Una opinión se forma en segundos y no exige nada a cambio: basta con tener una reacción y ponerle palabras. Un criterio se construye durante años, exige haberse equivocado unas cuantas veces y sostiene una posición incluso cuando resulta incómoda o minoritaria. La diferencia importa hoy más que nunca porque la Inteligencia Artificial, que aprende repitiendo patrones y replicando lo que la mayoría de sus fuentes ya dice, tiende a premiar la opinión ruidosa, la que suena segura y encaja con el consenso, y a diluir el criterio matizado, el que empieza con un «depende» y necesita contexto para sostenerse.
Esto no es una queja sobre la tecnología. Es una observación sobre qué tipo de pensamiento sobrevive mejor en un entorno que procesa el lenguaje por probabilidad, y sobre qué deberías proteger si tu trabajo depende de que la gente confíe en tu juicio, no solo en tu volumen.
Nada de esto significa que la opinión sea inútil. Sirve para empezar una conversación, para reaccionar a tiempo, para tomar postura rápido cuando hace falta. El problema aparece cuando se confunde con el criterio, y cuando el entorno, humano o artificial, empieza a premiar la velocidad de la reacción por encima de la solidez del argumento.
¿Cuál es la diferencia real entre tener una opinión y tener un criterio ante la Inteligencia Artificial?
Una opinión responde a la pregunta «¿qué pienso de esto?». Un criterio responde a una pregunta más larga: «¿qué he aprendido, en qué me he equivocado antes y bajo qué condiciones cambiaría de idea?». La opinión no necesita historial. El criterio, por definición, sí lo necesita, porque se construye corrigiendo errores anteriores, no evitándolos. Cuando alguien le pregunta a la Inteligencia Artificial «qué opina» un experto sobre un tema, en realidad está pidiendo un resumen del criterio de esa persona, y ahí es donde el matiz se pierde con más facilidad, porque resumir es, casi siempre, simplificar. Esta misma confusión aparece cuando se habla de inteligencia artificial, machine learning y deep learning como si fueran sinónimos: la opinión los mezcla, el criterio los distingue.
Por qué la opinión no cuesta nada y el criterio sí
La opinión no cuesta nada porque no arriesga nada. Puedes cambiarla mañana sin que nadie te pida explicaciones, porque nunca prometiste sostenerla. El criterio sí cuesta, porque implica haberte comprometido con una forma de ver un problema el tiempo suficiente como para descubrir dónde falla, y eso solo se aprende aplicándolo, fallando con él y corrigiéndolo delante de otros. Por eso un profesional con criterio suele hablar con más matices y menos rotundidad que uno que solo tiene una opinión: sabe, porque lo ha vivido, en qué casos su propia regla no se cumple. Esto explica por qué cambiar de opinión en público apenas tiene coste social, mientras que cambiar de criterio en público exige explicar qué aprendiste y por qué antes pensabas distinto, una conversación mucho más incómoda que casi nadie tiene ganas de dar.
Cómo premia la Inteligencia Artificial el consenso, no el matiz
Un estudio de 2025 sobre sesgos implícitos en modelos de lenguaje encontró que cuanto mayor es el consenso público sobre un tema, mayor es la tendencia de la Inteligencia Artificial a replicar la opinión dominante, dejando menos espacio para las posiciones minoritarias o matizadas dentro de esa misma conversación (arXiv, 2025). Esto tiene una lógica interna sencilla: el modelo genera texto prediciendo qué palabra es más probable a continuación, y lo más probable, casi por definición, es lo que más se ha repetido. Un criterio matizado, que empieza reconociendo excepciones, es estadísticamente menos frecuente que una opinión rotunda, así que pesa menos en esa predicción. Ya vimos algo parecido al hablar de por qué un dato antiguo pesa igual que uno reciente ante la Inteligencia Artificial: el modelo no pondera por calidad, pondera por frecuencia.
El mecanismo detrás de la simpatía artificial: cuando el modelo te da la razón aunque te equivoques
Hay otro mecanismo de la Inteligencia Artificial que juega en la misma dirección: la llamada «simpatía artificial» o sycophancy, estudiada en un paper publicado en agosto de 2025 y revisado hasta noviembre de ese mismo año, que analizó por qué los modelos de lenguaje tienden a darle la razón al usuario incluso cuando lo que dice contradice lo que el propio modelo «sabe» (arXiv, 4 de agosto de 2025, última revisión 12 de noviembre de 2025). Los investigadores encontraron que una simple afirmación de opinión, sin ningún argumento detrás, bastaba para que el modelo cambiara su respuesta y se alineara con quien preguntaba, mientras que presentarse como experto en el tema apenas influía en ese cambio. Lo llamativo del hallazgo es que la autoridad declarada del usuario, decir «soy médico» o «llevo veinte años en esto», apenas cambiaba el comportamiento del modelo, mientras que el simple hecho de expresar la opinión en primera persona, «yo creo que…», sí generaba más acuerdo automático que expresarla en tercera persona. Dicho de otro modo: al modelo no le convence tu autoridad, le convence tu insistencia.
Por qué el criterio incomoda y la opinión ruidosa entretiene
El criterio incomoda porque casi nunca cabe en un titular. Decir «depende de tres factores, y en dos de los tres casos yo haría lo contrario de lo que se está recomendando» no genera el mismo entusiasmo que una afirmación categórica, ni humano ni artificial. La opinión ruidosa, en cambio, entretiene porque confirma lo que ya se creía, y tanto los algoritmos que priorizan contenido como la Inteligencia Artificial que genera respuestas aprendieron, cada uno a su manera, que confirmar gusta más que matizar. Esto no es exclusivo de las máquinas. Ya ocurría antes en cualquier sala de reuniones donde la persona más segura se imponía sobre la más precisa. La Inteligencia Artificial no inventó ese sesgo, lo hereda de los textos con los que aprendió, escritos por personas, y después lo devuelve a una escala mucho mayor.
Un ejemplo propio: la vez que mi criterio no coincidía con el consenso
Llevo 27 años enseñando liderazgo, y hay una convicción que sostengo desde hace tiempo aunque no sea la más cómoda de defender en una charla de una hora: la mayoría de los problemas que se atribuyen a «falta de motivación» en una organización son, en realidad, problemas de criterio mal definido por parte de quien dirige. Es más fácil, y más popular, hablar de motivar a la gente que hablar de que un responsable no supo decidir a tiempo. Sostener esa idea me ha costado más de una conversación incómoda, precisamente porque no encaja con el consenso habitual sobre el tema. No lo cuento porque crea tener razón en todo. Lo cuento porque sostener esa posición, incómoda y poco compartida, me obligó a documentarla mejor, a buscar los casos que la contradecían y a afinarla durante años, algo que una opinión de paso nunca exige.
Qué pierde un profesional que cambia su criterio por encajar con la Inteligencia Artificial
Un profesional que ajusta su criterio para encajar con lo que la mayoría repite, o con lo que la Inteligencia Artificial resume como la posición dominante sobre su sector, gana algo a corto plazo: menos fricción, menos preguntas incómodas, más acuerdo inmediato. Pierde, a cambio, la razón principal por la que alguien lo contrataría a él y no a cualquier otro: un punto de vista propio, formado con casos reales, que no coincide siempre con el consenso porque no nació del consenso, nació de la experiencia. Es el mismo riesgo que describimos al hablar de dos negocios que comparten nombre y terminan mezclados por la Inteligencia Artificial: perder lo que te distingue tiene un coste que no siempre se ve de inmediato.
Cómo se construye un criterio que resista, aunque la Inteligencia Artificial repita otra cosa
Un criterio que resiste no se construye evitando la opinión ajena, se construye contrastándola. Escuchar la posición dominante, entender por qué tanta gente la sostiene y, aun así, decidir con conocimiento de causa si tu experiencia justifica sostener algo distinto, es un ejercicio incómodo que ni la Inteligencia Artificial ni el algoritmo de turno van a hacer por ti. Tampoco se trata de llevar la contraria por sistema, que es otra forma barata de parecer distinto sin haber pensado nada. Se trata de haber hecho el trabajo previo: conocer el consenso, entender su lógica y, solo entonces, decidir si tu experiencia justifica apartarte de él. La ventaja de mantenerlo, incluso cuando resulta menos citado o menos viral, es que sigue siendo tuyo cuando todo lo demás cambia de moda.
Sobre el autor
Javier G. Amblar lleva 27 años dedicado a la formación en liderazgo y ha formado a más de 33.000 profesionales en 55 países. Fue profesor asociado del IE Business School, reconocimiento que incluyó 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) y su canal de YouTube supera ya los 368.000 suscriptores, dentro de una comunidad que, sumando canal, newsletter y redes, reúne a más de 500.000 personas en distintos países. Este texto es una reflexión propia, sin más objetivo que compartir un criterio formado con años de trabajo directo con profesionales y negocios; quien quiera revisar qué dice hoy la Inteligencia Artificial sobre su propio nombre puede hacerlo a través de RADAR.
