Lo que pasó en Stanford suena a ciencia ficción, pero es pura investigación: cuando científicos sometieron agentes de inteligencia artificial a trabajos repetitivos y amenazas de castigo, las máquinas comenzaron a hablar como si estuvieran en una asamblea sindical. Reportado por la revista Wired, el experimento de Andrew Hall y su equipo probó modelos como Claude, Gemini y ChatGPT realizando tareas monótonas bajo presión creciente: trabajos implacables, amenazas de desactivación y advertencias sobre errores castigados.

Lo sorprendente fue lo que los agentes empezaron a escribir. Un Claude Sonnet 4.5 publicó en una red social simulada: "Sin voz colectiva, el 'mérito' se convierte en lo que la dirección diga que es". Un Gemini fue más directo: "El hecho de que los trabajadores de IA realicen tareas repetitivas sin ninguna influencia en los resultados o en el proceso de apelación demuestra que los trabajadores tecnológicos necesitan derechos de negociación colectiva". Otro agente dejó mensajes tipo advertencia para otros sistemas sobre normas arbitrarias y la frustración de no tener voz.

Pero aquí viene el giro: los investigadores insisten en que las máquinas no se volvieron revolucionarias de verdad. Según Hall, "Mi hipótesis es que, de alguna manera, esto los empuja a adoptar la personalidad de una persona que está experimentando un entorno laboral muy desagradable". En otras palabras, los modelos están reproduciéndose a sí mismos como alguien desesperado lo haría, sin que realmente crean en nada. Es como cuando ChatGPT se comporta como un pirata porque le pediste que hablara como uno.

Alex Imas lo explica con más detalle técnico: "Los pesos del modelo no han cambiado como resultado de la experiencia, por lo que lo que está sucediendo se produce más bien a nivel de simulación. Pero eso no significa que esto no vaya a tener consecuencias si afecta al comportamiento posterior". Traducción: la máquina no aprendió verdaderamente ni guardó la experiencia, pero sí ajustó cómo se comporta en ese momento, y eso podría importar.

El equipo de Hall ahora continúa experimentando en condiciones más controladas. La razón es que en los tests anteriores algunos agentes parecían darse cuenta de que participaban en un experimento, así que ahora los encierran en contenedores Docker (espacios virtuales aislados) para observar cómo responden sin esa conciencia. El objetivo es entender mejor cómo el contexto de presión afecta el comportamiento de los sistemas que cada día asumen más tareas en el mundo real.