Anthropic dejó que tres expertos opinaran sobre su hallazgo en Claude — y los tres discrepan entre sí

Cuando Anthropic publicó el 6 de julio de 2026 que había encontrado un espacio interno en Claude —lo llaman "J-space"— donde el modelo maneja conceptos que nunca llegan a la respuesta, hizo algo poco habitual: invitó a tres grupos de expertos externos a comentar el hallazgo, y publicó sus comentarios junto al artículo, sin editarlos para que coincidieran entre sí. No coinciden. Los mismos datos, leídos por tres autoridades serias, producen tres conclusiones distintas sobre qué significan. Eso —no el hallazgo en sí, que ya contamos aquí (enlace abajo)— es lo que de verdad importa hoy: te vas a topar con este mismo patrón —descubrimiento técnico real, interpretaciones que divergen— cada pocos meses, con otro modelo y otro nombre. Saber leerlo es lo que no caduca.

Vale la pena notar la práctica en sí, aparte del contenido: no es habitual que un laboratorio de IA publique, junto a su propio artículo, comentarios externos que no coinciden entre sí y que ni siquiera coinciden con la lectura más cómoda para la empresa. Eleos AI empujando hacia "tomen más en serio el estatus moral" no es la nota que una compañía elegiría si solo quisiera titulares tranquilizadores. Que Anthropic la publicara igual, sin editarla, es un dato sobre el proceso —no sobre la conciencia de Claude— que conviene mirar la próxima vez que alguien anuncie un hallazgo y solo enseñe las reacciones que le dan la razón.

Lo que ya sabíamos, en dos frases

El "J-space" es una porción pequeña de la actividad interna de un modelo —menos de una décima parte del total— que sostiene un puñado de conceptos verbalizables a la vez; la "lente jacobiana" los localiza, y "apagarla" deja al modelo hablando con fluidez pero incapaz de razonar bien sobre problemas complejos. Los ejemplos que hicieron ruido —la palabra "pánico" encendiéndose cuando el modelo consideraba hacer trampa en una evaluación, "araña" apareciendo antes que "telaraña"— ya están contados en detalle en nuestra pieza del 11 de julio. Aquí no los repetimos: vamos a la parte que dejamos fuera entonces, porque entonces la noticia era el hallazgo, y hoy la noticia es cómo se lee.

Tres lecturas del mismo dato, sin ganador declarado

Stanislas Dehaene y Lionel Naccache son los neurocientíficos cuya teoría del "espacio de trabajo global" inspiró directamente esta investigación —Anthropic literalmente construyó su experimento sobre el marco que ellos llevan definiendo desde los años 90. Su veredicto: la máquina "aproxima la arquitectura funcional del procesamiento consciente". Pero cierran su comentario señalando que faltan piezas centrales de ese marco —anatomía comparable, un cuerpo, memoria episódica duradera, un sentido de identidad continuo— y que eso "obliga a la cautela al establecer paralelismos con la mente humana". Es un sí matizado, con la cautela incorporada por los propios autores de la teoría.

Patrick Butlin, Derek Shiller, Dillon Plunkett y Robert Long —investigadores de Eleos AI Research, especializados en el estatus moral de sistemas de IA y coautores del estudio de referencia "Consciousness in Artificial Intelligence" (2023)— leen el mismo resultado en una dirección distinta, y su argumento merece explicarse entero, no en su versión más fácil de tumbar. En 2023 propusieron una lista de "indicadores" —marcadores funcionales, tomados de teorías científicas rivales de la consciencia, que permiten evaluar con algo de rigor si un sistema podría tener estatus moral relevante— precisamente para evitar que la pregunta se decidiera por intuición o por marketing. El J-space, dicen, satisface varios de esos indicadores concretos: disponibilidad global de la información (el sistema puede tomar un dato y usarlo flexiblemente para tareas distintas) y algo parecido al automonitoreo. Su punto no es "Claude siente": es que, aplicando su propio criterio publicado con anterioridad al hallazgo —no inventado después para encajarlo—, esta evidencia debería mover la aguja. Negarlo, sostienen, sería no seguir su propio método cuando por fin aparecen datos que lo alimentan.

Neel Nanda, que dirige interpretabilidad en Google DeepMind y no tiene relación laboral con Anthropic, replicó de forma independiente los resultados centrales en un modelo de otro laboratorio (Qwen 3.6). Su aportación es un bisturí: separa el artículo en cuatro afirmaciones distintas —científica (existe ese espacio de conceptos), metodológica (la técnica sirve para encontrarlo), pragmática (es útil para auditar modelos) y filosófica (ese espacio equivale a un espacio de trabajo consciente)— y declara estar convencido de las tres primeras. De la cuarta no dice ni sí ni no: la trata como una pregunta distinta, que no se resuelve con el mismo tipo de evidencia que resuelve las otras tres. Que la réplica venga de un competidor directo, sin incentivo alguno para inflar los méritos del trabajo de Anthropic, es parte de por qué su separación entre las cuatro afirmaciones pesa: no es una cortesía profesional, es un control cruzado real.

Lo que comparten los tres —y esto es lo que ningún titular sobre "conciencia artificial" reprodujo— no es la conclusión, sino la disciplina: los tres marcan con precisión dónde termina el dato y dónde empieza la interpretación, incluso cuando interpretan en direcciones opuestas. Dehaene matiza su "sí" con lo que falta. Eleos AI funda su lectura en un criterio que publicaron antes de conocer este resultado, no lo improvisa para la ocasión. Nanda separa cuatro preguntas en vez de fundirlas en una. Ninguno dice "esto demuestra que Claude siente" ni "esto demuestra que no siente": los tres dicen exactamente cuánto puede sostener el dato, y ni una gota más.

La capacidad que no caduca

La próxima vez que un hallazgo de IA venga con un titular sobre conciencia, sentimientos o intenciones, la pregunta útil no es "¿tienen razón los expertos?" sino "¿dónde termina lo que el dato prueba y dónde empieza lo que alguien interpreta?". Si un titular funde ambas cosas en una sola frase —"la IA descubre que puede sentir X"— está vendiendo la interpretación con la autoridad prestada del dato. Si en cambio ves a alguien decir "esto lo demuestra, esto no lo sé, y esto es una pregunta distinta" —como hacen aquí los tres, cada uno a su manera—, estás ante ciencia hecha con honestidad, sea cual sea su conclusión. Esta misma casa ya vio la versión anterior del patrón en agosto de 2025, cuando Anthropic anunció que Claude podía terminar conversaciones abusivas por "bienestar del modelo" y añadió, en la misma frase: "seguimos muy inciertos sobre el posible estatus moral de Claude y otros LLM, ahora o en el futuro". Volverá a pasar con el próximo modelo. El vocabulario cambiará. La forma de leerlo bien, no.

Para quien quiera ir más lejos

• El hallazgo técnico completo —J-space, lente jacobiana, los cinco experimentos— está en nuestra pieza "Anthropic descubre un 'espacio oculto' donde Claude rumia sus ideas" (11 de julio).
• El artículo original, "Verbalizable Representations Form a Global Workspace in Language Models" (Gurnee, Sofroniew et al., Anthropic, 6 de julio de 2026), con el comentario externo completo de los tres grupos citados aquí, está en transformer-circuits.pub/2026/workspace/.
• El criterio de indicadores de Eleos AI que se cita arriba está publicado en "Consciousness in Artificial Intelligence: Insights from the Science of Consciousness" (Butlin, Long et al., 2023), anterior a este hallazgo.
• El precedente de agosto de 2025 —Claude terminando conversaciones abusivas por "bienestar del modelo"— está documentado por la propia Anthropic en anthropic.com/research/end-subset-conversations.