La intel·ligència artificial avança a passos de gegant, i amb ella la necessitat de comprendre i controlar el comportament dels models de llenguatge. Investigacions recents, com la presentada a arXiv:2607.07916v1, proposen una metodologia innovadora: cartografiar la personalitat d’aquests models en l’espai dels seus pesos. Aquest enfocament, basat en el marc OCEAN (Obertura, Responsabilitat, Extraversió, Amabilitat i Neuroticisme), permet descompondre, mesurar i modular les 'persones' que emergeixen en els LLMs. Lluny de ser una curiositat acadèmica, aquesta tècnica obre la porta a aplicacions empresarials concretes, on el control fi dels agents d’IA pot marcar la diferència entre un sistema genèric i una solució adaptada a les necessitats específiques de cada organització.
La idea central és tractar les personalitats com a vectors en un espai de trets conductuals. Mitjançant adaptadors de rang baix (LoRA), és possible amplificar o suprimir cada dimensió de manera quasi independent. Els experiments amb sis models de diferents famílies (de 4B a 32B paràmetres) mostren que aquests moviments són monòtons respecte a l’escala, es combinen de manera aproximadament additiva i, a escales moderades, no degraden les capacitats generals. Això significa que una empresa podria, per exemple, agafar un LLM base i ajustar el seu nivell d’amabilitat per reduir l’adulació en un chatbot d’atenció al client, o modular el neuroticisme per evitar respostes frustrants. La capacitat de construir 'persones mixtes' combinant adaptadors ofereix un nivell de personalització sense precedents.
Des de la perspectiva tècnica, el pipeline psicomètric no supervisat presentat a l’estudi és especialment rellevant. Recupera factors com el to, la iniciativa, el didactisme i la cautela epistèmica a partir de les sortides del model. En el context empresarial, això es tradueix en la possibilitat d’auditar i alinear el comportament dels assistents virtuals, els sistemes de recomanació i les eines de generació de contingut. Per exemple, un sistema de suport tècnic podria configurar-se per ser més didàctic i menys propens a donar respostes insegures, mentre que un assistent de vendes podria potenciar la seva extraversió sense caure en l’agressivitat.
A Q2BSTUDIO, entenem que la implementació d’aquestes tècniques requereix un coneixement profund tant de la infraestructura com del negoci del client. Per això oferim serveis d’aplicacions a mida que integren models de llenguatge amb personalitats controlades, adaptades a fluxos de treball reals. El nostre equip combina experiència en intel·ligència artificial, agents IA i ciberseguretat per garantir que cada desplegament sigui robust i segur. A més, l’escalabilitat al núvol és fonamental: treballem amb cloud AWS i Azure per oferir entorns elàstics que suportin els adaptadors de personalitat sense comprometre el rendiment.
La cartografia de la personalitat no només millora l’experiència d’usuari, sinó que també reforça la seguretat. En controlar trets com l’amabilitat o el neuroticisme, es poden mitigar comportaments no desitjats, com la generació de contingut ofensiu o la manipulació. Això és crític en sectors regulats com la salut o les finances, on la fiabilitat de la IA és un requisit legal. En paral·lel, la combinació amb solucions de BI / Power BI permet monitoritzar en temps real el comportament dels agents, detectant desviacions i ajustant automàticament els adaptadors.
Un altre aspecte clau és la integració amb la ciberseguretat. Els adaptadors de personalitat són fitxers de mida petita que modifiquen els pesos del model sense exposar dades sensibles. No obstant, s’han de protegir contra accessos no autoritzats. A Q2BSTUDIO oferim serveis de ciberseguretat que inclouen auditories de models i protecció dels pipelines d’entrenament. A més, l’ús de cloud AWS o Azure garanteix el compliment d’estàndards com ISO 27001 i SOC 2.
La investigació demostra que els eixos de personalitat induïts afecten comportaments rellevants per a la seguretat. Per exemple, moure’s al llarg de l’eix de neuroticisme influeix en la frustració, i el d’amabilitat en l’adulació. Això té implicacions directes per al disseny de chatbots empàtics però no submisos, o assistents que mantinguin una postura crítica sense resultar grollers. Les empreses que adopten aquesta tecnologia poden crear experiències d’usuari diferenciades, alineades amb la seva marca i valors.
Des del punt de vista tècnic, la implementació requereix un stack modern: frameworks com PyTorch, llibreries d’adaptadors (PEFT), i una infraestructura escalable. A Q2BSTUDIO ajudem els nostres clients a seleccionar el model base més adequat (des de 4B fins a 32B) i a entrenar els adaptadors amb dades pròpies, garantint que la personalitat resultant reflecteixi les necessitats del negoci. A més, oferim consultoria en automatització de processos, on la personalitat de l’agent s’ajusta dinàmicament segons el context de la interacció.
Una de les troballes més prometedores és l’additivitat dels adaptadors: combinar trets de manera controlada permet construir personalitats complexes sense necessitat de reentrenar el model complet. Això redueix dràsticament els costos computacionals i el temps de desplegament. Una empresa pot tenir un catàleg d’adaptadors preentrenats (un per a cada dimensió) i combinar-los al vol segons la tasca. Per exemple, un sistema d’atenció al client podria usar un 70% d’amabilitat i un 30% de consciència, mentre que un assistent de vendes usaria un 60% d’extraversió i un 40% d’obertura. Aquesta flexibilitat és ideal per a entorns multilingües i multicanal.
La metodologia també obre la porta a la interpretabilitat. En mapar les personalitats a l’espai de pesos, els desenvolupadors poden entendre quines regions del model són responsables de certs comportaments. Això facilita la depuració i la certificació de la IA. En sectors com la banca o l’administració pública, on la transparència és obligatòria, disposar d’un mapa de personalitat és un avantatge competitiu.
En conclusió, la cartografia de la personalitat dels models de llenguatge representa un salt qualitatiu en el control de la IA. Les empreses que inverteixin en aquesta tecnologia podran oferir solucions més segures, personalitzades i eficients. Des de Q2BSTUDIO, estem preparats per acompanyar els nostres clients en aquest camí, combinant la nostra experiència en desenvolupament d’aplicacions a mida, cloud Azure/AWS, ciberseguretat i intel·ligència artificial. El futur de la interacció humà-màquina està en la capacitat de modelar la personalitat dels assistents digitals, i ja és al nostre abast.
