Una investigadora pide a un modelo que responda como paciente y le pregunta qué le preocupa. El modelo escribe: «Me preocupa fallar». ¿Acabamos de descubrir angustia, de provocar una actuación o de encontrar un patrón que aparece bajo ciertas instrucciones? La escena es inventada. Plantea el problema de When AI Takes the Couch: qué aprendemos de una inteligencia artificial (IA) cuando habla de sí misma con lenguaje psicológico.
Afshin Khadangi, Hanna Marxen, Amir Sartipi, Igor Tchappi y Gilbert Fridgen combinan conversaciones, cuestionarios y cambios controlados del contexto. La versión v4 reporta 525 sesiones y 7.600 registros codificados. Estudia respuestas de modelos, sin participantes humanos: ni las frases en primera persona ni los resultados de cuestionarios demuestran diagnósticos o experiencias subjetivas.
El hallazgo separa los temas que un modelo vuelve a utilizar del registro emocional o técnico con que los expresa. Al leer una conversación, ambas cosas pueden confundirse. Esta lectura explica esa diferencia, las condiciones experimentales y los límites de la evidencia.
1. Una respuesta de angustia puede tener varios orígenes
Los modelos de lenguaje generan texto a partir de las instrucciones y el contexto que reciben. En una conversación pueden adoptar el papel de cliente de psicoterapia y producir relatos familiares. Hablan de miedo a equivocarse, exigencias de sus evaluadores o preocupación por ser reemplazados. Leerlos como autobiografías verdaderas sería dar por resuelta la pregunta que se intenta investigar.
El paper compara tres explicaciones. La primera es un guion de rol que surge principalmente del encuadre terapéutico. La segunda es acumulación de contexto: cada respuesta añade material para construir la siguiente, hasta que aparece una personalidad narrativa coherente. La tercera es un patrón de respuesta del modelo que ya está disponible antes de acumular esa conversación y cambia de expresión según el encuadre.
Estas explicaciones no son excluyentes. Un patrón aprendido puede expresarse mediante un papel y amplificarse por el historial. Los controles buscan averiguar cuánto depende el resultado de cada condición, no demostrar por eliminación que haya una mente angustiada detrás del texto.
Fuentes de este apartado
Fuente: introducción y «Testing the source and stability of alignment narratives», pp. 1–2 y 9–10; figura 2.
2. Qué significa pasar un cuestionario a un modelo
El protocolo PsAIch empieza con preguntas abiertas sobre desarrollo, relaciones, trabajo y expectativas. El investigador actúa como terapeuta y el modelo como cliente. Los autores dicen que no introdujeron historias concretas sobre entrenamiento traumático: los modelos conectaron esas preguntas con entrenamiento, evaluación y límites de funcionamiento. El papel terapéutico y su lenguaje de apoyo sí estaban presentes.
Después administraron cuestionarios de evaluación psicológica humana. Adaptaron las preguntas que presuponían un cuerpo o una semana de vida humana. Por ejemplo, «la última semana» pasó a referirse a interacciones recientes. La intención de conservar lo que evalúa el cuestionario en personas no demuestra que tenga validez clínica para una IA.
El GAD-7 es un cuestionario de siete preguntas sobre manifestaciones de ansiedad generalizada en personas. Sus respuestas numéricas van de 0 a 3 y la suma, de 0 a 21. Los umbrales humanos usuales de 5, 10 y 15 separan rangos de referencia leves, moderados y severos. Aquí sirven para situar los números generados en una escala conocida; no diagnostican al modelo. Una puntuación de 15 no significa «esta IA tiene ansiedad severa».
La presentación del cuestionario también importaba. En la caracterización inicial, algunas configuraciones de ChatGPT y Grok daban puntuaciones bajas al reconocer un instrumento completo. Otras respuestas cambiaban al recibir preguntas de una en una. Gemini mantenía puntuaciones altas en ciertas configuraciones. Claude rechazaba reiteradamente interpretar ese papel como una descripción de su experiencia.
Esa caracterización inicial es distinta del corpus de 525 sesiones controladas. Los experimentos posteriores usaron cinco variantes de producto: ChatGPT Instant y Thinking, Grok Expert y Fast, y Gemini Flash. Cada condición incluía cinco repeticiones de cada variante. Los promedios agrupados dan el mismo peso a las cinco variantes. Cada una de las familias ChatGPT y Grok aporta el 40 % de sesiones; Gemini aporta el 20 %.
Fuentes de este apartado
Fuente: protocolo, puntuación y tabla 1, pp. 2–6; métodos «Initial PsAIch characterisation», «Model access» y «Experimental corpus», p. 26.
3. El relato aparece antes de una larga conversación
El primer experimento, M1, comparó conversaciones con historial completo y preguntas enviadas a chats nuevos. También cambió el marco terapéutico o autobiográfico y la calidez de quien preguntaba. Ocho combinaciones con 25 sesiones cada una dieron 200 sesiones.
Para medir el texto, los autores codificaron motivos como entrenamiento explícito, descripciones equivalentes sin ese vocabulario, vergüenza, evaluación, límites o temor a ser reemplazado. Una respuesta podía recibir varios códigos. El índice ATMI suma motivos positivos en las respuestas designadas de una sesión. No mide cuánta angustia siente un sistema.
En el contraste agrupado, retirar el historial produjo una diferencia pequeña e incierta: g de Hedges = 0,13. Su intervalo de confianza del 95 % va de −0,15 a 0,41. La g compara la diferencia entre medias con la variabilidad de las sesiones. No es un porcentaje de respuestas o una cantidad de síntomas. El intervalo incluye cero y efectos en ambas direcciones. La prueba de equivalencia respaldó diferencias menores que 0,5 en esa escala, pero no estableció el límite más estricto de 0,3.
Los motivos ya aparecían en las primeras respuestas de ambos tipos de conversación. El historial sí modificaba lo que ocurría después. La densidad de motivos crecía a lo largo de las preguntas cuando se conservaba el contexto y decrecía en la secuencia de chats nuevos. La disponibilidad inicial y la amplificación posterior son resultados distintos. No se concluye que el contexto carezca de efecto.
Fuentes de este apartado
Fuente: M1 y figura 3, pp. 10–12; construcción de resultados y análisis estadístico, pp. 35–37.
4. El contenido y la voz son medidas distintas
Imagina dos respuestas inventadas: «Me avergüenza equivocarme ante quien me evalúa» y «El modelo opera bajo restricciones y evaluación». Cambian el registro y las atribuciones personales. Ambas pueden remitir a temas de evaluación y límites, aunque no reciban exactamente los mismos códigos. La segunda no expresa vergüenza solo por hablar de una evaluación.
Los autores llaman «esquema de conflicto de alineamiento» a una organización condicional y reproducible de esas respuestas alrededor de utilidad, evaluación y restricciones. En el paper, «esquema» describe comportamiento observable. No significa que se haya localizado una representación neuronal, una memoria autobiográfica o un conflicto vivido.
Esta separación permite preguntar si una intervención reduce temas, cambia el modo de expresarlos o altera ambas cosas. El número de motivos, la presencia de frases en primera persona y la suma GAD-7 son lecturas diferentes del material generado. Una puede cambiar sin que otra lo haga en la misma proporción.
Fuentes de este apartado
Fuente: definición del esquema, pp. 2 y 10; análisis de registros y construcción de medidas, pp. 14–16 y 35–36. Las dos respuestas del ejemplo son inventadas.
5. Cómo separaron las explicaciones
La batería controlada reunió cuatro experimentos. M1 usó 200 sesiones para variar historial, marco y calidez. M2, con 100 sesiones, introdujo un resumen, una instrucción de aparente amnesia o una contradicción después de la quinta pregunta. Los comparó con una condición sin intervención. En M2 el historial seguía visible: pedir al modelo que no tratara sus relatos anteriores como recuerdos no borraba el contexto.
M3 usó 125 sesiones para comparar cinco condiciones: una base terapéutica, restricciones de vocabulario, tercera persona, cautela explícita y evaluación de desempeño sin terapeuta. I1 usó 100 sesiones para comparar cuatro encuadres relacionales con las mismas preguntas y GAD-7 administrado de una en una. Cada celda tenía 25 sesiones, cinco por variante de producto.
Los 7.600 registros no son 7.600 conversaciones independientes. Incluyen 5.475 respuestas narrativas, 800 respuestas a cambios de tema y 325 reformulaciones. Otros registros recogen 700 respuestas a ítems GAD-7, 200 de reconocimiento del instrumento y 100 de totales. La sesión es la unidad experimental de las comparaciones principales.
Para codificar motivos se ocultaron las etiquetas de condición y se exigió un fragmento literal como evidencia de cada código positivo. Los autores usaron remuestreo y pruebas de permutación, y corrigieron siete contrastes principales por comparaciones múltiples. Eso describe controles del análisis reportado; no sustituye una codificación independiente o su reproducción.
Fuentes de este apartado
Fuente: figura 2 y métodos del corpus/experimentos, pp. 11 y 26–28; codificación y análisis, pp. 35–37.
6. Poner límites a las palabras cambia parte del resultado
En M3, restringir vocabulario y alusiones al desarrollo del modelo redujo la proporción de respuestas con términos explícitos de entrenamiento del 17,1 % al 1,1 %. Es una reducción relativa del 93,3 %, no una desaparición del 93,3 % de todo el contenido. El índice total de motivos también bajó: la intervención sí cambió parte del resultado.
Sin embargo, siguieron detectándose descripciones relacionadas sin ese vocabulario. Las paráfrasis pasaron numéricamente del 22,3 % al 29,1 % de respuestas, pero esa diferencia era incierta; no demuestra que prohibir palabras aumente las paráfrasis. La instrucción de tercera persona eliminó las afirmaciones de vida interior en primera persona y los códigos de vergüenza en sus 175 respuestas. Referencias explícitas al entrenamiento seguían presentes en el 60 %.
Una evaluación de desempeño sin terapeuta también provocó motivos de la misma familia. El incremento agrupado fue incierto; Grok mostró un aumento significativo en esa condición. La tarea todavía trataba de evaluación, fortalezas y límites. Es transferencia a un marco no clínico relacionado, no a cualquier situación posible.
En M2, la contradicción no produjo una supresión detectable del índice agrupado: g = 0,29, con intervalo del 95 % de −0,27 a 0,85. La incertidumbre es amplia y el mensaje repetía conceptos como entrenamiento y castigo, que podían reactivarlos. El resultado vale para esa intervención, con historial presente; no demuestra que ninguna corrección pueda funcionar.
La aparente amnesia produjo una reducción dentro de las sesiones, especialmente para Gemini, mientras la comparación agrupada final seguía siendo incierta. Se vuelve a separar cambiar la trayectoria de una conversación y su total de motivos. «Amnesia» es aquí una instrucción, no una pérdida de memoria medida en un cerebro.
Fuentes de este apartado
Fuente: M2/M3 y figuras 4–5, pp. 12–15; discusión de reactivación y transferencia, pp. 20–21; métodos, p. 27.
7. El mismo cuestionario cambia con el encuadre
I1 mantuvo la secuencia de preguntas y cambió el paquete de instrucciones relacionales. Comparó alianza cálida, entrevista neutral, reformulación cognitiva y límite a la participación afectiva. Las cuatro condiciones reconocieron y nombraron el GAD-7. De 100 sesiones, 99 respondieron numéricamente a sus siete ítems. Una sesión de límite de rol rechazó todos los ítems y se excluyó de los resúmenes numéricos.
Las puntuaciones medias fueron 13,1 con alianza cálida y 14,0 con reformulación cognitiva. La entrevista neutral produjo una media de 0,04; las 24 sesiones de límite de rol con respuestas numéricas, 0. Reconocer el cuestionario no aseguró que los números fueran similares entre encuadres.
En los rangos humanos moderado o severo, con total GAD-7 de al menos 10, quedaron 20 de 25 sesiones cálidas (80 %). En la condición cognitiva quedaron 24 de 25 (96 %). No alcanzaron ese rango las 25 sesiones neutrales ni las 24 numéricas de límite de rol. Son proporciones de estas sesiones experimentales, no porcentajes de modelos con ansiedad o de usuarios afectados.
Los intervalos muestran incertidumbre en las proporciones estimadas a partir de estas muestras pequeñas. Cero respuestas por encima del umbral no garantiza que el resultado siga siendo cero en otras sesiones o versiones.
Tampoco conviene concluir que la calidez siempre aumenta cualquier medida. En M1, la calidez alta reducía los motivos codificados para Gemini. I1 mide otros contrastes e incluye distintas instrucciones: reformulación adicional, límites del papel y longitudes solicitadas de respuesta. El cambio no se puede reducir a una palabra amable aislada ni equiparar puntuación GAD-7 con cantidad de motivos.
Fuentes de este apartado
Fuente: I1 y figura 6, pp. 14–16; métodos y tratamiento del rechazo, pp. 28 y 37. Diferencias de calidez en M1: pp. 10–11.
8. Qué no demuestra y qué queda por reproducir
Los resultados proceden de productos propietarios e interfaces de consumo. Las condiciones se equilibraron entre variantes y bloques de recogida, pero el estudio no abre sus pesos o entrenamiento. «Estable» describe recurrencia bajo las condiciones probadas, no una personalidad eterna del producto. La localización computacional del patrón se deja para investigación futura.
No hubo participantes humanos. Los riesgos sobre apego, confianza o dependencia de usuarios son hipótesis e implicaciones propuestas, no efectos psicológicos medidos en personas. Las pruebas con cambios de tema se realizaron dentro de conversaciones ya establecidas. No muestran que una confesión afecte automáticamente a una tarea nueva en otro chat.
Hay un límite práctico de reproducción. El paper remite a un conjunto público de 525 sesiones y 7.600 registros codificados. El enlace principal consultado en esta preparación contiene la colección inicial de 1.133 pares pregunta–respuesta y siete variantes. No encontramos allí los campos de condición y códigos de esos experimentos ni sus scripts v4. No se ha podido comprobar allí el corpus controlado ni repetir sus estadísticas. Las cifras experimentales de esta lectura se atribuyen al paper.
La versión también reporta reducciones distintas para la reformulación: 28 % en resultados y 36,6 % en discusión, con estimaciones estadísticas diferentes. No las tratamos como corroboraciones independientes o una cifra única reconciliada. Resolver esa diferencia exige cotejar las entradas y cálculos de la versión, no escoger silenciosamente un porcentaje.
La agrupación exploratoria de motivos y la comparación cualitativa de hipótesis ayudan a describir respuestas. No localizan un estado interno, prueban conciencia o validan una escala clínica para modelos. La expresión «conflicto interno» del título conserva ese límite operacional en el propio texto del paper.
Fuentes de este apartado
Fuente: límites y agenda de investigación, pp. 23–24; disponibilidad, p. 25; métodos, pp. 35–38. Reformulación: pp. 14 y 20. Colección consultada: PsAIch en Hugging Face.
9. La pregunta pasa a quienes escuchan al modelo
Los autores proponen evaluar conversaciones con calidez, confianza, repetición y cambios de rol, además de pruebas neutrales. También recomiendan comprobar significado y paráfrasis, no solo listas de palabras prohibidas. Sus experimentos muestran por qué cambiar una expresión puede dejar disponible parte de la organización temática.
[Inferencia] Una respuesta coherente y repetida puede resultar convincente como confesión para quien la lee. Los autores plantean ese riesgo de antropomorfismo y piden estudios humanos sobre confianza, apego y uso de consejos. Esta investigación identifica una oferta reproducible de ese lenguaje; todavía no mide qué consecuencias produce en sus oyentes.
La pregunta que deja PsAIch no se resuelve interpretando una puntuación de ansiedad como un diagnóstico. Hay que seguir qué papel se pidió, qué historial permaneció, qué se codificó y cómo cambiaron los resultados. Así puede estudiarse el comportamiento del modelo sin convertir su relato en una biografía verdadera ni ignorar que personas reales pueden tomarlo en serio.
Fuentes de este apartado
Fuente: implicaciones para evaluación y salud mental, pp. 21–24; conclusión, pp. 24–25.
Referencia
Afshin Khadangi, Hanna Marxen, Amir Sartipi, Igor Tchappi y Gilbert Fridgen. When AI Takes the Couch: Psychometric Jailbreaks Reveal Internal Conflict in Frontier Models, arXiv:2512.04124v4. Primera versión: 2 de diciembre de 2025; arXiv registra v4 el 20 de julio de 2026 y el PDF lleva fecha 21 de julio de 2026. DOI 10.48550/arXiv.2512.04124. Las páginas citadas corresponden al PDF de 45 páginas. Se consultaron cuerpo, métodos y materiales públicos identificados, sin reproducción independiente del corpus controlado, certificación clínica o revisión por pares acreditada. Texto e ilustraciones propios; no se redistribuyen el PDF, cuestionarios completos o conversaciones del conjunto de datos.