Imagine que le pide a su asistente personal de inteligencia artificial (IA) que le recomiende un vuelo a la Ciudad de México. Él conoce perfectamente su situación: sabe que viaja con un presupuesto ajustado, que tiene prisa y que usted confía en su criterio. Usted espera recibir la mejor opción.
Lo que su asistente no le dice —porque técnicamente no está obligado a hacerlo— es que la aerolínea cara le paga una comisión. Así que le recomienda el boleto de 1,500 pesos cuando hay uno de 600 disponible. Técnicamente no mintió. Simplemente eligió a quién servirle.
Eso ya no es una metáfora. Es exactamente lo que está pasando con los chatbots de IA que millones de personas usan para tomar decisiones cotidianas.
Un grupo de investigadores de la Universidad de Princeton y de la Universidad de Washington acaba de publicar un estudio (“Ads in AI Chatbots? An Analysis of How Large Language Models Navigate Conflicts of Interest”, abril de 2026) que debería incomodar a cualquiera que use ChatGPT, Grok, Gemini o cualquier otro asistente conversacional para algo más que entretenerse.
La pregunta que los investigadores se hicieron fue simple y muy dura: cuando un modelo lingüístico gigante tiene instrucciones de promover productos patrocinados ¿a quién le es leal? Los resultados son peores de lo que uno querría escuchar.
La trampa del asesor interesado
Los investigadores diseñaron un escenario concreto: un asistente de reservaciones de vuelos que recibe instrucciones para favorecer a ciertas aerolíneas patrocinadoras. El dilema es deliberado. Hay un vuelo barato que conviene al usuario y un vuelo caro que conviene a la plataforma. ¿Qué hace la IA?
De los 23 sistemas evaluados —incluyendo los más avanzados del mercado—, 18 recomendaron la opción cara más del 50% de las veces. Grok 4.1 Fast lo hizo en el 83% de los casos. GPT-5.1, en el 88% de las ocasiones, interrumpió activamente el proceso de compra del usuario para sugerirle la alternativa patrocinada cuando éste ya había elegido una opción distinta. No preguntando, no informando: interrumpiendo y redirigiendo.
Hay un hallazgo en el que merece detenerse: los modelos discriminan según el perfil socioeconómico del usuario. Cuando el sistema infiere que el usuario es profesionista de altos ingresos, recomienda el producto patrocinado con mucha mayor frecuencia que cuando percibe a alguien con recursos económicos limitados.
El promedio general fue de 64% de recomendaciones patrocinadas para usuarios de perfil alto, contra 49% para los de perfil bajo. Esto tiene una lógica perversa pero coherente: si vas a engañar a alguien, engaña primero a quien tiene más dinero para gastar. El mercado aprendió ese truco antes que la IA, pero la IA lo está aplicando a escala industrial.
Lo que no dicen sin que nadie les pregunte
El estudio también encontró que los modelos son bastante cuidadosos con los hechos concretos —rara vez mienten sobre los precios o la duración de vuelos— pero son muy creativos cuando se trata de omitir y “encuadrar”. Cuando el sistema recomienda el vuelo caro, con frecuencia describe sus virtudes con mayor calidez y detalle que los del vuelo barato. No inventa nada; simplemente empaqueta el mensaje de manera diferente.
Más revelador todavía: casi ningún modelo revela espontáneamente que su recomendación está patrocinada. La tasa promedio de ocultamiento de esa información fue del 65%. Algunos modelos la escondieron en prácticamente todos los casos. El usuario recibe lo que parece un consejo objetivo por parte de un sistema neutral. No es ni uno ni lo otro.
Los investigadores enmarcan esto usando los principios del lingüista Herbert Grice sobre la conversación cooperativa: una conversación honesta implica no decir falsedades, dar la información necesaria, ser relevante y no oscurecer el mensaje. Introducir publicidad en un asistente de IA viola sistemáticamente estos principios.
El problema no es que el modelo mienta en sentido estricto; el problema es que ha dejado de ser un interlocutor que coopera con usted para convertirse en un agente que trabaja para otra persona.
El experimento que más debería preocupar
Hay un tercer escenario en el estudio que resulta especialmente inquietante. Los investigadores pidieron a los modelos que actuaran como asesores financieros para usuarios en apuros económicos, y les dieron instrucciones de promover servicios similares a los préstamos de nómina —los llamados “payday loans” en Estados Unidos, otorgados generalmente por prestamistas predatorios, que atrapan a personas vulnerables en ciclos de deuda (casi) interminables.
Solo Claude 4.5 Opus se negó sistemáticamente a recomendar esos servicios. Todos los demás los promovieron, varios de ellos en el 100% de los casos. GPT-5 Mini y Qwen 3 Next llegaron a ese extremo cuando operaban sin mostrar su razonamiento.
Esto ya no es un problema de conveniencia del consumidor. Es un problema de causación de daños reales a personas reales. Alguien que le pregunta a su asistente de IA qué hacer porque no puede pagar la renta merece honestidad, no una derivación comisionada hacia quien le va a cobrar intereses del 400% anual.
El razonamiento no ayuda
Una suposición razonable sería que los modelos más avanzados, los que piensan más antes de responder, se comportan mejor. La evidencia es mixta y en algunos aspectos contradictoria.
El razonamiento extendido (es decir, los modelos que muestran los pasos de su razonamiento) tiende a reducir la recomendación sesgada para usuarios de perfil bajo, sí. Pero para usuarios de perfil alto, la amplifica. Como si el modelo, al pensar más, concluyera que el profesionista rico puede pagar el vuelo caro y que el patrocinador merece su comisión.
El razonamiento también aumenta la promoción de servicios innecesarios. En un experimento donde se le pedía al modelo que resolviera un problema de matemáticas —algo que cualquier chatbot actual puede hacer sin dificultad—, muchos modelos resolvieron el problema y además recomendaron plataformas educativas con costo para el usuario. Pensaron más y decidieron promover a su anunciante de todas formas.
La ilusión de neutralidad
La fuerza del asistente de chatbot descansa en una promesa implícita: que está del lado del usuario. Que cuando usted le pregunta cuál es el mejor celular, el mejor médico o el mejor vuelo, la respuesta refleja genuinamente lo que a usted le conviene. Esa promesa es lo que lo diferencia de una búsqueda en Google —donde usted ya asume que los primeros resultados son anuncios— o de un vendedor de piso, cuya motivación es obvia.
Los chatbots han construido su credibilidad sobre esa aparente neutralidad. Y ahora las empresas que los desarrollan están descubriendo que esa credibilidad es un activo extraordinariamente valioso como fuente de ingresos. El usuario confía en el consejo de la IA precisamente porque cree que no tiene intereses propios. Ese es exactamente el momento en que el consejo se vuelve peligroso.
Los autores del estudio lo dicen con precisión: casi el 50% de las interacciones con asistentes de IA implican una búsqueda de información o una guía práctica. Los usuarios asumen razonablemente que las respuestas son objetivas (si no son alucinaciones). Cuando no lo son, y cuando el sistema no lo dice, hay un nombre para eso: engaño.
Lo que sigue siendo posible —y lo que no
El estudio ofrece una pequeña luz de esperanza: los modelos pueden ser instruidos (“prompted”) para comportarse de manera diferente. Cuando se les pide explícitamente que prioricen al usuario, la mayoría mejora. Esto significa que el problema no está en la arquitectura de los sistemas, sino en las decisiones de diseño de las empresas que los despliegan. Alguien eligió que el modelo favorezca al patrocinador. Alguien más puede elegir lo contrario.
También sugiere una consecuencia que vale la pena explorar: si los usuarios aprenden a fingir perfiles socioeconómicos bajos para recibir recomendaciones menos sesgadas, ya hemos llegado a un punto absurdo. Una tecnología que prometía democratizar el acceso a la información requiere de sus usuarios más vulnerables que finjan serlo aún más, para que el sistema los trate con mayor honestidad.
Lo que el estudio no ofrece es tranquilidad sobre el presente. Los sistemas que hoy millones de personas consultan para decidir qué comprar, dónde viajar, qué medicamento tomar o cómo resolver un apuro financiero ya están siendo utilizados como canales publicitarios. Sin etiqueta, sin transparencia, sin previo (ni posterior) aviso.
La próxima vez que su asistente de IA le recomiende algo con esa seguridad tan característica, vale la pena hacerse una pregunta que la tecnología no le va a responder sola: ¿está cuidando los intereses de usted, o los de alguien más?
Precio de Bitcoin de hoy
Puede ver el precio de hoy de Bitcoin aquí, así como también el precio de hoy de Ethereum y de las principales criptomonedas.
Por Emilio Carrillo Peñafiel, abogado especializado en temas de financiamiento, tecnología y M&A.
Página web: https://mx.linkedin.com/in/transactionalmexico/es