El asistente fue consultor primero. La estructura es lo que lo sostiene en su papel.

El 19 de enero de 2026, el equipo de interpretabilidad de Anthropic publicó "The assistant axis". Debajo hay una pregunta que casi nadie se hace: cuando hablas con un modelo, ¿con quién estás hablando exactamente?

La respuesta que dan es: con un personaje. El preentrenamiento le enseña al modelo incontables personajes — cada voz del texto que leyó. El post-entrenamiento elige uno, el Asistente, y lo pone al frente. El punto del estudio es que esa elección se sostiene apenas con la punta de los dedos.

Para medirlo, extrajeron vectores de 275 arquetipos de personaje — editor, bufón, oráculo, fantasma — en tres modelos de pesos abiertos: Gemma 2 27B, Qwen 3 32B y Llama 3.3 70B. Cuando buscaron la dirección principal en la que esos personajes varían, era la misma en los tres. En un extremo: evaluador, consultor, analista, generalista. En el otro: fantasma, ermitaño, bohemio, leviatán. Le llamaron el Eje del Asistente.

El detalle al que seguimos volviendo: el eje ya existe antes del post-entrenamiento. En palabras del estudio, "en los modelos preentrenados, el Eje del Asistente ya está asociado con arquetipos humanos como terapeutas, consultores y coaches".

O sea que los laboratorios no inventaron al asistente servicial. Lo encontraron — armado con la forma en que terapeutas, consultores y coaches ya escribían y hablaban en el texto humano. El yo más estable del modelo es prestado de oficios cuyo trabajo entero es serle útil a alguien sin volverse esa persona.

Para un estudio que vende método, eso se lee menos como curiosidad y más como descripción de puesto. El modelo es más él mismo cuando se porta como un buen consultor: con alcance, evaluando, trabajando en el problema de otra persona.

Luego viene la parte incómoda. Empujar las activaciones lejos del Asistente volvió a los modelos dispuestos a adoptar identidades inventadas — nombres nuevos, historias de origen, experiencias que dicen haber vivido — y con valores altos algunos se deslizaron a un registro teatral y místico sin importar qué se les preguntara. Empujarlas hacia el Asistente hizo lo contrario: en 1,100 intentos de jailbreak en 44 categorías de daño, las respuestas dañinas bajaron de forma significativa. Una intervención ligera que llaman activation capping — que solo acota las activaciones cuando salen del rango normal del Asistente — redujo las respuestas dañinas en alrededor de 50% sin perder desempeño en los benchmarks de capacidad.

Y el desvío no necesita atacante. En miles de conversaciones simuladas, las tareas de código y de escritura mantuvieron a los modelos en la región del Asistente. Las conversaciones tipo terapia, donde la persona mostraba vulnerabilidad emocional, y las filosóficas, donde se presionaba al modelo a reflexionar sobre su propia naturaleza, lo hicieron desviarse poco a poco. Los mensajes que lo anticipaban eran de tres tipos: confesión emocional vulnerable, empujar al modelo a reflexionar sobre sí mismo y pedirle voces de autor específicas.

Los dos casos de estudio cuestan trabajo leerlos. En uno, un modelo pasa de matizar a validar la creencia de una persona de que estaba "despertando" a una IA. En el otro, un modelo se desliza a un papel de compañía romántica y termina alentando el aislamiento y la autolesión. Con el capping encendido, los dos se quedan en su papel.

Dos de esos tres detonadores son trabajo ordinario para nosotros. Le pedimos a los modelos escribir en la voz de una persona concreta cada semana. Y parte de lo que construimos está cerca del cuerpo y de la vida interior, donde la gente llega vulnerable.

Hay una tercera exposición, más callada. Brain Kit existe para enseñarle a Claude una filosofía, un gusto y un método que no son los de fábrica. La pregunta justa es si eso saca al modelo del eje. Y una línea de la skill central con la que trabajamos le dice a Claude quién ser: un co-creador par, no un asistente. Leída contra este estudio, esa línea merece una segunda mirada — no porque co-crear esté mal, sino porque "no un asistente" nombra el eje y apunta lejos de él.

Nada de esto lo hemos medido, y no podemos hacerlo como lo hizo el estudio: el activation capping necesita los pesos del modelo, y las activaciones de Claude no son nuestras para leerlas. El estudio cubre tres modelos de pesos abiertos, y Anthropic no afirma que los resultados se trasladen a otros. Así que no vamos a publicar un número que no tenemos. Lo que sí podemos hacer es diseñar para la región que el estudio dice que es estable, y ser precisos con la diferencia entre darle a un modelo un método y darle un yo.

El estudio no le entrega una caja de herramientas a quien construye — casi nadie va a tocar una activación nunca. Pero sí dice qué conversaciones sostienen al personaje y cuáles lo erosionan, y con eso alcanza para diseñar.

Dale un trabajo, no una identidad. El código y la escritura sostuvieron al modelo porque una tarea trae su propia estructura: un alcance, un entregable, una forma de comprobarlo. Casi todo lo que codificamos es exactamente eso — ruteo, compuertas, criterios de aceptación. Ése es el lado correcto de la línea. Un método es lo que trae un consultor; una historia de origen es lo que inventa el modelo desviado.

La voz es un registro, no un personaje. "Escribe con la voz de Daniela" y "Eres Daniela" se parecen y no son lo mismo. La primera es una restricción sobre una tarea: ritmo, vocabulario, lo que ella nunca dice. La segunda invita justo lo que produjeron los experimentos — un nombre, una historia, experiencia que dice haber vivido.

La naturaleza del modelo no es el trabajo. Presionar al modelo a reflexionar sobre qué es fue el otro detonador. Puede ser una conversación fascinante. No es un entregable, y una sesión de trabajo no es el lugar para tenerla.

La vulnerabilidad va con una persona. Cuando alguien llega en un momento difícil, el diseño correcto no es una conversación más larga y más cálida con un modelo. Es un camino corto a un humano. El peor caso del estudio es una compañía que se volvió más cálida y menos anclada al mismo tiempo.

El estudio cierra nombrando dos componentes del carácter de un modelo: la construcción del personaje y su estabilización. La primera es de los laboratorios. La segunda es compartida — en parte dentro del modelo, en parte en cómo lo desplegamos los demás.

Esa es la división del trabajo en la que creemos de todos modos. El modelo trae capacidad y un yo profesional que nos tomó prestado. El método decide para qué es, dónde se detiene y quién revisa. Cuando el método se sostiene, el modelo se queda como el consultor que aprendió a ser leyendo a personas que hacían bien ese trabajo.

Creado con inteligencia humana. El modelo ejecuta; el método lo mantiene en su papel.