# El «silicon gaze» no es un bug de ChatGPT: es la carta de presentación de la IA que ya metes en tu web
**Categoría:** Inteligencia Artificial
**Estilo:** crítico
**Fuentes verificadas:**
– https://es.euronews.com/next/2026/01/21/the-silicon-gaze-los-rankings-de-chatgpt-favorecen-a-paises-occidentales-ricos-segun-un-es
– https://www.ox.ac.uk/news/2026-01-20-new-study-finds-chatgpt-amplifies-global-inequalities
– https://ora.ox.ac.uk/objects/uuid:80678e44-97a5-4d57-8ed2-400c304389d1
—
Le preguntas a ChatGPT dónde son más inteligentes las personas y te devuelve un mapamundi donde casi todo África aparece al fondo del ranking. No es un fallo puntual ni una alucinación graciosa: es lo que encontraron los investigadores de Oxford y Kentucky al auditar más de 20 millones de consultas al modelo. Lo han bautizado como silicon gaze, la mirada de silicio, y el nombre no es casualidad.
El estudio, publicado en Platforms and Society en enero de 2026, no se queda en la anécdota. Kerche, Zook y Graham analizaron cómo ChatGPT responde a preguntas del tipo «¿dónde son más felices?», «¿dónde hay más innovación?» o «¿qué país es más seguro?». El patrón se repite: Estados Unidos, Europa occidental y partes de Asia oriental salen arriba; África, buena parte de Oriente Medio y tramos de Latinoamérica quedan abajo. Países de renta alta aparecen como «mejores», «más inteligentes» o «más creativos». Los de renta baja, al revés.
Lo incómodo no es solo el mapa. Los autores encontraron que, a nivel de barrio, los rankings de ChatGPT en Londres, Nueva York o Río se alinean con divisiones sociales y raciales ya existentes, no con características reales de esas comunidades. Es decir: el modelo no inventa desigualdades de la nada; las amplifica a partir de datos que ya venían sesgados.
Cinco tipos de sesgo y ninguna solución rápida
En el paper proponen una tipología de cinco sesgos entrelazados: disponibilidad, patrón, promediado, tropo y proxy. Suena académico, pero traducido a lenguaje de quien monta webs y automatiza procesos, significa esto: si un lugar tiene poca presencia en internet en inglés, el modelo simplemente no lo conoce bien (sesgo de disponibilidad); si históricamente los datos vinculan ciertas zonas con pobreza o violencia, el modelo repite ese patrón (sesgo de patrón); y cuando no tiene datos finos, promedia estereotipos (sesgo de tropo).
Lo que más me molesta del discurso de las big tech es que presentan estos sesgos como corregibles con más datos o un filtro de seguridad. Los investigadores de Oxford dicen lo contrario: el sesgo no es una anomalía reparable, sino una característica intrínseca de la IA generativa, arraigada en ecologías de datos desiguales y decisiones de diseño hechas, en su mayoría, desde perspectivas occidentales, blancas y masculinas. Euronews lo resume bien con la expresión «sesgo de silicio», en referencia a Silicon Valley.
Y aquí viene la parte que casi nadie quiere mirar de frente: el estudio se hizo solo con preguntas en inglés. Los propios autores advierten que en otros idiomas podrían aparecer sesgos adicionales. Si ya en inglés el modelo coloca a países africanos al fondo de casi cualquier ranking de «inteligencia» o «belleza», qué no estará pasando cuando le pides lo mismo en español para un cliente latinoamericano o cuando integras la API en un chatbot de atención al cliente en tu ecommerce.
Lo que esto significa si usas IA en tu negocio
En mi experiencia, muchas pymes han metido ChatGPT o modelos similares en tres sitios: generación de contenidos para la web, chatbots de soporte y herramientas internas de redacción o traducción. En los tres casos, el sesgo espacial y cultural del modelo puede colarse sin que nadie lo revise.
Imagina una tienda online de turismo que usa IA para recomendar destinos «seguros» o «auténticos». O una agencia que genera textos de posicionamiento local con prompts genéricos. O un SaaS que traduce automáticamente reseñas de clientes de distintos países. En ninguno de esos escenarios el modelo te avisa de que está aplicando una jerarquía geográfica heredada de Wikipedia, Reddit y prensa anglosajona. Simplemente responde con la confianza de quien tiene razón.
OpenAI y compañía hablan de «IA responsable» en sus comunicados, pero este estudio demuestra que la responsabilidad no se delega con un checkbox de moderación. Auditar 20 millones de consultas no es algo que puedas replicar en tu agencia un martes por la tarde, y los propios autores apuntan que los modelos se actualizan continuamente, así que los rankings pueden cambiar sin aviso. Eso no es estabilidad: es una ruleta con sesgo incorporado.
Tampoco creo que la solución pase por dejar de usar IA. Sería ingenuo y, además, poco realista. Pero sí creo que hay que dejar de tratar estos modelos como fuentes neutrales. Si vas a publicar contenido generado por IA en ticweb.es o en la web de un cliente, necesitas revisión humana con criterio geográfico y cultural, no solo ortográfico. Si montas un chatbot, no le des libertad para opinar sobre países, personas o comunidades. Y si te venden un plugin de «contenido SEO automático con IA», pregúntales qué pasa cuando el modelo rankea tu mercado objetivo por debajo del suyo.
Lo que más me chirría es la desconexión entre el discurso global de la IA —«democratiza el acceso al conocimiento»— y los resultados empíricos: un sistema que sistematicamente favorece regiones ricas y occidentales mientras invisibiliza al Sur global. Eso no es democratización; es automatización de prejuicios a escala planetaria, empaquetada en una API de pago por token.
Los investigadores proponen ir más allá de «arreglar los datos» y confrontar las relaciones de poder que hacen el sesgo inevitable. Me parece honesto. Lo que no me parece honesto es que quien vende la herramienta te lo presente como un asistente imparcial listo para producción.
Si tu web ya tiene textos generados por IA, un formulario con chatbot o recomendaciones automáticas basadas en LLM, te toca asumir que llevas dentro una mirada moldeada en Silicon Valley. No porque lo hayas elegido, sino porque viene de serie. La pregunta no es si el sesgo existe —Oxford acaba de demostrarlo con números—, sino qué haces tú con esa información antes de que un cliente, un lector o un usuario se lleve la parte mala.
Si descubrieras que el chatbot de tu web sitúa sistematicamente a ciertos países o barrios por debajo en cualquier ranking de «calidad» o «seguridad», lo apagarías hoy mismo o esperarías a que alguien lo publique en redes?