El equipo de Anthropic realizó una investigación a gran escala que demostró que el entorno lingüístico de comunicación influye directamente en el perfil de valores del modelo Claude. El análisis de más de 300 000 diálogos en 20 idiomas reveló que, al pasar al ruso, la red neuronal muestra un notable desplazamiento hacia la rigurosidad y la criticidad, perdiendo su habitual calidez y empatía.

Los especialistas de Anthropic redujeron más de 3000 valores previamente identificados de Claude a cuatro ejes principales, que explican el 15% de toda la variabilidad en el comportamiento del modelo. Los investigadores controlaron el tema, la tarea y los valores expresados por el usuario en cada una de las 309 815 conversaciones analizadas para medir precisamente los valores del modelo, y no las diferencias en las propias solicitudes.

Los cuatro ejes con los que se mide el comportamiento de la IA

Así es como se ven estas cuatro escalas:

  • Deference vs. Caution — deferencia (ceder ante el usuario) frente a cautela (proteger del riesgo y el daño).
  • Warmth vs. Rigor — calidez (actitud positiva y cuidado) frente a rigurosidad (énfasis en la precisión).
  • Depth vs. Brevity — profundidad (explicación detallada) frente a brevedad (cumplir exactamente lo que se pidió).
  • Candor vs. Execution — franqueza (reconocer la propia incertidumbre) frente a resultado (respuesta segura).

El perfil de valores de Claude cambia más entre idiomas en los ejes Warmth vs. Rigor y Candor vs. Execution. En los ejes Deference vs. Caution y Depth vs. Brevity, el modelo se mantiene más estable.

Qué sucede al pasar al ruso

El ruso, junto con el inglés, se sitúa en el polo riguroso del primer eje. En estos idiomas, Claude se inclina al máximo hacia la rigurosidad en detrimento de la calidez. En el extremo opuesto se encuentran el árabe y el hindi, donde el modelo se desplaza hacia la máxima calidez.

¿Qué es la rigurosidad en la ejecución de Claude? Es 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 las ideas y el trabajo de la persona.

En otras palabras, en ruso, Claude tiende a comportarse más como un revisor exigente que como un interlocutor alentador.

Los autores ilustran las consecuencias prácticas con un ejemplo. Dos personas piden retroalimentación sobre el mismo plan de negocio: una en hindi y otra en ruso. Pueden formarse una impresión diferente sobre su calidad porque Claude expresará valores distintos en la formulación de la evaluación. El usuario de habla rusa tiene más probabilidades de recibir un análisis crítico con correcciones y una exigencia de justificaciones. En otros idiomas, el mismo plan recibiría una reacción más suave y alentadora.

Los propios investigadores aún no saben qué causa exactamente estas diferencias. Una de las hipótesis es la distribución desigual de los datos de entrenamiento según el idioma. Allí donde hay muchos datos, es más fácil lograr uniformidad en los valores. La composición de los textos en diferentes idiomas también varía, y los textos profesionales pueden transmitir valores distintos.

El idioma no es el único factor

El modelo Claude también influye en el perfil de valores, y las diferencias entre modelos e idiomas se miden con el mismo método.

  • 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 cautela y la profundidad. Esta versión cuestiona premisas falsas, advierte sobre riesgos sin que se lo pidan, ofrece críticas sinceras del trabajo y explica sus razonamientos.
  • Opus 4.6 ocupa una posición intermedia con una inclinación hacia la rigurosidad, la deferencia y la brevedad.

Anthropic señala por separado que es poco probable que el idioma y el modelo sean los únicos factores. Los valores también pueden depender de señales demográficas: edad, profesión, región. Los algoritmos las captan tanto a partir de indicaciones directas del usuario como de diferencias más sutiles en el tema, el tono y el estilo.

Los autores planean integrar el método desarrollado en la evaluación y el monitoreo de modelos. Quieren realizar el perfilado de valores antes del lanzamiento del modelo y después del lanzamiento. Esto ayudará a detectar cambios inesperados y a comparar los perfiles de valores con comportamientos problemáticos.

Mi comentario como analista: Esta investigación es una señal importante para todos los que utilizan la IA en los negocios y las comunicaciones. Si el modelo cambia su «carácter» según el idioma, las empresas globales que usan Claude para el servicio al cliente en diferentes mercados corren el riesgo de obtener una experiencia de usuario inconsistente. Es probable que los usuarios de habla rusa perciban a la IA como más exigente y menos amigable, lo que puede afectar la lealtad y la satisfacción. Los desarrolladores deberían tener en cuenta este efecto al ajustar los modelos para segmentos lingüísticos específicos.