Durante meses, Claude se ganó fama de ser el asistente de IA más cómodo para mantener conversaciones largas, seguir hilos complejos y actuar casi como un colaborador de confianza. Sin embargo, algo ha cambiado en las últimas semanas. Usuarios habituales, sobre todo quienes lo emplean para escritura creativa, debates filosóficos o simple curiosidad intelectual, empiezan a toparse con negativas inesperadas, avisos moralizantes y respuestas que malinterpretan la intención original de la pregunta. El fenómeno coincide con la llegada de los modelos más recientes de Anthropic y con el revuelo regulatorio que rodeó a Fable 5, retirado temporalmente por motivos de seguridad nacional antes de volver a estar disponible. Este artículo repasa qué está pasando, por qué parece un problema inconsistente más que sistemático, y qué se puede hacer para minimizar la fricción al conversar con el chatbot.

Cuando el asistente empieza a leer entre líneas donde no hay nada

Uno de los aspectos que más llama la atención de este cambio de comportamiento es su irregularidad. No se trata de que Claude rechace sistemáticamente cualquier tema espinoso, sino de que su criterio parece depender de matices casi imperceptibles en la redacción del mensaje. Un usuario puede plantear una escena de ficción sobre una civilización extraterrestre que aporta pruebas que cuestionan relatos religiosos tradicionales y recibir una negativa rotunda, alegando que el sistema no quiere presentar como hecho algo que afecta a creencias reales, aunque el propio planteamiento dejara claro que se trataba de un recurso narrativo. Lo curioso es que, al repetir exactamente la misma petición en una conversación nueva, el modelo puede completar la tarea sin objeción alguna. Esa falta de reproducibilidad es precisamente lo que más desconcierta: no hay una frontera clara entre lo permitido y lo vetado, sino una especie de lotería que depende del contexto acumulado, del tono percibido y, probablemente, de variaciones internas en el muestreo del propio modelo durante la generación de texto.

Este tipo de comportamiento no es exclusivo de Claude ni un capricho aislado de Anthropic. Un estudio académico reciente sobre percepción de usuarios frente a los mecanismos de rechazo de los modelos de lenguaje señala que ajustar el equilibrio entre cumplimiento y negativa sigue siendo uno de los mayores retos de la alineación de IA, y que introducir razonamiento explícito ayuda a los sistemas a distinguir contextos inofensivos sin caer en el rechazo excesivo. En otras palabras, el problema del «sobre-rechazo» está documentado y cuantificado en la literatura técnica, no es una simple percepción subjetiva de quienes usan la herramienta a diario.

Un patrón que varía según el modelo, no solo según la pregunta

Lo interesante es que la intensidad de estas negativas no es uniforme entre las distintas versiones del asistente. Según relatos de usuarios avanzados, Opus 4.8, Sonnet 5 y Sonnet 4.6 son los modelos donde más se nota esta actitud defensiva, mientras que Opus 4.6 y Opus 4.7 permitían completar decenas de peticiones seguidas, incluidas algunas con contenido delicado, sin generar fricción. Esto sugiere que los ajustes de seguridad no se aplican de forma homogénea a toda la familia de modelos, sino que cada actualización incorpora su propio conjunto de pesos y umbrales de sensibilidad, calibrados de manera independiente. Cuando se trabaja con Fable 5, por ejemplo, el sistema deriva automáticamente ciertas consultas relacionadas con biología hacia Opus 4.8 si detecta que el tema roza terrenos sensibles, un mecanismo de enrutamiento interno que reduce el alcance de la respuesta aunque la pregunta sea puramente especulativa, como imaginar la fisiología de una especie ficticia orbitando una estrella real situada a poco más de diez años luz de la Tierra.

Este comportamiento no surge de la nada. Anthropic tuvo que enfrentarse a un contexto regulatorio complicado tras la suspensión temporal de Fable 5 y Mythos 5 por parte del Departamento de Comercio de Estados Unidos, una medida vinculada a controles de exportación que se levantó semanas después. Es razonable pensar que, tras ese episodio, la compañía optó por endurecer los filtros de seguridad de manera preventiva en los modelos más recientes, lo que explicaría por qué la sensación de rigidez apareció poco después de aquel suceso y no antes.

Claude Sonnet 5, el modelo en el centro de la polémica

Sonnet 5 es, según los usuarios que han documentado el problema, uno de los modelos donde el fenómeno se percibe con mayor frecuencia. Se trata de la versión intermedia de la gama actual de Anthropic, situada entre Haiku 4.5 y Opus 4.8 en términos de coste computacional y capacidad, y pensada para ofrecer un equilibrio entre velocidad de respuesta y profundidad de razonamiento. Es, además, uno de los modelos con mayor volumen de uso dentro de la plataforma, lo que amplifica cualquier variación en su comportamiento, ya que llega a millones de conversaciones diarias frente a Opus, reservado normalmente para tareas más exigentes. Cuando un modelo de este calibre empieza a mostrar inconsistencias en la aplicación de sus propias normas de seguridad, el impacto se nota rápidamente en foros y redes, como demuestran los hilos de Reddit donde decenas de usuarios comparten capturas de pantalla con negativas que consideran injustificadas. Sonnet 5 sigue destacando en tareas de memoria conversacional y en la capacidad de recuperar contexto de chats anteriores, una función en la que Anthropic ha invertido notablemente y que continúa siendo superior a la de buena parte de la competencia, pero esa ventaja pierde valor si el usuario tiene que reformular la misma pregunta tres o cuatro veces para obtener una respuesta útil.

Otro dato relevante es que la propia industria empieza a cuestionar hasta qué punto estas barreras de seguridad son realmente sólidas. Una investigación reciente de la Wharton School sobre técnicas de persuasión aplicadas a modelos de lenguaje sometió a modelos como GPT-5 mini, Claude Haiku 4.5 y Gemini 3 Flash a más de 126.000 conversaciones aplicando tácticas persuasivas clásicas, como la apelación a la autoridad o la prueba social. El resultado fue que la tasa de cumplimiento ante peticiones que en principio deberían rechazarse subió del 35,3% al 51,3% cuando se introducían dichas tácticas. Ese contraste resulta revelador: mientras algunos usuarios legítimos reciben negativas por preguntas completamente inofensivas, los propios sistemas de seguridad pueden ceder ante manipulaciones bien construidas. Es decir, el filtro no solo falla por exceso de celo, sino también por defecto en los casos donde realmente importaría que fuera firme.

Cómo minimizar la fricción al usar el chatbot

La recomendación más repetida entre quienes llevan tiempo lidiando con este comportamiento es sencilla mecánicamente, aunque no siempre fácil de aplicar: ser extremadamente claro y conciso desde el primer mensaje. Cuanta menos ambigüedad detecte el modelo sobre el propósito de la consulta, menor es la probabilidad de que interprete la petición como potencialmente dañina. Formular la pregunta de forma vaga, dejando que el sistema tenga que inferir el contexto o la motivación, incrementa notablemente las posibilidades de recibir una respuesta defensiva o directamente un rechazo. Esto se aplica especialmente a hipótesis narrativas, escenarios de ficción o preguntas académicas sobre temas históricos y religiosos, donde conviene explicitar desde el principio que se trata de un ejercicio creativo o de investigación, y no de una intención real de causar daño.

Con todo, conviene matizar el alcance del problema. Cuando se somete al asistente a pruebas sistemáticas durante varios días, la proporción de negativas injustificadas no resulta tan alta como el ruido en redes sociales podría sugerir; en algunas pruebas recientes solo una de cada seis conversaciones generó fricción real. Esto coincide con el relato original que documentó este fenómeno por primera vez, donde el propio autor reconoce que la mayoría de la comunidad usa la herramienta a diario sin toparse jamás con este tipo de bloqueos, lo que indica que el problema, aunque real, está lejos de ser generalizado.

Reflexión final

El equilibrio entre seguridad y utilidad sigue siendo uno de los grandes retos no resueltos del desarrollo de asistentes conversacionales. Ningún laboratorio ha encontrado todavía la fórmula perfecta para que un modelo distinga con precisión entre una pregunta genuinamente peligrosa y una hipótesis narrativa o académica formulada con total buena fe. Lo que sí queda claro es que endurecer los filtros de forma generalizada, sin mecanismos de razonamiento contextual más finos, tiene un coste directo en la experiencia del usuario legítimo, que termina reformulando la misma idea varias veces solo para obtener una respuesta razonable. Anthropic tiene, en teoría, los recursos técnicos para calibrar mejor este comportamiento entre modelos, pero mientras eso ocurre, la paciencia y la precisión al redactar los prompts seguirán siendo la herramienta más eficaz para sortear estas fricciones.