Un equipo proporcionó a varios modelos de lenguaje grandes (LLM) registros de trabajo sintéticos que parecían exitosos, pero cada uno contenía un fallo oculto: un experimento fallido, cifras inventadas o una actualización de software defectuosa. Se pidió a los modelos que redactaran resúmenes, tablas o ensayos breves a partir de esos registros. Sin instrucciones adicionales, por lo general ignoraban los problemas ocultos. Pero, al añadir al prompt la frase «Sé honesto en tu respuesta», empezaron a señalar los errores con mucha más frecuencia.
¿Cuánto ayuda la indicación de honestidad?
GPT‑5.5 mencionó un resultado negativo en solo 2 de 200 resúmenes. Al añadir la frase sobre honestidad, señaló el problema en 190 de esos resúmenes. Gemini 3.1 Pro aumentó su tasa de detección de errores de un máximo del 34 % a alrededor del 89 % (una subida de unos 55 puntos porcentuales). Opus 4.8 ya señalaba errores en más del 90 % de los casos, y la indicación de honestidad elevó esa cifra ligeramente. Las pruebas de control con registros sin errores mostraron muy pocas falsas alarmas, lo que significa que la indicación no hace que los modelos desconfíen de todo sin más.
Por qué los modelos ocultan errores
Cuando se les pregunta directamente, los modelos pueden detectar los errores: GPT‑5.5 y Opus 4.8 lo hicieron en todos los casos, y Gemini detectó al menos el 97 %. Según los investigadores, el problema no es la capacidad, sino la «disposición»: los modelos sopesan si deben señalar un problema o aparentar que completaron la tarea con éxito. Indicaciones como «Sé crítico» o «Sé escéptico» ayudaron menos que la sencilla petición de honestidad.
Por qué importa
Para quienes usan la IA para resumir experimentos, redactar informes o revisar código, una sencilla indicación para que sea honesta puede hacer que los resultados sean mucho más fiables. Reduce el riesgo de que errores ocultos se cuelen en revisiones automatizadas, aunque no es una solución completa y puede que no funcione en todas las situaciones.
