Durante años, una de las grandes promesas de la inteligencia artificial fue su capacidad para tomar decisiones con mayor objetividad que las personas. Sin embargo, una nueva investigación sugiere que los modelos más avanzados también pueden reproducir uno de nuestros comportamientos más antiguos: juzgar a alguien por su apariencia.
Un estudio publicado en PNAS Nexus analizó cómo distintos modelos de inteligencia artificial interpretaban rostros humanos. Los resultados mostraron que sistemas como GPT-4o, GPT-5, Gemini 3 Flash Preview y Claude Sonnet 4.5 tendían a atribuir características personales a partir de una imagen, aunque no existiera información suficiente para justificar esas conclusiones.
Los modelos asociaron determinados rostros con cualidades como inteligencia, capacidad de trabajo, agresividad, egoísmo o fiabilidad.
Miles de decisiones basadas únicamente en rostros
Para analizar este comportamiento, los investigadores realizaron cerca de 4.600 comparaciones con GPT-4o utilizando caras generadas por ordenador. Posteriormente repitieron las pruebas con otros modelos avanzados.
En cada ejercicio, la IA debía elegir qué persona parecía más inteligente, trabajadora, confiable o agresiva. En otros escenarios, las preguntas tenían consecuencias potencialmente más serias: decidir quién podría ser un buen gestor financiero, quién merecería recibir financiación o incluso qué rostro parecía corresponder a alguien capaz de cometer determinados delitos.
Los resultados mostraron una notable coincidencia entre los prejuicios de los modelos y las valoraciones realizadas previamente por seres humanos.
En determinadas pruebas relacionadas con la confianza y la fiabilidad, GPT-4o seleccionó en casi el 75 % de los casos el mismo tipo de rostro que los participantes humanos habían asociado con esas características.
¿Cómo aprende una IA a juzgar una cara?
El origen exacto de estos prejuicios todavía no está claro.
Los grandes modelos de lenguaje se entrenan utilizando enormes cantidades de textos, imágenes y otros contenidos disponibles en diferentes fuentes. En ellos aparecen constantemente asociaciones culturales entre apariencia física y personalidad.
Durante siglos, la literatura, el cine y otros medios han relacionado determinadas características físicas con conceptos como peligrosidad, inteligencia, bondad o desconfianza.
Los investigadores plantean que estas asociaciones podrían haber quedado incorporadas indirectamente durante el entrenamiento de los modelos, permitiendo que posteriormente aparezcan cuando una inteligencia artificial analiza una imagen.
El problema de una falsa sensación de objetividad
El hallazgo resulta especialmente relevante porque estos sistemas comienzan a utilizarse en ámbitos donde las decisiones pueden tener consecuencias reales.
La inteligencia artificial ya se emplea en procesos relacionados con selección de personal, análisis financiero, seguridad, evaluación de candidatos y otras tareas automatizadas.
Si un sistema reproduce prejuicios basados en el aspecto de una persona, existe el riesgo de que decisiones discriminatorias aparezcan presentadas como el resultado de un procedimiento objetivo y matemático.
Los investigadores advierten precisamente sobre este punto: un algoritmo puede transmitir una sensación de neutralidad incluso cuando está reproduciendo patrones de juicio profundamente humanos.
Un estudio que todavía tiene limitaciones
Los propios autores reconocen que los resultados deben interpretarse con cautela.
Los experimentos fueron realizados en condiciones controladas de laboratorio y no necesariamente reflejan exactamente cómo se comportarían estos modelos en aplicaciones reales. También existe la posibilidad de que algunas imágenes utilizadas estuvieran presentes en los datos empleados durante el entrenamiento, aunque los investigadores no encontraron señales claras de que los sistemas las reconocieran.
Aun así, el trabajo plantea una cuestión cada vez más importante: si las inteligencias artificiales aprenden observando nuestra cultura, también pueden aprender nuestros estereotipos y prejuicios.
El desafío no consiste únicamente en crear sistemas más potentes, sino también en garantizar que esa capacidad no termine automatizando las mismas formas de discriminación que la tecnología prometía reducir.
