Una conversación puede sentirse cercana, ordenada y útil sin demostrar que trata un problema de salud mental. Esa diferencia importa cuando una aplicación presenta su capacidad para escuchar como evidencia de eficacia terapéutica. Para evaluar la inteligencia artificial (IA) de apoyo psicológico conviene separar tres preguntas: cómo responde, cómo se vive la interacción y qué cambia en la salud de quien la utiliza.
Un estudio reciente sobre DHCBT permite observar esa separación. Su interés está en el diseño de la conversación y en sus límites: ofrece una oportunidad para aprender a leer las promesas de estos sistemas sin confundir una interfaz convincente con atención clínica validada.
Publicado el 4 de octubre de 2026 en Scientific Reports, DHCBT combina agentes especializados en terapia cognitivo-conductual (CBT, por sus siglas en inglés) con un avatar que ofrece voz, imagen y texto. El sistema se orienta al apoyo de una sesión ante estrés académico leve o moderado.
Participaron 71 estudiantes de una universidad china: 36 utilizaron el avatar y 35 un chat de texto con el mismo sistema de generación de respuestas. El primer grupo informó menor carga cognitiva y mayor usabilidad e intención de continuar. La diferencia en presencia social no fue estadísticamente significativa (p = 0,062).
El manuscrito aceptado contiene una discrepancia: describe una escala de presencia social de siete puntos, pero presenta una media de 7,12. Requiere aclaración; no usamos esa media como magnitud del beneficio. Tampoco demuestra eficacia clínica duradera. Los autores reconocen que el sistema puede omitir señales de crisis sutiles. La evaluación de respuestas favoreció al sistema frente a modelos base, pero constituye otra prueba, distinta del ensayo de interfaz.
Consideremos un ejemplo hipotético. Una estudiante abre una aplicación porque necesita ordenar preocupaciones antes de un examen. Después afirma que le resultó fácil conversar. Esa respuesta informa sobre su experiencia. Para saber si disminuyó su malestar de forma sostenida habría que formular otra pregunta y medir otro resultado.
También cambia el significado de una comparación. Enfrentar dos formas de presentar una conversación responde una pregunta de diseño. Comparar una intervención con atención habitual responde una pregunta diferente. El nombre de la tecnología no sustituye esa distinción.
| Qué se evalúa | Pregunta que ayuda a responder | Conclusión que no basta para sostener |
|---|---|---|
| Calidad de las respuestas | ¿El texto cumple los criterios definidos por los evaluadores? | Que produzca una mejoría clínica en personas. |
| Experiencia de uso | ¿La interacción resulta comprensible y fácil de utilizar? | Que una mayor satisfacción equivalga a tratamiento eficaz. |
| Resultados clínicos | ¿Qué cambia en la salud, frente a qué alternativa y durante cuánto tiempo? | Que un resultado se aplique a cualquier usuario o versión del producto. |
La tabla propone una guía de lectura, no una clasificación clínica de aplicaciones. Su utilidad es impedir un salto frecuente en el razonamiento: pasar de «las personas quieren seguir usándola» a «la herramienta mejora su salud». Ambas cosas pueden investigarse; una no responde automáticamente la otra.
El Instituto Nacional de la Salud Mental de Estados Unidos (NIMH) identifica la evidencia, el público al que se dirige una aplicación, la privacidad y las promesas excesivas entre los puntos que requieren atención. Recomienda revisar las credenciales del desarrollador, consultar a un profesional de confianza y comprobar qué orientación ofrece el servicio cuando los síntomas empeoran.
Para trasladar esos criterios a una decisión concreta, conviene buscar respuestas comprensibles antes de escribir experiencias íntimas:
Una descripción comercial que solo enumera modelos de IA deja estas preguntas abiertas. Del mismo modo, una conversación amable no permite inspeccionar las reglas de almacenamiento. La evaluación del trato y la evaluación de los datos necesitan documentos diferentes.
La Organización Mundial de la Salud (OMS) plantea que los sistemas generativos utilizados en salud deben diseñarse para tareas bien definidas, con precisión y fiabilidad adecuadas. También pide involucrar a profesionales y usuarios desde el desarrollo, además de evaluar impactos y proteger la autonomía y la privacidad.
Como criterio editorial, una universidad que considere un piloto debería poder explicar qué función quiere mejorar antes de elegir un avatar: orientar hacia recursos, facilitar una primera conversación o apoyar un proceso supervisado son objetivos distintos. La demostración comercial tendría que responder al objetivo elegido.
Un ejemplo hipotético ayuda a concretarlo. Si el propósito es facilitar el acceso a orientación humana, medir únicamente conversaciones iniciadas dejaría fuera el resultado central: si la persona consiguió esa orientación. Si el propósito cambia, también debe cambiar la evaluación. Elegir primero la métrica más fácil puede terminar redefiniendo el servicio sin discutirlo.
Este problema conecta con el paso de los prototipos a la implementación de IA en la atención real. Una institución necesita saber quién responde por el servicio y cómo se revisa su funcionamiento, además de observar si la demostración resulta atractiva.
No. La facilidad de uso describe la experiencia con el producto. Para sostener una afirmación terapéutica se necesita evidencia sobre resultados de salud y una comparación adecuada.
Revisa quién la desarrolla, qué evidencia presenta, cómo utiliza tus datos, si permite contacto profesional y qué orientación ofrece cuando el malestar empeora.
No. Una consulta con un profesional y una conversación generada automáticamente son servicios diferentes, aunque ambos aparezcan en una pantalla. Comprueba quién presta la atención.
Describe el enfoque que declara utilizar. No demuestra por sí solo que esa aplicación concreta haya sido evaluada ni que reproduzca los resultados de la terapia en la que se inspira.
Nuestra interpretación es que el valor de la IA en apoyo psicológico dependerá de la relación entre lo que promete y lo que permite comprobar. Cuanto más natural resulte la conversación, más fácil será olvidar que cercanía, responsabilidad y eficacia pertenecen a planos diferentes.
La oportunidad consiste en diseñar herramientas cuyo alcance sea comprensible para quien las usa. La confianza debería crecer porque conocemos sus límites, sus responsables y sus resultados; una voz convincente puede facilitar la interacción, pero no debería decidir por nosotros cuánto creer.