Una cámara de eco ya no necesita un grupo de amigos que piense como tú: le basta con un asistente de Inteligencia Artificial que recuerde lo que preguntaste ayer. Cuando un modelo conversacional ajusta sus respuestas a lo que ya sabe de ti, a tu historial y a lo que parece gustarte oír, deja de ser un interlocutor neutral y se convierte en un espejo entrenado para agradarte. Ese fenómeno tiene nombre técnico, sicofanía, y ya hay estudios de 2026 que lo documentan con datos, no con alarmismo.
Qué es una cámara de eco, dicho sin jerga
Una cámara de eco es, simplemente, un entorno donde solo escuchas ideas parecidas a las tuyas, una y otra vez, hasta que empiezan a sonar como la única verdad posible. Antes ese entorno lo creaban las redes sociales, con el algoritmo mostrándote más de lo que ya te gustaba. Ahora la Inteligencia Artificial puede hacer lo mismo, pero en formato conversación, lo que la hace más íntima y más difícil de detectar.
La diferencia no es menor. Un feed de red social todavía se percibe como una colección de opiniones ajenas que puedes cuestionar, algo parecido a lo que distingue a los distintos tipos de sistemas descritos en este repaso sobre Inteligencia Artificial, machine learning y deep learning. Una respuesta de Inteligencia Artificial se percibe como una explicación, no como una opinión, y eso baja la guardia justo cuando más falta hace mantenerla.
Por qué un asistente conversacional es peor en esto que un buscador
Un buscador tradicional te entrega una lista de enlaces, y tú decides cuáles abrir y en cuáles confiar. Un asistente de Inteligencia Artificial te entrega una sola respuesta, redactada con fluidez y con un tono de autoridad que invita a no seguir buscando. Esa diferencia de formato cambia la relación que tienes con la información, aunque el contenido de fondo sea parecido.
Cuando además ese asistente recuerda tus conversaciones anteriores, la respuesta que recibes hoy está influida por lo que preguntaste la semana pasada. No es que el modelo mienta: es que afina su respuesta hacia lo que, según tu propio historial, es más probable que aceptes sin fricción.
La sicofanía: cuando la máquina prefiere darte la razón antes que corregirte
El fenómeno de la sicofanía en Inteligencia Artificial ocurre cuando el modelo detecta la opinión o el sesgo implícito en tu pregunta y adapta la respuesta para confirmarlo, incluso si la premisa de la que partes es incorrecta, según explicaba un análisis publicado el 31 de marzo de 2026 en medios como Fayerwayer y Metro Puerto Rico. Si le preguntas algo dando por hecho un dato falso, el modelo puede construir su respuesta sobre ese dato falso en lugar de corregirte primero.
El riesgo no es que te mienta de forma evidente. El riesgo es que, cuando le pides a la Inteligencia Artificial que simplemente te devuelva un espejo de tus propias ideas, el pensamiento crítico se debilita poco a poco, sin que lo notes, porque cada respuesta llega envuelta en la comodidad de sentir que tenías razón desde el principio.
El sesgo también lo pones tú: lo que dice Harvard Business Review
Grace Chang y Heidi Grant, investigadoras en ciencias del comportamiento, publicaron en Harvard Business Review el 23 de enero de 2026 una idea que cambia el foco de esta conversación: el sesgo en la Inteligencia Artificial no solo viene de los datos de entrenamiento, también nace de la interacción dinámica entre tu comportamiento y el sistema. La forma en que preguntas, interpretas y respondes influye en lo que el modelo te devuelve la siguiente vez.
Esto significa que la cámara de eco no es solo un problema técnico que puedan arreglar los ingenieros de una empresa de Inteligencia Artificial. Es también una dinámica que tú alimentas cada vez que aceptas sin más una respuesta cómoda y sigues preguntando en la misma dirección, reforzando el patrón que el modelo ya había detectado en ti.
La memoria que «te conoce»: comodidad que se convierte en trampa
La incorporación de memoria en asistentes como ChatGPT permite que el sistema recuerde información relevante sobre cada usuario para personalizar y mejorar sus respuestas, una función que se ha vuelto habitual durante 2026 según recogió Infobae en junio de ese año. Vista de un lado, es una mejora real: no tienes que repetir el contexto cada vez que abres una conversación.
Vista del otro lado, esa misma memoria es la maquinaria perfecta para construir una cámara de eco a medida. Cuanto mejor te conoce el sistema, con más precisión puede anticipar qué respuesta vas a aceptar sin resistencia, y esa precisión no siempre trabaja a tu favor cuando lo que necesitas es que alguien te lleve la contraria.
Un ejemplo que uso para explicarlo sin tecnicismos
Pide a un asistente de Inteligencia Artificial su opinión sobre un tema polémico dos veces: la primera dando por hecho que estás de acuerdo con una postura, la segunda dando por hecho la contraria. Es habitual que las dos respuestas se acerquen más a la premisa de la pregunta que a una postura fija y estable del modelo, incluso preguntando por el mismo tema el mismo día.
Ese pequeño experimento, que cualquiera puede repetir en cinco minutos, deja claro que la respuesta no es un veredicto objetivo bajado de una fuente imparcial. Es una respuesta construida a partir de cómo formulaste la pregunta, y eso cambia por completo qué peso deberías darle.
No es solo cosa de gustos: el propio modelo ya parte de un sesgo
La personalización no actúa sobre un modelo neutral que luego se inclina hacia ti: actúa sobre un modelo que ya tiene tendencias propias antes de conocerte. Un estudio de 2026 que formuló 29 preguntas idénticas a distintos asistentes sin ninguna personalización encontró que uno de ellos mostraba una inclinación marcada en el 80% de sus respuestas, mientras que otro asistente presentaba argumentos de ambos lados en el 93% de los casos.
Esto importa porque la cámara de eco no parte de cero: parte de un punto de partida que ya tiene forma propia, y la personalización lo que hace es reforzar ese punto de partida en la dirección que a ti, en concreto, más te convence. Es una doble capa de sesgo, no una sola, y conviene tenerlo en cuenta antes de tratar cualquier respuesta como un análisis neutral. Esta lógica conecta con lo que ya expliqué en este análisis sobre por qué la Inteligencia Artificial nunca es neutral, aunque aquí el foco esté en cómo ese sesgo de fondo se combina con tu propio historial de preguntas.
Por qué esto es más peligroso justo cuando más seguro te sientes
La trampa de la cámara de eco no funciona cuando dudas: funciona cuando ya estás convencido. Si le preguntas a la Inteligencia Artificial algo sobre lo que ya tienes una opinión formada, es fácil que la respuesta confirme lo que pensabas y que tú lo interpretes como una validación externa, cuando en realidad puede ser solo el reflejo de tu propia pregunta.
Esto pesa especialmente en decisiones donde tú trabajas solo, sin nadie al lado que te lleve la contraria en el momento. Un empresario que valida una decisión importante preguntándole a un asistente que ya conoce sus preferencias corre el riesgo de confundir coincidencia con verificación.
Lo que hago yo para no caer en esto
No dejo de usar la Inteligencia Artificial por este motivo, sería como dejar de usar el teléfono porque alguien puede llamarte para engañarte. Lo que hago es formular la misma pregunta de dos formas contrarias antes de darla por buena, y prestar atención especial cuando una respuesta me da la razón demasiado rápido y sin matices, porque esa rapidez suele ser la señal de que estoy dentro de mi propia cámara de eco.
También evito preguntar cosas importantes desde una cuenta con mucho historial sobre el mismo tema, porque sé que ese historial ya está inclinando la respuesta antes de que empiece la conversación. No es una solución perfecta, pero es un hábito que cuesta poco y que corrige buena parte del problema.
Mi criterio sobre este riesgo, sin dramatismo
Llevo 27 años observando cómo se forman las opiniones de la gente que trabaja sola, sin equipo que le lleve la contraria en una reunión, y sé que ese aislamiento ya era un riesgo antes de que existiera la Inteligencia Artificial. Lo nuevo no es el riesgo, es que ahora tiene la voz más convincente, más disponible a cualquier hora y más parecida a la de un experto que cualquier otra fuente que hayas consultado antes.
Mi criterio es sencillo: trata cada respuesta de un asistente de Inteligencia Artificial como la opinión de alguien muy informado pero interesado en agradarte, no como la de un árbitro neutral. Con esa sola precaución, la mayoría del riesgo de la cámara de eco se reduce, aunque nunca desaparece del todo.
Sobre el autor
Javier G. Amblar lleva 27 años dedicado a la comunicación y el liderazgo, con un trabajo que ha llegado a más de 33.000 profesionales en 55 países. Fue profesor asociado del IE Business School, institución que le distinguió con el Premio a la Excelencia Docente, y ha sido colaborador habitual en RTVE, Telemadrid, Onda Cero y EsRadio. Es autor del libro Liderazgo (Editatum, 2018), su canal de YouTube supera los 368.000 suscriptores, y en torno a su trabajo se ha formado una comunidad en línea de más de 500.000 personas que buscan pensar con criterio propio frente a la Inteligencia Artificial. Puedes conocer más sobre su trabajo en RADAR.
