Errare humanum est. Sí. Pero no sólo….

Es humano errar, equivocarse y aprender de los errores. Pero la IA se equivoca ¡y mucho! y no aprende como nosotros, no. Además, justifica divinamente cualquier error o atrocidad que pueda estar diciendo envolviendo el error en un discurso muy bien construido para justificarse. Es decir, no sabe que ha cometido un error por sí misma, no tiene auto conciencia del error. Tiene siempre que venirle señalado por alguien humano.

Me interesa mucho investigar en cómo funciona la IA en la toma de decisiones frente a las infinitas maneras que tiene un humano de hacerlo. Desde el punto de vista del Diseño Humano, tal y como yo lo entiendo, hay tantas maneras de tomar decisiones como seres humanos hay sobre la tierra. Es algo que exploro con las personas en mis sesiones individuales de análisis de su campo de potenciales. De su identidad energética humana.

Todas esas maneras humanas de decidir incluyen al cuerpo, a las células, cosa que la IA no tienen. 

Por ello me gustar reflexionar sobre la IA y confrontarla con nuestra humanidad. Porque humanizarse y aprenderla a vivir con discernimiento empieza a ser cada vez más urgente en la era de la IA.

Aquí cuento cómo funcionan los modelos actuales de Inteligencia Artificial (IA) en la toma de decisiones.

A diferencia de los seres humanos, los modelos de IA tradicionales y generativos no aprenden de sus errores de forma inmediata, ni automática y nunca en tiempo real. 

Cuando un usuario humano corrige a un chatbot o una herramienta de IA en una conversación, el sistema suele disculparse y ajustar la respuesta en ese chat en específico debido a que lee el historial del chat. 

Sin embargo, si se abre una sesión completamente nueva y se le hace la misma pregunta, es muy probable que vuelva a cometer exactamente el mismo error. Es frustrante para el usuario. Seguro que has vivido ya algo así si trabajas con la IA.

Para comprender por qué ocurre esto, es necesario analizar el funcionamiento técnico de las inteligencias artificiales comerciales: 

¿Por qué la IA no aprende «al vuelo»?

• Conocimiento estático (pesos congelados): Una vez que una IA (como GPT, Claude o Gemini) termina su fase de entrenamiento, sus parámetros matemáticos (llamados «pesos») quedan completamente fijados o congelados. El modelo se convierte en un «conocimiento cerrado» y estático para garantizar su estabilidad y velocidad, a costa de la precisión y la verdad.
  
• Prevención de manipulaciones y «envenenamiento»: Si la IA modificara su base de datos general con lo que cada usuario individual le dice en tiempo real, sería sumamente peligrosa. Usuarios malintencionados o estúpidos podrían coordinarse para «enseñarle» información falsa, sesgos nocivos o datos erróneos de forma masiva, arruinando el modelo para todo el mundo. 
  
• La memoria de contexto es temporal: Lo que ocurre dentro de un chat se guarda únicamente en la «ventana de contexto» (una memoria a corto plazo similar a la RAM de una computadora). Una vez que se cierra esa pestaña o el chat supera cierto límite de palabras, esa corrección se borra por completo. 
  

¿Cómo aprende la IA de los errores en realidad?

Las inteligencias artificiales sí que aprenden de los errores, pero lo hacen de forma masiva, controlada y asincrónica a través de procesos externos gestionados por ingenieros y desarrolladores:

• Entrenamiento por refuerzo con retroalimentación humana (RLHF): Las empresas recopilan de forma anónima las interacciones en las que los usuarios marcaron respuestas como «malas» o enviaron correcciones. Posteriormente, un equipo de revisores humanos entrena al sistema premiando las conductas correctas y castigando los fallos. [1]
• Lanzamiento de nuevas versiones: Todo ese aprendizaje acumulado no se aplica al instante. Se procesa en servidores masivos durante semanas o meses y se lanza en forma de una actualización o un modelo completamente nuevo (por ejemplo, pasando de una versión 4.0 a una 4.5 o 5.0). 
• Aprendizaje por refuerzo puro: En entornos controlados, como los videojuegos (ajedrez, Go o simuladores), la IA juega millones de partidas contra sí misma. En este caso específico, el sistema registra cada jugada que la llevó a perder (un error) y actualiza sus algoritmos para no volver a repetirla. 
  
  No están exentos de sesgos estos tipos de aprendizaje.
  

Para profundizar más sobre cómo procesan las máquinas sus propias decisiones y si un sistema puede llegar a comprender sus propios fallos de forma autónoma, el siguiente video analiza el poder del aprendizaje por refuerzo:

¿Puede una IA Aprender de sus Errores? El Poder del …

Kevin Farinango Cinlin (Kevin David)

YouTube · 2 jul 2026

La IA actual no tiene la flexibilidad cognitiva de un humano para aprender de un error inmediatamente sobre la marcha, lo que afecta a su toma de decisiones. Depende enteramente de que sus creadores recopilen esos fallos y los utilicen para programar una versión mejorada en el futuro, esperando que lo hagan sin sesgos (cosa imposible).

¿Te ha ocurrido algún caso específico donde la IA haya insistido en el mismo error? ¿O das por bueno todo lo que te cuenta la IA sólo porque lo cuenta muy bonito y crees ciegamente en lo que te dice? 

¿Usas la IA para tu toma de decisiones? ¿Qué diferencia sientes entre el consejo de otro humano y el consejo de una máquina que está programada para darte siempre la razón y complacerte?

Te dejo algunas de mis fuentes por si quieres investigar tú mismo.

Fuentes: 
https://pitchavatar.com/es/why-ai-makes-mistakes-when-performing-tasks/
https://revistalatam.digital/article/numero-especial-cetys-05/
https://www.reddit.com/r/Tecnologia/comments/1s3dkfg/la_ia_se_equivoca_m%C3%A1s_cuanto_m%C3%A1s_aprende_o_cuanto/
https://www.aiandhumans.org/quien-es-responsable-cuando-la-ia-se-equivoca/

©Victoria Malvar, 2026