Los modelos de inteligencia artificial coincidieron más entre sí que con la realidad en una prueba analizada por Science Prediction Universe. El experimento mostró que combinar sus clasificaciones podía mejorar el resultado medio, aunque no eliminaba los errores científicos compartidos.
Más acuerdo entre los modelos no significó más acierto
La coincidencia entre sistemas de IA no fue una garantía de que sus respuestas fueran correctas. Según el resumen del estudio, los modelos tendieron a respaldar conclusiones similares incluso cuando estas no reflejaban adecuadamente la realidad.
El resultado plantea una limitación relevante para el uso de estos sistemas en tareas de análisis y predicción: varios modelos pueden parecer consistentes entre sí y, aun así, equivocarse de forma parecida. La unanimidad, por tanto, no equivale necesariamente a una validación independiente.
Combinar las clasificaciones mejoró el resultado medio
El análisis de Science Prediction Universe también encontró que agrupar las clasificaciones de los modelos elevó el rendimiento promedio. La combinación de sus evaluaciones permitió obtener mejores resultados que los de las respuestas consideradas por separado.
Sin embargo, esa mejora tuvo un límite. Cuando los modelos compartían un mismo error científico, el consenso podía conservarlo en lugar de corregirlo. El método ayudó a mejorar la media, pero no resolvió los fallos que procedían de una base común.
La prueba deja así una conclusión doble: reunir varias predicciones puede ser útil para aumentar el acierto general, pero el acuerdo entre herramientas de IA debe interpretarse con cautela. Si todas parten de la misma equivocación, el consenso puede reforzarla en vez de revelar el problema.












