La mesa redonda «WomANDigital: Human Prompt Live», celebrada en el tramo de tarde del 4º Congreso de Inteligencia Artificial de Andalucía (#AndalucIA26) en el Palacio de Congresos de Granada, reunió a dos de las mayores expertas en lingüística computacional y sistemas conversacionales del ámbito académico y corporativo: Pilar Manchón (Directora de Investigación Aplicada en Google AI) y la investigadora y profesora titular de la Universidad de Sevilla, Gloria Álvarez Benito, bajo la moderación de María Luisa Ulgar Gutiérrez (Coordinadora de la iniciativa WomANDigital).
El debate abordó la evolución de la interacción hombre-máquina: desde la rigidez de las reglas sintácticas manuales de finales del siglo XX hasta el espejismo actual de modelos que parecen comprender, empatizar y sentir como personas humanas.
La inversión del paradigma: De adaptarnos a la máquina a que la máquina nos hable
Gloria Álvarez recordó cómo se estructuraba el procesamiento del lenguaje natural hace escasas décadas, recurriendo a lenguajes lógicos como PROLOG:
Flexibilidad e inversión: Manchón remarcó que en las etapas tempranas la tecnología era rígida por falta de madurez de cómputo. Hoy ese vector se ha invertido por completo: las máquinas se comunican empleando las mismas convenciones y cadencias superficiales que usamos las personas entre nosotros, abriendo un fenómeno psicológico y sociológico de enorme calado.
La era de las reglas deterministas: Para que un ordenador entendiese una frase, los ingenieros y lingüistas debían programar a mano cada regla de concordancia, jerarquía sintáctica y referencia contextual. La interacción era frágil y binaria: cualquier desvío de la sintaxis prefijada arrojaba un error de ejecución.
El giro de expectativas: Antes era el usuario quien debía disciplinarse y adaptarse a las limitaciones de la máquina; hoy la sociedad espera que el algoritmo sea el que se adapte con naturalidad a la ambigüedad humana.
La barrera de la pragmática: ¿Qué significa que una máquina «comprenda»?
Frente a la pregunta lanzada por María Luisa Ulgar sobre la posibilidad real de que un sistema computacional comprenda a un ser humano cuando sus objetivos de partida son divergentes, Gloria Álvarez desarmó la noción ingenua de «entendimiento» distinguiendo los tres niveles estructurales del lenguaje. Mientras la sintaxis fija las reglas de orden formal y la semántica define el significado literal de cada término, es la pragmática la que gobierna la intención oculta que da sentido a cualquier interacción dentro de un contexto particular.
Esta brecha queda patente en el ejemplo clásico de quien pregunta en una sala «¿puedes cerrar la ventana?»: el emisor no está evaluando la capacidad física o muscular de su interlocutor para realizar el movimiento mecánico, sino formulando una petición directa para que el cerramiento quede clausurado.
En la robótica social y la interacción humana cotidiana, esta complejidad se multiplica porque la comunicación es profundamente multimodal y dinámica; el verdadero mensaje no viaja confinado en el texto plano, sino en las pausas calculadas, la dirección de la mirada, la microexpresión del rostro y las modulaciones de la entonación, factores vivos que siguen desbordando la capacidad de los modelos basados en secuencias textuales aisladas.
Predecir el siguiente token no es razonar: La trampa de la IA emocional
Pilar Manchón desmontó las tendencias antropomórficas que atribuyen conciencia o entendimiento real a los grandes modelos de lenguaje:
| Dimensión analizada | Realidad técnica vs. Percepción humana |
| El proceso real de la IA | Predicción estadística secuencial del siguiente token. |
| El resultado aparente | Mimetización superficial de comprensión y diálogo. |
| Naturaleza de las emociones | Detección de patrones acústicos y textuales, no vivencia real. |
| El sesgo humano | Necesidad psicológica de proyectar alma y significado |
Esta brecha entre la arquitectura computacional y la percepción subjetiva define la paradoja de la inteligencia artificial moderna: mientras el proceso interno se reduce a un cálculo estadístico secuencial para concatenar el siguiente token, el resultado proyecta una mimetización superficial de comprensión y diálogo que resulta desconcertante para el usuario común. De igual modo, en el terreno afectivo, los sistemas son capaces de clasificar y detectar patrones acústicos o textuales asociados a estados de ánimo sin experimentar vivencia interna alguna, una emulación técnica que termina cobrando vida únicamente por la necesidad psicológica del ser humano de proyectar intencionalidad, alma y significado en cualquier entidad que le devuelva la palabra.
El peligro de confundir el espejo con quien se mira
La mesa entre Manchón y Álvarez en Granada puso el dedo en la llaga sobre la mayor vulnerabilidad de la era de la IA: el autoengaño humano.
Diseñar interfaces que modulan el tono o detectan si un usuario está triste no convierte al software en un compañero empático; lo convierte en un calculador estadístico extremadamente eficaz. El riesgo reside en delegar decisiones críticas en sistemas conversacionales creyendo que «entienden» el sufrimiento o el contexto de una persona, cuando en realidad solo están calculando qué combinación de tokens suena más convincente tras una pausa. Recordar la era de PROLOG nos ayuda a mantener los pies en la tierra: hemos sustituido los árboles de decisión explícitos por matrices de probabilidad masivas, pero dentro de los servidores sigue sin haber nadie al volante.
Déjanos tu opinión en los comentarios y únete a la discusión en Instagram, Facebook y YouTube.
