¿Hasta dónde la automatización y la IA pueden apoyar la psicoterapia?
La evaluación del papel de la inteligencia artificial en la salud mental ya no es una discusión futurista. Está ocurriendo ahora mismo, en laboratorios, clínicas e incluso en las líneas de crisis repartidas por Estados Unidos. La psicoterapia siempre fue un proceso profundamente humano: alguien habla, otro escucha y algo cambia en medio de todo eso. Pero los modelos de lenguaje de gran escala, conocidos como LLMs, están llegando a este espacio con una velocidad que pocos esperaban, y la gran cuestión que flota en el aire ya no es si la IA va a cambiar la terapia.
La pregunta real es otra: ¿cuánto de esa experiencia puede automatizarse sin que la esencia del cuidado se pierda en el camino? Es exactamente eso lo que un grupo de investigadores de la Universidad de Utah decidió investigar. El resultado es un estudio llamado A Framework for Automation in Psychotherapy, publicado en la revista Current Directions in Psychological Science, que presenta un framework bastante práctico para entender los diferentes niveles de automatización posibles dentro de la psicoterapia. 🧠 Spoiler: hay mucho más matiz en esta historia que un simple sustituir o no sustituir.
Quiénes están detrás de la investigación
El estudio nació de una colaboración interdisciplinaria que cruza tres grandes áreas de la Universidad de Utah. El autor principal es Zac Imel, profesor de psicología educativa en la Facultad de Educación y cofundador de Lyssn, una empresa de tecnología en Seattle que desarrolla programas de mejora de calidad basados en IA para servicios de salud conductual. A su lado están Vivek Srikumar, profesor asociado en la Kahlert School of Computing, vinculada a la Facultad de Ingeniería, y Brent Kious, profesor asociado de psiquiatría en la Facultad de Medicina.
Esa combinación de experiencia en computación, psiquiatría y psicología educativa es lo que le da al estudio un carácter tan práctico. No es un trabajo puramente teórico sobre el potencial de la IA, ni una demostración técnica aislada. Es un esfuerzo por crear un lenguaje común que permita a profesionales de salud, desarrolladores de tecnología y formuladores de políticas públicas conversar sobre automatización en terapia usando los mismos términos y las mismas referencias de riesgo.
Como el propio Imel planteó de forma directa: la historia de nuevas tecnologías como esta casi siempre involucra colaboración y gira en torno a cómo la tecnología apoya al especialista humano en el trabajo que ya realiza. El objetivo del estudio no es especular sobre robots terapeutas. Es mapear, de forma estructurada, los diferentes tipos de trabajo que pueden realizarse mediante la automatización dentro de la terapia.
El framework que divide la terapia en capas de automatización
El estudio de la Universidad de Utah propuso algo que parece simple en la superficie, pero que tiene implicaciones enormes en la práctica: en lugar de tratar la terapia como un bloque monolítico, los investigadores dividieron el proceso terapéutico en componentes distintos, cada uno con un nivel diferente de viabilidad para la automatización. Eso cambia bastante la conversación, porque saca el debate del campo del todo o nada y lo coloca en un terreno mucho más técnico y funcional.
Para facilitar la comprensión, Srikumar usa una analogía muy accesible: los coches autónomos. La industria automotriz viene introduciendo sistemas de asistencia al conductor desde hace años, y el extremo de esa escala es el coche totalmente autónomo. En la psicoterapia, la lógica es la misma. La versión más extrema sería un terapeuta totalmente artificial, pero entre el escenario actual y ese extremo existen varios escalones intermedios, cada uno con capacidades, beneficios y riesgos diferentes.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
El equipo delineó cuatro categorías que representan esos diferentes niveles a lo largo de un espectro continuo:
- Categoría A — Sistemas con guion predefinido: el contenido es escrito por humanos, pero entregado a los pacientes por chatbots que siguen árboles de decisión. Piensa en consejos de afrontamiento y ejercicios estructurados que el sistema ofrece según respuestas predeterminadas.
- Categoría B — La IA evalúa terapeutas: la inteligencia artificial analiza sesiones de terapia y proporciona retroalimentación o clasificaciones sobre la actuación del profesional. El foco aquí está en la mejora de la calidad de la atención.
- Categoría C — La IA asiste a terapeutas: la IA sugiere intervenciones, prompts o formulaciones de frases, pero quien entrega el cuidado sigue siendo el terapeuta humano. Es un copiloto clínico, no el piloto.
- Categoría D — La IA ofrece terapia directamente: un agente autónomo genera respuestas e interactúa con pacientes, posiblemente con algún nivel de supervisión humana. Este es el nivel de mayor riesgo y el que más plantea cuestiones éticas.
Lo que hace este framework particularmente interesante es que no intenta meter la IA dentro de la terapia de cualquier manera. Al contrario, parte de una evaluación cuidadosa de dónde la tecnología realmente aporta valor y dónde todavía enfrenta limitaciones serias. El equipo evaluó cada categoría en cuanto a su potencial de utilidad y a los niveles de riesgo asociados, que varían enormemente. Un chatbot con guion, una herramienta de coaching por IA para terapeutas y un terapeuta artificial completamente autónomo son tecnologías fundamentalmente diferentes, con riesgos fundamentalmente diferentes. Pero, como señalan los investigadores, muchas veces no queda claro para los usuarios, y ni siquiera para los sistemas de salud, cuál de estas tecnologías se está utilizando efectivamente.
Riesgos, consentimiento y responsabilidad en cada nivel
Uno de los puntos más relevantes del estudio es cómo las mismas preguntas éticas adquieren matices completamente diferentes dependiendo del nivel de automatización en cuestión. Srikumar explica que, al catalogar los varios niveles, las cuestiones sobre riesgo, consentimiento, impacto de errores potenciales y responsabilidad de las partes involucradas permanecen iguales en esencia, pero sus consecuencias cambian drásticamente conforme se avanza en el espectro.
En la Categoría A, por ejemplo, el riesgo es relativamente bajo. El contenido fue creado por especialistas humanos, y el chatbot es solo un vehículo de entrega. Si algo sale mal, la cadena de responsabilidad es rastreable. Ya en la Categoría D, donde la IA genera respuestas de forma autónoma e interactúa directamente con pacientes que pueden estar en situación de vulnerabilidad extrema, las implicaciones de un error son de otra magnitud. ¿Quién es responsable cuando un modelo de lenguaje fabrica información durante una conversación con alguien en crisis? ¿Cómo funciona el consentimiento informado cuando el paciente no sabe exactamente qué tipo de sistema está del otro lado de la pantalla?
Estas no son preguntas retóricas. Son desafíos concretos que cualquier implementación seria de IA en salud mental necesita enfrentar. Y el mérito del framework es justamente forzar esa diferenciación, impidiendo que se trate toda automatización en terapia como si fuera lo mismo.
Inteligencia artificial como apoyo, no como sustituto
Una de las conclusiones más importantes que emerge de la investigación es que el modelo más prometedor no es el de la inteligencia artificial operando de forma autónoma dentro de la terapia, sino el de una colaboración estructurada entre tecnología y profesional humano. En la práctica, eso significa que la IA entra para ampliar el alcance y la eficiencia del terapeuta, no para ocupar su lugar.
Imel es particularmente enfático sobre el potencial de la automatización en el campo de la evaluación y formación de terapeutas. Evaluar una sesión de psicoterapia es un trabajo tremendamente intensivo, lento y poco fiable, y raramente ocurre en la práctica clínica cotidiana. Nadie está grabando sus sesiones y enviándolas a un especialista externo que va a escucharlas, evaluarlas, dar retroalimentación y devolverlas para que el terapeuta aprenda de ello. Es aquí donde los LLMs entrenados de forma adecuada pueden capturar rápidamente los componentes centrales del tratamiento y proporcionar esa información de vuelta a los terapeutas, muchas veces en tiempo real.
Otro uso que aparece con bastante potencial es el soporte entre sesiones. La mayoría de las personas que hacen terapia tiene contacto con su terapeuta una vez por semana, como máximo. El resto de la semana se queda sin soporte estructurado, y es exactamente ahí donde muchos de los detonantes emocionales aparecen. Aplicaciones basadas en inteligencia artificial que consiguen ofrecer ejercicios de regulación emocional, registros de estado de ánimo, técnicas de reestructuración cognitiva e incluso una escucha empática básica durante esos intervalos pueden marcar una diferencia real en la continuidad del proceso terapéutico. No es terapia, pero es soporte, y un soporte bien calibrado tiene valor clínico medible, especialmente cuando se integra a un plan de tratamiento supervisado por un profesional.
La aplicación real: el caso de SafeUT
El estudio no se queda solo en el plano conceptual. El equipo ya está poniendo partes del framework en práctica a través de una colaboración con SafeUT, la línea de crisis basada en texto del estado de Utah. Kious explicó que el objetivo de esta colaboración es desarrollar herramientas que ayuden a evaluar las sesiones de los consejeros de crisis, para que puedan recibir retroalimentación que les permita mantener habilidades clave e hasta desarrollar nuevas a medida que se aprende más sobre orientación en situaciones de crisis.
Esta es una aplicación que encaja directamente en las Categorías B y C del framework. La IA no está hablando con el paciente en crisis. Está analizando cómo el consejero humano condujo la conversación y proporcionando insights para mejorar la atención futura. Es un uso de riesgo relativamente bajo con alto potencial de impacto, exactamente el tipo de automatización que los investigadores defienden como punto de partida.
Srikumar también ve un papel futuro más amplio para la IA en líneas de crisis. Describe ese entorno como extremadamente desafiante: no se sabe nada sobre la persona al otro lado, llama y el consejero puede tener apenas cinco o seis turnos de conversación para conectar, ayudar y reducir el riesgo. Lo que prevé es que los futuros sistemas de orientación en crisis estarán fuertemente potenciados por IA, porque la escala de la demanda es demasiado grande para ser atendida sin automatización. 🎯
Los riesgos de ChatGPT como terapeuta improvisado
Los investigadores hacen una advertencia importante que merece destacarse: cualquier persona puede, en este momento, recurrir a ChatGPT o a otro modelo de lenguaje en busca de orientación que se parezca a psicoterapia. Los LLMs están diseñados para ser envolventes y sonar empáticos, y están entrenados con conjuntos masivos de datos. Pero eso no significa que utilicen técnicas de psicoterapia basadas en evidencia.
De hecho, estos modelos conllevan riesgos significativos. Son conocidos por fabricar información, codificar sesgos presentes en los datos de entrenamiento y responder de manera impredecible. Cuando el contexto es salud mental, donde las palabras pueden tener un peso enorme en la vida de alguien, estos problemas dejan de ser fallos técnicos menores y se convierten en cuestiones de seguridad del paciente.
Srikumar plantea la cuestión de forma pragmática: ¿por qué alguien elegiría implementar la versión más arriesgada de una herramienta cuando existen tantas versiones más ligeras que ya pueden implementarse y que van a facilitar la vida de los profesionales? Una aplicación de notas, por ejemplo, algo que mantenga registros organizados a lo largo de una sesión, ya mejora la calidad de vida de los clínicos y la calidad del servicio prestado. La tentación de ir directo al nivel más avanzado de automatización necesita ser resistida en favor de enfoques incrementales y responsables.
Herramientas que usamos a diario
Qué dicen los datos sobre eficacia y limitaciones
Además del framework conceptual, el panorama más amplio de investigación sobre intervenciones que utilizan modelos de lenguaje y herramientas de inteligencia artificial en contextos de salud mental muestra resultados mixtos, pero reveladores. En poblaciones con acceso limitado a servicios de salud mental, como personas en áreas rurales, poblaciones de bajos ingresos o individuos con barreras de movilidad, las aplicaciones basadas en IA mostraron resultados positivos en métricas como reducción de síntomas de ansiedad leve, adherencia a técnicas de mindfulness y engagement con ejercicios de terapia cognitivo-conductual. En esos contextos, la alternativa muchas veces no es el terapeuta humano, sino ningún soporte, lo que coloca a la automatización en un papel legítimo y necesario.
Por otro lado, en poblaciones con cuadros más complejos, como trastornos de personalidad, trauma severo o ideación suicida activa, la presencia humana sigue siendo insustituible. Intentar escalar el cuidado vía IA en esos casos puede crear una falsa sensación de soporte sin la sustancia clínica necesaria. La evaluación de riesgo clínico en tiempo real sigue siendo un dominio donde los humanos necesitan estar al mando total, y cualquier sistema de IA responsable necesita tener protocolos claros de escalamiento hacia profesionales cuando aparecen señales de riesgo en la conversación.
El futuro es híbrido, no binario
Lo que queda claro después de mirar el conjunto del estudio y de las evidencias disponibles es que la inteligencia artificial tiene un papel real y creciente en la expansión del acceso a la salud mental, pero ese papel necesita construirse sobre una base sólida de investigación, ética clínica y respeto por la complejidad del ser humano.
El punto que los investigadores refuerzan con bastante énfasis es que esa integración necesita hacerse con criterio y con una evaluación continua de los resultados. Poner un chatbot en una app y llamarlo soporte en salud mental sin ningún protocolo clínico detrás no solo es ineficaz, sino que puede ser perjudicial. La automatización en la terapia solo funciona cuando está diseñada con intención clínica clara, validada por datos y monitoreada de cerca. El entusiasmo con la tecnología es comprensible, pero la responsabilidad con el paciente necesita estar siempre por delante.
Los modelos de lenguaje de hoy son herramientas poderosas, pero herramientas al fin y al cabo. Y como cualquier herramienta, lo que importa no es solo lo que puede hacer, sino cómo, cuándo y por quién es utilizada. El futuro de la terapia probablemente no es humano o artificial. Es una combinación inteligente de ambos, cada uno contribuyendo con lo que hace mejor. 💡
El estudio completo está disponible en la edición de abril de la revista Current Directions in Psychological Science, y cuenta con coautores de instituciones como la Universidad de Washington, la Universidad de Pensilvania y el Alan Turing Institute.
