Una startup busca curar el 'pensamiento de rebaño' de los modelos de IA
Si le pides a ChatGPT, Claude o Gemini "un número al azar entre 1 y 10", lo más probable es que los tres respondan lo mismo: 7. Ese pequeño experimento ilustra un problema mayor de los grandes modelos de lenguaje (LLM): tienden a dar respuestas sorprendentemente homogéneas ante preguntas abiertas. Una startup australiana llamada Springboards asegura tener una forma de romper ese "pensamiento de rebaño".
El problema de la homogeneidad
La falta de variedad de los LLM está documentada. Un grupo de investigadores publicó un estudio titulado "Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond)", que ganó el premio al mejor artículo en la conferencia NeurIPS 2025. En él probaron 25 modelos distintos, pidiéndoles 50 veces a cada uno que escribieran una metáfora sobre el tiempo. Los resultados fueron casi idénticos: la mayoría respondió variaciones de "el tiempo es un río" o "el tiempo es un tejedor".
La propuesta de Springboards
La empresa, fundada por Pip Bingemann (director ejecutivo) y Kieran Browne (cofundador y director de tecnología), desarrolló un modelo llamado Flint, construido sobre Qwen 3, un modelo de código abierto de la china Alibaba. Su objetivo es producir una mayor diversidad de respuestas.
El camino más obvio para lograrlo sería subir la "temperatura", el parámetro que controla la aleatoriedad de un modelo. "Obviamente, fue una de las primeras cosas que exploramos, porque eso es lo que todos te dicen: si quieres más creatividad, subes la temperatura" (traducción propia), explicó Browne. El problema es que ese ajuste generaba textos incoherentes. En lugar de eso, Springboards entrenó a Flint para identificar puntos específicos de una respuesta donde la variedad es útil —por ejemplo, al sugerir destinos de viaje— e introducir aleatoriedad de forma dirigida, y no en todo el texto.
La diferencia se nota en ejemplos concretos. Al pedir un eslogan para una campaña de zapatillas New Balance, tanto Claude como ChatGPT devolvieron "Run your way" ("Corre a tu manera"), mientras que Flint propuso "Built to last, run to win" ("Hecho para durar, corre para ganar").
A quién apunta
Springboards se dirige a profesionales de la publicidad y el marketing. Zoe Scaman, fundadora de Bodacious y directora de estrategia en 77X, probó Flint frente a los competidores tradicionales: "Me resulta muy útil para lanzarme en direcciones completamente distintas" (traducción propia). Advirtió que la herramienta "a veces falla cuando la exiges demasiado", pero elogió su premisa. Maximilian Weigl, de la firma de marketing Uncommon, lo resumió así: "No puedes crear algo que rompa límites con herramientas que te devuelven al promedio" (traducción propia).