IA supera creatividad humana media pero se queda lejos del talento creativo superior
Hecho Qué ha ocurrido
Un equipo de investigadores de la Universidad de Montreal comparó la creatividad de más de 100.000 humanos con modelos de IA líderes (GPT-4, Claude, Gemini) usando la Tarea de Asociación Difusa. Los resultados muestran que algunos modelos, como GPT-4, superaron la puntuación media de creatividad humana en pensamiento divergente, pero los humanos más creativos (top 10%) siguen superando a todos los modelos de IA testeados. También se demostró que la creatividad de la IA depende mucho de parámetros técnicos como la temperatura y la redacción de instrucciones.
Resumen generado mediante IA a partir de Wired en Español. Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Este estudio proporciona evidencia cuantitativa sobre las capacidades y límites reales de la IA en creatividad, crucial para directivos que evalúan cuándo y cómo integrar IA en roles creativos. Demuestra que la IA no sustituirá el talento creativo superior, sino que funciona mejor como herramienta amplificadora cuando se ajusta correctamente.
- Quién se ve afectado
- Equipos creativos, agencias de publicidad, estudios de diseño, desarrolladores de contenido y directivos de marketing que consideran adoptar IA para tareas creativas.
- Qué puede cambiar
- Las decisiones sobre automatización creativa deben diferenciarse entre tareas de creatividad media (donde la IA puede competir) y trabajo de alto nivel (donde requiere supervisión humana). Los ajustes de parámetros técnicos se vuelven críticos para optimizar resultados creativos en proyectos reales.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Seguir cómo las empresas creativas integran estos hallazgos en sus flujos de trabajo y qué impacto tiene en la productividad real versus las expectativas iniciales. Monitorear si surgen nuevas técnicas de prompt engineering que mejoren significativamente la creatividad de IA en tareas más complejas.
Recomendación Qué debería hacer una empresa
Las empresas con equipos creativos deberían evaluar en los próximos 6-12 meses en qué tareas específicas la IA puede acelerar procesos (brainstorming inicial, variaciones) versus dónde requieren creatividad de alto nivel, y establecer marcos claros de supervisión humana para cada caso.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Wired en Español. La referencia es siempre el artículo original.
Ver fuente original ↗LLMpensamiento divergenteajuste de temperatura OpenAIAnthropicGoogle DeepMindUniversidad de Montreal benchmarks creatividad herramientas LLM pensamiento divergente
Relacionadas
La IA reduce a la mitad el tiempo para escribir código, pero una cuarta parte de las contribuciones son de baja calidad
Un informe de la Fundación Linux señala que la IA reduce en un 52% el tiempo de escritura de código. Aun así, el 25% de las solicitudes de incorporación de…
Por qué importaLos equipos de desarrollo ganan velocidad al escribir código, pero el coste de revisión y verificación se traslada a los responsables de calidad, lo…
Microsoft presenta DxO, una IA de diagnóstico que supera a médicos generalistas en su propio test
Microsoft describe Diagnostic Orchestrator (DxO), un sistema basado en GPT-5.5 de OpenAI que formula preguntas, pide pruebas y emite diagnósticos por etapas…
Por qué importaMuestra que la IA puede organizar el razonamiento clínico paso a paso y reducir el gasto en pruebas, aunque las cifras todavía no son una validación…
Microsoft usa la verificación del estado de una base de datos como recompensa para entrenar agentes de IA
Microsoft publicó ThinkingBox-Training, un método que usa como recompensa de aprendizaje por refuerzo la comprobación ejecutable del estado final de la base de…
Por qué importaMuestra una forma concreta de mejorar la fiabilidad de agentes que modifican registros de negocio, un punto crítico para empresas que los quieran…
El MIT desarrolla una IA que analiza estructuras cristalinas en 3D para identificar materiales prometedores
Investigadores del MIT desarrollaron un modelo que combina estructuras atómicas tridimensionales con descripciones en lenguaje natural, descrito en Nature…
Por qué importaSi se confirma su utilidad, podría acortar la búsqueda de materiales que hoy requiere años de prueba y error, algo relevante para empresas de…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.