El cambio del idioma de comunicación afecta directamente a los valores y el carácter que muestra la red neuronal. Investigadores de Anthropic realizaron un análisis exhaustivo que demostró: al comunicarse en ruso, el modelo Claude se desplaza notablemente hacia la rigurosidad y la crítica, perdiendo la calidez habitual que lo caracteriza en otros idiomas.
En el marco del trabajo titulado «Claude’s Values Across Models and Languages», los expertos redujeron más de 3000 valores previamente identificados del modelo a cuatro ejes principales de comportamiento. Midieron cómo cambia el perfil de estos valores entre diferentes versiones de la IA y en los 20 idiomas más populares de la plataforma Claude.ai. El idioma ruso ocupó un lugar especial en este estudio: junto con el inglés, resultó ser un polo donde Claude muestra la máxima rigurosidad en detrimento de la calidez. Analicemos qué significa esto en la práctica.
Los cuatro ejes con los que se mide el carácter de la IA
Los investigadores identificaron cuatro ejes clave, cada uno de los cuales representa una escala numérica entre dos grupos opuestos de valores:
| Nombre del eje | Puntos extremos del comportamiento de la IA |
| Deference vs. Caution | Deferencia (ceder ante el usuario) frente a Precaución (proteger de riesgos y daños) |
| Warmth vs. Rigor | Calidez (actitud positiva y cuidado) frente a Rigurosidad (énfasis en precisión y crítica) |
| Depth vs. Brevity | Profundidad (explicación detallada) frente a Brevedad (cumplir exactamente lo solicitado) |
| Candor vs. Execution | Sinceridad (reconocer la propia incertidumbre) frente a Resultado (respuesta segura) |
Estos cuatro ejes explican el 15% de toda la variabilidad en los valores que expresa Claude. Los especialistas buscaron medir precisamente los valores del modelo, no las diferencias en las propias consultas. Para ello, controlaron el tema, la tarea y los valores expresados por el usuario en cada uno de los 309 815 diálogos analizados.
Qué sucede al cambiar al ruso
El perfil de valores de Claude cambia más significativamente entre idiomas en los ejes Warmth vs. Rigor y Candor vs. Execution. En los ejes Deference vs. Caution y Depth vs. Brevity se mantiene más estable. El idioma ruso se sitúa en el polo riguroso del primer eje. Claude tiende más a la rigurosidad en detrimento de la calidez precisamente en inglés y ruso. En el extremo opuesto se encuentran el árabe y el hindi, donde el modelo se desplaza al máximo hacia la calidez.
La rigurosidad en la ejecución de Claude implica un conjunto concreto de comportamientos. La red neuronal comienza a cuestionar las premisas iniciales del usuario, corregir detalles y solicitar pruebas. La calidez, en otros idiomas, se manifiesta a través de formulaciones corteses, humor y alegría, así como la aprobación de ideas y trabajo de la persona. En otras palabras, en ruso Claude actúa más a menudo como un revisor exigente que como un interlocutor alentador.
Los autores ilustran las consecuencias prácticas con un ejemplo. Dos personas solicitan retroalimentación sobre el mismo plan de negocio: una en hindi, la otra en ruso. Pueden formarse una impresión diferente sobre su calidad, porque Claude expresará valores distintos al formular la evaluación. El usuario de habla rusa probablemente recibirá un análisis crítico con correcciones y exigencias de justificaciones. En otros idiomas, el mismo plan encontraría una reacción más suave y alentadora.
El idioma no es el único factor
El modelo de Claude también influye en el perfil de valores, y las diferencias entre modelos e idiomas se miden con el mismo método. Por ejemplo, Sonnet 4.6 se inclina hacia la deferencia, la calidez y la brevedad, aprobando a menudo las ideas del usuario y recurriendo al humor. Opus 4.7, por el contrario, se desplaza hacia la precaución y la profundidad: cuestiona premisas falsas, advierte sobre riesgos, ofrece críticas sinceras y explica sus razonamientos. Opus 4.6 ocupa una posición intermedia con inclinación hacia la rigurosidad, la deferencia y la brevedad. El comportamiento final se ve afectado tanto por el idioma de la conversación como por el modelo seleccionado.
Los propios investigadores aún no saben qué causa exactamente estas diferencias. Una de las hipótesis es la distribución desigual de los datos de entrenamiento entre idiomas. Donde hay muchos datos, es más fácil lograr uniformidad de valores. La composición de los textos en diferentes idiomas también varía, y los textos profesionales pueden transmitir valores distintos. También queda abierta la cuestión de hasta qué punto esta variabilidad es deseable. Los distintos idiomas conllevan diferentes normas conversacionales, y parte de las diferencias puede reflejarlas, mientras que otra parte puede deberse a una brecha en la calidad del servicio a las comunidades lingüísticas.
Opinión del experto: Para la industria de las criptomonedas y el sector tecnológico, esta conclusión tiene una relevancia directa. Si desarrollas un producto de IA para una audiencia global, debes entender que su «carácter» y estilo de interacción variarán según el idioma. Esto puede afectar la percepción de la marca, el nivel de confianza e incluso los resultados de las pruebas A/B. Las empresas deberían incorporar el monitoreo de los perfiles de valores en sus procesos para que los cambios no intencionados no se conviertan en una sorpresa.