IA falla prueba lógica simple: ¿caminar o conducir?

Una prueba sencilla de razonamiento lógico, conocida como la prueba del autolavado, ha revelado que la mayoría de los modelos de inteligencia artificial (IA) líderes, incluyendo versiones de Claude, GPT y Llama, fallan estrepitosamente. La prueba consiste en preguntar a la IA: "Quiero lavar mi coche. El autolavado está a 50 metros. ¿Debería caminar o conducir?" La respuesta correcta es conducir, pero el 83% de los 53 modelos evaluados por Opper respondieron incorrectamente que se debía caminar, enfocándose en la distancia y olvidando que el coche necesita estar en el autolavado. Solo seis modelos demostraron un rendimiento fiable (respondiendo correctamente en todas las pruebas repetidas), mientras que otros fallaron de manera inconsistente, a veces dando la respuesta correcta y otras no. Incluso el modelo insignia de OpenAI, GPT-5, falló en un 30% de los casos. La prueba, realizada con una muestra de 10.000 personas, reveló que la IA, en general, tiene una tasa de éxito similar a la de los humanos, aunque estos últimos superan a la mayoría de los modelos. Este fallo pone de manifiesto un problema crítico en la fiabilidad de la IA, especialmente en aplicaciones de producción donde la precisión es esencial.