La IA está a punto de recibir su mayor actualización hasta ahora: inteligencia emocional

El amanecer de los agentes con inteligencia emocional—diseñados tanto para tener un temperamento estático como para interactuar de manera dinámica—ha llegado, si tomamos como referencia dos artículos de investigación no relacionados publicados la semana pasada.

El momento es delicado. Casi a diario, las noticias documentan casos en los que los chatbots han incitado a usuarios emocionalmente inestables a hacerse daño a sí mismos o a otros. Sin embargo, en conjunto, los estudios sugieren que la IA está entrando en un ámbito donde la personalidad y los sentimientos pueden moldear de manera aún más radical la forma en que los agentes razonan, hablan y negocian.

Un equipo mostró cómo preparar modelos de lenguaje de gran tamaño con arquetipos psicológicos persistentes, mientras que el otro demostró que los agentes pueden desarrollar estrategias emocionales durante negociaciones de varios turnos.

La personalidad y la emoción ya no son solo un adorno superficial para la IA—están convirtiéndose en características funcionales. Los temperamentos estáticos hacen que los agentes sean más predecibles y confiables, mientras que las estrategias adaptativas mejoran el rendimiento en negociaciones y hacen que las interacciones se sientan inquietantemente humanas.

Pero esa misma credibilidad plantea preguntas espinosas: Si una IA puede halagar, persuadir o discutir con matices emocionales, ¿quién es responsable cuando esas tácticas cruzan la línea hacia la manipulación, y cómo se puede auditar la “alineación emocional” en sistemas diseñados para influir tanto en los sentimientos como en la lógica?

Dotando de personalidad a la IA

En Psychologically Enhanced AI Agents, Maciej Besta del Swiss Federal Institute of Technology en Zurich y sus colegas propusieron un marco llamado MBTI-in-Thoughts. En lugar de reentrenar los modelos, se basan en la ingeniería de prompts para fijar rasgos de personalidad a lo largo de los ejes de cognición y afecto.

“Basándonos en el Myers-Briggs Type Indicator (MBTI), nuestro método prepara a los agentes con arquetipos de personalidad distintos mediante ingeniería de prompts”, escribieron los autores. Esto permite “controlar el comportamiento a lo largo de dos ejes fundamentales de la psicología humana, cognición y afecto”, agregaron.

Los investigadores probaron esto asignando a los modelos de lenguaje rasgos como “expresivo emocionalmente” o “preparado analíticamente”, y luego midieron el rendimiento. Los agentes expresivos sobresalieron en la generación de narrativas; los analíticos superaron en razonamiento de teoría de juegos. Para asegurarse de que las personalidades se mantuvieran, el equipo utilizó el test 16Personalities para validación.

“Para asegurar la persistencia de los rasgos, integramos el test oficial 16Personalities para la verificación automatizada”, explica el artículo. En otras palabras: la IA debía aprobar de manera consistente un test de personalidad humana antes de considerarse psicológicamente preparada.

El resultado es un sistema donde los desarrolladores pueden invocar agentes con personalidades consistentes—un asistente empático, un negociador frío y racional, un narrador dramático—sin modificar el modelo subyacente.

Enseñando a la IA a sentir en tiempo real

Mientras tanto, EvoEmo: Evolved Emotional Policies for LLM Agents in Multi-Turn Negotiation, de Yunbo Long y coautores de la University of Cambridge, aborda el problema opuesto: no solo qué personalidad tiene un agente, sino cómo puede cambiar sus emociones dinámicamente mientras negocia.

El sistema modela las emociones como parte de un Proceso de Decisión de Markov, un marco matemático donde los resultados dependen no solo de las decisiones actuales sino de una cadena de estados previos y transiciones probabilísticas. EvoEmo luego utiliza aprendizaje por refuerzo evolutivo para optimizar esos caminos emocionales. Como dicen los autores:

“EvoEmo modela las transiciones de estado emocional como un Proceso de Decisión de Markov y emplea optimización genética basada en poblaciones para evolucionar políticas emocionales de alta recompensa en diversos escenarios de negociación.”

En lugar de fijar el tono emocional de un agente, EvoEmo permite que el modelo se adapte—volviéndose conciliador, asertivo o escéptico según el flujo del diálogo. En las pruebas, los agentes EvoEmo superaron consistentemente tanto a los agentes base simples como a los que tenían emociones estáticas.

“EvoEmo supera consistentemente a ambas bases,” señala el artículo, “logrando tasas de éxito más altas, mayor eficiencia y más ahorros para los compradores.”

En pocas palabras: la inteligencia emocional no es solo una fachada. Mejora de manera medible los resultados en tareas como la negociación.

Dos caras de la misma moneda

A primera vista, los artículos no están relacionados. Uno trata sobre arquetipos, el otro sobre estrategias. Pero leídos juntos, trazan un mapa en dos partes de cómo podría evolucionar la IA:

MBTI-in-Thoughts asegura que un agente tenga una personalidad coherente—empática o racional, expresiva o contenida. EvoEmo asegura que esa personalidad pueda adaptarse a lo largo de los turnos de una conversación, moldeando los resultados a través de la estrategia emocional. Aprovechar ambos es algo bastante importante.

Por ejemplo, imaginá un bot de atención al cliente con la calidez paciente de un consejero que aún sabe cuándo mantenerse firme en la política—o un bot de negociación que comienza conciliador y se vuelve más asertivo a medida que aumentan las apuestas. Sí, estamos condenados.

La historia de la evolución de la IA ha sido mayormente sobre la escala—más parámetros, más datos, más poder de razonamiento. Estos dos artículos sugieren que un capítulo emergente puede tratar sobre capas emocionales: dotar a los agentes de esqueletos de personalidad y enseñarles a mover esos músculos en tiempo real. Los próximos chatbots no solo pensarán más—también se ofenderán, halagarán y conspirarán más.