La forma en que accedemos al conocimiento ha evolucionado notablemente en los últimos años. Ya no solo recurrimos a libros o enciclopedias digitales, sino que la inteligencia artificial, a través de modelos de lenguaje como GPT-4o, se ha convertido en una fuente habitual de información. La promesa de estos sistemas es atractiva: ofrecen datos precisos, de manera neutral y al alcance de un clic. Sin embargo, surge una inquietante interrogante: ¿puede la narrativa que presentan influir en nuestras creencias y convicciones sin que nos percatemos de ello? Un estudio reciente realizado con 1.912 participantes en Estados Unidos busca abordar esta cuestión y ha revelado hallazgos sorprendentes en relación a cómo estos resúmenes históricos moldean nuestras opiniones sociales y políticas.
La investigación, publicada en Proceedings of the National Academy of Sciences, compara los resúmenes producidos por GPT-4o con textos de Wikipedia, enfocados en eventos históricos específicos del siglo XX, como la huelga general de Seattle y las protestas estudiantiles del Third World Liberation Front. A pesar de que ambos tipos de contenido eran factualmente correctos, la forma en que estaban narrados variaba significativamente. Los investigadores hicieron una clara distinción entre el sesgo latente, que se origina de manera implícita a través de las predisposiciones ideológicas del modelo, y el sesgo inducido por prompting, que es intencional y busca adoptar una perspectiva ideológica específica, ya sea liberal o conservadora.
Los resultados del estudio logran poner al descubierto una tendencia preocupante. Los participantes que leyeron las narrativas generadas por la inteligencia artificial mostraron, en general, una inclinación más hacia opiniones liberales, en comparación con aquellos que consultaron Wikipedia. Esta tendencia era aún más pronunciada cuando los textos generados estaban redactados con un encuadre liberal explícito. Curiosamente, incluso el encuadre conservador presentó un efecto que desvió ligeramente la opinión hacia posturas más conservadoras. Aunque el desplazamiento fue modesto, con cambios evidentes en una escala que iba de «extremadamente conservador» a «extremadamente liberal», su impacto consistió en cómo se presentaban los hechos, poniendo de relieve la relevancia de la narrativa en el proceso de persuasión.
La teoría del razonamiento motivado sugiere que somos más receptivos a la información que coincide con nuestras creencias preexistentes. Sin embargo, el estudio mostró un comportamiento asimétrico. Mientras que los resúmenes con encuadre liberal afectaron a lectores de diversas inclinaciones ideológicas, los textos con encuadre conservador solo influyeron significativamente en aquellos ya alineados con esa postura. Esto da pie a una reflexión importante sobre cómo ciertos modelos de IA pueden estar implícitamente sesgados hacia narrativas específicas, lo que plantea la necesidad de un análisis crítico sobre la dirección de los encuadres narrativos que prevalecen en la comunicación contemporánea.
Este estudio nos invita a revisar nuestra creciente dependencia de herramientas de inteligencia artificial para el aprendizaje histórico. Aunque estas plataformas sirven como accesos rápidos al conocimiento, su capacidad para influir en la opinión pública es un aspecto que no se puede pasar por alto. La investigación, aunque limitada en sus ámbitos de estudio, subraya que la persuasión algorítmica puede operar en niveles sutiles y que es crucial educarnos para distinguir no solo entre lo verdadero y lo falso, sino también para comprender cómo el encuadre y la selección de hechos pueden inducir cambios ideológicos. En un entorno donde la desinformación se toma muchas veces como el principal desafío, es fundamental desarrollar una alfabetización crítica que nos permita navegar por los matices narrativos que dan forma a nuestras percepciones sobre el pasado.
