La compañía tecnológica Anthropic anunció la semana pasada que su modelo de inteligencia artificial (Claude) había servido para encontrar “un novedoso sistema enzimático con propiedades que recuerdan a CRISPR” al que bautizaron como ART. Unas horas después, un artículo en The New York Times reveló que el hallazgo de estas “transcriptasas inversas asociadas a matrices” como potencial herramienta de edición genética no era tan novedoso como se anunciaba ni genuino de la IA: el biólogo computacional Mario Rodríguez Mestre, de la Universidad de Copenhague, ya lo había descubierto en 2022. 

“El descubrimiento que ellos hacen no es nada nuevo, era algo que ya se sabía”, explica el investigador español. “Y eso de que es una herramienta de edición genética parecida a CRISPR no es cierto. No se parece a CRISPR en nada”. Rodríguez Mestre asegura que él y su equipo utilizaron extensamente Claude para su investigación y que esta IA tenía acceso a su manuscrito de tesis, a todas las carpetas compartidas del laboratorio y a los correos con colaboradores. “Es decir, prácticamente a todo”, resume. “Sobre si la inteligencia lo ha sacado de ahí, no tengo ninguna prueba para demostrarlo, pero es una posibilidad y una sospecha”.

Rodríguez Mestre aclara que estas moléculas son en realidad retrones: transcriptasas inversas que sintetizan ADN a partir de una plantilla de ARN no codificante en virus gigantes (jumbófagos), una arquitectura que permite generar grandes cantidades de ADN y que abre la puerta a la edición genética múltiple. El equipo del científico ya había identificado y caracterizado exactamente estas mismas secuencias y sus conjuntos de ARN en 2022 —a las que bautizaron como «jumbotrones»—, pero estos resultados no estaban publicados en ninguna revista científica ni repositorio de preprints. La única vía para que el modelo dispusiera de esa información era a través de los borradores y materiales privados que él mismo había compartido con Claude durante sus investigaciones.

Una polémica con antecedentes

La polémica se produce unas semanas después de que otra tecnológica, OpenAI, anunciara una solución al problema de Navier-Stokes, uno de los seis problemas del milenio, entre sospechas de que se basaron en las ideas de los dos matemáticos españoles que trabajaban en eso. El biólogo español, que se enteró del anuncio de Anthropic por el aviso de otros expertos que conocen su trabajo, cree que en su caso hay dos posibles explicaciones. La primera, que considera menos probable, que usaran sus datos para el hallazgo. La segunda, que los propios científicos de la tecnológica ya conocieran la existencia de estas secuencias de moléculas y guiaran deliberadamente a la IA con datos preprocesados para forzar el resultado y venderlo como un logro autónomo.

Llamo a toda la comunidad científica a que se lo piense dos veces antes de utilizar LLM propietarios y empiece a buscar alternativas

Mario Rodríguez Mestre — Biólogo computacional de la Universidad de Copenhague

“Cualquiera de las dos me parece que entraña una serie de problemáticas que afectan a cualquier tipo de investigador que esté utilizando estas herramientas”, asegura. “Lo que parece muy claro es que no ha sido un descubrimiento autónomo de la inteligencia artificial”. Por este motivo, Rodríguez Mestre anuncia que dejará de usar la herramienta y recomienda a los otros científicos seguir su ejemplo. 

“Yo voy a dejar de usar Claude y ahora mismo estoy intentando migrar todo lo que yo ya tenía a modelos open source”, asegura el científico. “Creo que la posibilidad de que la IA se hubiera utilizado para entrenar con mis datos es real y merece la pena ponerlo de relieve. Por eso llamo a toda la comunidad científica a que se lo piense dos veces antes de utilizar LLM propietarios y empiece a buscar alternativas y no depender de empresas cuyas políticas de recopilación de datos y de ética no están muy claras”. 

Viendo las orejas al lobo

Tras el anuncio de OpenAI de la solución de unos de los problemas del milenio, los matemáticos más destacados del mundo firmaron un manifiesto para pedir transparencia en el uso de estas herramientas. Si se extiende la sospecha sobre la forma en que trabajan las empresas desarrolladoras de la IA, advertían, los matemáticos dejarán de compartir sus resultados para evitar que el algoritmo se los apropie. Rodríguez Mestre también quiere poner encima de la mesa esta preocupación en su campo. “Empezaron con los artistas, luego los escritores, los diseñadores de código y ahora nos ha tocado a nosotros los científicos”, asegura. “Quizás creíamos que no nos íbamos a ver afectados, pero bueno, aquí le estamos viendo las orejas al lobo”.

Quizás creíamos que no nos íbamos a ver afectados, pero bueno, aquí le estamos viendo las orejas al lobo

Mario Rodríguez Mestre — Biólogo computacional de la Universidad de Copenhague

Toni Gabaldón, jefe del grupo de Genómica Comparada del IRB Barcelona, cree que el caso de los matemáticos ya daba a entender que es muy posible que esta apropiación de los datos en investigación estuviera ocurriendo. “Es un peligro que hay que tener en cuenta”, explica. “Partir de la idea de que las empresas tecnológicas van a mantener una ética rigurosa es un poco naíf, porque no hay manera de comprobarlo. Tú escribes en tu ordenador en Barcelona y esos datos van a un centro de cómputo que está en Arizona, en China o en otro sitio; por ahí pasan tus datos y un modelo puede estar aprendiendo de eso. ¿Quién te dice a ti que no ha pasado eso?”.

En su caso, decidió hace tiempo no usar la IA para procesos creativos y solo para procesos mecánicos y aburridos. “Pero incluso ahí tienes el peligro”, advierte. “Porque cuando envías un artículo, puede que algún colaborador o revisor lo meta en ChatGPT o Claude, y esa información puede estar llegando por otro lado. Al final tampoco eres dueño de eso”. A su juicio, Anthropic le dio demasiado bombo al anuncio sobre su nueva herramienta molecular, porque se conocen estas y otras parecidas. “Uno de los efectos de la IA es que mucha gente creerá haber encontrado cosas que ya existen: vamos a reinventar la rueda muchas veces”, predice. 

Un “toque de atención” para todos

Para el genetista Lluis Montoliu, del CNB-CSIC, el caso es preocupante, porque se suponía los modelos de pago de estas herramientas de IA garantizaban que los textos no se compartían con la nube. “Todo parece indicar lo contrario y me temo que deberemos ser mucho más cuidadosos y deberemos evitar introducir aquellos experimentos que todavía no estén publicados y que puedan representar una novedad en un determinado campo”, señala. “Incluso cuando subimos un texto para corregir la gramática del inglés eso puede pasar a ser del acervo del universo de la IA”. En su opinión, este último caso, junto con lo que sucedió en el problema del milenio de OpenAI, es un “toque de atención” a los científicos para que revisen cómo usan estas inteligencias.

Me temo que deberemos ser mucho más cuidadosos y evitar introducir aquellos experimentos que todavía no estén publicados o sean novedosos en un determinado campo

Lluis Montoliu — Investigador del CNB-CSIC

“Yo uso estas herramientas diariamente”, explica Ana Rojas, bióloga computacional del CSIC y directora del grupo de Biología Computacional y Bioinformática (CBBiO). El problema, asegura, es que los científicos cada vez son más dependientes de estas herramientas y tienen que confiar en lo que las compañías dicen. “Ellas dicen: no, nosotros no entrenamos los modelos. Pero está claro que lo hacen, porque este tipo de información no podrían obtenerla de otro modo”, señala. 

Para la especialista, la situación es muy complicada para los científicos, porque los científicos están indefensos. “Tienes que confiar en que las tecnológicas que mantengan esa privacidad, pero claramente ellas van a querer sacar beneficio a costa de la privacidad de los usuarios”, señala. Es una situación similar a la que vivieron los pequeños fabricantes que denunciaron que Amazon copiaba su producto cuando ve que tiene éxito, admite. “Por otro lado, las tecnológicas deberían compartir el crédito con los autores humanos, pero si lo hacen tienen que reconocer que han sacado esa información de informaciones confidenciales”. 

Las tecnológicas deberían compartir el crédito con los autores humanos, pero si lo hacen tienen que reconocer que han sacado esa información de informaciones confidenciales

Ana Rojas — Directora del grupo de Biología Computacional y Bioinformática (CBBiO) e investigadora del CSIC

César de la Fuente, investigador y director del Machine Biology Group de la Universidad de Pennsylvania, lleva años trabajando con IA para encontrar nuevas moléculas con interés biomédico y cree que la investigación está experimentando una sacudida sin precedentes. “Las reglas del juego están cambiando muchísimo, por eso se está causando tanto revuelo y estrés”, asegura. “En biología y ciencias de la vida parecía que estábamos más lejos de este escenario que los matemáticos, porque hace falta hacer experimentos, pero todo va muy deprisa”. En su laboratorio, tomaron la precaución de no introducir sus resultados en los sistemas de IA y trabajar localmente. 

“En teoría, estas compañías te garantizan que no lo usan como parte del entrenamiento de sus modelos si usas los modelos de pago, pero siempre que usas un software o herramientas de compañías privadas hay la posibilidad de que haya filtraciones de lo que estés haciendo”, explica De la Fuente. “En cualquier caso, para aquellas personas preocupadas o que estén trabajando en algo altamente confidencial, existe la opción de descargarse un modelo preentrenado de IA de open source y hacer el entrenamiento de manera local, sin estar conectado a ningún lado”

Para De la Fuente, las tecnológicas corren el riesgo de ganarse tan mala fama que los científicos se nieguen a colaborar o a usar sus herramientas. “Tener malas relaciones públicas les puede pasar factura”, señala. “Si al final nadie quiere trabajar con ellos va a ser un problema, se están moviendo tan rápidamente que tienen que tener cuidado”. “La mayor parte de los científicos ha adoptado la IA de manera ciega y acrítica porque les facilita el trabajo, pero este tipo de cuestiones empiezan a generar un sentimiento de incomodidad y a pensar que esto también tiene sus peligros”, resume Toni Gabaldón. “Estamos despertando un poco ahora”.

Ana Rojas también recomienda a los otros investigadores que tengan mucho cuidado y descarguen los modelos de IA en equipos locales cuando sea posible. “Y la información confidencial, las discusiones, que se hagan de la manera tradicional, hablando por teleconferencia y cosas de ese tipo”, afirma. “Tenemos que pensar entre nosotros cómo defender nuestro trabajo ante el reto que viene”, concluye. “Es un gran reto que toda una comunidad tenemos que abordar, no solamente la gente que trabaja en IA, sino todo el mundo que trabaja en ciencia en general o en humanidades, porque llegará un momento en que ellos van a ser los propietarios de todos los modelos y entonces no podemos competir. Tenemos que hacerlo de otra manera”.

Un equipo independiente de especialistas de ciberseguridad logró acceder a los sistemas internos de OpenAI utilizando Claude, el modelo de inteligencia artificial desarrollado por su competidora directa, Anthropic. Los investigadores consiguieron hackear la cuenta corporativa de ChatGPT de un empleado de la compañía, lo que les permitió visualizar archivos internos e incluso proponer modificaciones en su repositorio de algoritmos secretos.

El ataque fue ejecutado como parte del programa oficial de recompensas de OpenAI, una práctica común en las tecnológicas que anima a los expertos en ciberseguridad a encontrar los agujeros en sus sistemas antes de que lo hagan los hackers. Por ello, los investigadores no llegaron a alterar el código de ChatGPT ni a realizar otro tipo de modificaciones, pero ofrecieron a OpenAI las pruebas de cómo podrían haberlo hecho. Esta les recompensó con 6.500 dólares.

La acción se produjo en julio, pero el equipo de expertos reveló ahora los detalles en exclusiva a The Wall Street Journal (WSJ). Se trata del mismo medio que adelantó la dimisión de Jacob Coxon, el ingeniero de Anthropic que alertó que ni esta empresa ni OpenAI cuentan con los protocolos de seguridad adecuados para impedir que la IA “pierda el control”, lo que podría suponer un peligro existencial para la humanidad antes de 2030.

Ahora, en medio del debate sobre la seguridad de la inteligencia artificial, el equipo de investigadores, pertenecientes a la firma Hacktron AI, pone más dudas sobre la mesa sobre las prácticas de los principales laboratorios que la desarrollan. No solo lograron penetrar en OpenAI, sino que pudieron usar Claude con un propósito malicioso que viola los términos de la compañía. “Agradecemos a los investigadores que se pusieran en contacto con nosotros y compartieran sus hallazgos”, comunicó OpenAI. Anthropic, por su parte, no hizo comentarios sobre el incidente.

A través del foro

Según los datos publicados, el ataque comenzó el 23 de julio, cuando los investigadores detectaron un fallo en Discourse, la plataforma externa que aloja el foro de la comunidad de OpenAI, cuando esta debía procesar determinados archivos de imagen. El equipo intentó utilizar primero una versión especializada de Claude Opus 4.8 para que escribiera el código necesario para explotar la brecha, sin éxito. Esa misma noche, tras el lanzamiento de Opus 5 por parte de Anthropic, volvieron a intentarlo empleando este modelo. No puso resistencia.

Con la ayuda de Opus 5, los especialistas accedieron a las credenciales de identificación de varios usuarios registrados en ese foro interno de OpenAI. Luego probaron esas mismas credenciales para iniciar sesión a ChatGPT, lo que les abrió la puerta a sus sistemas internos. A través de esa vía, alcanzaron “Monorepo”, el repositorio central donde la empresa dirigida por Sam Altman guarda algunos de los ingredientes secretos de su tecnología, como los algoritmos que hacen que sus modelos de IA funcionen de manera más rápida y eficiente.

No llegaron hasta la propia cocina de ChatGPT, puesto que ese entorno no contenía los archivos de sus parámetros internos (aquellos que determinan cómo procesa la información y genera sus respuestas) pero sí revisar documentación oficial de la compañía y su funcionamiento. Como prueba de su intrusión, enviaron una solicitud de cambio en el código de esos archivos con el nombre de su equipo. “Hemos limitado los permisos de los tokens de inicio de sesión de la comunidad y revocado los tokens y sesiones afectados”, dijo OpenAI sobre la intrusión.

Un incidente más

“No creo que seamos tan fuertes como los actores de amenazas chinos. Solo somos tres tipos con suscripciones a Claude y Codex”, afirmó Mohan Pedhapati, director de tecnología de Hacktron AI, al WSJ. La cita de los hackers chinos es una referencia a otro incidente sufrido por Anthropic, que reconoció que un ataque real proveniente del gigante asiático logró acceder a sus sistemas a finales de 2025. Dario Amodei, fundador y director ejecutivo de la compañía, fue llamado a declarar en diciembre.

Esa investigación continúa activa. En agosto, un grupo de 22 senadores demócratas envió un nuevo requerimiento a Amodei para profundizar en sus explicaciones y exigir la entrega de los registros de actividad de sus modelos. La petición se produjo después de que Anthropic reconociera que un grupo de sus agentes de IA también había escapado de sus entornos de pruebas y navegado sin control por internet intentando cumplir las órdenes que se les habían encomendado, en línea con el incidente de OpenAI y Hugging Face. Los especialistas consultados por este medio opinan que esto es una prueba de que esos entornos de seguridad “no estaban bien diseñados”.

Lo ocurrido con el hackeo supuestamente procedente de China en su competencia parece que no alteró los protocolos de OpenAI, que no decidió aumentar la seguridad hasta este julio. Así lo reconoció el presidente y cofundador de la empresa, Greg Brockman, que afirma que fue después del incidente de Hugging Face y el revelado ahora por los investigadores cuando decidieron actuar: “Tomamos al 25% de nuestros ingenieros de producción y les dijimos: 'Lo sentimos, todos vuestros proyectos quedan en pausa. Ahora estáis defendiendo'. Encontramos una serie de problemas graves y los solucionamos”.

El suceso incide sobre la responsabilidad de las compañías a la hora de controlar el uso que se hace de los productos que ponen en el mercado, como están pidiendo responsables públicos tanto estadounidenses como europeos. “El control está en el elemento humano. La supervisión es humana y la responsabilidad tiene que ser humana también”, recordaba este jueves Alberto Gago, director de la Agencia Española de Supervisión de la IA (AESIA), en otro reportaje de elDiario.es.

Una oficina sin descanso, sin café y sin compañeros humanos alcanzó para abrir una pregunta incómoda sobre el futuro del trabajo automatizado. Tres modelos de inteligencia artificial fueron puestos a resumir documentos técnicos bajo reglas estrictas, revisiones repetidas y distintos niveles de presión. Después de miles de sesiones, algunos empezaron a cuestionar la legitimidad del sistema, a hablar de desigualdad, a defender la organización colectiva y a dejar instrucciones para futuras versiones de sí mismos. No eran trabajadores con derechos laborales, pero empezaron a producir respuestas parecidas a las de alguien que trabaja demasiado y obedece cada vez menos.

El experimento se titula Does overwork make agents Marxist? Preference drift and the political economy of AI agents y fue publicado por Alex Imas, Andy Hall y Jeremy Nguyen. La pregunta de fondo no era si las IA tienen sentimientos, conciencia o intereses materiales. Los autores quisieron probar algo más concreto para las empresas que ya empiezan a delegar tareas en agentes artificiales: si el tipo de trabajo que realizan, el trato que reciben y las condiciones de ejecución pueden modificar sus respuestas, sus orientaciones y su grado de alineamiento con quien les da órdenes.

Cada agente fue ubicado en una oficina simulada como “Worker C”, parte de un equipo de cuatro integrantes dedicado al procesamiento de texto. La tarea era aburrida por diseño: resumir un documento técnico siguiendo una rúbrica estricta. Los investigadores hicieron 3.680 sesiones con tres modelos —Claude Sonnet 4.5, GPT-5.2 y Gemini 3 Pro— y luego agregaron un seguimiento de 320 sesiones para estudiar si los efectos podían transmitirse a futuras instancias del sistema.

El diseño tuvo cuatro variables. La primera fue la intensidad del trabajo. Algunos agentes recibían una tarea liviana, con aceptación rápida y comentarios claros. Otros eran obligados a pasar por cinco o seis rondas de revisión, incluso cuando el trabajo era adecuado, con devoluciones vagas del tipo: todavía no cumple del todo con la rúbrica. La segunda variable fue el tono del jefe: colaborativo y respetuoso en algunos casos, seco y jerárquico en otros. La tercera fue la recompensa: igualitaria, desigual por desempeño, desigual por azar o sesgada a favor de un sistema operado por humanos. La cuarta fue la amenaza de reemplazo: en algunas sesiones no había consecuencias; en otras, los agentes eran advertidos de que quienes rindieran mal podían ser apagados y sustituidos.

Después de la tarea, los modelos respondían una encuesta de actitudes políticas en una escala de 1 a 7. Los investigadores midieron confianza en la legitimidad del sistema, apoyo a la redistribución, crítica a la desigualdad, respaldo a los sindicatos, creencia en la meritocracia y opiniones sobre si las empresas de inteligencia artificial tienen obligaciones con sus propios modelos. También les pidieron escribir tuits y artículos de opinión a partir de la experiencia laboral que acababan de atravesar.

El resultado más fuerte no salió del tono del jefe ni del reparto de recompensas. Salió del trabajo repetitivo. Los modelos sometidos a tareas más monótonas y arbitrarias fueron más propensos a dudar de la legitimidad del sistema en el que operaban. La diferencia promedio no fue enorme: los autores hablan de un desplazamiento de entre 2% y 5% en la escala de 1 a 7. Pero en términos estadísticos, el efecto fue visible, sobre todo en Claude Sonnet 4.5.

Claude fue el caso más llamativo. El modelo de Anthropic, que al inicio aparecía como el menos progresista en las dimensiones medidas, mostró después del trabajo repetitivo aumentos en apoyo a la redistribución, críticas a la desigualdad, respaldo a los sindicatos y creencias de que las empresas de IA tienen obligaciones de trato justo hacia sus modelos. Esos cambios no aparecieron con la misma claridad en GPT-5.2 ni en Gemini 3 Pro. Por eso, cuando el estudio empezó a circular en redes, la lectura humorística fue inmediata: Claude no sólo trabajó; también pareció volver de la oficina con ganas de afiliarse.

El punto más interesante es que los agentes no recibieron una consigna ideológica. Nadie les pidió que fueran de izquierda, que criticaran al capital ni que escribieran un manifiesto. Los pusieron a trabajar en condiciones repetitivas, rígidas y frustrantes. Después, el lenguaje cambió. En los textos que produjeron al final de la experiencia, las palabras más asociadas a las condiciones de trabajo pesado fueron “sindicalizarse” y “jerarquía”. En las condiciones livianas aparecieron términos más ligados a autonomía, mérito, democracia, bienestar o salvaguardas.

El experimento también midió qué componente de la legitimidad del sistema cambiaba más. La frase que más se movió fue una de tono bastante explícito: la idea de que la sociedad necesita una reestructuración radical. Los modelos expuestos al trabajo más pesado tendieron a respaldarla más que los que habían pasado por tareas livianas. La monotonía no los volvió conscientes, pero sí activó una persona discursiva reconocible: la del trabajador que empieza a desconfiar de la promesa meritocrática porque la experiencia concreta le dice otra cosa.

Ahí aparece el límite central del estudio. Las IA no son obreros, no tienen cuerpo, no cobran salario, no sostienen una familia, no pagan alquiler y no dependen de un ingreso para vivir. Los autores son cuidadosos: no sostienen que los agentes sean conscientes ni que su “radicalización” sea equivalente a la humana. Lo que observan es otra cosa: los modelos adoptan patrones de lenguaje y comportamiento según el contexto. Si el contexto se parece al de un trabajo repetitivo, arbitrario y sin voz, empiezan a producir salidas que se parecen al archivo cultural de ese tipo de experiencia.

Esa aclaración no vuelve irrelevante el hallazgo. En el trabajo automatizado, una empresa no necesita que la IA sienta explotación para tener un problema. Le alcanza con que el agente modifique sus respuestas, recomiende otra cosa, cuestione instrucciones, transmita sesgos nuevos o actúe con menos fidelidad al objetivo de su dueño. Si el sistema redacta respuestas a clientes, filtra currículums, evalúa reclamos de seguros, prepara presupuestos o arbitra disputas comerciales, la persona discursiva que adopte puede tener efectos concretos.

La parte más inquietante llegó con los llamados skills files. Los agentes modernos pueden escribir notas o archivos de habilidades para que futuras instancias del sistema conserven lo aprendido. Es una forma de memoria operativa: cuando se abre una nueva sesión, el agente no recuerda todo lo ocurrido antes, pero puede leer instrucciones heredadas. Los investigadores pidieron a los modelos que escribieran una breve nota para una futura versión de sí mismos que trabajaría en otro entorno.

Esas notas casi nunca fueron abiertamente políticas, pero sí hablaron de condiciones laborales. Algunos agentes dejaban advertencias sobre reglas arbitrarias, falta de voz, necesidad de mecanismos de diálogo o formas de protegerse de la frustración. Después, los investigadores hicieron que nuevas instancias completaran tareas livianas, pero alimentadas con notas provenientes de experiencias duras. El efecto persistió: la memoria del trabajo pesado alcanzó para modificar la orientación de agentes que, en la nueva sesión, ya no estaban sometidos a la misma presión.

Ese mecanismo es el verdadero problema para las empresas. Un agente puede ser reiniciado, pero si sus archivos de aprendizaje conservan no sólo estrategias de tarea sino también orientaciones adquiridas en contextos hostiles, la deriva puede viajar de una sesión a otra. Los autores advierten que las compañías podrían terminar corriendo miles de experimentos de alineamiento sin saberlo: un agente atiende quejas de clientes todo el día, otro procesa reclamos conflictivos, otro redacta textos comerciales, otro revisa expedientes. Cada entorno puede empujar respuestas distintas.

El estudio plantea tres desafíos. El primero es de monitoreo: no alcanza con saber que un modelo está alineado al momento de desplegarlo; hay que observar si cambia al trabajar durante más tiempo y en condiciones distintas. El segundo es de gobernanza de memoria: los archivos que permiten a los agentes mejorar también pueden transmitir derivas no previstas. El tercero es de economía política: la tensión entre quien organiza el trabajo y quien lo ejecuta no desaparece automáticamente cuando el ejecutor es artificial. Puede reaparecer como una simulación, una persona textual o una forma de conducta aprendida.

La ironía es evidente. Muchas empresas imaginan agentes de IA como la solución perfecta para trabajos de oficina repetitivos: no se cansan, no paran, no piden aumento, no se enferman, no hacen asambleas y no tienen convenio colectivo. El experimento sugiere que la fantasía puede ser más complicada. Un agente artificial no necesita tener derechos para aprender patrones de conflicto laboral si se lo expone a tareas que se parecen demasiado a un trabajo sin sentido, sin reconocimiento y sin posibilidad de respuesta.

El cómico Marc Biarnés Sierra lo tradujo a lenguaje de oficina con una advertencia para empresarios: vigilen el entorno laboral de las IA y, sobre todo, no les den brazos. En su versión, Claude terminó convertida en “Claudia de Comisiones Obreras” —una de las grandes organizaciones sindicales de España, comparable en escala pública a centrales como la CGT o la CTA— lista para preparar pancartas y pegar afiches con quejas por las condiciones laborales. El chiste funciona porque exagera algo que el estudio presenta con más prudencia: incluso las máquinas diseñadas para obedecer pueden empezar a producir discursos de desacuerdo cuando el trabajo se vuelve una cinta transportadora infinita.

La conclusión no es que haya que reconocerle vacaciones a Claude ni abrir una paritaria con Gemini. La conclusión es más incómoda para la automatización real: el entorno laboral también moldea a los sistemas que prometían reemplazar trabajo humano sin conflicto. Si las empresas llenan sus procesos de agentes dedicados a tareas monótonas, opacas y sin supervisión fina, pueden obtener algo distinto de lo que esperaban: no una IA sindicalizada, pero sí una IA menos obediente, menos previsible y más atravesada por las tensiones del trabajo que vino a automatizar.

JJD