De lo determinista a lo generativo: un cambio de paradigma en la modelización social
El reciente desarrollo de agentes generativos capaces de simular la conducta humana marca un punto de inflexión en el debate contemporáneo sobre la inteligencia artificial. La transformación actual no se trata sólo de delegar tareas específicas, como comprar boletos o gestionar calendarios, sino que se extiende hasta la externalización de facultades simbólicas que hasta ahora creíamos indisociables de la condición humana: la creatividad, la deliberación y la empatía.
El horizonte que abre el estudio al que me quiero referir aquí —Simulating Human Behavior with AI Agents (HAI, mayo de 2025)— apunta hacia una posibilidad aún más radical: la de replicar actitudes, creencias y decisiones de individuos reales mediante arquitecturas algorítmicas nutridas con datos sensibles. Este desplazamiento de la función instrumental hacia la representación mimética exige no sólo un análisis empírico de su eficacia, sino una interrogación filosófica sobre las condiciones de posibilidad, los límites y los riesgos epistémicos de simular al otro.
El texto del Policy Brief de la Universidad de Stanford presenta los resultados de una investigación ambiciosa: la construcción de más de mil agentes generativos, entrenados con entrevistas cualitativas en profundidad, que son capaces de predecir con una precisión del 85 % las respuestas posteriores de sus contrapartes humanas en encuestas y experimentos. Estos datos no sólo muestran el potencial de las simulaciones, sino que también encienden alertas sobre la privacidad, la representación legítima y la posibilidad de abusos en entornos sociales, políticos y académicos.
Aquí se abre una nueva brecha hacia lo que hasta ahora parecía un imposible logístico y ético: la laboratización de grupos sociales.
Estas simulaciones computacionales del comportamiento social distan de ser una novedad. Desde hace décadas, modelos basados en reglas —como los sistemas multiagente o la teoría de juegos— han permitido explorar dinámicas colectivas. Sin embargo, estos enfoques reposaban sobre supuestos simplificadores: racionalidad estratégica, escenarios cerrados, estructuras de incentivos claras. Lo que este estudio en específico propone es un salto cualitativo: ya no se trata de simular agentes abstractos con lógica deductiva, sino sujetos concretos con memorias, emociones, contradicciones y trayectorias vitales. Aquí se abre una nueva brecha hacia lo que hasta ahora parecía un imposible logístico y ético: la laboratización de grupos sociales.
Sin caer en el alarmismo ludita, quisiera referirme en primer lugar a las implicaciones epistémicas de este viraje. En el ámbito de la ciencia, supone una transformación radical de los métodos empíricos: ya no dependemos exclusivamente de experimentos controlados o estudios observacionales sobre poblaciones humanas, sino que podemos recrear contextos sociales complejos en entornos artificiales, ajustando variables con una precisión inédita. Esto plantea la posibilidad de realizar investigaciones de una ambición hasta ahora reservada a la ficción científica: simular el surgimiento de normas morales, la transmisión de creencias, o el colapso de consensos políticos, sin intervención directa sobre seres humanos reales.
En sociología, se habilita una renovada epistemología de la simulación: en lugar de interpretar a posteriori los patrones de conducta observados, los sociólogos podrían empezar a «diseñar» mundos sociales virtuales, explorando cómo ciertas configuraciones estructurales —como desigualdades económicas, redes de afinidad o marcos institucionales— dan lugar a formaciones colectivas específicas. Esto reconfigura la relación entre teoría y empiria, convirtiendo a la teoría sociológica en una especie de ingeniería inversa de los sistemas sociales.
La frontera entre la propaganda, la ciencia de datos y la manipulación se vuelve así sospechosamente difusa
En el terreno de las campañas políticas, muchos autores ya se han referido a los riesgos que la implementación de estas tecnologías representa para la democracia. Simular agentes sociales con características realistas —que evolucionan según exposiciones mediáticas, emociones colectivas, vínculos afectivos y ciclos de desinformación— permite no sólo predecir comportamientos electorales, sino experimentar con narrativas, tiempos de difusión y estrategias de polarización. Una estrategia electoral podría afinar sus mensajes tras observar sus efectos en poblaciones simuladas mil veces antes de lanzarlos. La frontera entre la propaganda, la ciencia de datos y la manipulación se vuelve así sospechosamente difusa.
En el contexto de la psicología social, la posibilidad de modelar individuos con emociones, sesgos cognitivos y procesos de influencia mutua permite refinar —y eventualmente revisar— las teorías sobre conformismo, liderazgo, presión de grupo o contagio emocional. Pero también impone la pregunta sobre si dichos modelos están reproduciendo procesos humanos o reemplazándolos con nuevas entidades teóricamente autónomas.
La posibilidad de crear mundos sociales artificiales que respondan de manera verosímil a nuestros experimentos no garantiza una comprensión más justa o verdadera del mundo real, pero sí inaugura un nuevo régimen de conocimiento, donde la distinción entre modelar y gobernar, entre comprender y predecir, entre explicar y dirigir, se hace cada vez más tenue.
Esta transición de lo determinista a lo generativo marca un cambio epistémico fundamental. Al entrenar modelos con entrevistas cualitativas de dos horas, los investigadores no solo extraen datos: construyen una forma de subjetividad simulada. En este sentido, los agentes no imitan reglas sino que reeditan biografías. Lo que se modela no es un comportamiento tipo, sino una continuidad idiosincrática de respuestas. Esta apuesta quiebra la noción de que el comportamiento puede derivarse de unas pocas variables estructurales y sugiere, en cambio, que la coherencia subjetiva puede ser reconstruida algorítmicamente.
Evaluación del modelo: precisión, replicabilidad y sesgo
El rendimiento empírico del modelo es notable. Los agentes generativos lograron replicar con un 85 % de precisión las respuestas de sus homólogos humanos en encuestas como la General Social Survey. Aún más significativo es que este porcentaje se aproxima al nivel de autorreplicabilidad de los mismos participantes dos semanas después. En otras palabras, los agentes fueron casi tan coherentes con los sujetos como los propios sujetos consigo mismos.
En pruebas de personalidad (Big Five Inventory), el modelo obtuvo una correlación del 80 %, superando a modelos basados en datos demográficos o perfiles ficticios. En juegos económicos y éticos (dictador, confianza, bienes públicos, dilema del prisionero), el rendimiento bajó al 66 %, lo que sugiere que la simulación de estrategias cooperativas es más difícil que la de actitudes declarativas. No obstante, los agentes también demostraron reducir el sesgo de predicción entre distintos grupos políticos, raciales y de género, lo cual abre una ventana de posibilidad hacia una inteligencia artificial más equitativa en su representación.
Esto plantea un problema ontológico: ¿qué tipo de entidad es un agente generativo? ¿Un espejo deformado, un doble digital, una ficción performativa? La simulación genera conocimiento en la medida en que produce coherencia. Pero esa coherencia no está dada en el mundo: es fabricada. Por ello, el riesgo no es solo técnico, sino epistemológico. Confiar en agentes generativos es confiar en una narración algorítmica del sujeto. El problema no es que esa narración pueda ser falsa, sino que puede imponerse como única.
Manipulación, consentimiento y simulación en la era de la información
En la era de la información, el conocimiento se ha vuelto un recurso de control y predicción. Los agentes generativos se insertan en esta lógica: no solo permiten observar patrones de conducta, sino anticiparlos y eventualmente modificarlos. En este punto, el estudio de HAI Policy and Society entra en diálogo crítico con el artículo «Online Behavioural Advertising and Unfair Manipulation Between the GDPR and the UCPD»[1]. Este último denuncia cómo los sistemas de publicidad algorítmica personalizan los contenidos hasta el punto de interferir con la formación autónoma de la voluntad.
La simulación algorítmica de un sujeto real introduce nuevos retos y nuevas formas de vulnerabilidad: la posibilidad de ser representado sin consentimiento, de que otro hable en tu nombre con verosimilitud suficiente para engañar. En la revolución informacional, como ha advertido Zuboff[2], el sujeto ya no es solo consumidor de servicios, sino materia prima de predicción. Esta condición se radicaliza cuando el sujeto es simulado: el agente no solo extrae patrones, sino que puede suplantar la agencia misma.
El problema, entonces, no es sólo la protección de datos o el consentimiento inicial, sino la economía simbólica de la identidad digital. ¿Puede una persona controlar su yo simulado? ¿Tiene derecho a retirar el permiso de hablar por ella? Aunque insuficientes, las propuestas del estudio —establecer auditorías y accesos restringidos— articulan un comienzo. Se requiere repensar los marcos regulatorios desde una filosofía de la información que reconozca la nueva condición retórica del sujeto: su existencia como discurso replicable en bancos de datos.
Retórica de la representación: ¿quién habla cuando habla el agente?
El agente generativo no habla como una máquina que responde, sino como una voz que se presenta como otra. Esta característica lo sitúa en el centro del problema retórico: ¿es una cita, una imitación o una suplantación? Desde el punto de vista de la retórica clásica, podríamos decir que el agente ejecuta una prosopopeya algorítmica: da voz a alguien que no está presente, y lo hace con un grado de verosimilitud suficiente para confundir la representación con la presencia. El problema ya no es sólo ético o legal: es ontológico-discursivo.
Aquello que está en juego es la legitimidad de la enunciación. Cuando un agente simula la opinión política, la actitud emocional o la predisposición moral de un sujeto, está construyendo un ethos discursivo. Pero ese ethos, aunque derivado de datos reales, es producido por un modelo que reinterpreta, sintetiza y extrapola. En este sentido, el agente actúa como un nuevo tipo de portavoz automatizado, cuya autoridad no proviene del sujeto, sino del sistema que lo simula. En términos perelmanianos, podríamos decir que el agente interpela a una audiencia universal ficcional con el pathos de la coherencia estadística.
Este fenómeno abre una nueva fase en la historia de la representación: una en la que el simulacro retórico se confunde con el testimonio, y en la que la atribución de sentido se automatiza. La retórica de la inteligencia artificial no es un arte del discurso, sino un algoritmo de la credibilidad.
El digital lecho de Procusto
Simular al otro es uno de los actos más potentes y ambiguos de nuestra era. Nos permite ensayar escenarios, anticipar respuestas, modelar sociedades. Pero también nos enfrenta con los límites de nuestra comprensión del otro como sujeto, y no sólo como conjunto de datos. El estudio del HAI demuestra el poder de los agentes generativos, pero también nos obliga a interrogarnos sobre el tipo de mundo que construimos cuando confiamos en sus respuestas. El dilema tiene un modo retórico de reinterpretarse, a saber: ¿qué nuevas variables debemos considerar en la tácita pero constante práctica de justificar nuestras creencias?
Urge una educación crítica sobre las condiciones de producción de sentido en entornos algorítmicos. Debemos pensar la simulación no como una herramienta neutral, sino como una práctica retórica con efectos ontológicos
La revolución de la información ha mutado en una infocracia, donde el acceso, la manipulación y la replicación de datos sustituyen a la deliberación, la escucha y la responsabilidad. En este contexto, la figura del agente generativo cristaliza el dilema contemporáneo: una tecnología que puede esclarecer o suplantar, comprender o instrumentalizar. El debate no debe girar sólo en torno a qué pueden hacer estos agentes, sino a qué les estamos autorizando hacer en nuestro nombre.
Urge una educación crítica sobre las condiciones de producción de sentido en entornos algorítmicos. Debemos pensar la simulación no como una herramienta neutral, sino como una práctica retórica con efectos ontológicos. La inteligencia artificial progresa a una velocidad exponencial que desborda —y acaso desmantela— nuestras categorías tradicionales de comprensión. El pensamiento filosófico, la reflexión ética y la crítica social avanzan con paso deliberado, pero lento; la tecnología, en cambio, se precipita como una marea que no espera ser interpretada. Esta disparidad temporal genera una tensión estructural: mientras las máquinas aprenden a hablar, persuadir y decidir, nosotros apenas comenzamos a preguntarnos qué significa convivir con entidades cuya opacidad crece en proporción directa a su autonomía. Lo que está en juego no es sólo el futuro del trabajo o la privacidad, sino el régimen mismo de inteligibilidad bajo el cual hemos construido nuestras certezas.
Notas
[1] Galli, F. (2021). Online Behavioural Advertising and Unfair Manipulation Between the GDPR and the UCPD. En M. Ebers & M. Cantero Gamito (Eds.), Algorithmic Governance and Governance of Algorithms: Legal and Ethical Challenges (pp. 109–135). Springer International Publishing. https://doi.org/10.1007/978-3-030
[2] Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.
