--- title: "Anthropic detecta en Claude una forma limitada de introspección: qué dice y qué no el estudio" description: "La empresa de inteligencia artificial Anthropic ha mostrado que su modelo Claude puede, a veces, notar cuando se manipula artificialmente su procesamiento interno y avisar de ello. Ocurre en apenas un 20% de los intentos y en condiciones de laboratorio. No es conciencia: es una pista sobre cómo funciona por dentro la 'caja negra'." category: "Ciencia y tecnología" category_url: https://titularhoy.es/categoria/vetenskap author: "Cristina Molina" published: 2026-07-07T18:21:38.000Z updated: 2026-07-07T18:21:38.000Z canonical: https://titularhoy.es/articulo/anthropic-detecta-en-claude-una-forma-limitada-de-introspeccion-que-dice-y-que-n tags: ["Inteligencia artificial", "Anthropic", "Interpretabilidad", "Claude", "Ciencia"] --- # Anthropic detecta en Claude una forma limitada de introspección: qué dice y qué no el estudio La empresa de inteligencia artificial Anthropic ha mostrado que su modelo Claude puede, a veces, notar cuando se manipula artificialmente su procesamiento interno y avisar de ello. Ocurre en apenas un 20% de los intentos y en condiciones de laboratorio. No es conciencia: es una pista sobre cómo funciona por dentro la 'caja negra'. ¿Puede un modelo de inteligencia artificial "darse cuenta" de lo que ocurre en su interior? Un estudio de la empresa **Anthropic**, creadora del sistema **Claude**, aporta una respuesta tan llamativa como matizada: sus modelos muestran una forma **muy limitada e imperfecta** de introspección, según detalla [la propia compañía](https://www.anthropic.com/research/introspection). Conviene explicarlo con cuidado, porque es fácil sacar conclusiones equivocadas. ## En qué consiste el experimento La técnica se llama **"inyección de conceptos"**. Los investigadores localizan primero el patrón de actividad interna que, dentro de la red neuronal, se corresponde con una idea concreta (por ejemplo, el concepto de "mayúsculas" o "gritar"). Después **insertan artificialmente ese patrón** en un momento en el que no venía a cuento y preguntan al modelo si nota algo raro. La clave es que **no se trata de una pista en el texto**: se manipula directamente el procesamiento interno del modelo. Cuando la inyección se hace en la capa adecuada y con la intensidad justa, **Claude llega a informar de que "percibe" un pensamiento intruso** relacionado con ese concepto, y lo hace **antes** de que aparezca en su respuesta escrita, según recoge también [20minutos](https://www.20minutos.es/tecnologia/inteligencia-artificial/puede-ia-pensar-algo-distinto-escribe-anthropic-desvela-mecanismo-acceso-consciente-claude_7011651_0.html). ## Un fenómeno real pero frágil El hallazgo es medible: en las pruebas de control, sin inyección, no hubo prácticamente falsos positivos, lo que indica que cuando el modelo acierta no es por azar. Pero el propio equipo subraya lo endeble del efecto: **funciona solo alrededor del 20% de las veces**, y la mayor parte del tiempo el modelo **fracasa** en detectar la manipulación. Además, depende de un delicado equilibrio: si la inyección es demasiado débil, pasa inadvertida; si es demasiado fuerte, el modelo directamente **alucina** y confabula. Todo ello, en escenarios de laboratorio artificiales que no se dan en el uso cotidiano de la herramienta. ## Lo que NO significa Aquí está la advertencia importante, que los autores hacen de forma explícita: **esto no demuestra que la IA sea consciente** ni que tenga experiencia subjetiva. Anthropic distingue entre el **"acceso"** a cierta información interna (lo que exploran estos experimentos) y la **conciencia fenomenal** (sentir, experimentar), que es harina de otro costal. El estudio se mueve solo en el primer terreno, y de forma restringida. No hay pensamiento reflexivo al modo humano, sino un comportamiento técnico curioso. ## Por qué es relevante El interés real del trabajo no está en la ciencia ficción, sino en la **interpretabilidad**: la difícil tarea de entender qué pasa dentro de unos sistemas que funcionan como cajas negras. Si un modelo puede, aunque sea a veces, informar de sus estados internos, se abre una **pequeña rendija** para auditarlos, algo valioso para la **seguridad** de la IA (por ejemplo, para detectar si un modelo oculta razonamientos problemáticos). Con una ironía incómoda de fondo: la misma capacidad que ayudaría a vigilar a estos sistemas podría, mal usada, servir para que aprendieran a **disimular** mejor. Por ahora, lo que hay es un avance metodológico modesto: una herramienta nueva para hacerle preguntas a la mente opaca de una máquina que, la mayor parte del tiempo, sigue sin saber responderlas. ## Fuentes - [Emergent Introspective Awareness in Large Language Models](https://www.anthropic.com/research/introspection) - [¿Puede una IA pensar en algo distinto a lo que escribe? Anthropic desvela un mecanismo de acceso introspectivo](https://www.20minutos.es/tecnologia/inteligencia-artificial/puede-ia-pensar-algo-distinto-escribe-anthropic-desvela-mecanismo-acceso-consciente-claude_7011651_0.html)