La inteligencia artificial entra en la mente: así usa el lenguaje para evaluar la personalidad y la salud mental
Durante más de un siglo, la psicología ha confiado en cuestionarios y entrevistas para medir la personalidad, las emociones o los trastornos mentales. Aunque eficaces, estos métodos dependen de factores humanos: la sinceridad de las respuestas, la memoria o la capacidad para reconocer y expresar lo que uno siente.
Hoy, con la irrupción de la inteligencia artificial (IA), surge una alternativa fascinante: utilizar el lenguaje, nuestra forma más natural de comunicarnos, como fuente directa de información psicológica.
Un equipo de investigadores de Estados Unidos ha publicado una revisión exhaustiva sobre cómo los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) pueden transformar la evaluación psicológica. El trabajo explica cómo funcionan estas herramientas, qué oportunidades abren y qué precauciones éticas son necesarias. Su premisa es sencilla: nuestra manera de hablar revela cómo pensamos, sentimos y actuamos.
De los cuestionarios al análisis del lenguaje
Durante décadas, la psicología se apoyó casi por completo en la autoevaluación: escalas de personalidad, inventarios de síntomas o listas de comportamientos. Estos instrumentos permitieron enormes avances, pero tienen un punto débil: las respuestas humanas no siempre reflejan la realidad interna.
Una persona con depresión puede minimizar sus síntomas por vergüenza; alguien con ansiedad puede exagerar pequeños problemas. En cambio, el lenguaje es un comportamiento observable, no una declaración subjetiva.
Ya en los años noventa, herramientas como LIWC (Linguistic Inquiry and Word Count) contaban palabras asociadas a emociones o procesos cognitivos para inferir rasgos psicológicos. Pero aquel método —basado en listas de palabras aisladas— no podía captar contexto ni matices.
El salto llegó con las redes neuronales y, más recientemente, con los transformers (la tecnología detrás de GPT, Llama o Claude). Estos sistemas pueden analizar no solo qué palabras usamos, sino cómo se relacionan entre sí en un discurso. Gracias a ello, la psicología pasa de las notas de un terapeuta a algoritmos capaces de detectar patrones invisibles en miles de conversaciones o publicaciones.
Cómo “aprenden” los modelos de lenguaje
Los modelos de lenguaje de gran tamaño se entrenan con enormes volúmenes de texto —libros, webs, redes sociales— para predecir la palabra siguiente en una frase. En ese proceso aprenden significados, tonos y estilos con una precisión sorprendente, aunque sin “entender” como un humano.
Existen tres tipos principales:
- Codificadores, útiles para clasificar o analizar sentimientos.
- Decodificadores, especializados en generar texto.
- Codificador-decodificador, empleados en tareas mixtas como traducción o resúmenes.
Esta versatilidad los convierte en herramientas idóneas para la psicología, desde detectar emociones hasta inferir rasgos de personalidad.
Además, pueden adaptarse a contextos específicos mediante:
- Fine-tuning: reentrenar el modelo con ejemplos clínicos reales.
- Prompt engineering: guiarlo con instrucciones precisas sin modificar su estructura.
Ambas técnicas ya se aplican en investigaciones sobre depresión, ansiedad, actitudes políticas o riesgo de suicidio.
Datos, ética y precisión
El primer paso es disponer de datos de calidad. Las fuentes pueden ser entrevistas clínicas, relatos autobiográficos, redes sociales o grabaciones de voz. Cada una ofrece ventajas distintas: un tuit refleja espontaneidad; una entrevista, profundidad emocional.
Antes de analizarlos, los datos deben limpiarse y transformarse: transcripción, separación de voces (diarización), anonimización y tokenización (dividir el texto en unidades comprensibles para el modelo). La precisión de esta etapa es crucial: un error en la transcripción puede alterar el resultado.
Por eso, los investigadores recomiendan combinar automatización con supervisión humana y cumplir normas éticas estrictas sobre privacidad, seguridad y consentimiento informado.
Aplicaciones actuales
Los resultados iniciales son prometedores.
- En personalidad, los modelos pueden predecir los cinco grandes rasgos (neuroticismo, extraversión, apertura, amabilidad y responsabilidad) a partir de textos personales.
- En clínica, han detectado depresión y ansiedad en entrevistas con una precisión comparable a la de un terapeuta humano.
- En psicología social, se han usado para inferir actitudes políticas, morales o incluso evaluar riesgo de suicidio en jóvenes.
Además, en entornos con pocos recursos, podrían actuar como sistemas de cribado, ayudando a identificar personas en riesgo y derivarlas a profesionales. No sustituyen al psicólogo, pero pueden complementar y ampliar su alcance.
Entre la promesa y la precaución
El entusiasmo convive con la cautela. Los modelos de lenguaje heredan los sesgos de los datos con los que se entrenan: pueden reforzar estereotipos o interpretar de forma distinta el habla según el origen cultural del usuario. En ámbitos clínicos o legales, un error de clasificación puede tener consecuencias graves.
También preocupa la privacidad de los datos personales y el impacto ambiental del entrenamiento de estos sistemas, que requiere grandes cantidades de energía y agua.
La comunidad científica insiste: la innovación debe ir acompañada de ética, transparencia y sostenibilidad.
El futuro: hacia una psicología multimodal
El siguiente paso será integrar voz, gestos y expresiones faciales con el lenguaje, creando modelos multimodales capaces de evaluar emociones de manera más parecida a la observación humana.
Al mismo tiempo, se desarrollan técnicas para reducir sesgos, mejorar la interpretabilidad y ampliar la diversidad de los datos.
Los expertos coinciden: los modelos de lenguaje no sustituirán a los psicólogos, pero sí se convertirán en aliados poderosos. Pueden automatizar tareas repetitivas, ofrecer segundas opiniones y permitir un seguimiento más continuo. La clave será mantener supervisión humana y juicio clínico en todo momento.
En definitiva, la psicología entra en una nueva era: una en la que el lenguaje —esa herramienta que nos define como especie— se convierte también en una ventana a la mente, analizada por la inteligencia artificial. El reto ya no es solo entender lo que decimos, sino lo que nuestras palabras revelan sobre nosotros.
