Este artículo realizó experimentos de generación de tareas con humanos y GPT-4o para investigar si los agentes generativos basados en modelos de lenguaje a gran escala (LLM) generan tareas de forma similar a la humana. Nuestros resultados muestran que, si bien la generación de tareas humanas se ve constantemente influenciada por valores personales como la apertura a la experiencia y motivadores psicológicos como el estilo cognitivo, los LLM no reflejan estos patrones de comportamiento, incluso cuando se les proporcionan explícitamente motivadores psicológicos. Las tareas generadas por LLM fueron menos sociales, menos exigentes físicamente y más centradas en temas abstractos. Si bien las tareas generadas por LLM se calificaron como más atractivas y novedosas, esto demuestra una brecha entre las habilidades lingüísticas de los LLM y su capacidad para generar objetivos concretos y similares a los humanos. En conclusión, existe una diferencia fundamental entre la naturaleza concreta e impulsada por valores de la cognición humana y los patrones estadísticos de los LLM. Diseñar agentes más centrados en el ser humano requiere integrar la motivación intrínseca y los fundamentos físicos.
