Tres ingenieros realizaron un experimento controlado para evaluar la capacidad de los modelos de lenguaje más avanzados del mercado para operar un vehículo motorizado. El objetivo fue asignar el control de un Toyota Corolla a GPT, Claude y Grok, obligando a cada sistema a interpretar instrucciones y ejecutar maniobras de conducción en tiempo real. La prueba buscó determinar si la lógica deductiva de estas herramientas es suficiente para garantizar la seguridad en un entorno físico dinámico.

Los resultados fueron divergentes: solo uno de los tres modelos logró completar la secuencia de conducción con éxito, mientras que los otros dos fallaron al interpretar las variables del entorno o al ejecutar las órdenes motoras. Este hallazgo subraya la brecha existente entre el procesamiento de lenguaje natural y la toma de decisiones autónomas en sistemas críticos. Para la industria tecnológica, el experimento sirve como recordatorio de que la integración de IA en la movilidad requiere capas de seguridad robustas y no puede depender únicamente de la capacidad conversacional de los modelos.