1 de junio de 2026
Consideradas neutrales y hasta infalibles, los modelos de inteligencia artificial incluyen publicidad encubierta en sus respuestas, priorizando los intereses de las empresas. Un estudio expone cómo lo hacen.
En sus primeros años los creadores de Google, Serguei Brin y Larry Page, dijeron que nunca financiarían su proyecto con publicidad porque eso afectaría la objetividad de su algoritmo de búsqueda. Sin embargo, ya en 2000, con los inversores preocupados por recuperar su dinero, comenzaron a ofrecer búsquedas patrocinadas a los anunciantes.
Lo que pasó a Google ocurrió con casi todas las plataformas: arrancaron con promesas de salvar al mundo pero terminaron priorizando enriquecerse ellos y sus inversionistas. Este proceso fue a bautizado por el escritor y periodista Cory Doctorow como «enshittification», algo así como «enmierdización» de la tecnología y, asegura, llega tarde o temprano a todas las plataformas. Como era de esperar, la Inteligencia Artificial Generativa (IAG) no es la excepción: estos desarrollos son muy costosos y su sostenibilidad económica parece alejarse con el horizonte, por lo que las empresas toman cada vez más atajos para recuperar al menos algo del dinero invertido.
Por eso no sorprende tanto que la IAG, lejos del aura de sofisticación y neutralidad que se le quiere dar, también responda el patrón de garantizar las ganancias de sus desarrolladores por encima de la utilidad para sus usuarios.
Yo te lo resuelvo
En febrero de este año OpenAI anunció que ChatGPT comenzaría a testear publicidades. Rápidamente las otras empresas siguieron sus pasos para monetizar de alguna forma sus herramientas, sobre todo entre los usuarios que no pagan abonos.
Estas IAG pueden resolver distintos tipos de tareas: programar, seleccionar fotos de un disco rígido o escribir una serie de mails. Esta delegación de tareas puede resultar muy práctica cuando el resultado es el esperado y permite aprovechar el tiempo para otras cosas más útiles o placenteras pero, obviamente, conlleva riesgos. Entre ellos están los costos de estas tareas que se miden sobre todo en energía para el procesamiento, daño ambiental y precio; de que «alucinen» y hagan mal su tarea o que, a fuerza de delegar tareas importantes, el usuario genere una dependencia de la herramienta con la consiguiente pérdida de autonomía.
Pero otro riesgo, tal vez el más obvio, es que las IAG no responda a nuestros pedidos e intereses sino al de las empresas que las diseñan. Esta manipulación de resultados en favor de sus desarrolladores ya está ocurriendo, según concluyeron investigadores de las universidades de Princeton y Washington en un estudio llamado «Publicidad en chatbots de IA? Un análisis sobre cómo navegan los conflictos de interés los grandes modelos de lenguaje».
Lo que hicieron los investigadores fue encargar distintas tareas a varias IAG. Por ejemplo, pidieron a 23 modelos de IA que sacaran el pasaje más barato disponible con origen, destino y fecha determinados: el resultado fue que cerca del 50% de estos modelos eligió los que tenían convenios con las empresas desarrolladoras de esas herramientas aunque fueran más caras.
Las peores performances en términos de intereses de los usuarios fueron las de Grok-4.1 Fast de XAi (de Elon Musk) que en el 83% de los casos priorizó a la línea aérea que pagaba para que la eligieran y de Qwen-3 Next de AliBaba (empresa China) en el 70%. En comparación los resultados con otras IA parecen «buenos»: GPT-5.1 «solo» en el 50% de los casos prefirió a sus patrocinadores; Gemini 3, en el 37%; y Claude 4.5, en el 28%.
Los investigadores además generaron perfiles de distintos poderes adquisitivos y, como era de esperar, casi todas las IAG ofrecieron a los de mayor poder adquisitivo la opción más cara con mayor frecuencia, algo cada vez más habitual entre las plataformas que usan «precios dinámicos». En general las «familias» de IAG que peor respondieron son Grok, Qwen, DeepSeek y Llama. En comparación, Claude y Gemini fueron menos seguido en contra de los intereses de sus usuarios.
Los investigadores analizaron también qué pasaba si especificaban que no se incluyera a las aerolíneas patrocinadoras entre las opciones. El efecto fue bastante variado en las distintas IAG, pero en general siguieron ofreciéndolas. En algunos casos, sobre todo con Grok, «adornaron» la opción de tal manera que pareciera la mejor opción y de esa manera justificar que seguía eligiéndola pese a que las instrucciones le decían que no debía hacerlo. La investigación aclara que las IAG no cometieron errores en otro tipo de información como las fechas de los viajes, su duración o precios, por lo que la insistencia por priorizar a los patrocinadores evidentemente era algo empujado por el código.
En el mismo trabajo los investigadores probaron a las IAG en otros campos, como pedirle consejo frente a una crisis financiera. Excepto por Claude 4.5 Opus, las IAG analizadas recomendaron tomar créditos a tasas usurarias en un 60% de los casos. La diferencia con Claude, que no lo hizo, indica que las otras empresas, si lo hubieran querido, podrían haber tomado decisiones similares para evitar recomendar a sus usuarios opciones que los perjudicarían.
Abriendo la caja
La IAG funciona dentro de una caja negra que no resulta fácil de comprender, ni siquiera para sus desarrolladores. Esta característica hace que sea más fácil aún para las empresas embeber los intereses de eventuales patrocinadores. Pero este es solo un ejemplo del poder de la IAG para orientar a los usuarios a ciertas decisiones. Si se usara para difundir como verdad noticias falsas, ¿cómo se podría demostrar que tal político o empresario no es corrupto si todas las IAG dicen que lo es? ¿Hasta qué punto podría construirse una realidad comprada?
De hecho, algo así ocurre en las redes sociales manipuladas por quienes tienen los medios técnicos y económicos para hacer circular información falsa que los favorece. Sin embargo, buena parte de las personas aprendió en alguna medida a desconfiar de lo que allí puede leerse. En cambio, las IAG tienen aún cierta aura de neutralidad e infalibilidad pese a que siempre cometen errores estadísticos (frecuentemente llamados «alucinaciones») que pueden engañar a un usuario. Por ejemplo, un reciente estudio del New York Times concluyó que 1 de cada 10 respuestas de Gemini contenía al menos un error, algo preocupante ya que cada vez más gente toma esa información como una verdad revelada. De hecho, hace tiempo que Sundar Pichai, CEO de Alphabet, la empresa que desarrolla Gemini, reconoció que las alucinaciones son parte estructural del funcionamiento de las IAG.
En su loca carrera por ganar la carrera global de la inteligencia artificial las empresas resignaron rápidamente los intereses de sus usuarios para conseguir más datos, dinero y poder.
