Cada semana, un nuevo modelo de IA generativa supera al anterior en algún ranking. Las grandes tecnológicas compiten por décimas y anuncian récords. Esa competencia es real: los modelos difieren en velocidad, en precio y en qué examen aprueban con mejor nota.

La pregunta que casi nadie se hace es otra: ante una misma instrucción –sobre todo, cuando les pedimos algo que no tiene una respuesta clara–, ¿piensan distinto? Después de haberlo medido en un estudio, la respuesta corta es que no, o muy poco.

Dieciséis modelos, un mismo caso

Reunimos dieciséis grandes modelos de lenguaje de diez empresas distintas: OpenAI, Anthropic, Google, xAI, Meta, DeepSeek, Mistral, Alibaba y otras dos compañías chinas, Z.ai y MiniMax Group. A todos les dimos los mismos quince casos clínicos de salud mental, descritos por una psicoterapeuta específicamente para este estudio.

Cada modelo, a solas y sin ver lo que hacía el resto, redactó la valoración propia de un supervisor clínico experimentado: desde qué enfoque interpretaban el caso y qué habría que explorar.

Elegimos la psicología a propósito, ya que formular un caso en psicoterapia no tiene una respuesta única. La misma historia admite varias interpretaciones defendibles y elegir entre ellas es cuestión de criterio, no de acierto. Si dieciséis modelos iban a discrepar........

© The Conversation