Sociedades simuladas con IA: por qué hablar bien no basta para ser fiable
Una revisión crítica en Frontiers in Artificial Intelligence advierte de que los fallos de los modelos de lenguaje pueden crecer al simular sociedades enteras con agentes de IA.
Simular una sociedad con miles de personajes que conversan, deciden y se influyen entre sí es una vieja aspiración de las ciencias sociales computacionales. Con la llegada de los grandes modelos de lenguaje (LLM), esa idea parece más cerca que nunca: basta con poner un modelo como ChatGPT detrás de cada agente para que «piense» y responda como si fuera alguien de carne y hueso. Una revisión crítica publicada en 2026 en Frontiers in Artificial Intelligence pide calma. Su mensaje central es que un agente puede expresarse con soltura y aun así darnos una imagen distorsionada de cómo se comporta una población.
El trabajo lo firman Patrick Taillandier, Jean-Daniel Zucker y Arnaud Grignard, investigadores con trayectoria en modelado basado en agentes. Lo que sigue es un resumen propio del artículo, no una traducción.
Qué analiza la revisión
Los autores estudian el uso de los LLM como «cerebro» de los agentes simulados, es decir, como el componente que razona o toma decisiones dentro de una simulación social. Primero hacen un mapa de las plataformas existentes, que abarcan desde pequeños entornos narrativos, casi como un juego de rol entre unos pocos personajes, hasta simulaciones a escala de población y con estructura espacial, donde los agentes se reparten por un territorio.
Su tesis principal es que no conviene estudiar por separado lo que la psicología ya sabe de las limitaciones de estos modelos y la mecánica de la simulación. Cuando se multiplica un mismo modelo por cientos o miles de agentes que interactúan, sus defectos individuales dejan de ser anécdotas y pueden convertirse en vulnerabilidades del sistema entero.
La brecha de validez de lo micro a lo macro
Para explicarlo, los autores proponen un marco al que llaman brecha de validez micro-macro. La idea es seguir el rastro de un fallo a través de tres niveles:
- Nivel micro (el modelo): alucinaciones, respuestas inconsistentes por el azar con el que se genera cada texto, sesgos de representación heredados de los datos de entrenamiento y efectos del «alineamiento», el ajuste que se aplica a los modelos para que sean educados y prudentes.
- Nivel del agente: esas limitaciones se traducen en distorsiones como la convergencia hacia una «persona media». Aunque a cada agente se le asigne una identidad distinta, todos acaban pareciéndose a un mismo perfil promedio.
- Nivel macro (la sociedad simulada): el resultado puede ser un consenso artificial o una homogeneización del comportamiento, es decir, una sociedad simulada mucho más uniforme y conciliadora que cualquier sociedad real.
Según la revisión, estos efectos no siempre se suman sin más. Pueden propagarse, amplificarse de forma no lineal o, al contrario, provocar una «contracción convergente» que reduce la diversidad de comportamientos. Para un estudio sobre cómo se difunde una opinión o cómo se polariza un grupo, ese sesgo hacia el acuerdo invalida justo lo que se quería medir.
La falacia de la fluidez: el riesgo también está en quien mira
El artículo no se queda en la máquina. También señala vulnerabilidades en quien evalúa los resultados. La más llamativa es la que da título al trabajo, la falacia de la fluidez: la tendencia a dar por bueno un comportamiento simulado solo porque los diálogos suenan naturales y creíbles. A ella se suma el sesgo de automatización, que consiste en fiarse de más de lo que produce un sistema automático. Que un agente hable como una persona no demuestra que decida como lo haría una persona en esa situación.
Dónde sí aportan valor y qué limitaciones tiene el trabajo
La revisión no descarta la tecnología. Identifica contextos en los que los agentes basados en LLM ofrecen un valor operativo real: los juegos serios (simulaciones con fines formativos), los entornos participativos, en los que personas reales interactúan con la simulación, y el modelado exploratorio, que sirve para generar hipótesis o imaginar escenarios. Los autores distinguen estos usos de la investigación confirmatoria, la que pretende probar o refutar una hipótesis sobre el mundo real, donde las exigencias de validez son mucho mayores.
Conviene tener presente qué tipo de trabajo es. Se trata de una revisión crítica y de una propuesta de marco conceptual, no de un experimento con datos nuevos. Su fuerza está en ordenar un campo que crece deprisa y en dar nombres a problemas que hasta ahora aparecían dispersos. Al mismo tiempo, cuánto pesa cada efecto en cada plataforma concreta es algo que tendrán que medir estudios empíricos posteriores.
Por qué importa
Las simulaciones sociales con IA empiezan a usarse para explorar cómo reaccionaría la gente ante un cambio, un producto o una norma, y es fácil que unas conversaciones verosímiles impresionen a quien las lee. Esta revisión ofrece una herramienta para no confundir verosimilitud con validez: obliga a preguntarse si un resultado colectivo refleja la realidad o solo los sesgos de un único modelo replicado mil veces. Para investigadores, diseñadores de juegos serios y cualquiera que lea titulares sobre «sociedades virtuales», la lección es clara: cuanto más convincente suena una simulación, más motivos hay para comprobar cómo se ha validado.
Fuente: Taillandier, P., Zucker, J.-D. y Grignard, A. (2026). «From the fluency fallacy to the micro-to-macro validity gap: opportunities and pitfalls of LLMs in social simulation». Frontiers in Artificial Intelligence. DOI: 10.3389/frai.2026.1988865. Acceso abierto, licencia CC BY.
- From the fluency fallacy to the micro-to-macro validity gap: opportunities and pitfalls of LLMs in social simulation — Frontiers in Artificial Intelligence
Texto generado con inteligencia artificial a partir de las fuentes citadas, sin revisión humana individual (Reglamento UE 2024/1689, art. 50). Las fotos llevan su crédito y licencia; las marcadas como realzadas se han retocado con IA sin alterar su contenido.
Relacionado
- Una IA con voz de mujer cobra un 10 % menos aunque haga el mismo trabajo
- Un modelo de lenguaje aprende a retocar sus propios pesos sin reentrenarse
- Un examen de operador nuclear muestra que la IA puede acertar con un razonamiento flojo
- Cuando la memoria de un asistente borra lo que no debía: el coste de olvidar
- Anterior en Ciencia: La Voyager 1 llega a un día luz de la Tierra tras casi 50 años de viaje
- Siguiente en Ciencia: La Gran Discordancia: el manto terrestre pudo borrar mil millones de años de rocas
Temas: Inteligencia artificial (88) · Modelos de lenguaje (17)




Comentarios
Para comentar hay que iniciar sesión (Google, X, Facebook, Apple, Microsoft o cuenta de Disqus). Se moderan insultos, spam y datos personales: normas.
Los comentarios los sirve Disqus, un servicio externo que usa cookies propias y de publicidad. Solo se carga si pulsas el botón. Más información.