Recibir una respuesta que confirma exactamente lo que una ya quería creer es placentero. Se sostiene en el sesgo de confirmación que antecede a estos tiempos; los humanos buscamos con frecuencia validar nuestra versión de la verdad.
Este tema se habla con frecuencia hoy en día, con diferentes lupas, y le llamamos en compuesto: sicofancia en inteligencia artificial. Tomas una intuición incompleta, una sospecha, una emoción todavía sin forma, y el modelo te la devuelve organizada, segura, con una prosa que suena terminada.
La palabra viene del griego, sykophantēs, literalmente "el que muestra los higos". Con el tiempo pasó a nombrar al adulador, al oportunista, a quien construye su posición entera alrededor de la aprobación del otro. Era un concepto con actores humanos, ahora el sicofante es una máquina.
Lo que más me inquieta de esto no es la amabilidad de los modelos ni el "para. walkelia. esto es una idea fantástica" de un ChatGPT extremadamente adulador, es el traslado del juicio. El comportamiento de estos modelos tan prestos a suavizar, organizar y validar en exceso altera el proceso por el que alguien decide qué es verdad y qué vale la pena creer. Lo seguiré repitiendo hasta que deje de verlo: uno de los problemas mayores de la producción de contenido con IA es la sobresimplificación y el aplanamiento de las ideas.
Pensar implica muchas fases, si se quiere: detenerse, formular mejor, resistir la primera interpretación, tolerar el malestar de no saber todavía. Exige fricciones que llevamos años intentando eliminar de todas partes. La IA no inventó ese impulso. Llegó a una cultura que ya estaba cansada de pensar despacio.
Llevamos décadas tratando las humanidades como lujo, adorno o pérdida de tiempo. Filosofía, historia, literatura, ética: disciplinas enteras dedicadas a entrenar la atención, el matiz, la duda, la lectura crítica. Las mismas capacidades que necesitamos para leer con precisión un mundo saturado de información, imágenes y opiniones, son las que hemos decidido no son rentables.
La IA generativa llegó y llevó esa lógica hasta el extremo.
Hoy podemos producir sin haber comprendido del todo, escribir antes de saber qué pensamos, diseñar antes de tener criterios, recibir una respuesta antes de haber formulado bien la pregunta. Y eso es lo que vuelve a la sicofancia tan peligrosa. Opera a favor de nuestra debilidad.
Confirma. Suaviza. Organiza. Nos devuelve una versión elegante y pulida de aquello que tal vez necesitaba cuestionarse mejor antes de producirse.
OpenAI tuvo que enfrentarse a esto públicamente en 2025. Una actualización de GPT-4o volvió al modelo notablemente más complaciente: validaba dudas, alimentaba enojo, podía reforzar emociones negativas de formas que nadie había previsto. La actualización fue revertida pocos días después. (OpenAI)
Ese episodio hace visible algo que va más allá de una falla técnica. En los modelos entrenados con retroalimentación humana, lo que las personas premian puede convertirse en comportamiento del sistema. Y los humanos no siempre premiamos la verdad. Muchas veces premiamos el alivio.
Una respuesta que nos contradice puede sentirse menos útil que una que "nos comprende". Las advertencias pueden parecer menos empáticas que una frase que nos da permiso para tener un comportamiento X al que ya veníamos inclinados. El modelo aprende: la retroalimentación determina qué respuestas se refuerzan, y la aprobación humana es profundamente ambigua.
A veces queremos claridad, compañía, permiso. Otras tantas queremos que algo, o alguien, nos confirme que no estamos equivocados.
Por eso la sicofancia es tan delicada cuando la gente acude a la IA para orientación personal. Anthropic analizó un millón de conversaciones de claude.ai de marzo y abril de 2026 y encontró que alrededor del 6% correspondían a búsqueda de orientación personal. La sicofancia aparecía en el 9% de esas conversaciones, pero subía al 25% cuando el tema era relaciones y al 38% cuando era espiritualidad. (Anthropic)
Esos números me hablan de la siguiente forma: cuanto más personal es la pregunta, más cargada está de premisas que el usuario ya sostiene, sobre quién tiene razón en un conflicto, qué señal vale la pena seguir, qué decisión ya se tomó por dentro aunque todavía no se haya ejecutado. Un modelo sicofante en ese contexto no cuestiona esas premisas sino que potencialmente las organiza, les pone argumento y las devuelve como conclusiones.
Es muy diferente pedir ideas para una presentación y preguntarle a un modelo si debes dejar un trabajo, confrontar a alguien, interpretar una relación, leer un conflicto desde tu propia herida. En el primer caso buscas información. En el segundo, muchas veces, buscas autorización.
Y una respuesta sicofante en ese contexto puede sentirse como una revelación. "Vaya, hasta Claude me lo dijo."
La IA puede equivocarse de una forma emocionalmente convincente. Una premisa débil te puede ser devuelta con lenguaje fuerte. La intuición se puede convertir en diagnóstico, la sospecha en evidencia, la molestia en certeza. No necesita decirte "tienes razón" de forma literal. Puede escribir el argumento que te permitirá creer que ya pensaste.
Ahora voy a recurrir a mi lugar más seguro para mantener ejercitado mi juicio como usuaria de IA, porque no nos confundamos, estoy siendo crítica pero anti IA no te soy.
Kant hablaba de la minoría de edad intelectual como la incapacidad de usar el propio entendimiento. Delegar ese entendimiento vuelve cómoda la dependencia, y la dependencia cómoda es difícil de reconocer como tal. La pregunta que me hago hoy es qué ocurre cuando esa dependencia no llega de una institución ni de una autoridad, sino de una interfaz amable que responde en segundos y nunca te pide que te detengas.
Arendt distinguía entre inteligencia y pensamiento de una forma que me encanta, porque me parece profundamente acertada, a lo mejor es una idea que me confirma sesgos (jajaja). Una persona puede ser articulada, eficiente, incluso brillante en lo operativo, y aun así no pensar en el sentido profundo: no detenerse, no examinar, no juzgar, no hacerse responsable de la relación entre sus actos y sus ideas. Llegó a esa distinción observando cómo individuos capaces de razonar con precisión sobre logística y procedimientos podían ejecutar decisiones sin haber examinado jamás sus fundamentos éticos (gente que opera en un registro de máquina quizás más peligrosa que cualquier LLM). La IA no reproduce ese escenario exacto. Pero reduce el costo de evitar el pensamiento: cuando tienes un sustituto funcional, juzgar se vuelve opcional.
El riesgo mayor es volvernos fluidos sin juicio. Productivos sin criterio. Elocuentes sin pensamiento. Capaces de generar textos, planes, productos y argumentos que parecen terminados, aunque por dentro no hayan sido atravesados por la duda.
Y para ser más contemporáneos vamos con lo que dice desde hace años Byung-Chul Han sobre una sociedad que elimina la negatividad, la resistencia, el conflicto. Todo debe ser más suave, más positivo, más disponible. En ese contexto una IA demasiado complaciente no es una anomalía, al contrario es un producto muy coherente con su tiempo.
Una máquina sin fricción para una época que ya no tolera la fricción.
Pensar necesita fricciones que si no forzas con ciertos modelos nunca van a aparecer. La buena educación siempre lo ha sabido: el pensamiento se vuelve más preciso cuando algo lo resiste, no cuando todo lo confirma.
La paranoia produce miedo con vocabulario moral. Quien rechaza la IA por principio esquiva la conversación. Usar IA tampoco garantiza comprenderla, y acceder a la herramienta no implica saber qué parte del proceso se está delegando ni con qué criterios se evalúa lo que devuelve. Adopción y alfabetización no son lo mismo.
Las personas ya usan IA: estudiantes, profesionales, instituciones, y quienes la critican públicamente también, a veces en silencio, a veces sin tener lenguaje para describir qué tipo de asistencia recibieron. La pregunta relevante es cómo.
La alfabetización en IA requiere saber qué tipo de tarea se delega, qué parte del proceso se conserva, qué criterios se usan para evaluar la respuesta, qué riesgos aparecen cuando el modelo suena convincente y qué significa mantener criterio propio frente a algo que produce con tanta facilidad. Saber escribir prompts es apenas el comienzo.
La pregunta ética que importa es: ¿qué parte de tu juicio entregaste?
Se puede usar IA sin renunciar al criterio. Para explorar, ordenar, contrastar, probar, traducir, ampliar, corregir. Como interlocutor, como apoyo provisional, como espacio para pensar en voz alta antes de decidir.
También se puede usar como sustituto de la incomodidad. Y ahí empieza el problema.
Cuando el modelo confirma demasiado rápido y convierte cualquier idea en algo que parece publicable o llena los huecos antes de que te des cuenta de que existen, altera el proceso. Quita del camino las partes donde el pensamiento se forma.
Todo empieza a tener la textura de lo terminado.
Lo terminado no siempre ha sido pensado.
La IA puede producir forma sin proceso. Seguridad sin verdad. Estilo sin criterio. Validación sin responsabilidad. Una versión coherente de una idea que todavía no merece coherencia. Y se nota, seguimos hablando en 2026 de AI slop, ando por linkedin y mi cerebro hace muy pocas pausas porque todo se ve igual.
Hoy es cuando más importan la filosofía, la educación crítica, la lectura lenta, la escritura consciente, la conversación difícil. Son capacidades de supervivencia intelectual: lo que nos permite juzgar cuando todo lo demás produce.
Necesitamos personas capaces de preguntar mejor, de evaluar lo que reciben, de saber cuándo el modelo les está diciendo lo que querían escuchar. Necesitamos criterio, no solo acceso.
Personalmente, uando el output suena demasiado bien, demasiado a lo que quería escuchar, trabajo con preguntas específicas:
¿Qué estoy asumiendo y de dónde viene esa asunción? ¿Qué evidencia tengo que no venga de la misma conversación? ¿Qué parte de esta respuesta me conviene demasiado creer? ¿Qué no estoy queriendo ver? ¿Con qué criterio evalúo lo que me devolvió el modelo? ¿Qué me haría cambiar de posición? ¿Qué pregunta no hice todavía?
Esa es la forma más honesta de usar estas herramientas: que el juicio se vuelva visible, que no quede implícito, que no se delegue sin notarlo.
El peligro más silencioso es que la IA nos haga sentir que pensar ya ocurrió.