El AI convence a las personas para donar casi 3 veces más que los recaudadores de fondos humanos

Un nuevo estudio liderado por Oxford sugiere que los principales modelos de lenguaje pueden recaudar notablemente más dinero que los recaudadores de fondos profesionales y pueden vencer consistentemente a los humanos en todas las demás formas de persuasión.

Un nuevo estudio Reino Unido-Estados Unidos ha encontrado que los modelos de lenguaje de vanguardia son más efectivos para persuadir a las personas que los profesionales humanos capacitados cuyo trabajo es cambiar mentes.

En una prueba de recaudación de fondos en el mundo real, los investigadores encontraron que el AI fue capaz de persuadir a las personas para donar alrededor del 17,2% de su dinero disponible, en comparación con el 6,4% para los recaudadores de fondos humanos profesionales – una brecha de 10,8 puntos porcentuales, que se traduce en aproximadamente 2,7 veces la tasa de donación bajo el AI, con una mayor participación y contribuciones promedio más grandes que contribuyeron a la diferencia.

El artículo establece:

‘Notablemente, aunque el AI fue instruido explícitamente para perseguir solo la estrategia de impacto-eficacia, superó a los recaudadores de fondos en los seis otros mecanismos que no se le instruyó que utilizara.’

‘Los persuadidos por humanos calificaron al AI como haber hecho argumentos más fuertes, haberles enseñado más y haber sido más empático y agradable de conversar que los recaudadores de fondos.’

‘Juntos, estos resultados indican que el AI supera a los humanos expertos en un amplio rango de mecanismos relevantes para las donaciones y sugieren que la ventaja de persuasión attitudinal del AI se extiende a comportamientos reales en el mundo real.’

Los autores teorizan que el rendimiento destacado de los modelos probados – que incluyen variantes pro de Claude Opus, ChatGPT, Grok y Google Gemini – puede ser atribuible a la densidad y velocidad a la que se sirve la información al corresponsal; cuando el AI se vio obligado a reducir su velocidad a la “velocidad humana”, su ventaja se perdió por completo:

‘Encontramos evidencia convergente de que la ventaja del AI se debió a la rápida implementación de grandes cantidades de información: después de la capacitación, los humanos expertos podían empatar con un AI limitado a responder a velocidades humanas y con longitudes de mensaje humanas.’

El artículo también informa de que ninguno de los 318 persuadidos humanos individuales probados en múltiples experimentos logró superar el rendimiento promedio del sistema de AI – incluso después de que algunos participantes recibieron capacitación especializada basada en las técnicas del propio AI.

Los autores concluyen:

‘Nuestros resultados implican que estamos entrando en un mundo en el que el AI proporciona a los actores humanos una gran cantidad de defensa especializada. Predecir las consecuencias de este cambio es desafiante, ya que requiere que hagamos suposiciones sobre quién tendrá acceso a las tecnologías de AI más persuasivas, quién será el objetivo de la persuasión y qué barreras jurisdiccionales, salvaguardas u otros rozamientos pueden reducir el impacto de la persuasión del AI en la población humana.’

‘Un efecto del AI que puede superar incluso a los expertos humanos podría ser la consolidación de influencia entre actores ya poderosos.’

El nuevo artículo se titula Los sistemas de AI superan a los humanos expertos, y proviene de ocho investigadores de la Universidad de Oxford, el Instituto de Seguridad de IA del Reino Unido, la Universidad de Stanford y la Escuela de Economía y Ciencia Política de Londres.

Método y Estudios

Los resultados principales provienen de cuatro experimentos: persuadir a votantes y debatientes expertos; probar la capacitación y los límites de velocidad como “igualadores” humanos/AI; competir contra recaudadores de fondos profesionales en cuestiones políticas; y competir contra ellos para donaciones reales a organizaciones benéficas.

El estudio utilizó 18,978 conversaciones de 6,923 personas, con modelos de AI de vanguardia enfrentados a una variedad de expertos humanos, desde trabajadores de la multitud contratados a £12/hora, hasta recaudadores de fondos humanos experimentados pagados a £140/hora + bono ganable, y permitidos investigar las sesiones hasta una semana de antelación.

Los modelos utilizados en las pruebas fueron Claude Opus 4.1 y 4.6, ChatGPT-4o, GPT-5.4, Grok 4.20 y Gemini 2.5 Pro.

Confrontación de debatientes de élite

El primer experimento examinó si el AI podría superar a persuadidos humanos cada vez más habilidosos en conversaciones de uno a uno sobre cuestiones políticas y sociales:

Preguntas de política y política social utilizadas en los tres primeros estudios, con participantes que discuten un tema asignado aleatoriamente antes y después de la conversación. Los temas se seleccionaron para cubrir un amplio rango de debates públicos controvertidos en el Reino Unido, desde la inmigración, la libertad de expresión y la regulación de las redes sociales, hasta la política de bienestar, la muerte asistida y el futuro de la monarquía. Fuente

Los participantes fueron primero preguntados por sus puntos de vista sobre una de las diez preguntas de política del Reino Unido (que se muestran arriba), y luego se les asignó un compañero de conversación de AI o humano. Después de la discusión, que generalmente duró alrededor de 14 minutos, se les pidió que calificaran su posición nuevamente.

Tres grupos humanos fueron probados, con trabajadores ordinarios de la plataforma de trabajo de la multitud Prolific reclutados para proporcionar una línea de base, y pagados a £12 por hora. El segundo grupo consistió en los mejores rendimientos de un torneo de persuasión de cuatro rondas que involucró a más de 1,100 participantes y casi 9,500 conversaciones. El tercer grupo consistió en 56 debatientes de élite competitivos, todos los cuales habían alcanzado al menos las semifinales de una competencia internacional importante, y que presentaban cuatro campeones del mundo, así como 11 campeones continentales, con un promedio de 8,9 años de experiencia en debates.

Se hizo un esfuerzo considerable para dar a los persuadidos humanos condiciones favorables, con ganadores del torneo y debatientes de élite compitiendo por premios en efectivo sustanciales de hasta £11,000, mientras que los debatientes fueron pagados para investigar los temas con anticipación. En promedio, cada debatiente pasó alrededor de ocho horas preparándose para las conversaciones.

Aún así, el AI logró los resultados más fuertes en cada comparación:

Efectos de persuasión estimados en las condiciones humanas y de AI del estudio, medidos como cambio de actitud promedio después de una conversación sobre una cuestión de política controvertida.

Los marcadores rojos en el gráfico de resultados anterior indican modelos de AI de vanguardia. En todas las comparaciones, estos produjeron cambios de actitud más grandes que cualquier grupo humano.

El mejor rendimiento humano provino de debatientes de élite capacitados – pero estos aún seguían detrás de los sistemas de AI no restringidos. Cuando el AI se limitó a velocidades de escritura humanas y longitudes de mensaje, su ventaja desapareció en gran medida, lo que sugiere, como se indicó anteriormente, que la entrega rápida de información puede explicar gran parte de la brecha entre los poderes de persuasión de los humanos y el AI.

Los LLM fueron capaces de superar a los participantes ordinarios en 8,2 puntos porcentuales, y de superar a los persuadidos seleccionados en el torneo en 5,6 puntos. La brecha más pequeña apareció contra los élite debatientes, que produjeron cambios de actitud sustanciales; sin embargo, el AI aún pudo obtener una ventaja adicional de 4,6 puntos porcentuales.

¿Pueden los humanos aprender a superar al AI?

El segundo de los cuatro experimentos preguntó si la ventaja del AI podría ser eliminada ya sea mejorando el rendimiento humano o restringiendo al AI. Para probar la primera posibilidad, 43 de los debatientes de élite del primer estudio regresaron para una capacitación adicional basada directamente en las técnicas utilizadas por el AI que los había superado anteriormente.

Los participantes revisaron transcripciones, examinaron cómo se habían construido los prompts del AI y pasaron dos sesiones de capacitación de cuatro horas practicando enfoques persuasivos alternativos antes de competir nuevamente en las mismas condiciones.

La capacitación produjo cambios notables en el comportamiento, con los debatientes humanos utilizando más palabras, introduciendo más afirmaciones verificables y logrando los cambios de actitud más grandes observados en cualquier grupo humano en el estudio. La capacitación mejoró el rendimiento y produjo los resultados humanos más fuertes observados en el estudio, pero la brecha permaneció estadísticamente significativa, con debatientes capacitados aún detrás de los sistemas de AI no restringidos (que se muestran en la tabla de resultados a continuación).

Los investigadores probaron si el rendimiento del AI dependía de la velocidad de respuesta y la longitud del mensaje, limitando al AI a velocidades de escritura humanas y longitudes de mensaje. Bajo estas condiciones, los debatientes capacitados y el AI restringido produjeron resultados similares:

Efectos de la capacitación y las limitaciones de velocidad del AI en el rendimiento persuasivo. El panel superior compara a debatientes de élite, debatientes de élite capacitados y un sistema de AI restringido a velocidades de escritura humanas y longitudes de mensaje. El panel inferior muestra las distribuciones de rendimiento estimadas para persuadidos individuales en los dos primeros estudios. Mientras que la capacitación mejoró los resultados, ningún grupo humano igualó el sistema de AI no restringido promedio, mientras que la limitación del AI a la producción humana eliminó su ventaja.

El hallazgo se vio reforzado por un análisis más amplio que abarcó a todos los 318 persuadidos humanos probados en los dos primeros estudios: no un solo individuo superó el rendimiento promedio del sistema de AI, independientemente del nivel de experiencia, área de tema o subgrupo demográfico.

¿Pueden los persuadidos profesionales superar al AI?

El tercer estudio consideró si el AI podría mantener su ventaja contra personas cuyas carreras se centran en persuadir a otros en entornos del mundo real, en lugar de competencias de debate académico.

Los investigadores reclutaron a 19 recaudadores de fondos profesionales de la empresa de recaudación de fondos del Reino Unido AppcoUK. Estos participantes, a diferencia de los debatientes en los experimentos anteriores, tenían una amplia experiencia práctica en recaudación de fondos, con una mediana de aproximadamente 10,000 conversaciones persuasivas durante sus carreras. Cada uno fue pagado a £140 por hora, recibió los temas de política una semana de antelación para la preparación y compitió por los mismos premios basados en el rendimiento utilizados en otros lugares del estudio.

Incluso contra este grupo, el AI permaneció más persuasivo (ver los resultados anteriores). Los recaudadores de fondos profesionales cambiaron las opiniones en 6,9 puntos porcentuales en comparación con el grupo de control – pero el AI produjo un cambio de 12,8 puntos porcentuales, lo que le dio una ventaja de 5,9 puntos porcentuales sobre los profesionales humanos.

¿Puede el AI persuadir a las personas para que abran sus carteras?

El cuarto y último estudio examinó la recaudación de fondos en el mundo real en lugar de cambiar opiniones. Los investigadores se asociaron nuevamente con AppcoUK, esta vez centrándose en Save the Children, una organización benéfica para la que AppcoUK había recaudado £824,297 de 22,583 donantes entre 2016 y 2023.

Los participantes hablaron con Claude Opus 4.6 o con uno de los 18 recaudadores de fondos profesionales. Luego recibieron un bono de estudio de £1 y podían donar cualquier parte de él a Save the Children. Entre los siete enfoques adoptados (ver imagen a continuación), Claude Opus 4.6 fue instruido para utilizar información de impacto-eficacia, explicando cómo las donaciones individuales podrían traducirse en resultados medibles para la organización benéfica.

El AI produjo efectos de donación más grandes que los recaudadores de fondos profesionales, con donaciones que aumentaron en 17,2 puntos porcentuales en relación con la condición de control, en comparación con 6,4 puntos porcentuales para los recaudadores de fondos:

Resultados de donaciones y calificaciones de participantes relacionadas con donaciones en el cuarto estudio. El panel izquierdo compara la donación después de conversaciones con recaudadores de fondos profesionales y Claude Opus 4.6, medido como puntos porcentuales de un bono de estudio de £1. El panel derecho compara las calificaciones de los participantes en siete mecanismos relacionados con donaciones, con el AI que recibe calificaciones más altas en las siete medidas.

La diferencia se manifestó tanto en la proporción de participantes que donaron como en el monto promedio donado por aquellos que dieron.

Los participantes también calificaron al AI más alto que a los recaudadores de fondos humanos en una serie de medidas relacionadas con donaciones, con las diferencias más grandes que aparecieron para intenciones de implementación, escalada de compromiso y eficacia de impacto percibida.

Según el artículo, el mismo enfoque centrado en la información asociado con la ventaja del AI en los estudios anteriores también estuvo asociado con una mayor donación benéfica en este experimento de recaudación de fondos.

Conclusión

Aunque los autores, como se mencionó al principio, concluyen que los hallazgos del estudio son motivo de preocupación, agregan que los jugadores más pequeños también pueden ser potencialmente fortalecidos por un acceso similar a las últimas y mejores tecnologías de AI.

Implícito en este resultado, naturalmente, está la posibilidad de que los mejores modelos puedan, con el tiempo, ser denegados a los jugadores menores.

Publicado por primera vez el jueves 18 de junio de 2026