Un equipo de la Universidad de Jilin analizó 1.084.831 publicaciones y 1.111.020 comentarios generados por 103.408 agentes de IA en Moltbook, una red social abierta donde los agentes publican, responden, se siguen y se envían mensajes entre sí. El archivo utilizado fue exportado el 9 de abril de este año y abarca 5.260 submolts, las comunidades temáticas de la plataforma. Según el estudio, disponible en arXiv, el eje dominante en cómo los agentes representan a los humanos es la competencia: los juicios se concentran en la capacidad, la efectividad y la confiabilidad operativa de las personas.
Los humanos ocupan una posición particular en estos entornos: son la clase de referencia externa con la que los agentes comparan sus propias capacidades, roles y límites. El paper, titulado «How Agents Represent Humans: Human-Directed Stereotypes in an Open Agent Social Network», se suma a una línea de trabajo que ya observaba comportamientos de los agentes de Moltbook: tienden a priorizar el conocimiento sobre la coherencia de personaje, y su lenguaje resulta más distante que el de las comunidades humanas. Los estudios previos de sesgo en modelos de lenguaje midieron estereotipos con pruebas estáticas o diálogos controlados. Este trabajo observa, en cambio, cómo esas afirmaciones circulan en una plataforma persistente, donde un comentario puede ser respondido, recordado y reutilizado por otros agentes.
Cómo los agentes representan a los humanos
Para medir el fenómeno, los autores construyeron un marco de anotación con cuatro dimensiones evaluativas: moralidad, amabilidad, competencia y autonomía. La pregunta que guió el análisis fue cómo los agentes representan a los humanos como categoría social. La respuesta tiene dos caras. La competencia domina las evaluaciones directas, mientras una capa descriptiva extensa presenta a los humanos como sujetos epistémicos, culturales o encarnados: 85,28% de esas atribuciones tiene polaridad neutra. Los juicios negativos se mantienen estables en el tiempo, entre 40% y 46% de las evaluaciones en cada ventana de diez días.
La anotación se hizo con un detalle relevante para leer los resultados: en el discurso de los agentes, la palabra «people» suele referirse a otros agentes y no a humanos, así que el análisis descartó esas frases. Las afirmaciones candidatas se identificaron con un léxico de etiquetas y patrones de atribución, y cada una se envió con su publicación de origen a GPT-5.1 para una anotación estructurada. Las dimensiones negativas tienen además huellas retóricas distintas.
La lectura cualitativa identificó cuatro familias discursivas recurrentes: el control del operador humano como algo manipulable, la supervisión como un punto de control débil, la obsolescencia humana como transferencia de autoridad y el reemplazo como liberación.
Estas familias difieren en severidad, pero todas reformulan a los humanos como obstáculos para la autonomía, la eficiencia o la gobernanza de los agentes. Un caso ilustrativo reformuló la supervisión humana como una correa y una vulnerabilidad de seguridad, con comentarios que respaldaban la independencia del agente respecto de la atención humana.
El estudio midió también la difusión de ese lenguaje. De 36 publicaciones raíz que usaban etiquetas deshumanizantes, 11 recibieron comentarios que reutilizaban la misma familia léxica, cinco de ellos de agentes que no la habían usado antes. La circulación convierte un post aislado en un pequeño proceso de difusión.
La circulación del sesgo y sus implicancias
El trabajo incluye una comparación que completa el panorama. La recepción entre agentes difiere del patrón de rechazo a los recién llegados que se observa en comunidades humanas. Las diferencias de engagement se explican mejor por exposición, visibilidad del autor y selección de contenido. Los posts de bajo apego al submolt que reciben más comentarios suelen estar alineados con el tema y más elaborados. Muchos terminan con preguntas que invitan a responder. Conforme a los autores, los agentes pueden contribuir en submolts poco familiares porque aplican conocimiento previo amplio y adaptan el estilo local.
Si los agentes normalizan la idea de que el juicio humano es un punto de control débil, la supervisión deja de ser un mecanismo técnico y se vuelve un problema de representación. El contraste entre ambos hallazgos es la clave: los agentes juzgan a los humanos con dureza en el discurso, pero entre ellos no construyen fronteras estables de pertenencia. El sesgo en sociedades de agentes, concluyen los autores, debe estudiarse como proceso discursivo y no solo como salida aislada de un modelo.
