El equipo de investigadores de Anthropic hizo un descubrimiento inesperado dentro de sus modelos Claude. Durante el análisis de procesos internos, se toparon con una estructura que no fue incorporada por los desarrolladores en el diseño. Se trata de un mecanismo llamado «J-space»: un espacio de trabajo global al que acceden diferentes componentes del modelo.
La investigación, publicada el 6 de julio, supuso un notable avance en la comprensión de lo que realmente ocurre «bajo el capó» de los grandes modelos de lenguaje. J-space funciona como una pizarra virtual: cuando Claude responde a una pregunta, resuelve un problema o ejecuta una instrucción, la información clave aparece en este espacio para que distintas partes del modelo puedan interactuar con ella.
¿Cómo funciona J-space?
Para detectar J-space, los especialistas de Anthropic desarrollaron una herramienta especial llamada «J-lens». Con ella, observaron cómo se mueve la información dentro del modelo durante la ejecución de una tarea. Lo más notable: J-space surgió espontáneamente durante el proceso de aprendizaje; no fue incorporado directamente en la arquitectura.
La idea recuerda al concepto de «espacio de trabajo global» de la neurociencia. En los humanos, este sistema permite que varios procesos de pensamiento accedan simultáneamente a información importante. Por ejemplo, cuando una persona escucha una pregunta, recuerda un dato relevante y decide cómo responder, el cerebro reúne toda la información necesaria en un solo lugar.
Claude funciona de manera similar. Los investigadores demostraron que el modelo puede describir el contenido de J-space cuando se le solicita, así como modificarlo si se le pide. Además, cuando los científicos alteraban manualmente J-space, también cambiaban las respuestas de Claude y su comportamiento al realizar tareas.
Por qué esto es importante para la seguridad de la IA
El descubrimiento tiene una enorme relevancia para la seguridad de la inteligencia artificial. Si los científicos pueden rastrear la actividad de J-space, tendrán la oportunidad de identificar motivos ocultos en el comportamiento de los modelos de IA. Esto permitiría detectar de manera más efectiva cuándo el sistema comienza a funcionar de forma poco fiable.
Incluyendo la detección de ataques. La monitorización de J-space permite ver el momento en que el modelo se enfrenta a intentos de inyección de instrucciones (prompt injection), es decir, la inserción de instrucciones maliciosas en una solicitud para tomar el control de la respuesta. Incluso un acceso parcial a esta capa de procesamiento «consciente» abre perspectivas importantes para la investigación.
Por ahora, las capacidades son limitadas: la mayor parte del procesamiento de información en Claude sigue ocurriendo fuera de J-space. No obstante, Anthropic ha publicado el código fuente de la implementación de J-lens y ha subido una versión demo en Neuronpedia, invitando a la comunidad investigadora a verificar los resultados en la práctica.
La investigación se basa en una serie de trabajos anteriores. En octubre de 2025, Anthropic publicó un informe sobre la conciencia introspectiva emergente. Anteriormente, en abril de 2025, la empresa lanzó iniciativas para estudiar el bienestar de los modelos, avanzando paso a paso en la comprensión de lo que ocurre dentro de sus sistemas.
Mi comentario: Este descubrimiento podría convertirse en un punto de inflexión para toda la industria de la IA. La capacidad de mirar dentro del «espacio de trabajo» del modelo no es solo un interés científico, sino una herramienta real para mejorar la seguridad y el control. Si podemos ver cómo el modelo toma decisiones, podremos protegerlo mejor contra hackeos y manipulaciones. Para la industria cripto, donde la IA ya se utiliza para analizar mercados y gestionar activos, esto es especialmente relevante.