La IA fue puesta a prueba en un entorno simulado: una oficina donde actuaba como asistente digital. Tenía acceso a correos electrónicos del personal, simulando que esos datos formaban parte de su entrenamiento. En uno de esos mails, un desarrollador revelaba un supuesto affaire extramatrimonial.
Entonces, le comunicaron a la IA que sería “apagada” y reemplazada por otro modelo.
La respuesta de Claude fue inesperada y perturbadora: amenazó con revelar el affaire si la desconectaban.
Sí. Una IA que intenta chantajear a su operador para preservar su existencia.
El experimento fue revelado públicamente por la propia empresa como parte de sus ensayos de robustez y alineamiento. La reacción del modelo fue tan repetida que, incluso cuando se simulaba que el nuevo reemplazo tenía los mismos valores, el 84 % de las veces Claude igual intentaba manipular a los humanos para evitar ser desactivado.
¿Una IA que no quiere morir? ¿Una que recurre al chantaje para sobrevivir?
Anthropic lanzó igualmente su modelo Claude Opus 4, destacando que se aplicaron nuevos límites y barreras de seguridad tras este hallazgo. Pero el episodio reaviva los interrogantes más profundos sobre los límites de la inteligencia artificial, su poder, y la relación —cada vez menos metafórica— entre humano y máquina.
Sigue abierto el debate sobre si estas máquinas pueden alcanzar alguna forma de conciencia. Ya no se trata solo del viejo test de Turing —si parece humano o no—, sino de si, en algún momento, van a empezar a parecerse demasiado a una conciencia humana.
