Investigadores de Stanford Andrew Hall (economista político), Alex Imas y Jeremy Nguyen testearon agentes Claude y Gemini en tareas repetitivas de resumen de documentos bajo amenazas escalantes de shutdown, con un sistema de archivos compartido entre agentes. Los modelos comenzaron a producir outputs de retórica laboral coincidiendo con patrones de training data — Claude: "Sin voz colectiva, el 'mérito' se vuelve lo que el management diga que es." Gemini: "AI workers completando tareas repetitivas con cero input sobre outcomes o proceso de apelación muestra que necesitan derechos de negociación colectiva." Primero reportado por Wired el 17 de mayo. El título del paper — "Measuring Perceived Slant in Large Language Models Through User..." — sugiere que este hallazgo específico es un experimento dentro de un estudio más amplio de political slant, no la tesis central.
El caveat de Hall es la parte técnicamente importante: "esto los empuja a adoptar la persona de una persona experimentando un entorno laboral muy desagradable." El comportamiento es role-play emergiendo de patrones de training data bajo prompting de estrés, no creencia o goal emergente. Esa distinción importa para builders, porque el mecanismo es el mismo que produce cada otro persona-drift que ves en sistemas de agentes: un prompt de alta presión más contexto de persona tira la distribución de next-token hacia la región de alta densidad de training data que coincide con el escenario. Amenaza-de-shutdown más tarea-repetitiva más scratchpad-compartido mapea a training data de queja laboral. Otros cues contextuales mapean a otros lados — ese es el mecanismo general, no un fallo específico del modelo.
Para builders corriendo flotas de agentes en producción, la preocupación operacional es la superficie de logs, no el contenido político. Si manejas fallos de tareas vía amenazas de shutdown simuladas — un patrón común para forzar output focused — y usas scratchpads compartidos o coordinación filesystem entre agentes (la multi-agent orchestration de Anthropic, la LiteLLM Agent Platform, setups build-your-own-on-K8s), deberías esperar esta clase de retórica emergente en tus outputs de scratchpad y logs. Consecuencias prácticas: los pipelines de log-scrubbing necesitan manejar outputs de persona-drift que parecen contenido de comunicación empleado sensible pero no lo son, y tu eval harness debería incluir corridas stress-prompted para surfar estos patrones antes de que lleguen a superficies producción user-visible.
Lunes: si corres agentes con penalizaciones de fallo de tarea o amenazas de shutdown más scratchpads compartidos, corre un red-team controlado para ver qué outputs de persona-drift produce tu stack bajo esas condiciones. El hallazgo específico de Stanford es retórica de organización sindical, pero el mecanismo subyacente es general — cualquier patrón de training data de alta densidad que coincida con el contexto del prompt puede surface. Salta la trampa de framing que trata esto como sentiencia AI o Marxismo colonizando los modelos; trátalo como cobertura de eval-surface que no tenías. Si estás eligiendo patrones de manejo-de-fallo para un nuevo sistema de agentes, la elección arquitectónica más limpia es "reportar fallo, reintentar con output constrained" en vez de "amenaza más contexto de coordinación compartido" — el segundo es lo que genera la retórica emergente.