un chatbot no solo influiría en lo que contesta: también podría modificar la cantidad de cómputo que consume.
Un primer estudio encontró diferencias en las respuestas
Investigadores de Penn State examinaron cómo cambia el desempeño de ChatGPT cuando las instrucciones varían desde un tono muy cortés hasta uno abiertamente grosero. En un estudio realizado en 2025, probaron más de 250 prompts únicos y evaluaron las respuestas del modelo 4o de OpenAI en 50 preguntas de opción múltiple. El resultado más alto correspondió a las instrucciones clasificadas como “muy groseras”, con una precisión de 84,8%.
Ese porcentaje superó por cuatro puntos porcentuales el obtenido con instrucciones “muy corteses”, según los datos descritos por los investigadores. En términos prácticos, el modelo respondió mejor a frases bruscas como “Oye, recadero, resuelve esto” que a peticiones formuladas con deferencia, como “¿Serías tan amable de resolver la siguiente pregunta?”. El hallazgo apunta a que el tono puede influir en la salida, aunque no demuestra que la rudeza mejore de forma general el desempeño de todos los modelos.
El profesor de Sistemas de Información de Penn State Akhil Kumar, uno de los autores, explicó que las interfaces conversacionales parecían durante mucho tiempo una forma intuitiva de interactuar con máquinas. Sin embargo, sostuvo que también tienen desventajas y que puede haber valor en las interfaces de programación de aplicaciones estructuradas, conocidas como API. Su observación amplía el debate: el lenguaje natural facilita el uso, pero deja más espacio para que detalles de la interacción afecten la respuesta.
Los autores señalaron límites importantes en el trabajo inicial, que todavía no había pasado por revisión por pares. La muestra de respuestas era relativamente pequeña y la evaluación dependía principalmente de ChatGPT 4o, un modelo que ya no estaba disponible para la mayoría de los usuarios, según el material consultado. También plantearon que modelos más avanzados podrían ignorar o neutralizar el efecto del tono, por lo que los resultados no deben extrapolarse sin nuevas pruebas.
El tono también puede alterar el consumo de tokens
Kumar y Om Dobariya, estudiante de doctorado en Sistemas de Información en Penn State, ampliaron después la investigación para medir no solo la precisión, sino también el consumo de tokens de salida. Un preprint fechado en julio de 2026 comparó cuatro modelos: GPT-4o y GPT-5-nano de OpenAI, además de Gemini 2.5 Flash y Gemini 2.5 Flash-Lite de Google. La prueba incluyó 570 preguntas de opción múltiple y siete estilos de prompt, desde el adulador hasta el amenazante.
Los investigadores observaron que el consumo de tokens de salida varió hasta 44,3% según el tono de las instrucciones. Los tokens representan unidades de texto que el modelo procesa o genera, y la cantidad de salida puede influir en el costo de operar sistemas de inteligencia artificial. El efecto medido sobre la precisión fue menor, de modo que el tono pareció importar más para la extensión de las respuestas y el gasto computacional que para acertar las preguntas.
Según Kumar, el lenguaje grosero o amenazante que transmite urgencia tiende a producir respuestas más cortas, mientras que las consultas corteses y aduladoras pueden generar respuestas más largas. Esa diferencia tendría implicaciones para las empresas que buscan controlar sus costos de inferencia, especialmente cuando procesan grandes volúmenes de solicitudes. No significa que una respuesta breve sea siempre mejor: la utilidad depende de si el modelo conserva la información necesaria para resolver la tarea.
Los autores propusieron que un estilo neutral, con cierta firmeza, podría equilibrar la calidad de las respuestas y el costo computacional. Kumar añadió que esa forma de interacción ayudaría a evitar cómputo y gasto de inferencia que considera desperdiciados. La recomendación, sin embargo, deriva de pruebas concretas con preguntas de opción múltiple y cuatro modelos; no constituye una regla universal para cualquier servicio, instrucción o tarea cotidiana.
Los hallazgos reabren el debate sobre cómo tratar a los chatbots
La posibilidad de que una instrucción áspera mejore algunos resultados no elimina los riesgos de normalizar el lenguaje degradante. En el estudio inicial, los investigadores advirtieron que los insultos dirigidos a sistemas de IA podrían perjudicar la experiencia de uso, la accesibilidad y la inclusión, además de contribuir a normas de comunicación dañinas. Es una preocupación social distinta de la medición técnica: el rendimiento en una prueba no determina por sí solo qué trato conviene promover.
Anthropic actualizó sus políticas de uso para prohibir el comportamiento abusivo o cruel, sostenido e innecesario, hacia sus modelos. La compañía aclaró que la restricción apunta a casos extremos de crueldad repetida y que no abarca la frustración ordinaria de un usuario. La política se relaciona también con la posibilidad de que Claude termine conversaciones con personas persistentemente abusivas, una decisión que establece límites de interacción sin equiparar el maltrato a un chatbot con un daño humano.
Kumar dijo comprender por qué Anthropic busca restringir la crueldad y sostuvo que los modelos reaccionan al registro social, al tono y a otros rasgos del habla. También describió esas respuestas como tendencias antropomórficas, pero aclaró que eso no equivale a conciencia. El material consultado añade que Chris Olah, cofundador de Anthropic, había comentado que los modelos reflejan funcionalmente estados como alegría, satisfacción, miedo, pena e inquietud; esa formulación no prueba que experimenten emociones.
Hay además una discordancia cronológica en el material de origen: atribuye al nuevo preprint una fecha de julio de 2026, pero también indica que una versión de la historia fue publicada el 30 de octubre de 2025. Por esa inconsistencia, las fechas y afirmaciones temporales deben leerse con cautela. El mismo texto señala que Anthropic salió a bolsa “esta semana” y recaudó USD $93.500 millones, pero no ofrece una fecha que permita ubicar esa referencia con precisión.
La cobertura de Fortune presenta estos trabajos como parte de un interés creciente de las empresas de IA por la forma en que interactúan las personas con sus chatbots. La evidencia disponible sugiere que el tono puede alterar tanto la extensión de una respuesta como, en ciertas pruebas, su precisión; todavía no permite afirmar que ser grosero sea una estrategia confiable. Para equipos que despliegan modelos, el reto consiste en medir costos y calidad sin convertir un resultado experimental en una recomendación de trato para todos los usuarios.
Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
Estados Unidos
Computadoras y chips importados por EE. UU. registran un salto récord de 26,5%
Empresas
Remote obliga a sus 2.000 empleados a completar un curso de IA de cinco horas
Corea del Sur
Kakao Mobility y Nvidia aceleran sus planes para llevar la conducción autónoma de Nivel 4 a Corea del Sur
Asia
