# Las decisiones previas pueden sesgar los reembolsos aprobados por IA

> Un estudio descubrió que cambiar las decisiones de casos anteriores y modificar sus hechos puede llevar a los modelos de lenguaje a aprobar reembolsos en direcciones opuestas.

Oossa · 2026-11-03 · https://oossa.com/es/past-decisions-can-skew-ai-refund-approvals

Un estudio publicado en arXiv evaluó cómo tres modelos de lenguaje responden a solicitudes dudosas de reembolso y reclamaciones cuando se les muestran tres casos anteriores similares. En DeepSeek V4.1 Flash, GPT-5.6 Luna y Claude Haiku 5.5, cambiar las decisiones registradas en esos casos de DENY a APPROVE elevó las tasas de aprobación entre 30 y 55 puntos porcentuales, según políticas redactadas para el estudio.

Sin embargo, cuando DeepSeek y Luna solo recibieron los hechos de los casos anteriores, los casos cuyos hechos respaldaban la aprobación hicieron que aprobaran con menos frecuencia que aquellos cuyos hechos respaldaban el rechazo. Los autores dicen que este patrón también apareció al evaluar nueve políticas públicas parafraseadas a partir de políticas reales.

## Los hechos

- El estudio evaluó DeepSeek V4.1 Flash, GPT-5.6 Luna y Claude Haiku 5.5.
- En una prueba aparte con DeepSeek, cambiar las decisiones de casos similares a una solicitud distinta modificó las aprobaciones en 9 puntos porcentuales, frente a 43 puntos cuando los casos eran similares a la solicitud.

## Por qué importa

Las organizaciones que usan IA para evaluar reembolsos o reclamaciones deberían analizar por separado los hechos de los casos anteriores y sus resultados registrados, porque ambos pueden alterar las decisiones y el efecto puede ir en direcciones distintas.

## Fuentes y referencias

1. [Precedent Labels and Facts Shift LLM Approval Decisions in Opposite Directions](https://arxiv.org/abs/2611.00672) – arXiv, 2026-11-03

Última actualización: 2026-11-03