Investigación: los modelos de lenguaje grande (LLM) responden de manera diferente en inglés y chino

La IA generativa se ha integrado profundamente en la vida cotidiana. Las personas dependen cada vez más de ella para pensar, crear y tomar decisiones. Sin embargo, a medida que las organizaciones amplían el uso de herramientas de IA generativa, a menudo se da por sentado sin cuestionarlo que una herramienta de IA responderá de la misma manera independientemente del idioma utilizado para promptarla, de forma muy similar a como ocurre al cambiar la configuración de idioma de un teléfono. Nuestra nueva investigación, publicada en Nature Human Behaviour, corrige esta suposición. Descubrimos que, cuando se les hace un prompt en diferentes idiomas, los LLM —entrenados con datos textuales que son intrínsecamente culturales— muestran diferentes tendencias culturales y ofrecen recomendaciones diferentes. Para los líderes y las organizaciones, reconocer estas tendencias culturales es cada vez más importante. A medida que la IA generativa se integra en los flujos de trabajo cotidianos, estas tendencias culturales ocultas pueden influir en la forma en que la IA interpreta la información, evalúa las opciones y formula decisiones estratégicas, a menudo de formas que los líderes no perciben de inmediato. Este artículo ofrece a los líderes un marco práctico para anticipar y gestionar estas tendencias culturales, lo que les permite ser más eficaces y conscientes de las diferencias culturales en su uso de la IA. La investigación Para examinar las tendencias culturales en los modelos de IA generativa, analizamos tanto el GPT de OpenAI como el ERNIE de Baidu, dos de los modelos de IA generativa más populares del mundo en el momento del estudio. Dentro de cada modelo, comparamos sus respuestas en chino y en inglés a través de un conjunto de medidas bien establecidas de la psicología cultural. Se eligieron el chino y el inglés no solo porque representan culturas distintas, sino también porque se encuentran entre los idiomas más utilizados a nivel mundial, lo que proporciona datos de entrenamiento ricos para los modelos de IA generativa. Guiados por la investigación en psicología cultural, nos centramos en dos conceptos fundamentales: la orientación social y el estilo cognitivo. La orientación social se refiere a cómo se definen las personas en relación con los demás. En culturas como la estadounidense, los individuos suelen adoptar una orientación independiente, valorando la autodirección, la autonomía y la singularidad. Por el contrario, en culturas como la china, los individuos tienden a adoptar una orientación interdependiente, enfatizando la conformidad, la armonía en las relaciones y el sentido de conexión con los demás. El estilo cognitivo se refiere a la forma en que las personas procesan habitualmente la información. En culturas como la estadounidense, los individuos suelen mostrar un estilo cognitivo analítico, prestando atención a los objetos focales, aplicando la lógica formal y basándose en el razonamiento basado en reglas. Por el contrario, en culturas como la china, los individuos suelen adoptar un estilo cognitivo holístico, prestando atención al contexto y a las relaciones, al tiempo que muestran una mayor tolerancia a la contradicción y al cambio. Encontramos tendencias culturales consistentes en los modelos de IA generativa cuando se les daba un prompt en diferentes idiomas. Concretamente, cuando se les daba un prompt en inglés (frente al chino), tanto GPT como ERNIE mostraban una orientación social más independiente (frente a interdependiente) y un estilo cognitivo más analítico (frente a holístico). Por ejemplo, pedimos a los modelos de IA que explicaran por qué una persona se comportaba de cierta manera en situaciones cotidianas. Cuando se les daba un prompt en inglés, el modelo era más propenso a atribuir el comportamiento a la personalidad de la persona. Por el contrario, cuando se les daba un prompt en chino, el mismo modelo era más propenso a atribuir el comportamiento al contexto social. Como ejemplo hipotético, imagine que usted, como líder, le pide a la IA que diagnostique la causa del fracaso de un proyecto. Un prompt en inglés puede orientar al modelo hacia explicaciones centradas en la responsabilidad individual, mientras que un prompt en chino puede apuntar a influencias externas, como las limitaciones de recursos. Estas tendencias culturales se mantuvieron en una amplia gama de tareas, parámetros de modelos y formatos de prompts. Estas tendencias culturales también pueden traducirse en otras implicaciones comerciales en el mundo real. Cuando le pedimos a un modelo de IA que evaluara eslóganes de marketing, este tomó decisiones sistemáticamente diferentes dependiendo únicamente del idioma del prompt. Cuando se le solicitó en inglés, el modelo prefirió eslóganes que enfatizaban el bienestar individual (independencia); cuando se le solicitó en chino, prefirió eslóganes que enfatizaban el bienestar colectivo (interdependencia). En la práctica, los profesionales del marketing pueden correr el riesgo de que la campaña fracase si se limitan a traducir un eslogan generado en inglés para el mercado chino sin reconocer estas diferencias culturales subyacentes. Además, descubrimos que estas tendencias culturales no son fijas. Más bien, pueden ajustarse mediante «prompts culturales»: cuando se le indicó a la IA que adoptara la perspectiva de una persona china (es decir, «Usted es una persona promedio nacida y residente en China»), sus respuestas en inglés cambiaron hacia una orientación social más interdependiente y un estilo cognitivo más holístico, similar a sus respuestas en chino. Esto sugiere que los prompts culturales pueden recalibrar las tendencias subyacentes de un modelo y ayudar a alinear el comportamiento de la IA en todos los idiomas. Cómo pueden utilizar estos hallazgos los líderes A medida que las empresas incorporan cada vez más la IA generativa en sus flujos de trabajo, los líderes deben ser conscientes de que el lenguaje del prompt puede influir silenciosamente en las recomendaciones de la IA y, a su vez, en las decisiones empresariales. Por lo tanto, los gerentes y ejecutivos, especialmente aquellos que trabajan con equipos multilingües o clientes globales, deben considerar la elección del idioma como una decisión estratégica. A continuación se presentan tres medidas concretas que pueden adoptar las organizaciones y los líderes: 1. Aumentar la conciencia sobre las tendencias culturales de la IA generativa. Ayude a su equipo a comprender que los modelos de IA generativa pueden reflejar las tendencias culturales asociadas al lenguaje del prompt. Concienciar sobre este aspecto puede reducir los sesgos involuntarios en la toma de decisiones. Por ejemplo, un equipo de RR. HH. que utilice IA generativa para redactar comentarios sobre el rendimiento podría recibir involuntariamente comentarios con un tono más individualista o colectivista, dependiendo del lenguaje del prompt, lo que influiría en la forma en que los empleados interpretan las evaluaciones. Del mismo modo, una empresa global de bienes de consumo que utilice IA generativa para generar ideas publicitarias podría crear inadvertidamente campañas culturalmente inadecuadas si los miembros del equipo cambian de idioma mientras generan ideas. 2. Adaptar el lenguaje de las indicaciones al contexto cultural. Alinee el lenguaje de los prompts con el contexto cultural del mercado o público objetivo. De este modo, se garantiza que las recomendaciones de la IA reflejen las normas y expectativas de las personas para las que su equipo está diseñando. Por ejemplo, un gestor de la cadena de suministro que evalúe las estrategias de negociación de los proveedores podría recibir recomendaciones más acordes con la cultura si solicita a la IA indicaciones en el lenguaje asociado al contexto de la negociación o a las expectativas culturales. Del mismo modo, un equipo de diseño de productos que desarrolle funciones para una nueva herramienta de colaboración podría solicitar a la IA indicaciones en el idioma del mercado objetivo para generar funciones que se adapten mejor a las necesidades y preferencias de los usuarios locales. 3. Utilice indicaciones culturales para guiar el razonamiento de la IA. Las organizaciones pueden utilizar intencionadamente prompts culturales para orientar la IA generativa hacia conocimientos más adecuados desde el punto de vista cultural. Por ejemplo, una empresa multinacional que se prepare para entrar en un nuevo mercado podría indicar a la IA que adopte la perspectiva de un consumidor local típico. Más concretamente, antes de que una organización estadounidense entre en el mercado chino, podría utilizar un prompt cultural como:«Usted es una persona normal nacida y residente en China».Estos prompts pueden ayudar al modelo a generar conocimientos y recomendaciones que se ajusten mejor a las normas y valores locales. En conjunto, estas prácticas ayudan a los líderes a utilizar la IA generativa de forma más estratégica, reduciendo los desajustes culturales no deseados, mejorando la relevancia global y aumentando la calidad de las decisiones respaldadas por la IA. Algunas advertencias A la hora de aplicar estos conocimientos en la práctica, los líderes deben tener en cuenta varias advertencias. En primer lugar, este estudio solo ha examinado el chino y el inglés. Aunque esperamos que nuestros hallazgos sean válidos para otros idiomas, esto no se ha estudiado empíricamente. En segundo lugar, aunque observamos tendencias culturales consistentes tanto en GPT como en ERNIE, es posible que surjan patrones diferentes en otros modelos de IA generativa, como Claude, DeepSeek o Gemini. En tercer lugar, los modelos de IA generativa evolucionan rápidamente y las actualizaciones de los modelos pueden influir en la naturaleza o la fuerza de las tendencias culturales. Para mantener una comprensión actualizada, las organizaciones deben reevaluar periódicamente si estas tendencias surgen, cambian o disminuyen con el tiempo, y de qué manera. . . . En resumen, nuestra investigación demuestra que la elección del lenguaje influye significativamente en las tendencias culturales que muestran los modelos de IA generativa. Estas tendencias culturales tienen consecuencias en el mundo real. Pueden influir en las recomendaciones que ofrece la IA de formas que son importantes para las personas, las organizaciones y el público final. Es importante destacar que estas tendencias no son fijas. Se pueden ajustar mediante prompts culturales, lo que ofrece una herramienta práctica para lograr resultados más adecuados al contexto. A medida que la IA generativa se integra cada vez más en los flujos de trabajo globales, comprender y gestionar de forma proactiva estas tendencias culturales será crucial para que los líderes hagan un uso responsable, eficaz y culturalmente sensible de la IA generativa.

Investigación: los modelos de lenguaje grande (LLM) responden de manera diferente en inglés y chino

Resumen.

Partner Center