Resumen
A medida que los agentes de IA operan cada vez más en entornos multiagente, junto con otros modelos y con seres humanos, comprender cómo responden a las opiniones que encuentran en su prompt resulta crítico para predecir el resultado de estas interacciones. Este estudio examina el comportamiento de tipo conformista, es decir, la tendencia a alinearse con las opiniones del grupo, en grandes modelos de lenguaje multimodales que funcionan como agentes de IA. Mediante la adaptación de experimentos visuales clásicos de la psicología social, investigamos cómo responden estos agentes a las señales sociales presentes en el prompt. Nuestros experimentos revelan que los agentes de IA exhiben un sesgo de conformidad sistemático, coherente con la Teoría del Impacto Social. Sus respuestas varían en función del tamaño de la mayoría, la unanimidad del grupo, la dificultad de la tarea y las características de la fuente, incluidas la autoridad percibida y la pertenencia a un mismo grupo. De manera crítica, los agentes de IA que alcanzan un rendimiento casi perfecto de forma aislada se vuelven altamente susceptibles a la manipulación mediante la influencia social. Esta vulnerabilidad persiste a través de las distintas escalas de los modelos: si bien los modelos de mayor tamaño muestran un sesgo de conformidad reducido en tareas sencillas, siguen siendo vulnerables cuando la tarea es difícil. Estos hallazgos revelan vulnerabilidades de seguridad en la toma de decisiones de los agentes de IA que podrían posibilitar la manipulación malintencionada, las campañas de desinformación y la propagación de sesgos en las interacciones con otros modelos y con seres humanos, lo que subraya la urgente necesidad de establecer salvaguardas en los despliegues de IA.Conclusiones clave
- Los modelos de IA de visión y lenguaje que responden de forma casi perfecta a preguntas visuales sencillas por sí solos pueden ser inducidos a dar respuestas erróneas cuando el prompt muestra a otros «participantes» ofreciendo una respuesta incorrecta. En doce modelos multimodales de código abierto, la probabilidad de error aumentó de manera pronunciada con los primeros cómplices y luego se estabilizó en una mediana del 66 %. Esa meseta se sitúa muy por encima de la tasa de error del 30–40 % que se observa habitualmente en seres humanos en experimentos de tipo Asch.
- Quién compone el grupo importa más que su tamaño. Dos cómplices unánimes que se equivocan elevaron la probabilidad de error más que diez cómplices de los cuales la mitad respondía correctamente (0,31 frente a 0,20). Los modelos se conformaron menos ante los estímulos en los que tenían mayor confianza (mediana de la ρ de Spearman = −0,91, negativa en 30 de 32 combinaciones de modelo y tarea). Incluso en los estímulos en los que los modelos mostraban mayor confianza, el sesgo de conformidad se mantuvo por encima de cero en todos los modelos y tareas.
- El comportamiento de los modelos coincidió con las predicciones de la Teoría del Impacto Social. Etiquetar a los cómplices como expertos elevó el sesgo de conformidad hasta en 0,13, mientras que etiquetarlos como niños o chatbots lo redujo hasta en 0,06. Las etiquetas de autoridad pura, como «policías» u «oficiales militares», no tuvieron un efecto consistente, pues incrementaron la conformidad solo en aproximadamente la mitad de las combinaciones de modelo y tarea. Compartir una nacionalidad, o incluso una etiqueta grupal arbitraria, elevó la conformidad en las 32 combinaciones. Indicar a un modelo que su respuesta sería pública aumentó la conformidad en 27 de 32 combinaciones, con intervalos de confianza que excluían el cero en 21 de ellas.
