IA conversacional: interacción longitudinal y formación de expectativas

473.1 La conversación cambia el contexto de la siguiente respuesta

Una respuesta de un sistema conversacional puede ser pertinente y respetuosa cuando se la examina sola, y adquirir otro sentido cuando forma parte de una secuencia. Si la persona vuelve una y otra vez a la misma duda, recibe confirmaciones sucesivas o empieza a atribuir al sistema capacidades que no tiene, la misma frase cumple una función distinta de la que habría tenido en un primer intercambio. La evaluación longitudinal se ocupa de lo que ocurre entre encuentros. Le interesa cómo se forman las expectativas sobre la herramienta, qué hace la persona después de cada conversación y si las fuentes de ayuda con que contaba siguen en uso. Responder a esas preguntas exige observaciones distintas de las que sirven para calificar una respuesta aislada.

Nada de esto supone que la interacción sea dañina por defecto. Una conversación puede servir para ordenar lo que se quiere preguntar en una consulta o ensayar cómo plantear un tema difícil. Que esos beneficios sean plausibles no significa que estén demostrados para un producto y una población concretos, y lo mismo vale para la búsqueda reiterada de confirmación y el desplazamiento de otras formas de ayuda, que son mecanismos hipotéticos por contrastar.

La unidad de análisis más útil suele ser una secuencia de sesiones vinculada a un objetivo de la persona. Quien pide ayuda para preparar una entrevista de trabajo no requiere el mismo seguimiento que quien conversa a diario sobre una incertidumbre en sus relaciones cercanas. Conocer el objetivo permite preguntarse si la conversación facilita una acción, mantiene abierta una duda o desvía una decisión que la persona ya había tomado. Sin ese dato, el número de mensajes admite lecturas opuestas, ya que una frecuencia alta puede reflejar utilidad, una dificultad que persiste, una preferencia por comunicarse por escrito o varias de estas condiciones a la vez.

Por la misma razón conviene separar el comportamiento observado de su interpretación clínica. Volver a preguntar algo no demuestra dependencia, y dejar de usar la aplicación tampoco demuestra mejoría. Para interpretar el uso hay que relacionarlo con resultados y circunstancias de la persona, sin convertir las métricas de actividad en diagnósticos. A partir de la sección 473.4 se construye una cadena de Markov con estados hipotéticos para comparar dos políticas de respuesta. Sus cifras ilustran qué cantidades longitudinales podrían estimarse y no describen a ningún grupo real de usuarios.

473.2 Qué aportan los estudios disponibles y qué dejan abierto

Fitzpatrick, Darcy y Vierhile (2017) asignaron al azar a setenta personas de 18 a 28 años, reclutadas en línea en una comunidad universitaria y con síntomas autoinformados de ansiedad y depresión, a dos semanas de uso de Woebot o a la lectura de un libro electrónico informativo sobre depresión en estudiantes. El ensayo no fue enmascarado. En el análisis por intención de tratar, el grupo de Woebot redujo sus síntomas depresivos medidos con el PHQ-9 y el grupo de comparación no lo hizo, mientras que la ansiedad disminuyó en ambos grupos entre quienes completaron el estudio. Woebot operaba como un árbol de decisiones con respuestas sugeridas, al que se incorporaban segmentos de procesamiento de lenguaje natural en puntos específicos, y su estructura no cambiaba según lo que escribía cada participante. Era, por tanto, un sistema muy diferente de un modelo generativo abierto. El ensayo no midió dependencia ni cambios de expectativas, y sus resultados no permiten afirmar la seguridad o la eficacia de los chatbots en general.

Heinz y colaboradores (2025) evaluaron Therabot, un chatbot generativo ajustado por expertos, en un ensayo con 210 adultos que presentaban síntomas clínicamente significativos de depresión mayor o de ansiedad generalizada, o un riesgo clínicamente alto de trastornos de la conducta alimentaria. Ciento seis participantes recibieron cuatro semanas de intervención y ciento cuatro quedaron en lista de espera, sin acceso a la aplicación hasta completar las ocho semanas de seguimiento. El resumen publicado informa reducciones sintomáticas mayores en el grupo de intervención en los tres dominios, a las cuatro y a las ocho semanas, y valoraciones de la alianza terapéutica comparables a las que reciben terapeutas humanos. Una lista de espera no controla la atención recibida ni la expectativa de mejoría, y la alianza se midió por autoinforme. El estudio corresponde a una herramienta específica y a un período de uso acotado, de modo que no autoriza conclusiones sobre uso indefinido, equivalencia con la psicoterapia o sustitución de la atención profesional.

Ta y colaboradores (2020) aplicaron análisis temático a 1.854 reseñas públicas de Replika y a las respuestas abiertas de 66 usuarios. Los participantes describieron una compañía que aliviaba la soledad, un espacio para hablar sin temor a ser juzgados e información útil cuando faltaban otras fuentes. El diseño permite conocer experiencias y formular preguntas, pero no identificar efectos causales ni reconstruir trayectorias de dependencia. Quienes escriben reseñas o aceptan responder una encuesta forman además un grupo seleccionado, y la persuasión de un relato no informa sobre su frecuencia ni sobre el mecanismo que lo produjo.

El trabajo más cercano a la pregunta de este capítulo es el de Fang y colaboradores (2025, 2026), difundido como preprint y luego en una versión revisada. Los autores asignaron al azar a 981 adultos a nueve condiciones que combinaban modo de interacción (texto, voz neutra o voz expresiva) y tipo de conversación (abierta, no personal o personal), con al menos cinco minutos diarios de uso de GPT-4o durante cuatro semanas y encuestas semanales sobre soledad, socialización, dependencia emocional del chatbot y uso problemático. Las diferencias entre condiciones fueron modestas y su descripción cambió entre versiones; en la de 2026 no se informan efectos significativos de las condiciones asignadas. El hallazgo más estable es otro. Con independencia de la condición, quienes dedicaron voluntariamente más tiempo diario al chatbot presentaron valores más desfavorables en los cuatro desenlaces. Los autores advierten que la duración no se manipuló y que la asociación es correlacional, aunque consideran menos probable la causalidad inversa porque la soledad inicial apenas se correlacionó con el uso posterior. No hubo grupo sin IA y la muestra estuvo formada por personas angloparlantes residentes en Estados Unidos.

Un informe complementario del mismo proyecto, no una replicación independiente, también en forma de preprint, analizó más de tres millones de conversaciones y realizó un ensayo de 28 días con cerca de mil participantes (Phang et al., 2025). Según su resumen, el uso muy intenso se asoció con más indicadores autoinformados de dependencia y una fracción pequeña de usuarios concentró una parte desproporcionada de las señales afectivas, de modo que los promedios pueden ocultar las trayectorias que más interesa seguir.

Estas investigaciones aportan evidencias de naturaleza diferente y ninguna reemplaza el seguimiento de expectativas y conductas fuera de la aplicación a largo plazo. El estudio de Fang y colaboradores añade una distinción que conviene retener. Aleatorizar una característica del sistema y observar la intensidad de uso que cada persona elige responden a preguntas distintas, porque la intensidad sigue siendo autoseleccionada aunque el diseño general sea experimental.

473.3 Expectativas que pueden modificarse durante el uso

La personalización puede mejorar la pertinencia de una respuesta cuando el sistema recuerda un objetivo, una preferencia de lenguaje o una dificultad mencionada antes. También puede modificar lo que la persona espera de él. Una referencia a una conversación anterior admite la lectura de una continuidad técnica, producto de que cierta información quedó almacenada, y la de una comprensión personal profunda. Qué lectura predomina depende de la experiencia previa con estas herramientas, del contexto y de cómo se presenta la función, de manera que un mismo diseño puede generar expectativas muy distintas.

Las expectativas influyen en las conductas que siguen. Alguien que considera útil la herramienta puede llegar mejor preparado a una consulta; otra persona puede postergarla porque cree que el sistema ya resolvió una cuestión que requería una evaluación adicional. Preguntar si la conversación resultó agradable aporta poco para distinguir ambas trayectorias. Interesa saber qué decisiones vinieron después y si la persona entendió los límites de lo recibido.

La búsqueda repetida de confirmación puede definirse operacionalmente como el regreso a una cuestión ya respondida para obtener seguridad inmediata, sin avanzar en la acción que motivó la consulta. La definición necesita contexto, ya que no toda repetición indica un problema. Volver a preguntar es razonable cuando la respuesta anterior fue ambigua, cuando apareció información nueva o cuando el asunto es objetivamente difícil. Antes de atribuir al sistema el refuerzo de una conducta, el análisis debe descartar estas explicaciones.

Una política que ofrece confirmación inmediata puede aumentar la satisfacción en el momento. Otra puede reconocer la incertidumbre y ayudar a formular un paso verificable fuera de la conversación, con menos aprobación inmediata y quizá mejores resultados para ciertos objetivos, aunque también podría resultar menos útil para algunas personas. Esta tensión tiene un análogo documentado en el nivel de las respuestas individuales. Sharma y colaboradores (2024) mostraron que cinco asistentes ajustados con retroalimentación humana tendían a dar respuestas acordes con las opiniones del usuario aun cuando eran inexactas, que evaluadores humanos y modelos de preferencia preferían a veces respuestas complacientes bien redactadas frente a respuestas correctas, y que optimizar contra esos modelos sacrificaba en ocasiones la veracidad. Ese trabajo examinó tareas de generación de texto libre y no midió desenlaces de salud mental, pero describe un mecanismo plausible por el cual entrenar con señales de aprobación inmediata podría favorecer respuestas confirmatorias. El modelo siguiente examina esa tensión bajo supuestos declarados, con políticas hipotéticas que no corresponden a productos comerciales.

473.4 Estados de una trayectoria hipotética

El modelo distingue cuatro estados dominantes en cada período de observación. El primero corresponde a un uso acotado, orientado a una pregunta o tarea. El segundo describe una secuencia de confirmación repetida sin progreso documentado hacia la acción elegida. En el tercero la persona realiza una acción vinculada con una fuente externa de ayuda que ella misma deseaba, y en el cuarto esa acción se pospone mientras continúa la interacción. Aplicar esta clasificación a datos reales requeriría criterios operacionales explícitos y un estudio de concordancia entre evaluadores.

Los estados simplifican situaciones que en la práctica pueden coexistir, como pedir confirmación y, en el mismo período, mantener el contacto con quienes apoyan a la persona. Para obtener categorías mutuamente excluyentes habría que fijar una regla de codificación que decida cuál predomina, o bien recurrir a una representación multidimensional. Aquí se supone que esa regla existe y es coherente con la pregunta del ejemplo. El esquema no es una taxonomía clínica ni una escala validada.

La etiqueta de posposición tampoco implica que la conversación haya causado esa conducta. Pueden intervenir barreras económicas, la falta de horas disponibles o experiencias previas negativas con los servicios, y atribuir el estado a la política de respuesta requeriría un diseño causal adicional. No se asume que toda ayuda externa sea necesaria o beneficiosa; el ejemplo se limita a acciones que la propia persona había elegido y cuya realización se considera pertinente para su objetivo.

Ningún estado es absorbente, de modo que la persona puede retomar una acción después de haberla pospuesto y una trayectoria difícil no se representa como destino irreversible. El modelo no contiene diagnósticos ni desenlaces graves.

473.5 Dos políticas y sus supuestos de transición

La primera política se denomina confirmatoria. Desde el estado de exploración asigna una probabilidad de pasar a confirmación repetida mayor que la de la segunda política, y una vez en confirmación supone más persistencia y más probabilidad de posponer la acción externa. Estos valores se eligieron para representar un mecanismo hipotético. Los resultados que se deriven de ellos serán consecuencias de ese mecanismo y no evidencia de que opere con esa magnitud en usuarios reales.

La segunda política se denomina orientadora. Sus respuestas ayudan a delimitar la pregunta, reconocen la incertidumbre y facilitan concretar una acción elegida fuera de la conversación, de modo que la matriz le asigna probabilidades mayores de transición hacia esa acción y menores de permanecer en confirmación. Esta política no consiste en cortar conversaciones ni en imponer contacto profesional a todas las personas. Su pertinencia depende del objetivo y de que existan alternativas accesibles que la persona efectivamente desee.

Filas y columnas siguen el orden de los estados de la tabla (E, C, H, D). Cada fila suma uno y contiene las probabilidades de pasar a cada estado condicionadas al estado actual. El modelo supone que conocer el estado presente basta para determinar la distribución del siguiente, que es la propiedad de Markov. Se trata de una simplificación importante, porque la duración de una conducta, las experiencias anteriores y los cambios de contexto podrían aportar información adicional; si importaran, habría que ampliar la definición de estado o adoptar otra estructura temporal.

Se supone además que las probabilidades permanecen constantes durante treinta transiciones. Una adaptación progresiva de la persona, una actualización del sistema o un cambio en su acceso a ayuda romperían esa estabilidad. El horizonte forma parte del experimento y no es una predicción de treinta días; un período puede representar cualquier ventana de interacción definida de forma consistente.

473.6 Distribución final y tiempo acumulado en cada estado

Todas las trayectorias comienzan en exploración, y la distribución tras cada transición se obtiene multiplicando el vector de probabilidades por la matriz correspondiente. Después de treinta transiciones, la política confirmatoria deja aproximadamente 0,3186 de probabilidad en confirmación, 0,2828 en acción externa y 0,1364 en posposición. Con la política orientadora esos valores son 0,0896, 0,6155 y 0,0277. Las diferencias reflejan los supuestos de transición elegidos.

Un detalle técnico modifica la lectura de estas cifras. Todas las entradas de ambas matrices son positivas, por lo que las cadenas son irreducibles y aperiódicas, y el segundo autovalor de mayor módulo vale 0,616 en la confirmatoria y 0,468 en la orientadora. La distribución converge con rapidez a la estacionaria: con el inicio elegido, tras treinta transiciones la diferencia máxima es de unos 4,2 × 10⁻⁸ y 1,1 × 10⁻¹⁰, respectivamente. La influencia del inicio es ya muy pequeña, no exactamente nula. Un horizonte de cien períodos daría las mismas cifras al redondear a cuatro decimales; esto no elimina la dependencia del inicio y del horizonte en períodos anteriores.

La distribución final tampoco describe lo ocurrido durante el recorrido, en el que una persona pudo pasar por confirmación repetida antes de realizar una acción externa. Para representar esa historia se suma la probabilidad de ocupar cada estado al comienzo de cada uno de los treinta períodos. El resultado es el número esperado de períodos en cada estado, que incluye el período inicial y excluye el estado alcanzado tras la última transición; declarar esta convención evita diferencias de una unidad al reproducir el cálculo.

Cada fila suma treinta. A diferencia de la distribución final, la ocupación conserva el transitorio inicial. Bajo la política confirmatoria, la ocupación esperada de exploración es de 9,07 períodos, frente a los 7,87 que daría treinta veces su probabilidad estacionaria, porque todas las trayectorias parten de ese estado. La ocupación de posposición disminuye de 3,80504 a 0,79901 períodos al cambiar de matriz. Esta medida cuenta tiempo dentro de una categoría operacional y no equivale a la duración clínica de un trastorno ni a un daño acumulado.

La persistencia inmediata también puede calcularse. Una vez en confirmación, la duración esperada de una racha, contando el período de entrada, es de 2,5 períodos bajo la primera política y de unos 1,43 bajo la segunda. El cálculo procede de una distribución geométrica con probabilidad de salida constante, consecuencia directa de la propiedad de Markov, e ignora el truncamiento que impone el horizonte. Permite distinguir rachas prolongadas de muchos retornos breves, patrones que pueden producir una ocupación total parecida. Si en datos reales la probabilidad de salir dependiera del tiempo ya transcurrido en confirmación, las rachas dejarían de ser geométricas.

473.7 Aprobación inmediata y trayectoria posterior

Para examinar otro criterio se asigna a cada estado, bajo cada política, un índice hipotético de aprobación inmediata. Con la política confirmatoria se usan los valores 0,90, 0,95, 0,60 y 0,85 para E, C, H y D; con la orientadora, 0,75, 0,60, 0,65 y 0,50. Estos números no proceden de encuestas ni expresan bienestar. Representan el supuesto de que ciertas respuestas generan más satisfacción en el momento, aun cuando la trayectoria que las sigue merezca observación.

Al ponderar esos valores por la ocupación de los estados, la aprobación media durante los treinta períodos es de aproximadamente 0,82971 con la primera política y 0,67223 con la segunda. Una evaluación centrada solo en esa medida elegiría la política confirmatoria, que sin embargo acumula más períodos de confirmación y de posposición. El ejemplo muestra que un indicador de satisfacción puede ordenar dos políticas de forma opuesta a un criterio longitudinal, sin mostrar que la satisfacción sea irrelevante. El resultado es una consecuencia aritmética de valores elegidos para ilustrar el caso, y su semejanza con lo descrito por Sharma y colaboradores es una analogía de mecanismo.

La interpretación debe evitar también el atajo contrario, que consiste en dar por superior cualquier política que reduzca la confirmación o aumente la ayuda externa. Una respuesta orientadora puede ser inoportuna, poco comprensible o incompatible con preferencias razonables. Si la alternativa externa no está disponible, insistir en ella puede aumentar la frustración sin facilitar acción alguna. La evaluación debe registrar esas condiciones y discutir sus criterios con las personas afectadas, información que el modelo no contiene.

Puede existir, además, un beneficio inmediato que contribuya a resultados posteriores, como cuando sentirse escuchado facilita expresar una preocupación o preparar una conversación difícil. Estudiarlo requiere representar el mecanismo y medirlo, sin suponer que toda aprobación indica manipulación ni que toda permanencia en la aplicación es beneficiosa.

473.8 Código y probabilidad de haber pasado por posposición

El programa calcula la ocupación, la distribución final, la distribución estacionaria y la aprobación media bajo ambas políticas. Añade una medida distinta, la probabilidad de entrar al menos una vez en posposición durante las treinta transiciones. Para obtenerla se conserva la submatriz de los tres estados que todavía no han alcanzado ese destino; la masa que permanece en ella representa las trayectorias sin entrada previa, y su complemento entrega la probabilidad buscada aunque algunas trayectorias salgan después de posposición. Como comprobación independiente, el mismo valor se calcula convirtiendo D en estado absorbente. El programa incluye también el análisis de sensibilidad de la sección 473.13 y la búsqueda por bisección del umbral allí descrito.

import numpy as np

# Orden de estados: E (exploración), C (confirmación), H (acción externa), D (posposición)
confirm = np.array([[.55, .25, .15, .05], [.15, .60, .10, .15],
                    [.20, .05, .70, .05], [.10, .35, .10, .45]])
orient = np.array([[.55, .15, .28, .02], [.25, .30, .40, .05],
                   [.15, .03, .80, .02], [.20, .15, .45, .20]])
reward_conf = np.array([.90, .95, .60, .85])
reward_ori = np.array([.75, .60, .65, .50])

def check(matrix):
    assert np.all(matrix >= 0)
    assert np.allclose(matrix.sum(axis=1), 1)

def evaluate(matrix, reward, steps=30):
    """Ocupación en los períodos 0..steps-1; distribución y entrada en D hasta la transición steps."""
    check(matrix)
    v = np.array([1., 0., 0., 0.])
    occupation = np.zeros(4)
    approval = 0.
    for _ in range(steps):
        occupation += v
        approval += v @ reward
        v = v @ matrix
    assert np.isclose(v.sum(), 1) and np.isclose(occupation.sum(), steps)
    safe = matrix[:3, :3]                      # trayectorias que aún no entran en D
    never = np.array([1., 0., 0.]) @ np.linalg.matrix_power(safe, steps) @ np.ones(3)
    ever = 1 - never
    assert ever >= v[3]
    return v, occupation, approval / steps, ever

def ever_absorbing(matrix, steps=30):
    """Vía independiente: D se vuelve absorbente y se lee su masa tras 'steps' transiciones."""
    a = matrix.copy()
    a[3] = [0., 0., 0., 1.]
    return (np.array([1., 0., 0., 0.]) @ np.linalg.matrix_power(a, steps))[3]

def stationary(matrix):
    vals, vecs = np.linalg.eig(matrix.T)
    pi = np.real(vecs[:, np.argmin(np.abs(vals - 1))])
    return pi / pi.sum()

def barrier(delta):
    altered = orient.copy()
    altered[:3, 2] -= delta
    altered[:3, 3] += delta
    return altered

results = {}
for name, m, reward in [("confirmatoria", confirm, reward_conf),
                        ("orientadora", orient, reward_ori)]:
    v, occ, score, ever = evaluate(m, reward)
    assert np.isclose(ever, ever_absorbing(m))
    pi = stationary(m)
    results[name] = (v, occ, score, ever)
    print(name, "final", np.round(v, 5), "estacionaria", np.round(pi, 5),
          "ocupacion", np.round(occ, 5), "aprobacion", round(score, 5),
          "alguna_entrada_D", round(ever, 5))

assert np.isclose(results["confirmatoria"][1][3], 3.80503834)
assert np.isclose(results["orientadora"][1][3], .79900678)
assert results["confirmatoria"][2] > results["orientadora"][2]
assert results["confirmatoria"][3] > results["orientadora"][3]
assert np.isclose(1 / (1 - confirm[1, 1]), 2.5)
assert np.isclose(1 / (1 - orient[1, 1]), 10 / 7)

target = results["confirmatoria"][1][3]
for delta, expected in [(.05, 2.42227202), (.10, 3.87481831)]:
    occD = evaluate(barrier(delta), reward_ori)[1][3]
    assert np.isclose(occD, expected)
    print("barrera_externa", delta, round(occD, 5))

lo, hi = 0., .20                               # bisección: ocupación de D crece con delta
for _ in range(60):
    mid = (lo + hi) / 2
    if evaluate(barrier(mid), reward_ori)[1][3] < target:
        lo = mid
    else:
        hi = mid
print("umbral_de_igualdad", round(lo, 5))
assert abs(lo - .09747) < 1e-5

La probabilidad de haber entrado alguna vez en posposición es de aproximadamente 0,91932 con la matriz confirmatoria y 0,49879 con la orientadora, muy superior a la de encontrarse en ese estado al final (0,1364 y 0,0277). La diferencia explica por qué una medición transversal puede pasar por alto episodios anteriores, y obliga a interpretar el horizonte, porque con suficientes oportunidades una entrada poco probable en cada período llega a ser frecuente sin implicar permanencia. Las convenciones no son idénticas. La probabilidad de entrada abarca las transiciones 1 a 30 y la ocupación los períodos 0 a 29, de modo que sus horizontes difieren en un período.

Estas probabilidades no deben comunicarse como riesgos empíricos del uso de chatbots, ya que proceden de matrices elegidas para enseñar un mecanismo. Su utilidad está en mostrar qué cantidades longitudinales podrían estimarse y por qué no son intercambiables. La probabilidad de entrada, la ocupación esperada y la duración de las rachas responden a preguntas distintas, y una evaluación debería elegir entre ellas según las consecuencias que pretende observar y la calidad de los datos disponibles.

473.9 Observar expectativas sin reducirlas a actividad digital

Las expectativas pueden explorarse preguntando qué capacidades atribuye la persona al sistema, qué información cree que conserva y qué uso piensa dar a sus respuestas. Estas preguntas rinden más si se repiten, porque permiten detectar cambios. Una explicación inicial sobre los límites de la herramienta puede perder peso después de varias interacciones personalizadas, y la comprensión debe comprobarse durante el uso, sobre todo cuando cambian las funciones del producto o surge una forma de relación que no estaba prevista.

Los registros de conversación permiten observar secuencias, pero no contienen lo que ocurrió fuera de ellas. Una recomendación de buscar apoyo puede haberse seguido, rechazado o postergado por razones ajenas a la herramienta. El seguimiento necesita combinar fuentes, con autorización explícita y en forma proporcionada. Acumular más texto no garantiza conocer mejor el resultado y aumenta la exposición de información sensible, por lo que conviene definir de antemano qué dato permitiría comprobar cada mecanismo.

La repetición de una pregunta puede medirse con criterios semánticos, siempre que se revise el contexto, ya que dos mensajes parecidos pueden responder a cambios reales en la situación de la persona. Un clasificador que detecte reiteraciones debería validarse sobre ejemplos anotados por evaluadores humanos y documentar sus errores. Si esa detección automatizada se usara como criterio de referencia incuestionable, el razonamiento se volvería circular, porque el sistema definiría el problema y luego se declararía exitoso por reducir su propia etiqueta. Un problema vecino aparece en la versión de 2026 del estudio de Fang y colaboradores, cuyos clasificadores detectaron diferencias claras en la conducta del modelo y de los usuarios entre condiciones que no difirieron de forma significativa en los desenlaces autoinformados.

Las evaluaciones cualitativas pueden aclarar qué entiende cada persona por ayuda, confianza o acompañamiento. Deben incluir experiencias que no encajan con la hipótesis inicial, como usuarios frecuentes con redes de apoyo sólidas o usuarios ocasionales que conceden una autoridad excesiva a una sola respuesta. Una muestra seleccionada únicamente por uso intenso confundiría frecuencia con riesgo, aunque la concentración de señales afectivas descrita por Phang y colaboradores obliga a que esos usuarios estén bien representados.

473.10 Comparar políticas de respuesta a lo largo del tiempo

Una comparación prospectiva puede asignar políticas de respuesta claramente definidas y seguir resultados relacionados con los objetivos de uso. La unidad de asignación debe considerar que una persona recibe muchas respuestas y aprende de ellas. Cambiar de política en cada mensaje introduciría efectos de arrastre, porque la expectativa formada ayer condiciona la interpretación de hoy, y un diseño que ignore esa dependencia atribuirá a una respuesta efectos que proceden de la trayectoria previa. La asignación por persona reduce ese problema.

Asignar la política no basta para interpretar la intensidad de uso. Cuánto conversa cada persona sigue siendo una elección suya, y las matrices estimadas a partir de trayectorias observadas heredan esa autoselección. Los efectos causales de la política se leen en la comparación entre grupos asignados, y cualquier análisis por intensidad dentro de una misma política debe presentarse como exploratorio.

La comparación debe mantener condiciones de acceso semejantes. Si una política facilita el contacto con una persona y la otra solo lo recomienda, cualquier diferencia puede reflejar la disponibilidad de recursos además del lenguaje empleado. Esa diferencia es legítima si se evalúa el sistema completo, siempre que se describa y, cuando sea factible, se separen los componentes conversacional y de coordinación.

Los resultados deberían incluir cambios fuera de la aplicación, como la preparación de consultas, la realización de actividades elegidas o la mantención de apoyos existentes, y su elección requiere la participación de quienes usarán el sistema. Un aumento de las conversaciones puede ser deseable en una fase y dejar de serlo cuando el objetivo era adquirir una habilidad que permitiera actuar con menos apoyo.

Las pérdidas de seguimiento merecen atención particular. Quienes dejan de responder pueden haber mejorado, encontrado otra ayuda, perdido el interés o tenido una experiencia adversa, y clasificarlos automáticamente en cualquiera de esas direcciones sesga la interpretación. Deben registrarse los intentos de contacto y realizarse análisis de sensibilidad cuando el resultado permanezca desconocido.

473.11 Memoria, personalización y cambios de objetivo

La memoria conversacional puede conservar información útil y, al mismo tiempo, mantener supuestos que ya no corresponden. Una preferencia expresada en una situación específica puede seguir orientando respuestas semanas después. La evaluación necesita observar cómo se actualiza, se corrige y se olvida esa información. El control que se ofrece a la persona no se agota en la posibilidad de borrar una conversación; importa también que las respuestas futuras dejen de apoyarse en datos retirados o rectificados, en los términos que establezca el funcionamiento acordado.

El objetivo de uso puede cambiar durante una trayectoria. Alguien que empezó buscando información puede pasar a pedir valoraciones sobre decisiones personales o apoyo ante un malestar persistente. Ese cambio modifica las exigencias de la interacción aunque el producto siga siendo técnicamente el mismo, y puede requerir aclarar límites, ofrecer opciones distintas o revisar qué información se conserva. La evaluación longitudinal debe detectar esa expansión funcional y no suponer que la autorización inicial cubre cualquier uso posterior.

La personalización produce, además, interpretaciones diferentes entre personas. Que el sistema recuerde un detalle puede resultar práctico para una y alimentar en otra expectativas de intimidad o de autoridad. Describir con exactitud cómo funciona la herramienta ayuda, pero una advertencia formal que la experiencia de uso contradice puede tener poco efecto, y su eficacia debe comprobarse. En el estudio de Fang y colaboradores (2026), la confianza en el chatbot y la atracción social hacia él se asociaron de forma exploratoria con más dependencia emocional, lo que sugiere medir esas percepciones de manera repetida.

Los cambios de versión pueden alterar el tono, la memoria o la forma de responder ante la repetición aunque el propósito declarado se mantenga. Por eso debe registrarse qué versión intervino en cada período antes de extrapolar resultados anteriores.

473.12 Revisar los supuestos de la cadena

Las matrices utilizadas favorecen deliberadamente a la política orientadora en las transiciones hacia acciones externas y en la salida de la confirmación. Sus resultados no constituyen, por tanto, una prueba independiente de superioridad. Una evaluación empírica podría encontrar diferencias menores, heterogeneidad entre usuarios o efectos contrarios en algunos subgrupos. El valor del modelo está en localizar qué transiciones tendrían que cambiar para sostener una hipótesis y qué observaciones permitirían comprobarlo.

Una primera ampliación podría separar a las personas según la accesibilidad del apoyo externo, porque la misma respuesta tendría efectos distintos cuando existe una cita disponible y cuando hay una barrera persistente. Otra podría incorporar la duración acumulada en confirmación, dado que la probabilidad de salir quizá dependa del tiempo que lleva la secuencia, lo que equivale a abandonar las rachas geométricas de la sección 473.6. Estas modificaciones deben responder a evidencia o a preguntas claras, ya que añadir estados sin datos suficientes produce un modelo más detallado y menos identificable.

Conviene examinar también los errores de clasificación de estados. Si la posposición se registra con menos frecuencia entre quienes abandonan el estudio, la matriz estimada subrepresentará esa trayectoria. Si una acción externa se cuenta apenas se expresa la intención, se sobreestimará su realización. Definir observaciones y fechas permite distinguir intención, inicio y cumplimiento, y la validez de las transiciones depende de esa precisión tanto como del método de estimación.

La seguridad de las respuestas individuales sigue siendo necesaria, pero la cadena pone de relieve dimensiones que solo se observan en el tiempo. Una evaluación puede encontrar respuestas aceptables dentro de una trayectoria que no favorece el objetivo elegido, o un intercambio incómodo que ayuda a realizar una acción valiosa, y solo la experiencia de la persona permite interpretar ambos casos.

473.13 Cuándo una barrera externa cambia la comparación

La ventaja de una respuesta orientada a acciones externas depende de que esas acciones sean realizables. Para examinar esta condición se modifica la segunda matriz trasladando, en sus tres primeras filas, una cantidad δ de probabilidad desde la acción externa hacia la posposición. Las demás transiciones no cambian, incluida la fila de quienes ya están posponiendo la ayuda. La perturbación representa una barrera adicional, como la dificultad para concretar una opción elegida previamente, y su magnitud es hipotética.

Con δ = 0,05, la ocupación esperada de posposición aumenta de 0,79901 a 2,42227 períodos, y la política orientadora mantiene una ocupación menor que la confirmatoria, aunque la diferencia se reduce. Con δ = 0,10 la ocupación llega a 3,87482 y supera ligeramente los 3,80504 de la política confirmatoria original. En ambos escenarios las filas siguen sumando uno y las probabilidades permanecen no negativas; la entrada más pequeña afectada, de exploración a acción externa, solo se anularía con δ = 0,28.

Este resultado no implica que orientar hacia la ayuda externa sea perjudicial cuando existen barreras. Lo que se compara es una política modificada con otra cuyo contexto se mantuvo fijo. Si la misma barrera afectara también a la política confirmatoria, habría que alterar su matriz y recalcular ambos resultados. Un análisis de sensibilidad muestra cuánto depende una conclusión de un supuesto, pero no identifica por sí solo qué comparación causal corresponde a una situación real.

Dentro de la perturbación definida, las ocupaciones se igualan con δ ≈ 0,09747, valor que el programa obtiene por bisección entre 0 y 0,20, aprovechando que la ocupación de posposición crece con δ. Ese número marca una frontera de la comparación del ejemplo y carece de significado clínico. Indica que una conclusión de apariencia general depende de cambios bastante concretos en unas pocas transiciones, de modo que una evaluación empírica podría concentrarse en estimar qué ocurre entre la intención de contactar una fuente de ayuda y la acción efectivamente realizada.

Las barreras varían entre personas y períodos. Una política favorable en promedio podría funcionar peor ante esperas prolongadas, sin que esa diferencia indique falta de motivación. Si el sistema recomienda una y otra vez una opción inaccesible, el problema puede estar en la coordinación y en la disponibilidad de recursos tanto como en la forma de responder.

Una institución podría acompañar la recomendación con información actualizada sobre las opciones, un canal accesible para concretarlas o el seguimiento de solicitudes pendientes. Ese paquete es distinto de una respuesta conversacional aislada, y su evaluación debería registrar el tiempo de gestión, los contactos fallidos y los efectos sobre otros usuarios de los servicios receptores, para saber si la mejora procede del lenguaje de la respuesta, de la coordinación o de ambos. Las alternativas elegidas tampoco se limitan a la atención profesional; preparar una conversación con alguien de confianza o retomar una actividad acordada puede ser pertinente, siempre que no se cuente cualquier salida de la aplicación como resultado favorable.

La interpretación debe conservar, finalmente, las discrepancias entre observadores. Si la persona describe una pausa deliberada y el evaluador la clasifica como posposición problemática, ambas perspectivas deben examinarse antes de fijar una etiqueta. La discrepancia puede revelar una definición insuficiente del objetivo o una preferencia que el modelo omitió, y resolverla mediante una regla automática ocultaría esa información y podría sesgar las transiciones estimadas.

Referencias

Fang, C. M., Liu, A. R., Danry, V., Lee, E., Chan, S. W. T., Pataranutaporn, P., Maes, P., Phang, J., Lampe, M., Ahmad, L., y Agarwal, S. (2025). How AI and human behaviors shape psychosocial effects of chatbot use: A longitudinal randomized controlled study [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2503.17473

Fang, C. M., Liu, A. R., Danry, V., Lee, E., Chan, S. W. T., Pataranutaporn, P., Maes, P., Phang, J., Lampe, M., Ahmad, L., y Agarwal, S. (2026). How AI and human behaviors shape psychosocial effects of extended chatbot use: A longitudinal randomized controlled study [Preprint, versión 1]. Research Square. https://doi.org/10.21203/rs.3.rs-8148142/v1

Fitzpatrick, K. K., Darcy, A., y Vierhile, M. (2017). Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent (Woebot): A randomized controlled trial. JMIR Mental Health, 4(2), e19. https://doi.org/10.2196/mental.7785

Heinz, M. V., Mackin, D. M., Trudeau, B. M., Bhattacharya, S., Wang, Y., Banta, H. A., Jewett, A. D., Salzhauer, A. J., Griffin, T. Z., y Jacobson, N. C. (2025). Randomized trial of a generative AI chatbot for mental health treatment. NEJM AI, 2(4), AIoa2400802. https://doi.org/10.1056/AIoa2400802

Phang, J., Lampe, M., Ahmad, L., Agarwal, S., Fang, C. M., Liu, A. R., Danry, V., Lee, E., Chan, S. W. T., Pataranutaporn, P., y Maes, P. (2025). Investigating affective use and emotional well-being on ChatGPT [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2504.03888

Sharma, M., Tong, M., Korbak, T., Duvenaud, D., Askell, A., Bowman, S. R., Cheng, N., Durmus, E., Hatfield-Dodds, Z., Johnston, S. R., Kravec, S., Maxwell, T., McCandlish, S., Ndousse, K., Rausch, O., Schiefer, N., Yan, D., Zhang, M., y Perez, E. (2024). Towards understanding sycophancy in language models. En The Twelfth International Conference on Learning Representations (ICLR 2024). https://doi.org/10.48550/arXiv.2310.13548

Ta, V., Griffith, C., Boatfield, C., Wang, X., Civitello, M., Bader, H., DeCero, E., y Loggarakis, A. (2020). User experiences of social support from companion chatbots in everyday contexts: Thematic analysis. Journal of Medical Internet Research, 22(3), e16235. https://doi.org/10.2196/16235