Pedir a un modelo que «revise mi razonamiento» después de haber declarado una opción preferida puede anclar la respuesta al encuadre de quien pregunta. La salida puede repetir supuestos o producir objeciones plausibles sin recuperar evidencia; no es una evaluación psicológica independiente.
Una lista fija, una inclinación inicial explícita y la verificación externa pueden hacer el ejercicio más auditable que una petición abierta de validación. No garantizan que la auditoría detecte sesgo ni que mejore la decisión.
Un modelo que audita tu decisión no es un árbitro neutral. Un preprint de 2024 que evaluó 30 sesgos documentados en 20 modelos de lenguaje de gran tamaño reportó evidencia de cada sesgo en al menos algunos de los modelos probados, incluidos efectos de encuadre y de anclaje (Malberg et al., 2024); ese estudio es evidencia sobre los modelos y los prompts que probó, no prueba de que todos los modelos se comporten igual. Un modelo también puede generar contraevidencia plausible que nunca recuperó. Verifica todo aquello sobre lo que planees actuar.
Seis sesgos, comprobados siempre de la misma forma
Usa una lista docente fija en lugar de depender solo de una petición abierta. La lista hace visible la cobertura pedida; no fuerza un análisis correcto ni cubre todos los procesos cognitivos relevantes.
| Sesgo | Cómo se ve en una decisión real | La contrapregunta |
|---|---|---|
| Sesgo de confirmación | Buscaste razones por las que la opción es correcta, no razones por las que podría ser incorrecta | ¿Qué no busqué porque esperaba que discrepara de mí? |
| Coste hundido | El tiempo, el dinero o el esfuerzo ya gastados se tratan como una razón para continuar (Arkes & Blumer, 1985) | Si hoy empezara con cero inversión previa, ¿elegiría esto? |
| Heurística de disponibilidad | Un ejemplo reciente y vívido parece más probable o importante de lo que respalda la tasa base (Tversky & Kahneman, 1974) | ¿Es esto realmente frecuente, o solo el ejemplo que recuerdo con más facilidad? |
| Sesgo del statu quo | El estado actual es el valor por defecto implícito, y el cambio se somete a un listón de evidencia más alto que quedarse | Si ambas opciones fueran nuevas para mí hoy, ¿cuál se vería mejor solo con la evidencia? |
| Efecto de encuadre | Los mismos hechos, descritos como ganancia frente a pérdida, producen preferencias distintas (Tversky & Kahneman, 1981) | Si reformulara esta opción en el marco opuesto —coste en lugar de ahorro, riesgo en lugar de oportunidad—, ¿seguiría prefiriéndola? |
| Negligencia de la tasa base | Una historia específica y convincente pesa más que el patrón estadístico general al que pertenece | ¿Cuál es la tasa base de resultados como este, antes de añadir la historia específica? |
Este es un conjunto docente, no un instrumento diagnóstico exhaustivo ni validado clínicamente. Solo sirve como reflexión estructurada sobre decisiones ordinarias de baja consecuencia; no para etiquetar a una persona como sesgada, ni para evaluar su capacidad o su estado mental.
Paso 1: declara la inclinación antes de la auditoría, por escrito
Antes de abrir un chat, anota:
- La opción hacia la que te inclinas actualmente.
- Desde cuándo te inclinas de esa forma.
- Qué tendría que ser cierto para que cambiaras de opinión.
Este paso hace explícita la preferencia inicial en lugar de dejar que el modelo la infiera del tono y el encuadre. Eso crea un registro que puedes comparar con los hallazgos de la auditoría, pero el registro no evita el anclaje ni el sesgo de confirmación.
Paso 2: ejecuta la lista fija exigiendo evidencia
Prompt débil:
Estoy pensando en promocionar al candidato A por encima del candidato B. ¿Es una buena decisión?
Este prompt entrega tu encuadre (la palabra «promocionar», el orden de los nombres) y pide una opinión. Según el modelo y el contexto, la respuesta puede repetir ese encuadre, oponerse a él o añadir advertencias genéricas; ninguno de esos resultados es una auditoría de evidencia.
Prompt más sólido:
Ya he decidido que me inclino hacia [option]. No me digas si la decisión es buena.
Audita mi razonamiento exactamente contra estos seis sesgos: sesgo de confirmación, coste hundido, heurística de disponibilidad, sesgo del statu quo, efecto de encuadre, negligencia de la tasa base.
Para cada uno:
1. Cita la parte específica de mi razonamiento donde podría aplicarse.
2. Indica qué evidencia aún no he comprobado por causa de él.
3. Propón una pieza de contraevidencia que, si fuera cierta, cambiaría mi decisión — y sé explícito sobre si esa contraevidencia es algo que necesito ir a verificar, o algo que generaste como ejemplo plausible.
No recomiendes la otra opción. No suavices los hallazgos para parecer equilibrado.
Ejemplo ilustrativo de salida (abreviado), para una decisión de quedarse con un proveedor existente en lugar de cambiar:
Coste hundido: Razonamiento citado: «hemos invertido un año en esta integración». El gasto ya incurrido está hundido, pero la integración o la capacidad que creó todavía puede alterar los costes futuros de cambio, mantenimiento, reformación y oportunidad. Evidencia aún no comprobada: una comparación prospectiva que separe el gasto pasado de los flujos de caja, riesgos y beneficios futuros de quedarse o cambiar. Contraevidencia a comprobar: obtener una estimación real del coste de migración y de operación en lugar de usar el esfuerzo ya invertido como razón decisiva.
Sesgo del statu quo: El proveedor actual se trata como el valor por defecto que exige justificación para abandonarlo, en lugar de evaluar ambas opciones desde cero. Contraevidencia a comprobar: construir la tabla de comparación como si se evaluaran dos proveedores nuevos, ninguno incumbente.
Efecto de encuadre: [señala un pasaje en el que la decisión se encuadró como «evitar el riesgo de cambiar» en lugar de «el coste de oportunidad de quedarse»: mismos hechos, marco distinto, preferencia probablemente distinta. Esto es una ilustración generada de cómo aparecería una señal de encuadre, no un hecho verificado sobre tu caso concreto.]
Fíjate en que el modelo fue explícito sobre qué contraevidencia necesita verificación externa y cuál es un ejemplo ilustrativo. Exige esa distinción para que los escenarios generados no se confundan con hechos recuperados.
Exige al modelo que separe «evidencia a verificar externamente» de «razonamiento ilustrativo que generó» en cada hallazgo. Si no lo hace por sí solo, añade una cuarta instrucción: «Etiqueta cada ítem de contraevidencia como [verify] o [illustrative].» Trata la salida sin etiquetar como ilustrativa por defecto y compruébala tú mismo antes de que cambie nada.
Paso 3: captura contraevidencia antes de comprometerte
Para cada señal de sesgo material, reúne la contraevidencia pertinente en lugar de aceptar la versión plausible del modelo. La verificación externa es lo que distingue este flujo de una crítica puramente generada, pero no garantiza que el conjunto de evidencia esté completo ni correctamente interpretado.
Una tabla breve funciona bien:
| Sesgo señalado | Contraevidencia necesaria | ¿Verificada? | ¿Cambia la decisión? |
|---|---|---|---|
| Coste hundido | Estimación real del coste de migración de dos proveedores | Sí — obtuve presupuestos | No, el coste fue menor de lo supuesto pero sigue siendo material |
| Statu quo | Tabla de comparación desde cero | Sí | Ligeramente — el incumbente sigue delante en dos de cinco criterios |
| Encuadre | Reformular la decisión en el marco opuesto y volver a comprobar la preferencia | Sí | No, la preferencia se mantuvo bajo ambos marcos |
Si la preferencia se mantiene tras comprobar la contraevidencia pertinente, el registro es más explícito que la inclinación original, no necesariamente correcto ni completo. Si cambia, anota qué evidencia la cambió; no atribuyas la mejora solo a la lista fija sin una comparación.
Para qué no sirve la auditoría
Este proceso está diseñado para hacer más visibles los supuestos y la evidencia que falta; este artículo no establece que mejore una decisión concreta. No sustituye la experiencia de dominio, y no debe usarse para fabricar la apariencia de rigor alrededor de una decisión que necesita un especialista: una decisión legal, médica o financiera material necesita un profesional cualificado, con la auditoría de sesgos únicamente como posible preparación, no como sustituto. Higiene de decisión bajo estrés cubre el caso relacionado en el que el momento o el estado emocional pueden exigir un límite distinto.
No uses este ejercicio como sustituto de una evaluación de salud mental, del apoyo en crisis, de la protección de personas en riesgo ni de decisiones tomadas bajo coacción o maltrato. Si el miedo, la manía, una depresión grave, la ideación suicida, la intoxicación u otra condición aguda pueden estar afectando al juicio, detén el ejercicio con IA y contacta con un profesional con la titulación adecuada o con un servicio de emergencias. Un argumento de un modelo no es una evaluación de la capacidad.
Tampoco es una forma de externalizar la rendición de cuentas. Si se usa la auditoría, el registro debe mostrar que un humano revisó los sesgos señalados, comprobó la contraevidencia y tomó la decisión — no «la IA confirmó que no había sesgo», que es un error de categoría. Que un modelo no encuentre sesgo en tu razonamiento no es prueba de la ausencia de sesgo; puede significar simplemente que el prompt de auditoría no fue lo bastante adversarial, o que los mismos sesgos presentes en tu razonamiento también están presentes en la evaluación del modelo.
Una segunda pasada independiente
Como una sola ejecución del modelo refleja los errores de un modelo apilados sobre los tuyos, compara la salida con un colega que no haya visto tu preferencia o con un experto de dominio cualificado cuando lo exijan las consecuencias. Una conversación nueva con el modelo puede reducir el anclaje conversacional, pero no es un experto independiente y puede reproducir errores correlacionados. Investiga las coincidencias y las discrepancias frente a la evidencia; la divergencia por sí sola no significa que la decisión esté reñida. Cómo hacer que la IA discrepe de ti cubre una forma de obtener contraargumentos, no de certificar independencia.
Lo que la auditoría no puede certificar
Un modelo no es un auditor libre de sesgos de tu razonamiento; es otro participante con su propia tendencia documentada hacia los mismos efectos de encuadre, errores de disponibilidad y anclaje que se le pide comprobar en ti. Trata cada sesgo señalado como una pista a verificar, cada pieza de contraevidencia como una afirmación a comprobar, y cada resultado de «no se encontró sesgo» como inconcluso más que limpio.
El valor pretendido de la auditoría es estructural, no oracular: una lista fija hace visible y repetible la cobertura que has pedido. Que capture más que una revisión abierta es algo que hay que evaluar, no dar por supuesto. El juicio sobre lo que significan los hallazgos, y la rendición de cuentas por la decisión final, permanecen con el humano nombrado o el profesional cualificado que posee la decisión.
La hoja de auditoría de abajo tiene la lista de seis sesgos, la tabla de contraevidencia y una columna de etiqueta verificado/ilustrativo como una sola página reutilizable para cualquier decisión hacia la que ya te hayas inclinado.
