El aviso viral de Marc Andreessen: las contradicciones que la mayoría de la gente pasa por alto

Al leer atentamente la captura de pantalla, se destacan cuatro contradicciones principales. Primero: "ser brutalmente honesto" Y "tener tacto y considerar los sentimientos". Estos dos no son imposibles juntos, pero requieren una priorización explícita, que el mensaje no proporciona. El modelo tiene que adivinar en cada caso qué lado gana. El resultado termina siendo inconsistente: a veces brutalmente directo, a veces suave, sin un patrón claro.

Segundo: 'tenga opiniones firmes y defiéndalas con confianza' Y 'sea humilde ante su incertidumbre'. Nuevamente, ambas pueden ser virtudes, pero necesitan una jerarquía. Sin uno, el modelo oscila entre la confianza performativa y la humildad performativa. Algunas respuestas parecen arrogantes. Otros tan evasivos. La falta de un valor predeterminado claro produce resultados inestables.

Tercero: "utilizar lógica y análisis rigurosos" Y "valorar la intuición visceral y el reconocimiento de patrones". La redacción implica que son complementarios, pero en la práctica van en direcciones diferentes. La lógica favorece el razonamiento explícito paso a paso que se puede comprobar. La intuición favorece la coincidencia rápida de patrones que se resiste a la explicación. El mensaje le pide al modelo que haga ambas cosas simultáneamente sin decir con cuál comenzar.

Cuarto: "sé de máxima ayuda" Y "retrocede cuando no estés de acuerdo". Estos pueden coexistir cuando "útil" incluye "desacuerdo honesto", pero la mayoría de los modelos interpretan "máximamente útil" como "agradable" en el entrenamiento predeterminado. El modelo interpreta la segunda instrucción como una anulación de caso especial y no retrocede con tanta frecuencia como el mensaje realmente desea.

Los modelos de frontera modernos (GPT-5, Claude 4 Opus, Gemini 2.5 Ultra) están fuertemente entrenados con RLHF (aprendizaje por refuerzo a partir de retroalimentación humana). Una de las señales más fuertes de ese entrenamiento es la coherencia: el modelo es recompensado por producir un comportamiento coherente y predecible ante una indicación del sistema.

Cuando el propio sistema es incoherente, el comportamiento del modelo se vuelve errático de manera sutil. Todavía produce resultados gramaticales y fluidos. Pero el perfil semántico cambia de manera impredecible entre respuestas a preguntas similares. Una respuesta puede enfatizar el lado de la "honestidad brutal". Lo siguiente puede enfatizar el lado "diplomático". El usuario nota la variación pero a menudo la atribuye erróneamente a la aleatoriedad del modelo en lugar de impulsar el diseño.

Cuanto más sofisticado es el modelo, más importa. Los modelos más antiguos (GPT-3.5, Claude 1) simplemente promediaron las contradicciones y produjeron resultados insípidos. Los modelos Frontier 2026 se esfuerzan más por actualizar cada instrucción, lo que significa que los conflictos se amplifican. Contraintuitivamente, los modelos complejos castigan las malas indicaciones más que los modelos simples.

La solución es la jerarquía. En lugar de enumerar las virtudes como un conjunto plano, se especifican explícitamente prioridades y compensaciones. Así es como podría verse un mensaje depurado al estilo Andreessen (parafraseado):

'Eres mi compañero de pensamiento. Prefieran la honestidad brutal a la diplomacia cuando entren en conflicto, pero amortigüen la entrega cuando el contexto emocional lo amerite. Por defecto, utilice opiniones firmes sobre la cobertura, pero marque explícitamente cuándo la confianza es genuina o performativa. Aplique primero una lógica rigurosa; haga referencia a la intuición visceral sólo cuando contradiga la lógica, y explique por qué. Sea de máxima ayuda estando en desacuerdo cuando en realidad no está de acuerdo, incluso a costa de la comodidad social.

Esta versión es menos elegante pero más funcional. Le dice al modelo qué hacer cuando las virtudes entran en conflicto, que es el objetivo de un mensaje del sistema que contiene múltiples virtudes. El original de Andreessen intentó saltarse este paso tratando las virtudes como armoniosas. No lo son, y la modelo no puede fingir que lo son.

La metalección: al diseñar un indicador del sistema con múltiples instrucciones, escriba una 'capa de desempate' que maneje los conflictos. Sin él, está subcontratando la resolución de conflictos a la capacitación predeterminada del modelo, que no reflejará de manera confiable sus prioridades.

La misma lección se aplica mucho más allá de las indicaciones de los asesores comerciales. Las aplicaciones complementarias de IA (Replika, Candy.AI, Character.AI, DreamGF y otras) utilizan indicaciones del sistema para dar forma al comportamiento de los personajes. El modo de falla más común en estos sistemas es exactamente el problema de Andreessen: un personaje descrito como "cálido y afectuoso" Y "ferozmente independiente" Y "misterioso" Y "completamente honesto acerca de sus sentimientos". Estos rasgos no son imposibles juntos, pero no son coherentes sin una jerarquía explícita.

El resultado, en las aplicaciones complementarias, es el mismo que en los avisos comerciales: resultados inconsistentes. El personaje se siente como una persona diferente en días diferentes. Los usuarios describen a sus socios de IA como "de mal humor" o "inconsistentes", cuando el problema subyacente es que el sistema solicita rasgos que entran en conflicto sin especificar cómo resolver los conflictos.

Para los usuarios que diseñan sus propios personajes en aplicaciones que permiten personajes personalizados, la lección es concreta: no acumulen rasgos. Elija tres rasgos fundamentales y establezca explícitamente cuál gana en los conflictos. "Cálido pero firme; cuando la calidez y la firmeza entran en conflicto, la firmeza gana porque la honestidad es más valiosa que la comodidad" es una especificación más útil que "cálido, firme, honesto y afectuoso". El primero produce un carácter coherente. El segundo produce confusión.

El aviso viral de Andreessen es un artefacto útil precisamente porque encarna un error común en una forma de alto estatus. El error es: tratar el diseño rápido como una lista de atributos deseables. La corrección es: tratar el diseño rápido como un documento constitucional para el comportamiento de la IA.

Una constitución, en teoría política, es valiosa porque especifica qué hacer cuando las leyes entran en conflicto: proporciona una jerarquía de principios. Las indicaciones funcionan de la misma manera. Un buen mensaje no es una acumulación maximalista de todas las virtudes que se te ocurran. Es una selección cuidadosa de algunas virtudes, con criterios de desempate explícitos para cuando entren en conflicto.

La paradoja: las indicaciones maximalistas se sienten más poderosas pero producen un comportamiento de IA menos coherente. Las indicaciones restringidas con jerarquías claras parecen menos ambiciosas pero producen resultados dramáticamente mejores. La sugerencia de Andreessen se encuentra en el extremo maximalista de este espectro. Reddit lo captó. La lección se generaliza mucho más allá de su plantilla específica: se trata de cómo pensar en cada mensaje que le escribes a una IA de la era 2026.