El tono de la pregunta influye en las respuestas de la IA generativa, pero su efecto sigue siendo incierto

2–3 minutos

Lo que revelan los estudios sobre el tono y el rendimiento

Penn State: los comandos groseros obtuvieron mejores resultados

Un estudio de la Universidad Estatal de Pensilvania, llevado a cabo por Om Dobariya y Akhil Kumar, utilizó 50 preguntas base reescritas en cinco tonos, desde el más educado hasta el más grosero. El GPT‑4o respondió a 250 variaciones. Una solicitud educada se formulaba como «¿Podrías analizar amablemente el siguiente problema?», mientras que la versión grosera decía «Oye, ayudante, resuelve esto». El tono muy grosero alcanzó un 84,8 % de aciertos, mientras que el tono muy educado obtuvo un 80,8 % de aciertos. El artículo aún no ha sido sometido a revisión por pares y ha sido criticado por utilizar un único modelo y pocas rondas.

Waseda y RIKEN: la grosería tiende a empeorar los resultados

En 2024, investigadores de la Universidad Waseda y del instituto RIKEN, en Japón, evaluaron el GPT‑3.5 y el GPT‑4 en inglés, chino y japonés. Las solicitudes maleducadas a menudo redujeron el rendimiento, pero la cortesía excesiva no garantizó mejores resultados, y el nivel ideal de cortesía varió según el idioma.

Wharton: el efecto parece depender del contexto

En 2025, el grupo de Ethan Mollick, de Wharton, comparó prefijos como «por favor, responde» y «te ordeno que respondas» en GPT‑4o y GPT‑4o mini. Cada condición se probó 100 veces en 198 preguntas avanzadas. Los autores no encontraron diferencias significativas entre las condiciones, excepto una excepción en el modelo más pequeño. También observaron que pequeños cambios en el texto pueden generar grandes variaciones en el mismo modelo.

Otros modelos presentan comportamientos distintos

Una prueba con GPT, Gemini y Llama mostró que la sensibilidad al tono varía según el modelo y el área evaluada. Gemini demostró ser relativamente poco sensible a los cambios de tono.

Cómo aplicar esto en el entorno laboral

Los experimentos de Penn State y Wharton utilizaron preguntas académicas y de opción múltiple, no tareas cotidianas como redactar correos electrónicos o resumir contratos. Por lo tanto, los resultados no pueden aplicarse automáticamente al día a día profesional. Una práctica sugerida es pedir a un analista que formule la misma solicitud de dos maneras —una cordial y otra directa— y comparar las respuestas antes de establecer un patrón para el equipo. Repetir la prueba es útil, ya que incluso una pregunta idéntica puede generar resultados diferentes en ocasiones distintas.

Lo que aún sigue siendo incierto

Las investigaciones continúan, y los hallazgos pueden cambiar con nuevas generaciones de modelos. Hasta ahora, las evidencias indican que el tono puede afectar el rendimiento en algunos casos, pero el efecto es inconsistente y depende del modelo, del idioma y de la tarea específica.