Con la aparición de tecnologías disruptivas, como la Inteligencia Artificial (IA), Aprendizaje de Máquina (ML) e Internet de las Cosas (IoT), son cada más las disciplinas clínicas que están incorporando estas herramientas a sus procesos de investigación y desarrollo, entre ellas, la rama de la salud mental. 

Si bien, el debate técnico en torno a la aplicación de la IA en la psicología y psiquiatría gira en torno a las fuentes, calidad y cantidad de datos que usan los modelos predictivos y de lenguaje natural (NLP), los sesgos, y la ética y privacidad de los pacientes (Zafar et al., 2024); también se discute sobre la sensibilidad de sus resultados, ya que utilizar estas tecnologías puede conducir a falsos negativos (pacientes que necesitan tratamiento y no son detectados) o, peor aún, falsos positivos (sujetos que no necesitan intervención pero son elegidos por los modelos), posibilidad que abre la puerta a secuelas incluso irreversibles para los pacientes. Tal como lo menciona Zafar et al. (2024), el usuario podría enfrentar la disyuntiva de no saber a quién responsabilizar si hay un diagnóstico o tratamiento erróneo.  

A pesar de lo anterior, no se puede obviar el hecho de que las inteligencias artificiales más populares de internet están siendo utilizadas como terapeutas por distintos públicos, entre ellos, adolescentes y jóvenes (McBain, 2025). Con esta realidad latente, resulta importante discutir las implicaciones de este fenómeno sobre los usuarios “no técnicos”, ya que sin mayores conocimientos sobre la tecnología desplazan la intervención humana de los especialistas en salud mental. 

En primer lugar, es oportuno aclarar que los modelos de IA y ML se fundamentan en la tolerancia al error. Cualquier profesional en data puede defender enérgicamente el porqué el “sobreajuste” (resultados perfectos) de los algoritmos es perjudicial para su sobrevivencia en el tiempo. 

Por lo tanto, aunque las respuestas de las inteligencias artificiales sean rápidas, no se asegura que sean correctas o adecuadas al contexto del paciente, ya que buscarán primordialmente generalizar sus resultados. Esto es lo esperado cuando se utiliza a una IA como soporte emocional, ya que el usuario intenta relegar sus sentimientos, emociones y vulnerabilidad al plano de las matemáticas, código y el lenguaje de las ciencias exactas detrás de los modelos, siendo que estos pueden identificar patrones pero tienen dificultades al etiquetar desviaciones de los comportamientos típicos o casos muy específicos con los que no fueron entrenados. 

Por otra parte, estas tecnologías carecen de conciencia, empatía, y capacidad de contextualización. A pesar de que existen técnicas para obtener mejores respuestas y la IA puede simular una conversación empática, no deja de ser “sintética” y sigue prevaleciendo la lógica programática en sus resultados. Este factor imposibilita la profundidad de un proceso terapéutico humano.  

Sumado a ello, las inteligencias artificiales lidian con sesgos de personalización. Dado que operan bajo intereses comerciales, cuando no tienen todas las respuestas buscarán devolver información parcial o inexistente (mejor conocido como “alucinaciones”) para no deteriorar la experiencia del usuario.  

Aunque aún existen barreras estructurales en el acceso a la salud mental y la evolución de las sociedades modernas abre nuevas brechas en este tema, es prioritario discutir las implicaciones de estas herramientas en nuestros contextos. Por ahora, las propuestas más robustas optan por un enfoque complementario, donde la IA se sujeta al acompañamiento humano para mejorar los resultados en el diagnóstico y tratamiento de pacientes. Sin embargo, es un hecho que la democratización de los datos masivos también delega consigo responsabilidades en cuanto a su uso, tanto para los profesionales de salud mental como para las personas en los demás niveles. 

Liliana Calderón Aguirre

Científica de Datos