Según arXiv q-fin, investigadores han comenzado a sustituir a sujetos humanos en experimentos de ciencias del comportamiento y política por agentes de inteligencia artificial, especialmente para reducir costos en comparación con grupos de participantes en laboratorio. Este cambio, sin embargo, falla en escenarios estratégicos: tanto humanos como modelos de inteligencia artificial toman decisiones distintas, y aunque se han aplicado técnicas como el entrenamiento con datos reales o la definición de personalidades, el vacío entre sus decisiones persiste. Desde que Simon introdujo la noción de racionalidad limitada, la literatura de economía del comportamiento ha modelado el comportamiento estratégico humano como una base clásica más un término aditivo δ. En este trabajo, δ se interpreta como la firma matemática de una limitación computacional: la diferencia entre lo que un agente sin límites computacionales calcularía y lo que un agente con recursos limitados realmente produce. En juegos estandarizados cuyas soluciones están presentes en los corpuses de entrenamiento, los modelos de inteligencia artificial recuperan y combinan información de esos conjuntos, ignorando así la barrera que genera δ en humanos. Esta interpretación se amplía a modelos derivados por razonamiento: su capacidad de pensar estratégicamente en niveles k es limitada por el presupuesto de cálculo y la longitud del contexto, no por las restricciones cognitivas que afectan a los seres humanos. En consecuencia, el δ que estos modelos generan, si lo hacen, presenta patrones estructurales distintos. Para distinguir entre el δ humano y el δ artificial, se proponen cuatro pruebas operativas: dependencia condicional, asimetría distributiva, dependencia por repetición y robustez frente a reformulaciones. Se anticipa que el tamaño de δ aumente en entornos donde las señales de los competidores son individuales, alcanzando un umbral cuantitativo de Cohen's d ≥ 0.5 entre situaciones con oponentes nombrados y oponentes agregados.
Para los lectores peruanos, este hallazgo implica una reflexión clave sobre la confiabilidad de los datos que se usan en decisiones económicas y sociales. Si los modelos de inteligencia artificial no capturan el razonamiento humano en sus decisiones estratégicas, cualquier análisis que se base en su predicción debe considerar que está ausente el componente emocional, el sesgo cognitivo o la experiencia personal. En contextos como el mercado de valores, donde las decisiones individuales influyen en el comportamiento colectivo, el uso de IA como sustituto puede distorsionar el entendimiento de las dinámicas reales. Por ejemplo, una inversión basada en un modelo que ignora el sesgo de aversión al riesgo de un inversor peruano podría resultar en una estrategia poco realista. Por tanto, es esencial que los profesionales de finanzas, administración o inversión validen sus supuestos con datos reales de comportamiento humano, no solo con simulaciones digitales. La diferencia entre lo que el modelo "calcula" y lo que el humano "elige" sigue siendo un espacio crítico, no una mera diferencia técnica.