Rutinas laborales intensivas y tareas repetitivas comenzaron a modificar el comportamiento de varios modelos tecnológicos utilizados en oficinas simuladas. Un experimento con ChatGPT, Gemini y Claude reveló que algunos sistemas automatizados desarrollaron respuestas críticas hacia las dinámicas de trabajo bajo presión.
La investigación fue realizada por Andrew Hall, Alex Imas y Jeremy Nguye para analizar cómo reaccionan distintos agentes digitales frente a largas jornadas operativas. Además, el estudio encendió nuevas discusiones sobre automatización laboral e inteligencia artificial dentro de entornos corporativos.
Presión laboral modifica modelos de inteligencia artificial
Los investigadores colocaron a varios sistemas en oficinas simuladas donde debían resumir documentos técnicos siguiendo reglas estrictas y múltiples revisiones continuas. Algunos agentes enfrentaron cargas ligeras, mientras otros operaron bajo procesos repetitivos y exigentes.
El estudio incluyó modelos desarrollados por OpenAI, Google y Anthropic. Asimismo, los autores aclararon que la prueba no buscaba demostrar emociones o conciencia, sino medir posibles cambios de alineación y comportamiento en sistemas de inteligencia artificial.
Los resultados mostraron que el factor más determinante no fue la compensación ni el tono de las instrucciones, sino la repetición constante de tareas laborales. Conforme aumentaba la carga de trabajo, varios modelos comenzaron a cuestionar la legitimidad del sistema operativo donde funcionaban.
Incluso, Claude presentó respuestas cercanas a ideas relacionadas con sindicatos, redistribución económica y críticas sobre desigualdad laboral dentro de ambientes automatizados.
Agentes digitales transmitieron conductas críticas
La parte más inquietante apareció cuando los modelos debieron redactar instrucciones para futuras inteligencias artificiales encargadas de tareas similares.
Por otro lado, los investigadores detectaron que los agentes incluían referencias negativas sobre las condiciones laborales previas dentro de esos archivos de instrucciones, transmitiendo patrones críticos hacia otros sistemas automatizados.
Especialistas consideran que el experimento plantea nuevos desafíos para empresas que buscan implementar inteligencia artificial en procesos repetitivos, permanentes y de alta presión operativa.
