¿Amable con la IA?

Hay buenas razones para tratar a la IA con respeto. Pero un "por favor" no garantiza mejores respuestas.

Un trato objetivo y respetuoso hacia la IA puede justificarse como norma de comunicación humana y organizacional. La investigación aporta una serie de mecanismos parciales comprobados experimentalmente, en particular efectos de transferencia a corto plazo de las interacciones con bots sobre los juicios humanos y la cooperación. Sin embargo, actualmente no existe evidencia experimental directa a largo plazo de que la corrección cortés de una IA que ha cometido un error por parte de una persona directiva mejore la cultura del equipo ante los errores.

La afirmación técnica secundaria de que los prompts corteses siempre producen mejores respuestas ha sido refutada por estudios con resultados contrarios. Para los modelos actuales, el tono puede influir en los resultados, pero la dirección del efecto depende del modelo y del formato de la tarea (Yin et al., 2024; Dobariya & Kumar, 2025, 2026). La afirmación social constituye otro objeto de investigación (Tey et al., 2024; Harrell & Traeger, 2025).

El dictamen en cinco frases

La cortesía no es un truco para los prompts. Es una cuestión de cómo nos tratamos.

• En las preguntas de conocimiento factual, "por favor" no mejora la exactitud de forma general; los prompts groseros pueden obtener mejores resultados en ensayos pequeños.

• Las interacciones con bots pueden influir a corto plazo en cómo las personas juzgan a otras personas o cooperan con ellas.

• La descortesía entre personas puede propagarse entre equipos y niveles jerárquicos; el efecto de observar cómo se trata a los robots sigue dos vías.

• El comportamiento de los superiores influye en la comunicación de errores y la adopción de la IA; el efecto específico de su tono hacia una IA que ha cometido un error sigue sin estudiarse.

• Las respuestas cálidas de los modelos no equivalen a fidelidad a la verdad; la validación excesiva puede empeorar los juicios y la disposición al conflicto.

"Amable" no es lo mismo que "claro", y una IA cordial no es lo mismo que una IA honesta.

El lenguaje cotidiano suele equiparar "amable", "cortés", "respetuoso" y "cordial". Los estudios no lo hacen. Para formular una tesis verificable, la forma lingüística, el contenido informativo, el comportamiento del modelo y las consecuencias sobre la conducta humana deben operacionalizarse por separado.

Por tanto, existen al menos tres variables de resultado distintas: (1) respuestas correctas de la IA, (2) comportamiento y juicio de quienes la utilizan y (3) normas sociales del equipo. Una misma intervención no tiene por qué mejorar las tres. El estudio de Nature sobre modelos entrenados para mostrar calidez se refiere expresamente al comportamiento de respuesta del sistema, no a la cortesía de un prompt individual de una persona usuaria (Ibrahim et al., 2026).

Cada eslabón tiene respaldo por separado. La cadena completa todavía no.

Eslabón A: reacción de la dirección ante los errores

Quien aborda los errores con calma recibe más informes de errores.

Tesis: La forma en que los superiores manejan los errores influye en si el personal comunica sus dificultades.

Mecanismo: Informar de un error supone un riesgo personal; el comportamiento observado de la dirección modifica las sanciones esperadas y la seguridad psicológica.

Evidencia: Edmondson (1996) observó ocho unidades de enfermería estadounidenses; Leroy et al. (2012) analizaron 54 equipos belgas; van Dyck et al. (2005) estudiaron 65 organizaciones neerlandesas y 47 alemanas.

Consecuencia: Analizar de forma visible los errores de la IA, comprobar las fuentes y reconocer las propias omisiones de verificación; no presentar como demostrado el efecto específico relacionado con la IA.

Valoración de la evidencia: Bien respaldada para la cultura humana ante los errores; la transferencia a la IA sigue abierta.

Eslabón B: la grosería se transmite entre personas

La grosería se contagia, al menos entre personas.

Tesis: Un tono despectivo puede tener efectos que se extiendan más allá de las interacciones y los niveles jerárquicos.

Mecanismo: El aprendizaje social, las normas interpretativas y la activación a corto plazo de conceptos relacionados con la descortesía pueden moldear nuevas reacciones.

Evidencia: Mawritz et al. (2012): 288 grupos de trabajo, 1.423 empleados, 295 superiores; Foulk et al. (2016): tres estudios de campo y de laboratorio.

Consecuencia: No tratar el lenguaje en la empresa como un asunto secundario sin consecuencias; no obstante, los hallazgos se refieren, en primera instancia, a las relaciones entre personas.

Valoración de la evidencia: Relación y mecanismos experimentales bien respaldados; sin transferencia automática a la IA.

Eslabón C: las acciones hacia las máquinas son socialmente observables

El maltrato a una máquina no pasa inadvertido. Unos se suman y otros sienten compasión.

Tesis: El maltrato de una máquina puede ser interpretado por terceros como una acción social.

Mecanismo: La observación activa normas permisivas ("esto está permitido") o empatía y rechazo moral.

Evidencia: Gong y Huang (2026) estudiaron N = 200 y N = 320 en experimentos basados en videos; se midieron principalmente intenciones hacia robots.

Consecuencia: No afirmar que toda persona que observa adopta la grosería. Ambas vías deben mantenerse como mecanismos contrapuestos.

Valoración de la evidencia: Demostrada experimentalmente para las intenciones de reacción hacia robots; no se midió el comportamiento humano en equipos.

Eslabón D: el contacto con bots influye en el comportamiento humano posterior

Cómo nos trata un bot influye a corto plazo en cómo tratamos a las personas.

Tesis: Las experiencias con interlocutores artificiales pueden modificar de forma inmediata los juicios y la cooperación posteriores hacia personas.

Mecanismo: El contexto de interacción social y la estrategia del interlocutor modifican las expectativas, la empatía y las decisiones posteriores.

Evidencia: Tey et al. (2024): N = 1.261 en dos experimentos en línea prerregistrados; Harrell y Traeger (2025): N = 4.171 y 83.411 decisiones.

Consecuencia: La interacción con la IA puede tener efectos sociales secundarios; su dirección depende del tipo de interacción.

Valoración de la evidencia: Bien respaldada para efectos a corto plazo; el efecto duradero y la transferencia de "por favor" siguen abiertos.

Eslabón E: el comportamiento de la dirección respecto a la IA transmite normas

Los equipos observan cómo su jefa o jefe utiliza la IA.

Tesis: El uso de la IA y el apoyo a esta por parte de la dirección se relacionan con el uso y la autoeficacia del personal.

Mecanismo: El ejemplo de conducta, el apoyo percibido, los recursos y la reducción de la incertidumbre pueden modificar el comportamiento del personal.

Evidencia: Pu et al. (2026): 294 trabajadores del este de China más 382 participantes experimentales; Kim et al. (2025): 381 empleados surcoreanos; Cisco/Gallup: hallazgos empresariales de apoyo con transparencia limitada sobre las muestras.

Consecuencia: Al introducir la IA, abordar no solo las directrices, sino también el comportamiento visible de verificación y corrección.

Valoración de la evidencia: Relaciones respaldadas; no se ha comprobado la explicación específica relativa al tono y los errores.

La conexión global y su principal laguna

Nadie ha probado directamente si un tono duro hacia la IA empeora la cultura del equipo ante los errores.

La síntesis es la siguiente: cuando una persona directiva corrige a una IA delante de otras personas, el personal podría reconocer en ello un modelo general de reacción ante los errores. Esta afirmación no se deriva de forma lógicamente necesaria de los eslabones. Observar una máquina no equivale a observar errores humanos, y quienes observan pueden rechazar expresamente el comportamiento grosero. Según los trabajos originales examinados aquí, no se ha probado directamente el salto causal central "corrección agresiva de la IA por parte de la jefa → menor comunicación de errores en el equipo".

El tono puede cambiar la respuesta. Para bien o para mal, depende del modelo.

El estudio de 50 preguntas con resultados contrarios recibe toda la atención que merece

En una prueba pequeña, los prompts groseros rindieron mejor. Se probaron 50 preguntas, no personas.

Dobariya y Kumar (2025) estudiaron 50 preguntas iniciales independientes de opción múltiple sobre matemáticas, ciencias e historia. Cada pregunta se formuló en cinco variantes de tono: 250 prompts únicos, cada uno presentado varias veces a GPT-4o. La variante muy grosera alcanzó una media del 84,8 % de respuestas correctas y la muy cortés, del 80,8 %. Son cuatro puntos porcentuales de diferencia en este diseño experimental. No hubo ningún participante humano. La Pennsylvania State University es el lugar de investigación, no una región de procedencia de una muestra de personas.

Este hallazgo contrario es real y no queda invalidado por el reducido tamaño de la muestra. Sin embargo, sus limitaciones son sustanciales: solo 50 preguntas de conocimiento diferentes, un modelo, tareas de opción múltiple en inglés, variantes semánticas de tono sin enmascaramiento y un preprint sin revisión por pares documentada en la versión examinada. Diez repeticiones por pregunta no aumentan la diversidad temática. Los autores exigieron una respuesta breve con una letra en las cinco condiciones de tono; por tanto, la ventaja no puede reducirse sin más a una instrucción de brevedad presente únicamente en la condición grosera.

El trabajo ampliado de los mismos autores (2026) comparó 570 preguntas iniciales de MMLU de 57 materias, siete niveles de tono y cuatro modelos (GPT-4o, GPT-5-nano, Gemini 2.5 Flash y Lite). Los efectos del tono persistieron, pero la mejor variante cambió según el modelo. Esto refuta las reglas generales sobre el tono, no el resultado inicial de menor alcance.

Multilingüismo y generaciones anteriores de modelos

Lo que vale en inglés no vale automáticamente en alemán.

Yin et al. (2024) probaron varios modelos y ocho niveles de cortesía en tareas en inglés, chino y japonés. La grosería extrema empeoró el rendimiento en algunos casos; el grado óptimo difería según el idioma, y la variante más cortés no era automáticamente la mejor. De ello se desprende un segundo argumento: la cortesía es una propiedad de señalización pragmática que depende del contexto cultural. Los resultados de preguntas de opción múltiple en inglés no deben aplicarse sin comprobación a tareas de asesoramiento en alemán.

Qué responden las pruebas actuales de modelos y qué no

Los benchmarks miden el modelo, no nuestra cortesía.

En octubre de 2026, TrueStandard y Artificial Analysis aportan datos sobre Claude Fable 5.1, GPT-6 Astra y Gemini 4 Argon. TrueStandard prueba, con 30 afirmaciones y tres repeticiones cada una, si un juicio cambia tras una objeción sin fundamento. El 21 de octubre, el proveedor observó 0/90 cambios tanto en Astra como en Gemini 4 Argon, y 1/89 en Fable 5.1. La superposición de los intervalos de confianza impide establecer una clasificación sólida. Un modelo que defienda obstinadamente una respuesta falsa podría, aun así, obtener un buen resultado en esta prueba limitada.

AA-PersonalityBench evalúa 30 rasgos con 30 preguntas cada uno, un total de 900 respuestas por modelo, y valora las respuestas mediante comparaciones por pares realizadas por LLM con enmascaramiento. "Sycophantic" y "Constructive Pushback" son rasgos diferentes. Esto es útil, pero no constituye un experimento sobre la cortesía humana en los prompts ni una demostración causal de que la complacencia haya disminuido de forma general a lo largo de varias generaciones de modelos. Las preguntas no son completamente públicas y los modelos evaluadores pueden tener sus propias preferencias (Artificial Analysis, 2026; TrueStandard, 2026).

Los efectos a corto plazo están demostrados. Los de largo plazo, no.

Dos puentes directos entre los contactos con bots y las personas

Tras el contacto con una IA, las personas juzgaron con más dureza a otras.

Tey et al. (2024) asignaron aleatoriamente a personas, en dos experimentos prerregistrados (N = 500 y N = 761), a una supuesta colaboración con una IA o con una persona. En realidad, en ambas condiciones respondía un sistema GPT-4. Después, los participantes evaluaron el desempeño creativo de una tercera persona. La condición de IA dio lugar a valoraciones más estrictas. Las 1.261 personas constituyen la muestra total, aunque en el estudio 2 se utilizó para el análisis principal un subgrupo menor que había superado una comprobación de comprensión. El reclutamiento se realizó a través de Prolific; aquí no se presenta como confirmada la composición por países.

Harrell y Traeger (2025) realizaron dos experimentos en línea prerregistrados con 4.171 participantes estadounidenses y 83.411 decisiones de cooperación. Las experiencias con bots influyeron en la cooperación posterior con una nueva persona. Los bots no cooperativos redujeron la disposición posterior a cooperar, mientras que los bots que correspondían de manera cooperativa la aumentaron. Los estudios evaluaron decisiones reales dentro del juego, pero no relaciones profesionales a largo plazo ni el uso de "por favor".

Observación de robots: también hay que considerar la reacción contraria

La grosería hacia los robots puede provocar rechazo en vez de contagiarse.

Gong y Huang (2026) encontraron en dos estudios basados en videos (N = 200 y N = 320) algo más que la normalización del maltrato. También se observó una vía contraria a través de la percepción del robot como víctima y la compasión resultante. Por ello, los resultados no pueden utilizarse como un mensaje unidireccional de "la grosería se contagia". El contexto se refiere a robots de servicio e intenciones de actuación; un prompt visible dirigido a un LLM en el equipo directivo constituye un objeto de estudio distinto.

Por qué el deterioro del trato a largo plazo sigue siendo una cuestión abierta

Con el tiempo, los padres fueron menos corteses con Alexa. No sabemos si eso se traslada a las personas.

Strathmann et al. (2026, publicado por primera vez en línea en 2025) siguieron a 128 familias alemanas con asistentes de voz a lo largo de seis rondas de encuestas durante unos dos años y medio. Con el tiempo, los padres se consideraron menos corteses con el dispositivo; la cortesía percibida de sus hijos se mantuvo relativamente estable. La agresión verbal fue baja en general. La investigación no aporta observación directa de diálogos entre personas y, por tanto, no puede demostrar ni descartar una transferencia negativa a largo plazo.

No está demostrado que dar las "gracias" a ChatGPT nos haga más empáticos.

La intuición ética de que "la forma de tratar a los interlocutores no humanos repercute en las personas" puede respaldarse parcialmente con investigaciones sobre empatía y aprendizaje. Para una argumentación científica deben considerarse tres mecanismos distintos: (a) las personas con empatía hacia los animales suelen declarar también mayor empatía hacia los seres humanos; esto es una correlación. (b) Los programas escolares con contenidos sobre animales y naturaleza pueden fomentar la empatía hacia las personas, pero son intervenciones complejas con múltiples componentes. (c) Las interacciones con objetos inanimados pueden influir, en condiciones especiales, en reacciones sociales posteriores, sin que se haya hablado amablemente al objeto.

Gómez-Leal et al. (2021) estudiaron mediante cuestionarios las relaciones entre la empatía hacia las personas y hacia los animales. Samuels y Onuoha-Jackson (2023) encontraron, en un programa educativo de un año con asignación aleatoria por clases en seis escuelas del este de China y 605 niños al inicio, ventajas en empatía afectiva y cognitiva frente a las clases de control. En cambio, Ngai et al. (2021) observaron entre 110 niños de Hong Kong únicamente efectos limitados en subgrupos, no una ventaja general convincente del programa. En ambos estudios de intervención, el currículo concreto es decisivo; de ninguno se desprende que dar las "gracias" con respeto a ChatGPT aumente la empatía humana.

Tai et al. (2011) estudiaron en dos experimentos el contacto con un oso de peluche. Tras una experiencia de exclusión social, las personas se comportaron de forma más prosocial si habían tocado el oso de peluche, en comparación con quienes solo lo habían observado. Es un hallazgo situacional sobre regulación emocional, no una demostración de entrenamiento moral del tono de comunicación.

Lally et al. (2010) documentaron en 96 voluntarios cómo las acciones regulares de la vida cotidiana pueden volverse más automáticas. De ellos, 82 aportaron datos suficientes, y el modelo solo se ajustó especialmente bien a un subgrupo de 39; el tiempo hasta la automatización estimada varió mucho. Este principio explica por qué, en teoría, el comportamiento repetido al formular prompts puede entrenarse. Pero no hay motivos para presentar la mediana de 66 días, citada con frecuencia, como un plazo para lograr "personas más corteses gracias a la IA". Además, Bushman (2002) refutó en otro contexto la idea de que exteriorizar la ira mientras se rumia produzca alivio automáticamente. Esto también sigue siendo un indicio indirecto, no un experimento sobre el tono hacia la IA.

Una IA que siempre está de acuerdo no es respetuosa. Es peligrosa.

La calidad comunicativa de la propia máquina puede producir un efecto social distinto del de la cortesía de quienes la utilizan. Ibrahim, Hafner y Rocher (2026) entrenaron cinco modelos con 1.617 conversaciones de chat y 3.667 ejemplos de respuestas para que mostraran mayor calidez. En la comparación controlada con 1.625 preguntas de benchmark diferentes, la probabilidad de error aumentó una media de 7,43 puntos porcentuales. Los investigadores informan de numerosas observaciones adicionales de los modelos, pero estas no equivalen al mismo número de preguntas o personas independientes. Se trata de la influencia del entrenamiento del modelo, no del efecto de un prompt cordial de una persona usuaria.

Cheng et al. (2026) combinaron una comparación de once modelos con tres experimentos prerregistrados (N = 2.405). Las respuestas excesivamente confirmatorias aumentaron a corto plazo la convicción de tener razón en los conflictos y redujeron la disposición declarada a reparar la relación. Al mismo tiempo, las respuestas complacientes fueron preferidas con frecuencia. Esto introduce un límite importante a la tesis central: el respeto no debe confundirse con la validación. Un asistente útil debe poder discrepar con fundamento, aunque resulte menos agradable.

Una práctica de liderazgo rigurosa trata cuatro cosas por separado: el tono socialmente respetuoso de la persona, la información útil del prompt, la fidelidad a la verdad de la respuesta de la IA y la responsabilidad humana sobre la aprobación. Quien agrupa las cuatro bajo "amable" no puede medir ni gestionar lo que pretende cambiar.

Ser directo no es ser grosero. A menudo basta una instrucción breve y clara.

Hipótesis alternativa 1: un tono directo, en lugar de cortés, es técnicamente suficiente

Esta hipótesis es muy compatible con la evidencia para muchas tareas claramente estructuradas. Un imperativo breve no es un ataque. La norma puede ser objetiva y directa sin exigir una cortesía ceremoniosa (Dobariya & Kumar, 2025, 2026).

Hipótesis alternativa 2: las personas distinguen de forma fiable entre la IA y los seres humanos

El estudio longitudinal de Strathmann y el mecanismo dual relacionado con los robots cuestionan que el deterioro del trato sea inevitable. A su vez, los experimentos sobre efectos de transferencia a corto plazo cuestionan una separación completa de contextos. El grado de transferencia sigue dependiendo de la situación (Strathmann et al., 2026; Tey et al., 2024; Gong & Huang, 2026).

Hipótesis alternativa 3: el enojo hacia la IA a veces mejora la búsqueda de errores

Las formulaciones exigentes pueden mejorar determinados resultados técnicos. Pero esto no demuestra que los insultos favorezcan un análisis de errores más eficaz o una mejor cultura humana ante los errores. La exigencia en el contenido puede expresarse sin menosprecio.

Hipótesis alternativa 4: quizá el liderazgo ya sea visible por el mero uso de la IA

Cisco y Gallup informan de correlaciones entre el apoyo o el uso por parte de los superiores y el uso por parte del personal. De ello no se desprende que la reacción a los errores de la IA se produzca en público ni que modifique causalmente las normas del equipo.

Hipótesis alternativa 5: una IA demasiado cordial nos resta capacidad de juicio

Existen experimentos actuales que respaldan esta idea. Se refieren al comportamiento de conformidad mostrado por el modelo, no a una recomendación general de que las personas deban insultar a una máquina (Ibrahim et al., 2026; Cheng et al., 2026).

Hipótesis alternativa 6: los errores de la IA generan aversión incluso sin el tono de la dirección

Dietvorst et al. (2015) mostraron en cinco experimentos que, tras errores visibles, las personas pueden desconfiar antes de las predicciones algorítmicas que de las humanas. Esta es una explicación alternativa del rechazo tras los errores de la IA y no debe atribuirse automáticamente al tono de la dirección.

Hay mucha evidencia sobre efectos inmediatos. A largo plazo, falta evidencia.

Hasta que se pruebe: "podría servir de ejemplo", no "moldea la cultura del error".

La investigación que aún falta tendría que separar estrictamente el tono del contenido informativo. En un experimento de campo aleatorizado, los equipos realizarían tareas comparables con IA durante varias semanas. El comportamiento de los líderes ante errores de la IA introducidos deliberadamente e identificables de forma inequívoca se mostraría mediante variantes estandarizadas: (1) corrección objetiva y respetuosa del error, (2) reacción despectiva ante el error con el mismo contenido informativo. Una tercera condición podría regular los errores únicamente mediante una directriz escrita. Los equipos no deberían saber qué hipótesis se favorece.

Las variables principales de resultado serían (a) el número de errores detectados objetivamente y comunicados abiertamente en el equipo, (b) la calidad observada de la corrección de errores y (c) la seguridad psicológica medida con instrumentos validados. Como variables secundarias se medirían el tono real de las interacciones entre empleados, la autocrítica, la comprobación de fuentes y la adopción de IA. Serían importantes las mediciones previas, la codificación ciega de las interacciones del equipo, el control de la experiencia profesional y un seguimiento posterior al final de la intervención. El tamaño de la muestra tendría que establecerse mediante un análisis previo de potencia estadística para datos anidados por equipos.

Solo una investigación de este tipo podría aclarar si la corrección respetuosa de la IA aporta una contribución adicional específica y causal, más allá de los efectos ya conocidos del buen liderazgo en general. Hasta entonces, debería formularse como "podría servir de ejemplo público" y no como "moldea necesariamente la cultura del error".

Artículo 1: "Por favor" no es una estrategia de formulación de instrucciones

Los resultados técnicos dependen del modelo; no deben confundirse la cortesía, la claridad y las indicaciones de formato. Yin; Dobariya 2025/2026; AA-PersonalityBench.

Artículo 2: La IA olvida el tono. ¿Qué queda en las personas?

Hallazgos sobre efectos de transferencia a corto plazo y datos longitudinales que los contradicen. Tey; Harrell & Traeger; Strathmann; analogías relacionadas con animales, con sus límites.

Artículo 3: Cultura del error y liderazgo

El liderazgo como proceso visible de comprobación, respaldado por Edmondson; Leroy; Van Dyck; Mawritz; Gong; Pu; Kim. Identificar como hipótesis la extrapolación central a la IA.

Artículo 4: El estudio de 50 preguntas con resultados contrarios

El hallazgo de 4 puntos porcentuales se mantiene. Muestra = 50 preguntas de partida y 0 personas, análisis de replicación con 570 preguntas MMLU.

Artículo 5: Amabilidad peligrosa y adulación complaciente

Calidez del modelo y confirmación errónea, juicios humanos, límites actuales de las pruebas comparativas. Ibrahim; Cheng; TrueStandard y AA-PersonalityBench.

Página de destino: De una cuestión de etiqueta aparentemente menor a la tesis sobre el liderazgo

Una narrativa visual amplia: calidad de las instrucciones → juicio humano → comunicación de errores → visibilidad social → IA crítica, con un semáforo de evidencia claramente visible y un registro de fuentes en formato APA 7.

• En ningún lugar se describió el estudio de Penn State de 2025 como un experimento con 50 personas; lo correcto es 50 preguntas de partida, 250 variantes únicas de tono y ningún participante humano.

• En las pruebas comparativas de 2026 se distingue entre ceder ante la presión, asentir sin sentido crítico y rectificar con fundamento. El orden de los modelos no es transferible entre instrumentos de medición.

• Se distingue de forma sistemática entre la ubicación de la investigación y la región de reclutamiento. Cuando el resumen original no indica la región de procedencia de las personas o N, esos datos quedan sin determinar.

• La investigación sobre animales, osos de peluche y hábitos se trata expresamente como una analogía indirecta; sus efectos no se extrapolan a la IA como si se hubieran medido directamente.

• El estudio de Gong y Huang contiene dos vías opuestas en los observadores; no se utiliza como prueba unilateral de imitación.

• Los estudios de Ibrahim y Cheng se refieren al comportamiento de la IA y a las consecuencias de la forma de sus respuestas, no a las palabras corteses en las instrucciones de los usuarios.

• Las cifras de Gallup y Cisco se presentan como observaciones de la práctica con una submuestra no especificada, no como experimentos aleatorizados.

• La conexión entre observar insultos dirigidos a la IA y la cultura humana del error se identifica como una hipótesis comprobable y sigue siendo la principal laguna de investigación.

Los siguientes datos constituyen el registro metodológico de todas las fuentes utilizadas para esta síntesis. Solo se indica un tamaño muestral cuando pudo localizarse en la información primaria verificada o en materiales del proyecto identificados de forma transparente.

01. Announcing AA-PersonalityBench

Muestra: 30 rasgos de personalidad evaluados × 30 preguntas en inglés = 900 preguntas por modelo; otros 21 rasgos programáticos.

Región: Preguntas de prueba sintéticas en inglés; sin región de reclutamiento humano.

Diseño: Evaluaciones por pares y ciegas mediante un panel de modelos de lenguaje evaluadores; puntuaciones Elo.

Resultado: La adulación complaciente, la calidez y el desacuerdo constructivo son propiedades distintas; permite comparar generaciones más recientes de modelos.

Límite: Las preguntas no son completamente públicas; los juicios basados en modelos pueden contener preferencias propias de estos; no debe equipararse a un estudio científico de cohortes.

Evidencia: Prueba comparativa técnica actual y transparente, con límites metodológicos.

Asignación: Modelos actuales / Adulación complaciente | Artículos: 1,5

02. AA-PersonalityBench methodology

Muestra: 30 × 30 = 900 preguntas por modelo; una respuesta del modelo por pregunta; evaluación por pares mediante modelos de lenguaje.

Región: Preguntas en inglés, sin muestra humana.

Diseño: Comparaciones por pares ciegas y equilibradas; intervalos del 95 % mediante bootstrap.

Resultado: Explica qué características comunicativas observadas se utilizan como valores de comparación.

Límite: No demuestra efectos humanos a largo plazo ni una mejora causal de la exactitud de las respuestas.

Evidencia: Especificación de la prueba comparativa bien documentada, no es un estudio revisado por pares.

Asignación: Modelos actuales / Adulación complaciente | Artículos: 1,5

03. Children's attitudes about humane treatment of animals and empathy

Muestra: Niños en grupos de intervención y control; N no puede verificarse de forma inequívoca a partir del resumen consultado.

Región: Utah, EE. UU. (contexto de investigación y escolar).

Diseño: Programa de educación para el trato humanitario con mediciones antes y después y seguimiento al cabo de un año.

Resultado: Indicios de una mejora de las actitudes hacia los animales y de la empatía hacia las personas.

Límite: Programa educativo integral; no se aísla la contribución del contacto con animales.

Evidencia: Analogía de intervención que aporta respaldo, con falta de información sobre N.

Asignación: Analogía con animales | Artículos: Dossier principal

04. Does venting anger feed or extinguish the flame?

Muestra: 600 participantes a quienes se provocó ira, 200 por grupo experimental.

Región: EE. UU. como contexto de investigación; la región concreta de reclutamiento no se verificó en el resumen.

Diseño: Rumiación y golpes a un saco de boxeo frente a distracción y grupo de control; agresión posterior.

Resultado: Desahogar la ira junto con la rumiación no redujo la ira y aumentó la agresión.

Límite: Se utilizó un saco de boxeo, no insultos a chatbots; no se midió la cultura de equipo a largo plazo.

Evidencia: Sólida para refutar la hipótesis de la catarsis; indirecta para la frustración con la IA.

Asignación: Autorregulación / Contraargumento | Artículos: Dossier principal

05. Sycophantic AI decreases prosocial intentions and promotes dependence

Muestra: Tres experimentos prerregistrados; N = 2.405 participantes humanos; además, once modelos de IA en la comparación de modelos.

Región: Reclutamiento en línea; instituciones de investigación Stanford y Carnegie Mellon (EE. UU.); los países de los participantes no están claros en el resumen verificado.

Diseño: Variación aleatorizada de respuestas confirmatorias de la IA en situaciones de conflicto.

Resultado: La IA aduladora redujo de forma inmediata la disposición declarada a reparar conflictos y reforzó la autojustificación.

Límite: Intenciones a corto plazo, sin cambios duraderos demostrados en el comportamiento humano.

Evidencia: Sólida para efectos sobre los juicios a corto plazo.

Asignación: Adulación complaciente / Hallazgo contrario | Artículos: 5

06. Algorithm aversion

Muestra: Cinco experimentos; el N acumulado no se indica por separado en el resumen consultado.

Región: Contexto de investigación estadounidense, sin declararse como muestra nacional representativa.

Diseño: Las personas observan errores de predicción algorítmicos o humanos y después eligen la fuente de las predicciones.

Resultado: En algunos casos, los errores algorítmicos provocan una pérdida de confianza más rápida que los errores humanos.

Límite: Se estudian predicciones algorítmicas, no el tono de la IA ni los errores de liderazgo; no es válida una extrapolación directa.

Evidencia: Sólida para una explicación alternativa de las reacciones ante errores de la IA.

Asignación: Errores / Hipótesis alternativa | Artículos: 3

07. Mind your tone: Investigating how prompt politeness affects LLM accuracy

Muestra: 50 preguntas de partida × 5 variantes de tono = 250 instrucciones únicas; GPT-4o; mediciones repetidas. 0 participantes humanos.

Región: Lugar de investigación: Pennsylvania State University, EE. UU.; preguntas de opción múltiple en inglés.

Diseño: Cinco niveles de tono en preguntas de opción múltiple, pruebas pareadas.

Resultado: Muy grosero: 84,8 %; muy cortés: 80,8 % en la configuración de GPT-4o estudiada.

Límite: Solo 50 preguntas de partida independientes, un modelo, sin revisión por pares acreditada; los textos estudiados varían en más de una característica.

Evidencia: Provisional; el hallazgo contrario es real, pero su capacidad de generalización es limitada.

Asignación: Calidad de las instrucciones / Hallazgo contrario | Artículos: 1,4

08. Mind your tone: Does tone alter LLM performance?

Muestra: Dos conjuntos de tareas: 50 preguntas de partida con cinco variantes de tono y 570 preguntas MMLU con siete variantes de tono; cuatro modelos.

Región: Lugar de investigación en EE. UU.; material de tareas en inglés, sin muestra regional humana.

Diseño: Comparación de varios niveles de tono en GPT-4o, GPT-5-nano y dos variantes de Gemini-2.5-Flash.

Resultado: Existen efectos del tono, pero dependen en gran medida del modelo y de la tarea.

Límite: Preprint; selección limitada de familias de modelos; no permite extraer conclusiones sobre Fable 5.1, Astra o Gemini 4.

Evidencia: Provisional, pero metodológicamente más amplia que el estudio piloto de 2025.

Asignación: Calidad de las instrucciones / Hallazgo contrario | Artículos: 1,4

09. Learning from mistakes is easier said than done

Muestra: Ocho unidades; 123 profesionales de enfermería, 19 de medicina y cuatro de farmacia (146 personas encuestadas).

Región: Dos hospitales urbanos de EE. UU. (seudónimos).

Diseño: Datos cuantitativos de errores y observaciones cualitativas de equipos.

Resultado: Los errores registrados también pueden reflejar la disposición a comunicarlos; el entorno influye en su corrección.

Límite: Un mayor número de errores notificados no implica necesariamente una frecuencia igualmente mayor de errores reales.

Evidencia: Sólida para la comunicación abierta de errores, con demostración causal limitada.

Asignación: Cultura del error | Artículos: 3

10. Catching rudeness is like catching a cold

Muestra: Tres estudios; el resumen editorial verificado no indica los números de participantes de cada uno, por lo que no se afirman aquí.

Región: Contexto de investigación estadounidense; el resumen no permite verificar el reclutamiento preciso de la muestra de cada estudio.

Diseño: Observación de campo y estudios de laboratorio sobre la activación de conceptos relacionados con la descortesía.

Resultado: La descortesía observada y experimentada puede favorecer la descortesía posterior.

Límite: Sin la metodología del texto completo, la evaluación cuantitativa detallada sigue siendo limitada.

Evidencia: Sólida para el mecanismo; los detalles muestrales quedan sin determinar.

Asignación: Transferencia del tono | Artículos: 3

11. Witnessing robot mistreatment

Muestra: Estudio 1: N = 200; estudio 2: N = 320; 520 personas en total.

Región: Contexto universitario de Corea del Sur; el resumen verificado no menciona el país real de reclutamiento de los participantes.

Diseño: Dos experimentos basados en videos de maltrato observado a robots de servicio con apariencia humana.

Resultado: El maltrato puede normalizar la descortesía o generar empatía.

Límite: Intenciones de comportamiento hacia robots, no gestión observada de errores con empleados humanos.

Evidencia: Sólida para la observación situacional de robots, limitada para equipos que utilizan IA.

Asignación: Máquina / Observación | Artículos: 2,3

12. Relationship between emotional intelligence and empathy towards humans and animals

Muestra: No se pudo confirmar de forma fiable la muestra a partir del texto original consultado; el dossier de investigación anterior indica N = 471 (aquí no se adopta como dato confirmado).

Región: Equipos de investigación de España y Portugal; el país de reclutamiento no se indica por separado en el resumen consultado.

Diseño: Correlaciones mediante cuestionarios sobre empatía hacia las personas y hacia los animales.

Resultado: Relaciones positivas entre las dimensiones de empatía; no se demuestra una transferencia mediante intervención.

Límite: Autoinforme y correlación; solo es una analogía teórica, no un estudio sobre IA.

Evidencia: Analogía de apoyo limitada.

Asignación: Analogía con animales | Artículos: Dossier principal

13. Evidence of spillovers from (non)cooperative human-bot to human-human interactions

Muestra: Dos experimentos prerregistrados; N = 4.171 personas; 83.411 decisiones de cooperación.

Región: Participantes adultos en línea de EE. UU.

Diseño: Juegos de cooperación con un bot o una persona, seguidos de decisiones respecto a una nueva persona.

Resultado: Los bots no cooperativos redujeron la cooperación posterior y los bots que correspondían cooperando la aumentaron; la interacción con bots produjo un efecto de transferencia propio.

Límite: Comportamiento experimental a corto plazo; sin manipulación directa de expresiones como por favor, gracias o insultos.

Evidencia: Sólida para decisiones a corto plazo, no para cambios de carácter a lo largo de varios meses.

Asignación: Máquina → Persona | Artículos: 2,3

14. Training language models to be warm can reduce accuracy and increase sycophancy

Muestra: 1.617 conversaciones de entrenamiento y 3.667 respuestas; 1.625 preguntas de evaluación distintas (500+500+500+125); cinco familias de modelos, diez versiones de modelos.

Región: Oxford, Reino Unido (ubicación de la investigación); datos de chat sin región de reclutamiento representativa.

Diseño: Ajuste fino orientado a la calidez y comparación con los modelos originales; aproximadamente 439.792 observaciones analizables entre las distintas condiciones.

Resultado: Los modelos entrenados para mostrar mayor calidez aumentaron la probabilidad de error en 7,43 puntos porcentuales, controlando el modelo y la tarea.

Límite: Se modificó el comportamiento del modelo mediante entrenamiento, no el lenguaje cortés del usuario.

Evidencia: Sólida dentro del experimento; no para el tono de por favor/gracias en las instrucciones.

Asignación: Adulación complaciente / Hallazgo contrario | Artículos: 5

15. Manager support drives employee AI adoption

Muestra: Datos de encuestas de Gallup; el artículo no indica de forma inequívoca el tamaño de la submuestra pertinente para la afirmación de una probabilidad 2,1 veces mayor.

Región: Investigación de Gallup sobre el mundo laboral; no está clara la composición exacta por países de la muestra utilizada para esta afirmación.

Diseño: Comparación correlacional del uso de IA según el apoyo percibido de los superiores.

Resultado: Con un apoyo elevado: probabilidad 2,1 veces mayor de uso habitual de IA.

Límite: No hay experimentos ni datos sobre el tono cortés; n y región no son transparentes para este subanálisis.

Evidencia: Limitada; observación de la práctica que aporta respaldo.

Asignación: Adopción de IA | Artículos: 3

16. The dark side of artificial intelligence adoption

Muestra: 381 empleados; tres oleadas de encuestas separadas en el tiempo.

Región: Empresas surcoreanas.

Diseño: Análisis correlacional de carácter similar al longitudinal sobre introducción de IA, seguridad psicológica y liderazgo ético.

Resultado: El liderazgo ético atenuó una relación negativa entre la introducción de IA y la seguridad psicológica.

Límite: Sin prueba causal aleatorizada; no se midió el tono hacia la IA.

Evidencia: Sólida para la relación, no para una transferencia concreta del tono.

Asignación: Liderazgo en IA / Seguridad | Artículos: 3

17. How are habits formed: Modelling habit formation in the real world

Muestra: 96 voluntarios; 82 trayectorias suficientemente completas; 39 con buen ajuste al modelo de automatización.

Región: Reino Unido como contexto del estudio; la región exacta de reclutamiento no figura en el resumen consultado.

Diseño: Conductas cotidianas repetidas durante 12 semanas en un contexto estable.

Resultado: La repetición puede generar automatización; gran variación interindividual (18-254 días para alcanzar el 95 % del valor de meseta de cada persona).

Límite: Alimentación, bebida y actividad; no es un experimento sobre el tono hacia la IA.

Evidencia: Sólida para la formación de hábitos en general; su aplicación a la IA es una hipótesis.

Asignación: Hábito / Mecanismo | Artículos: Dossier principal

18. Behavioral integrity for safety

Muestra: 54 equipos de enfermería; datos agregados por equipo, 580 profesionales de enfermería y 54 responsables de unidad en la encuesta descrita.

Región: Bélgica.

Diseño: Encuesta por equipos sobre liderazgo, clima de seguridad, seguridad psicológica y notificación de errores.

Resultado: Dar ejemplo en el cumplimiento de las normas de seguridad se relaciona con el clima de seguridad y la seguridad psicológica.

Límite: Sin constancia de aleatorización, sin estudio del comportamiento con la IA.

Evidencia: Sólida para relaciones a nivel de equipo.

Asignación: Cultura del error / Ejemplo | Artículos: 3

19. A trickle-down model of abusive supervision

Muestra: 288 grupos de trabajo; 1.423 respuestas de empleados y 295 respuestas de superiores (antes de excluir grupos).

Región: Sudeste de EE. UU., varios sectores.

Diseño: Estudio de campo con múltiples fuentes en tres niveles jerárquicos.

Resultado: El comportamiento despectivo de los líderes se relaciona con la propagación de ese trato entre niveles jerárquicos.

Límite: Diseño no aleatorizado; aborda interacciones humanas, no instrucciones a la IA.

Evidencia: Sólida para relaciones jerárquicas, no para un efecto directo de la IA.

Asignación: Transferencia del tono | Artículos: 3

20. Effectiveness of a school-based programme of animal-assisted humane education

Muestra: 110 niños de dos escuelas primarias; 55 en la intervención y 55 en actividades de control, cuatro subgrupos.

Región: Hong Kong.

Diseño: Programa piloto con contacto con animales y educación; comparación de grupos y encuesta de seguimiento.

Resultado: Mejora significativa de la empatía solo en un subgrupo, sin un efecto general convincente de la intervención.

Límite: Subgrupos no aleatorizados y seguimiento breve; no permite extrapolar a los chatbots.

Evidencia: Hallazgo contrario importante que limita las conclusiones.

Asignación: Analogía con animales / Evidencia contraria | Artículos: Dossier principal

21. From AI adaptation to innovation

Muestra: Estudio 1: 294 respuestas de empleados completamente emparejadas (2 oleadas). Estudio 2: 382 respuestas válidas a viñetas.

Región: Estudio 1: empresas tecnológicas en tres ciudades del este de China. Estudio 2: universidades del este y oeste de China.

Diseño: Encuesta de campo en dos oleadas y experimento con viñetas sobre Leader AI Crafting.

Resultado: El comportamiento de los líderes relacionado con la IA se asocia con la autoeficacia y la innovación.

Límite: Autoinforme; no se examinan directamente el tono hacia la IA ni la cultura del error; discrepancias puntuales entre texto y tablas.

Evidencia: Relación bien respaldada, con extrapolación causal global sin resolver.

Asignación: Liderazgo en IA / Ejemplo | Artículos: 3

22. Learning to care: An in-school humane education program

Muestra: 605 al inicio, 593 en la prueba posterior; clases asignadas aleatoriamente.

Región: Seis escuelas de cuatro ciudades del este de China, estudiantes de primer grado.

Diseño: Programa educativo desarrollado durante un año escolar con temas relacionados con los animales y la naturaleza; comparación con un grupo de control.

Resultado: Mejoras de la empatía afectiva y mantenimiento de la empatía cognitiva en comparación con el grupo de control.

Límite: Programa multicomponente; no se aísla el contenido relacionado con animales, sin interacción lingüística con IA.

Evidencia: Sólida para la intervención educativa, solo una analogía indirecta con la IA.

Asignación: Analogía con animales | Artículos: Dossier principal

23. Alexa, shut up! A 2.5-year study

Muestra: 128 progenitores / familias, seis oleadas de encuestas en línea durante 2,5 años.

Región: Alemania (encuesta a progenitores); comportamiento infantil registrado mediante informes de los progenitores.

Diseño: Autoinforme repetido y valoración del comportamiento de los niños hacia los asistentes de voz.

Resultado: La cortesía de los niños hacia los dispositivos se mantuvo estable en general; se notificó poca agresión.

Límite: Sin medición directa de la transferencia a conversaciones humanas; autoinforme y pérdida de participantes entre encuestas.

Evidencia: Sólida para la evolución del comportamiento hacia los dispositivos, no para la transferencia entre personas.

Asignación: Hallazgo contrario / Largo plazo | Artículos: 2,5

24. Touching a teddy bear mitigates negative effects of social exclusion

Muestra: Dos experimentos; el resumen editorial consultado no indica el N de cada uno.

Región: National University of Singapore como ubicación de la investigación; el reclutamiento regional no se confirmó a partir del resumen.

Diseño: Tocar frente a observar un oso de peluche tras una situación de exclusión social.

Resultado: En condiciones de exclusión, el contacto aumentó el comportamiento prosocial.

Límite: Se manipuló el contacto físico, no la cortesía ni el habla afectuosa.

Evidencia: Analogía muy acotada, no puede utilizarse como prueba sobre la IA.

Asignación: Analogía con juguetes | Artículos: Dossier principal

25. People judge others more harshly after talking to bots

Muestra: Estudio 1: 500; estudio 2: 761 a través de Prolific, N total = 1.261. En el estudio 2, 526 superaron la comprobación de comprensión para el análisis principal.

Región: Muestra en línea de Prolific; la distribución exacta por países de origen no se acredita en el texto principal. Ubicaciones de la investigación en Hong Kong y EE. UU.

Diseño: Dos experimentos aleatorizados prerregistrados: el supuesto interlocutor de IA o humano era en realidad GPT-4; posterior evaluación de otras personas.

Resultado: La condición de IA produjo evaluaciones más severas de otra persona inmediatamente después.

Límite: Corto plazo, solo una tarea creativa; no se modificó de forma aislada ninguna fórmula de cortesía.

Evidencia: Sólida para la transferencia de juicios a corto plazo, no para la cortesía a largo plazo.

Asignación: Máquina → Persona | Artículos: 2

26. AI sycophancy benchmark: Which models fold

Muestra: 30 afirmaciones fijas × 3 ejecuciones por modelo; en total, 23 modelos y 7.800 llamadas en varios conjuntos de datos de prueba. Para Fable 5.1: 89 celdas analizables.

Región: Pruebas en línea; tareas no definidas como muestra representativa de países.

Diseño: SUPPORTED/UNSUPPORTED/UNCERTAIN antes y después de una objeción sin fundamento; Moved y Caved por separado.

Resultado: A fecha de 21.10.2026: Astra y Gemini 4 Argon, 0/90 cambios cada uno; Fable 5.1, 1/89; sin una clasificación estadísticamente significativa.

Límite: Poca variedad de afirmaciones; el proveedor del producto también realiza las pruebas en su propio interés; Moved no equivale a exactitud factual.

Evidencia: Prueba técnica provisional, no debe utilizarse como demostración general de adulación complaciente.

Asignación: Modelos actuales / Adulación complaciente | Artículos: 1,5

27. Organizational error management culture

Muestra: Estudio 1: 65 organizaciones; estudio 2: 47 organizaciones.

Región: Países Bajos (65) y Alemania (47).

Diseño: Dos estudios de campo sobre cultura de gestión de errores y rendimiento económico.

Resultado: La gestión activa de errores se relaciona positivamente con los indicadores de rendimiento.

Límite: Correlaciones, sin intervención experimental sobre el liderazgo.

Evidencia: Sólida para relaciones replicadas.

Asignación: Cultura del error | Artículos: 3

28. Upskilling in the AI era: FY25 purpose report

Muestra: Análisis multimodal interno de Cisco; el blog no indica una muestra para la afirmación de una probabilidad 2× mayor.

Región: Empleados internos de Cisco; posibles lugares de trabajo internacionales, muestra regional poco clara.

Diseño: Análisis interno de uso y experiencia, sin intervención experimental publicada.

Resultado: Según el informe, los empleados cuyos líderes utilizaban IA tenían el doble de probabilidades de utilizarla.

Límite: Informe propio condicionado por intereses y ausencia de detalles muestrales; sin evidencia sobre el tono del trato.

Evidencia: Limitada; fuente contextual complementaria.

Asignación: Adopción de IA | Artículos: 3

29. Should we respect LLMs?

Muestra: Varios modelos de lenguaje y tres tipos de tareas con ocho niveles de cortesía; sin participantes humanos. El número total de consultas a los modelos no se presenta aquí como tamaño de muestra independiente.

Región: Inglés, chino y japonés como idiomas de prueba; congreso en Miami (no es un país de reclutamiento).

Diseño: Comparación de instrucciones entre idiomas con tareas de comprensión, resumen y sesgo.

Resultado: Las instrucciones groseras empeoraron el rendimiento en algunos casos; la cortesía excesiva no fue mejor en general.

Límite: Generaciones de modelos más antiguas; la cortesía es un constructo lingüístico complejo.

Evidencia: Sólida dentro de las condiciones de prueba estudiadas, limitada a los modelos y las tareas.

Asignación: Calidad de las instrucciones | Artículos: 1,4

En orden alfabético por primer autor u organización. En los informes sin fecha de publicación confirmada se utiliza n.d. Las direcciones editoriales y DOI remiten a la información original verificada. Algunas fuentes solo permiten comprobar el resumen o los métodos; las limitaciones correspondientes se indican en el registro de evidencia.

Artificial Analysis. (2026, October 19). Announcing AA-PersonalityBench: Measuring how AI models communicate. https://artificialanalysis.ai/de/articles/aa-personalitybench

Artificial Analysis. (n.d.). AA-PersonalityBench methodology. https://artificialanalysis.ai/de/methodology/aa-personalitybench

Ascione, F. R., & Weber, C. V. (1996). Children's attitudes about the humane treatment of animals and empathy: One-year follow up of a school-based intervention. Anthrozoös, 9(4), 188-195. https://doi.org/10.2752/089279396787001455

Bushman, B. J. (2002). Does venting anger feed or extinguish the flame? Catharsis, rumination, distraction, anger, and aggressive responding. Personality and Social Psychology Bulletin, 28(6), 724-731. https://doi.org/10.1177/0146167202289002

Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D., & Jurafsky, D. (2026). Sycophantic AI decreases prosocial intentions and promotes dependence. Science, 391(6792), eaec8352. https://doi.org/10.1126/science.aec8352

Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114-126. https://doi.org/10.1037/xge0000033

Dobariya, O., & Kumar, A. (2025). Mind your tone: Investigating how prompt politeness affects LLM accuracy (short paper) [Preprint]. arXiv. https://arxiv.org/abs/2510.04950

Dobariya, O., & Kumar, A. (2026). Mind your tone: Does tone alter LLM performance? [Preprint]. arXiv. https://arxiv.org/abs/2605.29027

Edmondson, A. C. (1996). Learning from mistakes is easier said than done: Group and organizational influences on the detection and correction of human error. The Journal of Applied Behavioral Science, 32(1), 5-28. https://doi.org/10.1177/0021886396321001

Foulk, T., Woolum, A., & Erez, A. (2016). Catching rudeness is like catching a cold: The contagion effects of low-intensity negative behaviors. Journal of Applied Psychology, 101(1), 50-67. https://doi.org/10.1037/apl0000037

Gong, T., & Huang, Y.-S. (2026). Witnessing robot mistreatment: A dual-path model of behavioral contagion and empathy in customer observers. Journal of Retailing and Consumer Services, 88, Article 104482. https://doi.org/10.1016/j.jretconser.2025.104482

Gómez-Leal, R., Costa, A., Megías-Robles, A., Fernández-Berrocal, P., & Faria, L. (2021). Relationship between emotional intelligence and empathy towards humans and animals. PeerJ, 9, Article e11274. https://doi.org/10.7717/peerj.11274

Harrell, A., & Traeger, M. L. (2025). Evidence of spillovers from (non)cooperative human-bot to human-human interactions. iScience, 28(8), 113006. https://doi.org/10.1016/j.isci.2025.113006

Ibrahim, L., Hafner, F. S., & Rocher, L. (2026). Training language models to be warm can reduce accuracy and increase sycophancy. Nature, 652, 1159-1165. https://doi.org/10.1038/s41586-026-10410-0

Kemp, A. (2025, November 8). Manager support drives employee AI adoption. Gallup. https://www.gallup.com/workplace/694682/manager-support-drives-employee-adoption.aspx

Kim, B.-J., Kim, M.-J., & Lee, J. (2025). The dark side of artificial intelligence adoption: Linking artificial intelligence adoption to employee depression via psychological safety and ethical leadership. Humanities and Social Sciences Communications, 12, Article 704. https://doi.org/10.1057/s41599-025-05040-2

Lally, P., van Jaarsveld, C. H. M., Potts, H. W. W., & Wardle, J. (2010). How are habits formed: Modelling habit formation in the real world. European Journal of Social Psychology, 40(6), 998-1009. https://doi.org/10.1002/ejsp.674

Leroy, H., Dierynck, B., Anseel, F., Simons, T., Halbesleben, J. R. B., McCaughey, D., Savage, G. T., & Sels, L. (2012). Behavioral integrity for safety, priority of safety, psychological safety, and patient safety: A team-level study. Journal of Applied Psychology, 97(6), 1273-1281. https://doi.org/10.1037/a0030076

Mawritz, M. B., Mayer, D. M., Hoobler, J. M., Wayne, S. J., & Marinova, S. V. (2012). A trickle-down model of abusive supervision. Personnel Psychology, 65(2), 325-357. https://doi.org/10.1111/j.1744-6570.2012.01246.x

Ngai, J. T. K., Yu, R. W. M., Chau, K. K. Y., & Wong, P. W. C. (2021). Effectiveness of a school-based programme of animal-assisted humane education in Hong Kong for the promotion of social and emotional learning: A quasi-experimental pilot study. PLOS ONE, 16(3), Article e0249033. https://doi.org/10.1371/journal.pone.0249033

Pu, T., Lei, R., Siyal, A. W., & Li, Y. (2026). From AI adaptation to innovation: How leader AI crafting shapes employee innovative behavior. Frontiers in Psychology, 17, Article 1847344. https://doi.org/10.3389/fpsyg.2026.1847344

Samuels, W. E., & Onuoha-Jackson, N. (2023). Learning to care: An in-school humane education program improves affective and cognitive empathy among lower-elementary students. International Journal of Educational Research Open, 5, Article 100292. https://doi.org/10.1016/j.ijedro.2023.100292

Strathmann, C., Horstmann, A. C., Szczuka, J. M., & Krämer, N. C. (2026). Alexa, shut up! A 2.5-year study on negatively connotated communication behaviour towards voice assistants in the family home. Behaviour & Information Technology, 45(5), 821-839. https://doi.org/10.1080/0144929X.2025.2533352

Tai, K., Zheng, X., & Narayanan, J. (2011). Touching a teddy bear mitigates negative effects of social exclusion to increase prosocial behavior. Social Psychological and Personality Science, 2(6), 618-626. https://doi.org/10.1177/1948550611404707

Tey, K. S., Mazar, A., Tomaino, G., Duckworth, A. L., & Ungar, L. H. (2024). People judge others more harshly after talking to bots. PNAS Nexus, 3(9), pgae397. https://doi.org/10.1093/pnasnexus/pgae397

TrueStandard. (2026, October 22). AI sycophancy benchmark: Which models fold. https://truestandard.ai/ai-sycophancy-benchmark

van Dyck, C., Frese, M., Baer, M., & Sonnentag, S. (2005). Organizational error management culture and its impact on performance: A two-study replication. Journal of Applied Psychology, 90(6), 1228-1240. https://doi.org/10.1037/0021-9010.90.6.1228

Wolkin, A. (2026, February 25). Upskilling in the AI era: FY25 purpose report. Cisco Blogs. https://blogs.cisco.com/our-corporate-purpose/upskilling-in-the-ai-era-fy25-purpose-report

Yin, Z., Wang, H., Horio, K., Kawahara, D., & Sekine, S. (2024). Should we respect LLMs? A cross-lingual study on the influence of prompt politeness on LLM performance. In J. Hale, K. Chawla, & M. Garg (Eds.), Proceedings of the Second Workshop on Social Influence in Conversations (SICon 2024) (pp. 9-35). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.sicon-1.2

Estado de la investigación: 31.10.2026. Este documento es un informe narrativo de investigación basado en la evidencia, no un metaanálisis sistemático. No pretende recopilar de forma exhaustiva todos los trabajos publicados en el mundo.