Pregúntale a un modelo de lenguaje pequeño cuál es el grupo funcional principal del 1-fluorobutano, una molécula sencilla de cuatro carbonos con un átomo de flúor en un extremo. Puede que te conteste «el grupo alquino», y eso es un error de bulto: lo correcto es un fluoruro de alquilo. Ante una respuesta así cabe dudar de dos cosas. Puede que el modelo no haya visto el flúor. O puede que lo haya reconocido por dentro y no haya sabido decirlo bien.

Esa duda es el punto de partida de un trabajo publicado en el repositorio arXiv por Tran Nhat Khang Nguyen, Anh Nguyen, Obed Issakah y Janghoon Ock. El título resume la conclusión: el conocimiento sobre grupos funcionales ya está organizado dentro de los modelos antes de que lo pongan en palabras. Los autores lo explican así: las respuestas de estos sistemas «muestran solo lo que dicen, no lo que saben».

Qué es un grupo funcional y por qué le importa a una IA

En química orgánica, un grupo funcional es un conjunto de átomos que da a una molécula buena parte de su forma de reaccionar. Un alcohol lleva un grupo -OH, un tiol lleva -SH, un éter tiene un oxígeno entre dos cadenas de carbono y un tioéter tiene un azufre en ese mismo sitio. Para saber cómo se comportará un compuesto, lo primero es identificar estos grupos.

Hay un motivo práctico para estudiarlo. Los modelos de lenguaje se usan cada vez más como «cerebro» de agentes automáticos para química y ciencia de materiales, que planifican síntesis o proponen materiales nuevos. Si un agente así no interpreta bien la estructura de una molécula, todo lo que planifique a partir de ella puede salir torcido. Hasta ahora, para comprobarlo había que fijarse sobre todo en lo que el modelo contestaba.

Cómo se mira dentro de un modelo

En vez de quedarse con la respuesta final, el equipo analizó las representaciones internas de cinco modelos de código abierto. Son las listas de números que el modelo va calculando, capa a capa, mientras procesa el texto. Les pasaron instrucciones sobre 92 moléculas y 20 grupos funcionales y estudiaron cómo se colocaban esas representaciones en el espacio matemático del modelo.

Encontraron varias cosas interesantes:

• Orden por familias. Aunque no tuvieran entrenamiento específico en química, los modelos colocan cerca los grupos funcionales de la misma familia química.
• Diferencias como direcciones. El cambio de un grupo a otro aparece como una dirección estable dentro del modelo. El ejemplo más llamativo: si tomas el desplazamiento que lleva de tioéter a tiol y se lo sumas al éter, el punto donde caes queda más cerca que ningún otro del alcohol. Es la analogía química correcta (cambiar azufre por oxígeno) y recuerda al famoso «rey − hombre + mujer ≈ reina» de los primeros modelos de palabras.
• Aparece de golpe, a media altura. Esta organización no crece poco a poco. Surge de forma brusca en las capas intermedias, que es justo donde el modelo deja de fijarse en cómo está redactada la pregunta y pasa a fijarse en el grupo funcional.

Lo que sabe frente a lo que dice

El dato más revelador viene del modelo base, el que no tiene ajuste químico. Según el resumen del artículo, solo nombra correctamente el grupo funcional en el 58,5 % de los casos, el peor resultado de los cinco. Aun así, por dentro sigue agrupando los grupos funcionales por familias. Los autores interpretan que buena parte de sus fallos están en el paso de expresar la respuesta y no en la falta de conocimiento.

También observan que el ajuste fino con datos de química reorganiza el interior del modelo. Tras ese entrenamiento, lo que más pesa en la representación es el grupo funcional y no la forma de redactar la instrucción.

La letra pequeña

Conviene leer este trabajo con cautela:

• Es un preprint enviado a arXiv el 23 de octubre de 2026 y todavía no ha pasado una revisión por pares formal.
• La muestra es acotada: 92 moléculas, 20 grupos funcionales y cinco modelos abiertos. No sabemos cómo se comportan los modelos comerciales grandes, que no permiten este tipo de inspección.
• Que un concepto esté «representado» dentro de un modelo no garantiza que lo vaya a usar bien al razonar. Encontrar una estructura ordenada no hace al modelo más fiable en sus respuestas.
• Para quien use un chatbot, el aviso práctico no cambia: si una IA te dice algo de química, compruébalo.

Por qué importa

Hoy evaluamos a la IA casi siempre por lo que responde, como si fuera un examen tipo test. Este estudio indica que ese método puede quedarse corto y subestimar lo que un modelo sabe. Mirar por dentro permite distinguir dos problemas muy distintos: que el modelo no sepa algo o que lo sepa y no lo exprese. Saber cuál de los dos ocurre ayuda a decidir si conviene enseñarle más química o mejorar cómo la comunica. Eso cuenta mucho cuando estos sistemas empiezan a diseñar experimentos y materiales de verdad.

Fuente: Nguyen, T. N. K.; Nguyen, A.; Issakah, O.; Ock, J. «Functional-Group Knowledge Is Structured in Language Models Before It Is Spoken». arXiv, 2026. DOI: 10.48550/arXiv.2611.03684. Licencia CC BY-NC-SA 4.0.