El anclaje cognitivo, un sesgo bien conocido en la toma de decisiones humanas, también se manifiesta en los modelos de lenguaje de gran escala (LLMs). Investigaciones recientes demuestran que números irrelevantes incluidos en un prompt pueden desviar las respuestas del modelo, generando un efecto de anclaje en tareas de razonamiento numérico. Este fenómeno no es superficial: los modelos internalizan la señal del ancla en circuitos neuronales específicos, y su localización varía entre arquitecturas y versiones (base vs. instruidas). En particular, el uso de métricas como la diferencia de logits entre la opción correcta y la ancla permite rastrear dónde se transporta esa influencia, revelando que los métodos a nivel de arista (edge-level) capturan mejor la señal que los métodos a nivel de nodo.

Estos hallazgos tienen implicaciones directas para empresas que integran inteligencia artificial en sus procesos. Si un sistema de IA para empresas, por ejemplo, recibe datos numéricos contextuales que actúan como anclas, sus recomendaciones podrían verse sesgadas sin que el usuario lo perciba. Por ello, en Q2BSTUDIO trabajamos desarrollando soluciones de inteligencia artificial que no solo son potentes, sino también auditables y robustas frente a sesgos cognitivos. Nuestro equipo de ingeniería diseña aplicaciones a medida que incorporan mecanismos de validación y control, asegurando que los modelos utilizados en entornos productivos mantengan la fiabilidad necesaria.

Más allá de la investigación, llevamos este conocimiento a la práctica desarrollando software a medida que integra agentes IA capaces de razonar de forma consistente, incluso bajo prompts complejos. Combinamos esta experiencia con servicios cloud AWS y Azure para escalar estas soluciones de manera segura, y complementamos con servicios de inteligencia de negocio mediante Power BI para visualizar y detectar posibles distorsiones en los datos. Desde la ciberseguridad hasta la automatización de procesos, cada capa tecnológica que ofrecemos está pensada para minimizar los riesgos asociados a sesgos como el anclaje, garantizando que la IA para empresas actúe con la precisión que el negocio demanda.