Evaluaciones basadas en el lenguaje pueden predecir el bienestar psicológico y subjetivo

Por qué las palabras pueden revelar cómo estamos realmente

La mayoría de nosotros hemos rellenado encuestas con casillas sobre la felicidad o la salud mental. Pero nuestros estados de ánimo y el sentido de propósito suelen expresarse en forma de historias: lo que decimos sobre nuestras vidas, nuestras metas y nuestras relaciones. Este artículo explora si la inteligencia artificial moderna puede escuchar esas historias—escritas o habladas—y estimar cuánto nos sentimos satisfechos y realizados, lo que podría ofrecer una nueva forma de supervisar el bienestar en la vida cotidiana.

Dos tipos de “estar bien”

Los psicólogos suelen distinguir entre dos grandes tipos de bienestar. Uno es el bienestar subjetivo o “hedónico”: sentirse bien, experimentar más emociones positivas que negativas y estar, en general, satisfecho con la vida. El otro es el bienestar psicológico o “eudaimónico”: sentir que la vida tiene sentido, que estamos creciendo, que somos autodirigidos y vivimos de acuerdo con nuestros valores. Aunque las herramientas de IA ya han mostrado que pueden estimar la satisfacción con la vida a partir de respuestas textuales breves, no estaba claro si también podían detectar cualidades más profundas como la autonomía—la sensación de que tomamos nuestras propias decisiones—y otras facetas de la salud psicológica.

Escuchar las reflexiones de las personas

En tres estudios, se pidió a adultos y estudiantes universitarios que respondieran preguntas abiertas sobre sus vidas. Algunos enunciados se centraban en la satisfacción con la vida (por ejemplo, “En general, ¿está usted satisfecho con su vida o no?”), mientras que otros indagaban aspectos del bienestar psicológico, como la autonomía (“¿En qué medida sus decisiones están influenciadas—o no—por lo que hacen los demás?”), el crecimiento personal, las relaciones y el propósito. Los participantes respondieron escribiendo párrafos o hablando durante al menos un minuto; su audio fue transcrito a texto. Además, todos completaron cuestionarios estandarizados con escalas de valoración sobre satisfacción con la vida y bienestar psicológico, que sirvieron como puntos de comparación.

Cómo la IA convirtió historias en puntuaciones

Los investigadores alimentaron el texto de estas reflexiones en modelos de lenguaje avanzados basados en tecnología transformer, que representan cada respuesta como un patrón numérico de alta dimensión. Mediante métodos estadísticos, entrenaron modelos para predecir las puntuaciones de los cuestionarios a partir de esos patrones y comprobaron qué tan bien coincidían las predicciones con la realidad. En los dos primeros estudios, los modelos funcionaron razonablemente bien: las predicciones basadas en el lenguaje para autonomía y satisfacción con la vida se relacionaron de forma moderada con las puntuaciones reales de las personas, y también mostraron cierta capacidad de generalizar a rasgos relacionados como sentirse capaz, conectado con otros o con propósito. Sin embargo, estas correlaciones fueron claramente más bajas que las reportadas en trabajos anteriores que utilizaron respuestas mucho más cortas y estilo palabra clave en lugar de narrativas.

La satisfacción con la vida es más fácil de escuchar que la autonomía

El tercer y mayor estudio aclaró el panorama. Aquí, las respuestas escritas sobre satisfacción con la vida permitieron que el modelo predijera bastante bien las puntuaciones de los cuestionarios, mientras que las predicciones para la autonomía fueron considerablemente más débiles. Cuando el equipo comparó su sistema con modelos de IA de última generación (GPT-3.5 y GPT-4), los sistemas más nuevos fueron incluso mejores leyendo la satisfacción con la vida a partir del lenguaje, pero solo modestamente superiores para leer la autonomía. Para entender por qué, los autores examinaron qué palabras tendían a aparecer en las respuestas con puntuaciones altas y bajas. La alta satisfacción con la vida iba de la mano con palabras de emoción positiva y sociales—términos como «amor», «agradecido», «cónyuge» y «amigos». Las respuestas con baja satisfacción, en contraste, se apoyaban en un lenguaje de incertidumbre y orientación a problemas, con palabras como «creer», «parecer» y «quizá».

Por qué la libertad interior es más difícil de leer

El lenguaje vinculado a la autonomía se veía diferente. Las personas con puntuaciones bajas en autonomía utilizaron muchas palabras cognitivas y evaluativas, lo que sugiere preocupación, dudar y tratar de cumplir expectativas externas. Quienes mostraron mayor autonomía también usaron un lenguaje reflexivo, pero lo mezclaron con acción y agencia—palabras relacionadas con elegir, hacer y avanzar hacia metas. En lugar de un puñado de palabras clave comunes, la autonomía pareció expresarse de formas muy individuales que dependían del contexto de vida de cada persona. Esto dificultó que los modelos de IA, incluso los muy potentes, detectaran una firma lingüística simple de esta cualidad psicológica más profunda.

Qué significa esto para el uso en el mundo real

En conjunto, el artículo concluye que las herramientas basadas en el lenguaje ya son bastante buenas estimando si las personas se sienten satisfechas con sus vidas, especialmente al usar IA de última generación. Pero tienen más dificultades con dimensiones más sutiles y personales del bienestar como la autonomía y otros aspectos de sentido y crecimiento. Por ahora, estas herramientas podrían ser útiles como complementos de bajo coste y ricos en contexto a las encuestas tradicionales—ayudando a los investigadores a rastrear tendencias generales de la felicidad a partir de escritos o habla cotidianos. Sin embargo, no están listas para reemplazar evaluaciones cuidadosas y multimétodo en salud mental o entornos clínicos, en particular cuando las decisiones dependen de comprender las capas internas más complejas de cómo las personas viven sus vidas.

Cita: Mesquiti, S., Cosme, D., Nook, E.C. et al. Language-based assessments can predict psychological and subjective well-being. Commun Psychol 4, 33 (2026). https://doi.org/10.1038/s44271-026-00400-3

Palabras clave: bienestar, satisfacción con la vida, autonomía, análisis del lenguaje, inteligencia artificial