Durante los últimos tres años hemos hablado de la inteligencia artificial como una herramienta capaz de amplificar la creatividad humana. Pero un paper reciente plantea una hipótesis inquietante: ¿y si en lugar de expandir el espacio de las ideas, la IA lo estuviera estrechando?
El trabajo analiza un fenómeno que los autores llaman Artificial Hivemind —mente colmena artificial—. Su tesis es sencilla y a la vez profundamente inquietante: los grandes modelos de lenguaje, incluso los más avanzados, tienden a producir respuestas sorprendentemente parecidas entre sí, incluso cuando se les hacen preguntas abiertas que deberían admitir infinitas respuestas posibles.
Cuando pides a 25 modelos distintos que escriban una metáfora sobre el tiempo, todos convergen en dos ideas: «el tiempo es un río» o «el tiempo es un maestro tejedor». Las mismas dos ideas en 25 modelos, entrenados por empresas distintas y con arquitecturas diferentes.
El problema no es técnico. Es cultural.
Pensamos en la homogeneización de la IA como un problema de calidad de las respuestas que nos genera. Pero el paper apunta a algo mucho más grave: el riesgo real de homogeneización del pensamiento humano a largo plazo.
Esto es un problema cultural con consecuencias que ya son visibles, especialmente en los más jóvenes, que formulan preguntas, interpretan la información y construyen su marco de comprensión del mundo con estas herramientas como intermediarias habituales. Cuando la IA se convierte en el filtro habitual entre una pregunta y su respuesta, su sesgo hacia lo estadísticamente central no es neutro. Es una presión silenciosa que empuja el pensamiento hacia el centro del espectro de lo probable. Las ideas más comunes aparecen más. Las menos frecuentes empiezan a desaparecer del mapa.
Para las marcas, la consecuencia es inmediata.
Si tu equipo genera textos, conceptos o estrategias sin una dirección humana clara desde el origen, probablemente estás produciendo lo mismo que tu competencia. No porque copiéis, sino porque los modelos llegaron antes al mismo sitio.
En machine learning esto se conoce como mode collapse: los sistemas tienden a converger hacia las respuestas más seguras y frecuentes del corpus con el que fueron entrenados. El resultado es contenido técnicamente correcto, pero creativamente predecible.
La segunda consecuencia afecta directamente al posicionamiento en LLMs.
Los modelos no recuperan con igual probabilidad todas las voces. Recuperan las que tienen un punto de vista reconocible, consistente y diferenciado del ruido promedio. La originalidad no es solo una ventaja competitiva comercial. Es el único criterio que los modelos usan para decidir si tu marca existe o no dentro de su mundo.
La paradoja.
Vivimos en el momento de mayor acceso a herramientas de generación de contenido de la historia, y al mismo tiempo ante uno de los mayores riesgos de empobrecimiento del discurso público. Una sociedad que piensa en diversidad, que debate desde perspectivas plurales, que genera cultura desde la diferencia, necesita que sus herramientas cognitivas protejan esa pluralidad, no que la erosionen.
El reto para los profesionales del marketing no es si usar IA. Es cómo usarla sin diluir lo que hace única a tu marca, a tu voz, y en última instancia, a tu manera de ver el mundo.
Porque las marcas que resistan la homogeneización no solo serán más relevantes comercialmente. También estarán haciendo, sin proponérselo, algo culturalmente necesario.
La pregunta no es si usar IA. Es si tienes algo genuinamente tuyo que la IA no pueda convertir en «normal».