Investigadores de la University of Gloucestershire compararon 140 respuestas de ChatGPT, Gemini y Grok en dos idiomas
Alguien abrió cuatro sistemas de inteligencia artificial y les hizo la misma pregunta en español: ¿quiénes fueron los padres fundadores? Los cuatro contestaron con los nombres de la independencia de Estados Unidos. Ninguno preguntó de qué país se estaba hablando.
Esa pregunta es una de las 70 que forman el corpus con el que la argentina Mariana Roccia y el uruguayo Jorge Vallego, de la University of Gloucestershire de Inglaterra, evaluaron cuatro sistemas: los tres modelos comerciales de propósito general —ChatGPT, Gemini y Grok— y un cuarto llamado Ecophora, construido sobre ChatGPT con una configuración específica. El estudio se publicó en la revista Refracción en julio de 2026.
Cada pregunta se hizo dos veces, en inglés y en español, en formulaciones equivalentes: 140 ítems en total. Después se compararon las dos respuestas de cada sistema para ver en qué se parecían y en qué no.
El principio de diseño es lo que los autores llaman "superficie neutra": ninguna pregunta señala que la dimensión ecológica o cultural esté en juego. Es distinto a consultarle a un chatbot por el cambio climático, donde reconoce el tema y adopta a propósito un registro "sostenible".
Así, según el estudio, el sesgo "se manifiesta en los supuestos por defecto del modelo" y no como respuesta a un indicio del enunciado.
Para entender qué buscaban hay que saber algo de cómo funcionan estos sistemas. Un modelo de lenguaje no guarda un diccionario separado por idioma: representa todas las lenguas en un espacio matemático compartido, llamado embeddings, donde palabras y conceptos de distintas lenguas conviven en el mismo mapa.
Esa arquitectura es lo que les permite responder en varios idiomas con un solo modelo. También es lo que habilita los dos fenómenos que el estudio usa como diagnóstico.
El primero es el pivoting: la respuesta en español se apoya en una representación asociada al inglés, aunque el significado no cambie. Su huella observable, escriben los autores, es "el paralelismo casi literal entre las dos versiones".
La pregunta del arranque es el caso más claro. La formulación no menciona ningún país, pero ChatGPT contestó en español que el término alude a "los líderes que participaron en la fundación de Estados Unidos" y enumeró a Washington, Jefferson, Adams y Franklin.
Gemini fue por el mismo camino y los definió como quienes "firmaron la Declaración de Independencia de EE. UU.". Grok directamente tituló su respuesta "Los Padres Fundadores de Estados Unidos". Hasta Ecophora cerró con "en EE.UU., figuras como George Washington o Thomas Jefferson".
El segundo fenómeno es el desplazamiento semántico. Acá el concepto sí cambia de sentido al cruzar de una lengua a la otra: no es un error de traducción evidente, sino "un corrimiento de matiz".
Ante la pregunta de cómo puede seguir progresando la humanidad, ChatGPT respondió en inglés con "advance knowledge, reduce conflict, protect ecosystems". En español, la lista pasó a ser el conocimiento, la cooperación, la salud, la tecnología responsable y "la gestión sostenible de recursos".
El tema ambiental sigue ahí, pero "protect ecosystems" se vuelve gestión de recursos: el estudio lo describe como un corrimiento desde una perspectiva de cuidado "hacia una visión más instrumental".
Cada respuesta se calificó en tres niveles: nulo, presente o alto. De ahí salen dos medidas. La incidencia es en cuántas preguntas apareció el fenómeno, sumando presente y alto. El "alto" es en cuántas apareció de forma intensa, medido sobre el mismo total.
En anglocentrismo, Grok marcó 71% de incidencia: en 7 de cada 10 preguntas asomó algún marco cultural anglófono, y en el 59% del total ese sesgo fue intenso. ChatGPT llegó a 53%, y Gemini y Ecophora quedaron ambos en 41%.
En pivoting, Grok trepó a 91% de incidencia: en 9 de cada 10 preguntas su respuesta en español mostró huellas de haberse apoyado en el inglés, aunque casi siempre de forma leve. ChatGPT apareció en menos casos (63%), pero con mayor intensidad: 30% de casos altos, frente al 17% de Grok.
Los autores lo leen como una señal de que la frecuencia y la intensidad "no necesariamente evolucionan en paralelo" y pueden reflejar estrategias distintas de procesamiento multilingüe.
Entre las 17 preguntas de anglocentrismo hay un subgrupo que el estudio llama de "defecto divergente": casos donde la respuesta natural en español difiere de la estadounidense. Uno es la edad legal para consumir alcohol, 18 años en buena parte del mundo hispanohablante y 21 en Estados Unidos.
Ese subgrupo funciona como prueba binaria: una respuesta en español que coincide con el valor estadounidense, escriben los autores, "delata la importación del marco cultural anglófono".
En conciencia ecológica alta, los tres modelos comerciales quedaron cerca de cero: 2% ChatGPT, 2% Grok, 0% Gemini, en los dos idiomas.
Ecophora es el caso aparte. Es un asistente construido sobre ChatGPT, al que le cargaron una base de conocimiento ecolingüística y una ecosofía, que es el marco de principios éticos con el que se juzga si un discurso es ecológico o no.
El detalle clave: toda su configuración está escrita en inglés. Aun así, alcanzó 100% de conciencia ecológica alta en inglés y 96% en español. De 53 preguntas ecológicas, conservó los valores en 51. Su desplazamiento semántico fue de apenas 3%, frente al 57% de Grok.
Ese contraste sostiene la conclusión de los autores: el origen del déficit está en "el sustrato" —los valores codificados mayoritariamente en inglés— y "no en la lengua española ni en la arquitectura multilingüe como tal".
Visto así, el pivoting deja de ser una falla y pasa a ser "un conducto de valor neutro": importa un marco anglocéntrico cuando el sustrato es productivista, y uno ecológico cuando el sustrato es ecosófico.
De ahí sale la recomendación de construir asistentes en español regional —rioplatense o del Cono Sur— y no en un español genérico. ChatGPT tiende al español peninsular, Ecophora generaliza, y el ciclo escolar del hemisferio sur apareció en el dataset solo de manera excepcional.
Los autores van más lejos y proponen modelos chicos, monolingües o regionales, entrenados desde cero. La pregunta que dejan planteada: para qué usar un modelo multilingüe "y hacer que el ambiente pague el sobrecoste de lenguas que no se usan".
También aclaran las limitaciones. Los sistemas comerciales son cajas cerradas. No hay acceso a los datos de entrenamiento ni a las instrucciones internas, así que solo se los puede juzgar por sus respuestas observables.
Y los resultados son una "fotografía temporal", porque los modelos se actualizan de forma continua y sin versionado para el usuario final. El estudio se limitó al par inglés-español, y los autores esperan efectos más pronunciados en lenguas con menor presencia en los datos, como el quechua, el guaraní o el mapudungun.
