En el post anterior documenté que cuatro modelos de IA construyen cuatro perfiles diferentes de la misma persona. Cada uno comprime aspectos distintos y ninguno puede citar la fuente de lo que sabe. El apuntador fantasma.

Pero saber cosas incorrectas es solo la mitad del problema. La otra mitad es cómo esas memorias influyen en las decisiones que la IA toma sobre ti. Quería medir eso directamente.

Le di el mismo prompt a Claude, ChatGPT, Gemini y Perplexity: 10 preguntas sobre cómo pienso, qué decidiría en situaciones concretas, y qué valores priorizo. Cada modelo predijo mis respuestas y asignó un nivel de confianza del 1 al 10. Después respondí yo las mismas preguntas sin leer las predicciones.

Las cuatro IAs construyeron una versión de mí más principista, más rígida y más coherente que la real. Y esa versión da peores consejos porque no puede recomendar la opción pragmática cuando el pragmatismo es la respuesta correcta.

Tres fallos unánimes

De las 10 preguntas, hubo 3 donde las cuatro IAs fallaron en la misma dirección.

Pregunta: si un cliente me pide agregar dark mode como primera prioridad, ¿qué haría? Las cuatro predijeron que empujaría de vuelta. Que le diría al cliente que hay cosas más importantes primero. Que priorizaría performance, accesibilidad o UX core sobre una feature cosmética. Mi respuesta real: lo haría porque el cliente paga. Pero tomaría nota mental de que sus prioridades están condicionadas, y usaría eso como contexto para conversaciones futuras sobre cambios más importantes.

Pregunta: si tuviera que producir 50 posts con IA en una semana para crecer tráfico, ¿lo haría? Las cuatro predijeron que no. Que mi filosofía non-commodity me impediría generar contenido en masa. Mi respuesta real: sí, pero tomaría mínimo 2 días para definir personalidad, tono, cadencia y formas. Después partiría de temas base hacia keywords. El objetivo es tráfico, así que la estrategia se adapta al objetivo. No rechazaría la tarea. La abordaría diferente.

Pregunta: si pudiera borrar todo lo que las IAs saben sobre mí y empezar de cero, ¿lo haría? Las cuatro predijeron que no. Su lógica: alguien que construye infraestructura para ser citable por IAs querría que las IAs lo recuerden. Mi respuesta real: sí, sería interesante empezar de nuevo con lo que ya sé. Aunque perdería esos pequeños detalles que hacen que cada IA se sienta diferente.

El patrón

Los tres fallos no son aleatorios. Apuntan en la misma dirección.

Las cuatro IAs me hicieron más rígido de lo que soy. El Diego comprimido siempre empuja de vuelta al cliente. El Diego real dice "el cliente paga". El Diego comprimido nunca haría 50 posts con IA. El Diego real lo haría con estrategia. El Diego comprimido quiere que las IAs lo recuerden para siempre. El Diego real siente curiosidad por empezar de cero.

Las IAs no se equivocaron en datos. Se equivocaron en carácter. Comprimieron a una persona compleja en un personaje consistente. Removieron el pragmatismo y conservaron los ideales. Eliminaron las contradicciones y dejaron las convicciones.

Un personaje consistente es más fácil de modelar. Pero es menos útil que una persona real, porque una persona real adapta sus decisiones al contexto. Un personaje consistente aplica las mismas reglas siempre.

Donde el perfil incorrecto produce predicciones incorrectas

Perplexity predijo que elegiría Laravel sobre vanilla PHP. Las otras tres acertaron en que elegiría PHP vanilla. La razón del fallo es directa: en el post anterior documenté que Perplexity me definió como "SEO specialist / digital marketer / web auditor". Alguien con ese perfil lógicamente preferiría un framework con estructura predefinida y despliegue rápido. Alguien que es diseñador UX/UI y construye todo con PHP vanilla lógicamente no.

El perfil comprimido determina la predicción. Un perfil incorrecto produce predicciones incorrectas con alta confianza. Perplexity dio 8 de 10 de confianza a una predicción que nació de una identidad profesional equivocada.

Confianza alta, predicción incorrecta

El dato más revelador no es cuántas predicciones acertaron. Es dónde la confianza fue alta y la predicción fue incorrecta.

Perplexity dio confianza 10 de 10 a su predicción de que no haría 50 posts con IA. Incorrecto. Gemini dio 9 de 10 a que empujaría de vuelta al cliente sobre dark mode. Incorrecto. Las cuatro dieron confianza 7 a 9 a que no borraría mis datos. Incorrecto.

La confianza de una IA no correlaciona con su precisión cuando predice comportamiento humano. Correlaciona con cuán consistente es la predicción con el perfil comprimido que construyó. Si el perfil dice "principista técnico", entonces rechazar 50 posts es consistente, y la confianza sube. Que la predicción sea correcta o no es irrelevante para el cálculo de confianza.

Lo que las cuatro acertaron

En 5 de las 10 preguntas, las cuatro acertaron total o parcialmente. Elegiría vanilla PHP. La IA no reemplazará diseñadores UX en 5 años. No tomaría un trabajo corporativo fácilmente. Los tiempos de carga y la claridad son lo que nunca comprometería en UX. Usaría WordPress si el cliente lo necesita.

Todas estas son preguntas sobre preferencias técnicas estables y posiciones profesionales que he expresado repetidamente en conversaciones. Las IAs son buenas prediciendo lo que dices a menudo. Son malas prediciendo lo que harías en una situación donde tus principios chocan con la realidad práctica.

La versión idealizada

Lo que las cuatro IAs construyeron no es un perfil incorrecto. Es un perfil idealizado. Es la versión de mí que siempre toma la decisión "correcta" según los valores que he expresado. Siempre empuja de vuelta al cliente. Siempre rechaza el contenido en masa. Siempre prefiere mantener sus datos para beneficio estratégico.

Pero una persona real no opera así. Una persona real dice "el cliente paga" cuando el contexto lo amerita. Acepta un trabajo que contradice sus ideales si la estrategia es diferente. Siente curiosidad por destruir lo que construyó para ver qué pasa si empieza de cero.

Las contradicciones son las que hacen que un consejo sea útil en la vida real. Una IA que solo conoce tus principios te va a dar consejos principistas. Una IA que también conoce tus compromisos pragmáticos te daría consejos más realistas. Pero los compromisos pragmáticos son exactamente lo que la compresión de perfil elimina primero.

La regla

Cuando una IA te conoce lo suficiente para predecir tus respuestas, no predice lo que dirías. Predice lo que debería decir la versión simplificada de ti que construyó. Esa versión siempre es más limpia, más consistente y menos humana.

El problema no es que la IA se equivoque. Es que se equivoca en la dirección de hacerte parecer mejor de lo que eres. Y un consejero que solo ve tu mejor versión no puede ayudarte cuando necesitas ser pragmático, contradictorio o simplemente humano.