PsychAdapter: adaptar los LLM para reflejar rasgos, personalidad y salud mental

Por qué importa moldear las personalidades de la IA

La mayoría de los chatbots y herramientas de escritura que la gente usa hoy suenan sorprendentemente parecidos: amables, prolijos y un poco genéricos. Pero las personas reales no son genéricas: diferimos en personalidad, estado de ánimo, edad y circunstancias vitales, y esas diferencias se reflejan claramente en cómo escribimos y hablamos. Este artículo presenta PsychAdapter, una nueva forma de dotar a los grandes modelos de lenguaje (LLM) de “personalidades” y perfiles de salud mental ajustables, para que puedan generar textos que reflejen mejor la enorme variedad de voces humanas reales.

Enseñar a las máquinas a sonar como distintas personas

PsychAdapter es un pequeño complemento que se enchufa en modelos de lenguaje existentes como GPT‑2, Gemma o LLaMA. En lugar de limitarse a alimentar al modelo con palabras y pedirle que continúe una frase, los investigadores también introducen un perfil compacto del autor: puntuaciones para los rasgos del Big Five (como Extraversión y Amabilidad), niveles de depresión o satisfacción vital y datos demográficos básicos como la edad. Esas puntuaciones son continuas, como un control deslizante que puede situarse en cualquier punto entre muy bajo y muy alto, en lugar de un puñado de etiquetas fijas. PsychAdapter expande ese pequeño vector y lo conecta a cada capa del modelo para que todo el proceso de escritura sea dirigido de forma sutil por el perfil psicológico elegido, sin depender de prompts complejos.

De los controles de rasgos a frases con vida

Para entrenar PsychAdapter, el equipo utilizó grandes colecciones de publicaciones públicas en redes sociales y blogs. Modelos psicológicos separados estimaron primero la personalidad, depresión, satisfacción vital y edad de cada mensaje en función del lenguaje empleado. Esas puntuaciones estimadas se convirtieron en señales de enseñanza: el modelo de lenguaje se entrenó para reconstruir cada mensaje mientras veía el perfil psicológico correspondiente. Una vez entrenado, PsychAdapter puede tomar cualquier combinación deseada de puntuaciones —por ejemplo, “extraversión muy alta, amabilidad baja” o “adulto mayor con baja satisfacción vital”— y generar texto nuevo que coincida con ese perfil, a veces empezando por un breve prompt como “Me gusta…”. El adaptador añadido es diminuto en comparación con el modelo base (a menudo menos de una décima parte de un por ciento de los parámetros originales), por lo que puede compartirse e integrarse con facilidad.

Comprobar si la IA realmente cambia su tono

Para ver si PsychAdapter capturaba de verdad los rasgos en lugar de producir variaciones aleatorias, los investigadores pidieron a psicólogos expertos que actuaran como jueces. Para cada rasgo, el sistema generó conjuntos de mensajes destinados a reflejar niveles bajos, medios o altos (por ejemplo, baja frente a alta extraversión). Los expertos, a quienes no se les dijo cuál era cuál, debían emparejar cada grupo de textos con su nivel previsto. En conjunto, acertaron alrededor del 87 % de las veces para la personalidad y casi el 97 % para depresión y satisfacción vital, muy por encima del azar. Cuando el sistema se estimuló con prompts simples como “Me gusta…”, la precisión aumentó aún más. Una prueba separada utilizó un modelo de IA avanzado como evaluador; este coincidió con los expertos humanos en un grado similar al que los propios expertos coincidían entre sí y, en ocasiones, detectó rasgos con mayor consistencia.

Mezclar rasgos, edades y ámbitos vitales

PsychAdapter no se limita a un solo rasgo a la vez. El sistema puede combinar dimensiones de personalidad, niveles de salud mental y factores demográficos en un único perfil. Los autores mostraron que cambiar la puntuación de “edad” manteniendo constante la depresión o la satisfacción vital conducía a estilos de mensajes distintos: voces más jóvenes hablaban de padres, colegio y los primeros días de clase, mientras que voces mayores mencionaban cónyuges, hijos y preocupaciones a largo plazo. Al rotar matemáticamente dos rasgos de personalidad (extraversión y amabilidad) hacia “calidez” y “dominancia”, también mapearon las salidas a un modelo psicológico clásico de estilos interpersonales. Los textos generados en regiones etiquetadas como “Asegurado‑Dominante” o “Frío‑Despiadado” coincidían con lo que la teoría predeciría. El enfoque funcionó tanto en tuits cortos como en entradas de blog más largas, y a través de varios modelos de lenguaje subyacentes.

Oportunidades y riesgos para la interacción humano‑IA

Puesto que PsychAdapter puede ajustar finamente el estilo y el tono emocional de una IA, abre la puerta a aplicaciones más parecidas a las humanas. Las simulaciones de formación para terapeutas o trabajadores de líneas de crisis podrían exponerlos a interlocutores conversacionales seguros pero realistas que muestren distintas personalidades y niveles de malestar. Bots de atención al cliente o herramientas educativas podrían adaptar el lenguaje para ajustarse a la edad del usuario, su nivel de lectura o su estilo preferido. Los investigadores también pueden usar el sistema como laboratorio: regulando los rasgos y solicitando temas específicos, pueden explorar cómo la personalidad y la salud mental podrían moldear el lenguaje en muchos contextos sin esperar a datos del mundo real poco frecuentes.

Qué significa esto para los usuarios cotidianos

Para el público general, la conclusión es que los sistemas de IA futuros pueden no limitarse a responder preguntas: pueden adoptar una amplia gama de voces humanas reconocibles. Con algo como PsychAdapter, un único modelo base puede remodelarse suavemente para sonar más introvertido o extrovertido, animado o apagado, joven o mayor, simplemente moviendo unos cuantos controles deslizantes. Esta flexibilidad podría hacer que las herramientas de IA resulten más cercanas y útiles, pero también plantea nuevos dilemas éticos, como el riesgo de persuasión dirigida o «personas» engañosas. Los autores sostienen que, si se usa de forma responsable, PsychAdapter ofrece una vía poderosa para estudiar cómo nuestros rasgos internos se reflejan en las palabras y para construir IA que refleje mejor la diversidad de la comunicación humana real.

Cita: Vu, H., Nguyen, H.A., Ganesan, A.V. et al. PsychAdapter: adapting LLMs to reflect traits, personality, and mental health. npj Artif. Intell. 2, 26 (2026). https://doi.org/10.1038/s44387-026-00071-9

Palabras clave: psychadapter, IA consciente de la personalidad, lenguaje de salud mental, modelos de lenguaje grandes, generación de texto personalizada