Cuando la psicología se encuentra con los algoritmos: estudiantes chilenos exploran la frontera entre mente humana e IA

¿Qué sucede cuando quienes estudian la complejidad de la mente humana deciden unir fuerzas con quienes desarrollan sistemas de inteligencia artificial? En la Universidad Autónoma de Chile, esta pregunta está dejando de ser retórica para convertirse en un laboratorio vivo. Un grupo de estudiantes de Psicología acaba de integrarse a un equipo de investigación que trabaja en la intersección entre IA y ciencia humana, apostando por un enfoque que reconoce algo fundamental: para construir sistemas inteligentes verdaderamente útiles, necesitamos comprender no solo cómo piensan las máquinas, sino cómo pensamos, sentimos y nos comportamos los humanos.

La convergencia inevitable entre dos disciplinas

Durante décadas, la inteligencia artificial y la psicología han caminado por senderos paralelos, ocasionalmente cruzándose pero rara vez fusionándose de manera significativa. Los desarrolladores de IA se inspiraban en modelos cognitivos humanos para diseñar algoritmos, mientras que los psicólogos observaban con curiosidad —y a veces preocupación— cómo estas tecnologías comenzaban a influir en el comportamiento humano. Sin embargo, la nueva generación de investigadores en Chile está demostrando que esta separación ya no tiene sentido en un mundo donde la IA permea prácticamente todos los aspectos de nuestra vida cotidiana.

La iniciativa de la Universidad Autónoma de Chile representa un cambio de paradigma en la formación académica. Al integrar estudiantes de Psicología en proyectos de investigación en inteligencia artificial, la institución reconoce que los desafíos más apremiantes de la IA moderna no son puramente técnicos. Desde los sesgos algorítmicos que perpetúan discriminaciones hasta los efectos de las redes sociales en la salud mental, pasando por el diseño de interfaces que respeten los límites cognitivos humanos, cada problema requiere tanto conocimiento computacional como comprensión profunda del comportamiento humano.

Este enfoque interdisciplinario no es meramente académico. En Chile, donde el ecosistema tecnológico está en expansión y la adopción de IA en sectores como salud, educación y servicios públicos crece aceleradamente, contar con profesionales que dominen ambos lenguajes —el de los algoritmos y el de la psique humana— se está convirtiendo en una ventaja competitiva crucial. La Universidad Autónoma está formando precisamente ese tipo de profesionales: puentes humanos entre dos mundos que necesitan entenderse mejor.

Más allá del laboratorio: aplicaciones reales de la colaboración

La participación de estudiantes de Psicología en investigación de IA no es un ejercicio teórico. Los proyectos en los que se involucran estos estudiantes abordan problemas concretos que afectan a comunidades reales. Desde el diseño de chatbots terapéuticos que puedan ofrecer apoyo emocional básico en zonas con escasez de profesionales de salud mental, hasta el análisis de cómo los algoritmos de recomendación influyen en la toma de decisiones de los usuarios, estos jóvenes investigadores están aplicando principios psicológicos para hacer que la tecnología sea más humana.

Uno de los campos más prometedores es el de la IA explicable. A medida que los sistemas de aprendizaje automático se vuelven más complejos, su funcionamiento se torna opaco incluso para sus creadores. Aquí es donde la perspectiva psicológica resulta invaluable: entender cómo las personas construyen modelos mentales, qué tipo de explicaciones encuentran satisfactorias y cómo la transparencia algorítmica afecta la confianza del usuario son preguntas fundamentalmente psicológicas que determinan el éxito o fracaso de una implementación tecnológica.

La verdadera innovación en inteligencia artificial no vendrá solo de algoritmos más potentes, sino de nuestra capacidad para diseñar sistemas que comprendan y respeten la complejidad del comportamiento humano en toda su dimensión emocional, social y cognitiva.

Otro ámbito de aplicación crucial es el estudio del impacto psicológico de la automatización. Mientras Chile avanza hacia una economía cada vez más digitalizada, comprender cómo las personas experimentan la transición laboral, qué factores psicológicos facilitan la adaptación a nuevas formas de trabajo colaborativo con IA, y cómo diseñar procesos de reentrenamiento que consideren la motivación y la autoeficacia humana son cuestiones que requieren tanto datos como empatía, tanto modelos predictivos como comprensión cualitativa.

El perfil del nuevo investigador: híbrido y adaptable

Los estudiantes que se integran a este grupo de investigación no están abandonando la psicología para convertirse en programadores, ni tampoco están simplemente añadiendo un barniz humanístico a proyectos tecnológicos. Están desarrollando un perfil profesional completamente nuevo: el del investigador híbrido capaz de traducir conceptos entre disciplinas, de identificar cuándo un problema técnico tiene raíces psicológicas y viceversa, y de diseñar metodologías de investigación que combinen experimentos controlados con análisis de grandes volúmenes de datos.

Esta formación interdisciplinaria presenta desafíos únicos. Los estudiantes deben familiarizarse con conceptos de ciencia de datos, aprender a leer código aunque no necesariamente a escribirlo con fluidez, y comprender los fundamentos matemáticos del aprendizaje automático. Al mismo tiempo, deben mantener su rigor en metodología de investigación psicológica, teorías del comportamiento y ética profesional. Es una carga académica considerable, pero también una inversión en un futuro donde estas competencias mixtas serán cada vez más valoradas.

La Universidad Autónoma de Chile no está sola en esta apuesta. A nivel global, instituciones líderes como Stanford, MIT y el University College London han establecido programas similares que reconocen la necesidad de formar científicos que trasciendan las fronteras disciplinarias tradicionales. Sin embargo, el contexto latinoamericano añade dimensiones particulares: la necesidad de desarrollar IA culturalmente situada, que comprenda las particularidades de poblaciones diversas, y de abordar problemas sociales específicos de la región con soluciones tecnológicas informadas por conocimiento local.

Desafíos éticos en la intersección

La colaboración entre psicología e IA no está exenta de tensiones éticas. Los psicólogos están entrenados en principios de confidencialidad, consentimiento informado y protección de la vulnerabilidad humana. Los sistemas de IA, por su parte, a menudo dependen de grandes cantidades de datos personales, pueden tomar decisiones que afectan vidas sin supervisión humana directa, y operan en escalas que hacen imposible el tipo de relación individualizada que caracteriza la práctica psicológica tradicional.

Los estudiantes que participan en este grupo de investigación se encuentran en primera línea de estos dilemas. ¿Cómo diseñar un sistema de IA que ofrezca apoyo psicológico sin crear una falsa sensación de relación terapéutica? ¿Qué límites éticos deben regir el uso de técnicas de persuasión basadas en perfiles psicológicos cuando se aplican a interfaces digitales? ¿Cómo equilibrar la personalización algorítmica, que puede mejorar la experiencia del usuario, con el riesgo de manipulación y la erosión de la autonomía individual?

Estas preguntas no tienen respuestas simples, pero el hecho de que sean formuladas por investigadores con formación tanto en ciencias humanas como en tecnología es en sí mismo un avance. La ética de la IA no puede ser un añadido posterior, una capa de reflexión que se aplica después de que los sistemas ya están construidos. Debe estar integrada desde el diseño, y para ello necesitamos profesionales que comprendan tanto las capacidades técnicas como las implicaciones humanas de cada decisión de diseño.

Contexto clave

Inteligencia artificial explicable: Se refiere a métodos y técnicas en el campo de la IA que permiten a los usuarios humanos comprender y confiar en los resultados y decisiones generados por algoritmos de aprendizaje automático. A diferencia de los modelos de "caja negra" que producen resultados sin que sea posible entender su razonamiento interno, la IA explicable busca hacer transparentes los procesos de toma de decisiones algorítmicas. Esto es especialmente crítico en aplicaciones sensibles como diagnóstico médico, decisiones de crédito o sistemas de justicia, donde las personas afectadas tienen derecho a entender por qué un sistema tomó determinada decisión sobre ellas.

Sesgos algorítmicos: Son distorsiones sistemáticas en los resultados de sistemas de IA que reflejan prejuicios humanos presentes en los datos de entrenamiento o en el diseño del sistema. Por ejemplo, un algoritmo de selección de personal entrenado con datos históricos de una empresa que históricamente contrató más hombres que mujeres puede aprender a favorecer candidatos masculinos, perpetuando la discriminación. La psicología social y cognitiva ofrece marcos teóricos fundamentales para identificar, medir y mitigar estos sesgos, ya que muchos de ellos tienen raíces en patrones de pensamiento y comportamiento humano bien documentados.

Diseño centrado en el humano para IA: Es una filosofía de desarrollo que coloca las necesidades, capacidades y limitaciones humanas en el centro del proceso de creación de sistemas de inteligencia artificial. A diferencia del enfoque tradicional que optimiza puramente por métricas de rendimiento técnico (como precisión o velocidad), el diseño centrado en el humano considera factores como la carga cognitiva, la confianza del usuario, la accesibilidad y el impacto emocional. Requiere comprender cómo las personas realmente interactúan con la tecnología, no cómo los diseñadores asumen que lo hacen, lo que hace indispensable la participación de especialistas en comportamiento humano.

Para profundizar

• IA y salud mental en contextos de escasez de recursos — Chile, como muchos países latinoamericanos, enfrenta una brecha significativa entre la demanda de servicios de salud mental y la disponibilidad de profesionales. ¿Pueden los sistemas de IA complementar (no reemplazar) el trabajo de psicólogos y psiquiatras en zonas rurales o comunidades desatendidas? ¿Qué desafíos culturales y lingüísticos enfrentan estos sistemas cuando se desarrollan principalmente en inglés y para contextos del norte global?
• La formación del futuro: rediseñando currículos académicos — La experiencia de la Universidad Autónoma plantea preguntas más amplias sobre cómo deben evolucionar los programas de estudio en psicología, ciencias de la computación y disciplinas relacionadas. ¿Deberían todas las carreras de psicología incluir alfabetización en datos y fundamentos de IA? ¿Deberían los programas de ingeniería en computación requerir cursos de ética, psicología y ciencias sociales?
• Medición del bienestar en la era algorítmica — A medida que más aspectos de nuestra vida son mediados por sistemas de IA, desde las aplicaciones que usamos para dormir hasta los algoritmos que determinan qué contenido consumimos, surge la pregunta: ¿cómo medimos el impacto acumulativo de estas tecnologías en el bienestar psicológico? ¿Qué métricas necesitamos desarrollar para evaluar si la IA está realmente mejorando la calidad de vida humana o simplemente optimizando para métricas superficiales de engagement?