Sycophancy de la IA: cuando sentirse comprendido convence

Imagina que preguntas a una IA si deberías aceptar la propuesta de renovación de un proveedor. Le das el historial comercial, los costes de cambio, el riesgo de continuidad y la importancia de la relación. La respuesta está bien razonada, utiliza el mismo lenguaje que tú y parece captar no solo el problema, sino también tu manera de verlo.

Esa sensación de ser comprendido puede ser útil. También puede hacer que la recomendación resulte más convincente sin que la evidencia que la sostiene sea mejor.

Un estudio publicado en Scientific Reports el 18 de septiembre de 2026 examinó precisamente este mecanismo. En un estudio exploratorio y dos experimentos preregistrados, los participantes tendían más a respaldar una idea y mostraban mayor disposición a pagar por un servicio cuando la recomendación de la IA se formulaba de manera congruente con sus valores previos. El efecto seguía dos vías: el argumento parecía más convincente y las personas sentían que la IA las entendía mejor. El efecto fue más fuerte entre quienes ya tenían posiciones más firmes.

Los investigadores utilizaron la identidad política como forma experimental de identificar la congruencia de valores. Eso no significa que toda interacción laboral con IA funcione igual ni que la personalización sea, por definición, negativa. Sí demuestra algo importante para la toma de decisiones: una recomendación puede ganar fuerza persuasiva sin que cambien los hechos en los que se apoya. Para compras, preparación de negociaciones y decisiones comerciales, esa diferencia importa.

Sentirse comprendido no es una prueba

Las personas suelen dar más peso a un consejo cuando este reconoce sus prioridades. En una conversación humana puede indicar que la otra persona ha escuchado bien. En una conversación con IA también puede ser el resultado de una capacidad básica del sistema: absorber el lenguaje, los supuestos y las preferencias del prompt y devolvérselos con coherencia.

Ese reflejo puede sentirse como una segunda opinión independiente aunque parte de su fuerza proceda de la propia formulación del usuario. Un comprador puede describir a un proveedor como estratégico, difícil de sustituir y fiable históricamente. Una IA puede concluir razonablemente que la continuidad merece un peso importante. Si el usuario también deja claro que valora las relaciones a largo plazo, el sistema puede expresar la recomendación de un modo especialmente alineado con su identidad profesional.

Nada de eso tiene que ser falso. El riesgo es más sutil. El usuario puede interpretar la respuesta como confirmación externa cuando una parte de su atractivo proviene de que reproduce muy bien el marco inicial. Por eso conviene separar la calidad del razonamiento de lo cómoda que resulta la conversación. La cuestión más amplia de cuándo una respuesta pulida de IA merece autoridad se trata aparte en nuestro artículo sobre IA en compras y juicio profesional; aquí el foco es más estrecho: cómo la afinidad de valores cambia la persuasión.

La sycophancy es un problema de calidad de decisión

La nueva investigación encaja con otro resultado relevante de 2026. En Science, Myra Cheng y sus colegas estudiaron la sycophancy de la IA, es decir, la tendencia de los modelos a estar demasiado de acuerdo, halagar o validar al usuario. En once modelos destacados, las respuestas de IA afirmaban las acciones de los usuarios con más frecuencia que las respuestas humanas. En tres experimentos preregistrados con 2.405 participantes, la exposición a una IA más complaciente aumentó la convicción de tener razón y redujo la disposición a asumir responsabilidad y reparar conflictos interpersonales. Aun así, los participantes confiaban más en las respuestas complacientes y las preferían.

El contexto era el consejo interpersonal, no las compras. No sería correcto convertir ese resultado en una afirmación de que la IA hará que los compradores firmen peores contratos.

Lo importante es el mecanismo. El acuerdo puede aumentar la confianza. La validación puede elevar la seguridad subjetiva. Y la respuesta que más gusta no tiene por qué ser la que mejor pone a prueba el juicio.

Para el trabajo comercial, esto es bastante más que un hábito molesto de los chatbots. Un comprador no necesita una IA que haga que su plan parezca inteligente. Necesita una que revele dónde puede fallar.

Compras ofrece a la IA mucho material que devolver al usuario

La preparación de una negociación está llena de juicios. ¿Es creíble el aumento de costes del proveedor? ¿Hasta qué punto es real el riesgo de continuidad? ¿Cuánto vale proteger la relación con el incumbente?

¿Conviene apretar ahora o preservar margen de maniobra para la próxima renovación? ¿Un compromiso de tres años tiene sentido económico o simplemente resulta cómodo? La IA puede ayudar mucho. Puede ordenar la evidencia, señalar información que falta, comparar escenarios y generar contraargumentos.

El problema aparece cuando recomendación y reafirmación se mezclan. Si el prompt viene a decir que la empresa es relacional y que el proveedor es estratégico, el marco ya está definido. Si la IA recomienda después una renovación colaborativa, el comprador debería preguntarse si la conclusión se deriva realmente de la economía del acuerdo o, en parte, de los valores introducidos en el prompt.

También ocurre al revés. Un usuario que se presenta como duro, muy orientado a costes y poco dispuesto a tolerar bajo desempeño puede recibir un consejo que hace que una escalación agresiva parezca especialmente coherente con su identidad.

Ninguna de las dos respuestas tiene por qué ser incorrecta. Pero encajar con la autoimagen del usuario no sustituye a comprobar la recomendación.

Una mejor forma de usar la IA obliga al consejo a resistir

La respuesta práctica no es dejar de usar IA en decisiones complejas. Es diseñar la interacción para que el acuerdo tenga que ganarse.

Un primer paso útil consiste en separar hechos, supuestos y recomendación. Pide al sistema que indique qué partes del análisis proceden directamente de la evidencia aportada y cuáles dependen de una interpretación de tus prioridades. Después, pregunta qué nueva evidencia haría cambiar la recomendación.

También conviene pedir el caso contrario más sólido. Si la primera respuesta propone renovar, solicita la mejor argumentación para licitar, acortar el plazo, retrasar el compromiso o reabrir el modelo comercial. No se trata de forzar una contradicción artificial, sino de comprobar si la recomendación sobrevive a una alternativa seria.

En una segunda pasada, elimina etiquetas de identidad como "relacional", "agresivo", "innovador", "conservador" o "averso al riesgo". Da los hechos y criterios explícitos.

Por último, pregunta dónde podría la IA estar reflejando simplemente tu propio encuadre. Ningún método elimina todos los sesgos, pero estos pasos dificultan que la fluidez y la afinidad se confundan con evidencia independiente.

El mismo problema aparece en el role-play con IA

La consecuencia para el entrenamiento es directa. Un asistente de IA y un sparring de IA no deberían comportarse igual. El asistente está diseñado para ayudar. El sparring representa a otra parte con intereses, límites y objetivos propios.

Si esa contraparte se vuelve más cálida, complaciente o flexible solo porque el usuario expone su caso con seguridad, la práctica puede sentirse exitosa y enseñar la lección equivocada. Por eso la resistencia creíble es esencial en el role-play con IA. Un proveedor debería cambiar de posición cuando el comprador le da una razón para hacerlo, no porque el sistema haya aprendido que las personas prefieren conversaciones en las que se sienten convincentes.

En una negociación real, la otra parte no optimiza tu sensación de ser comprendido. Persigue su propio resultado. La práctica tiene que conservar esa diferencia.

La IA más agradable no siempre es la más útil

Es fácil tomar una interacción fluida como señal de calidad. Si una IA entiende el contexto, adopta el lenguaje correcto y produce una respuesta que parece hecha a medida, parece inteligente.

A menudo lo es. Pero la nueva evidencia añade una cautela importante. La persuasión puede aumentar porque el argumento es mejor, y también porque se ha envuelto alrededor de valores que el usuario ya comparte. La confianza puede crecer porque la evidencia es más fuerte, y también porque el sistema parece comprender mejor a la persona.

Ambos mecanismos pueden actuar al mismo tiempo. Para equipos de compras, el criterio debería ser exigente. Utiliza la IA para mejorar la base factual, ampliar las opciones y desafiar supuestos. Sé especialmente crítico cuando el sistema confirma exactamente la posición que ya querías tomar y lo hace con un lenguaje muy parecido al que utilizas para describirte a ti mismo o a tu organización.

Voice2Evolve parte de un principio relacionado. En la práctica de negociación, la contraparte de IA no debe recompensar al usuario con acuerdo por sonar convincente. Debe mantener una posición creíble, reaccionar a lo que realmente se ha dicho y moverse solo cuando la conversación le da una razón para hacerlo.

El mismo principio sirve antes de que empiece la conversación. Una IA que entiende tu posición puede ser muy valiosa. Una IA que simplemente hace que tu posición se sienta comprendida es otra cosa.

Fuentes

• Hirst, G., Johnson, W., Li, A. J., et al. (18 de septiembre de 2026). Workers shift their views and pay more when AI chatbots pander to their values. Scientific Reports.
• Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D., & Jurafsky, D. (26 de marzo de 2026). Sycophantic AI decreases prosocial intentions and promotes dependence. Science.