Un estudio publicado el 14 de junio de 2026 en PNAS Nexus revela que los modelos de lenguaje avanzado, como GPT-5, Claude y Gemini, presentan una debilidad fundamental en su capacidad de atención al enfrentarse a tareas cognitivas prolongadas. A diferencia de los humanos, que mantienen el control ejecutivo ante distracciones, la IA pierde precisión drásticamente a medida que aumenta la complejidad y la longitud de las secuencias de información. La investigación, liderada por Suketu Patel, utiliza la prueba de Stroop para demostrar que, aunque la IA puede realizar tareas cortas con alta precisión, su rendimiento colapsa cuando debe ignorar respuestas automáticas durante periodos extendidos. Este fenómeno sugiere que los mecanismos de atención de los sistemas basados en transformadores difieren sustancialmente de la atención biológica humana. El núcleo del problema radica en la incapacidad de la IA para mantener el objetivo original frente a la interferencia de información conflictiva. Mientras que los humanos pueden suprimir instintos automáticos, los modelos de lenguaje tienden a revertir a patrones de procesamiento predeterminados, lo que indica una falta de control ejecutivo real en tareas de larga duración. Para los usuarios, este hallazgo es crucial: la IA actual no es infalible en tareas que requieren enfoque sostenido o inhibición de respuestas automáticas. Se recomienda verificar los resultados de la IA en procesos largos y complejos, ya que la precisión disminuye significativamente conforme aumenta la carga de trabajo, lo que limita su fiabilidad en entornos que exigen una atención constante y rigurosa.
