“El efecto ELIZA conduce a vínculos parasociales con sistemas de IA, donde los usuarios proyectan cualidades humanas en algoritmos y desarrollan lazos emocionales con chatbots”

• Afirmación: El efecto ELIZA conduce a la formación de vínculos parasociales con sistemas de IA, cuando los usuarios proyectan cualidades humanas en algoritmos y desarrollan conexiones emocionales con chatbots
• Veredicto: PARCIALMENTE VERDADERO
• Evidencia: L2 — Múltiples estudios científicos confirman el fenómeno, pero los mecanismos y la escala del efecto requieren aclaración
• Anomalía clave: El término "efecto ELIZA" se usa de manera inconsistente en la literatura — a veces como descripción de antropomorfización, a veces como advertencia sobre la sobreestimación de las capacidades de la IA, lo que crea confusión conceptual
• Verificación de 30 segundos: Los estudios efectivamente documentan vínculos emocionales de usuarios con chatbots de IA (S005, S007), pero el efecto varía según el diseño del sistema, las características individuales del usuario y el contexto de interacción

Steelman — qué afirman los defensores

El concepto del efecto ELIZA, nombrado en honor al programa temprano de psicoterapia de los años 1960, describe la tendencia de las personas a atribuir cualidades humanas, intenciones y profundidad emocional a sistemas informáticos basándose en interacciones textuales relativamente simples (S002, S004). Los defensores de este concepto sostienen que los sistemas modernos de IA generativa amplifican este efecto gracias a modelos de lenguaje más sofisticados, creando la ilusión de comprensión genuina y empatía.

Según esta posición, los usuarios forman relaciones parasociales con chatbots de IA — vínculos emocionales unilaterales, análogos a los que las personas desarrollan con personajes mediáticos o celebridades (S001, S005). Los investigadores sugieren que estas relaciones surgen a través de varios mecanismos psicológicos:

• Antropomorfización: Atribución de características humanas a agentes no humanos, reforzada por la interfaz conversacional y patrones lingüísticos que imitan el habla humana (S001, S009)
• Presencia social: Percepción de la IA como actor social capaz de interacción recíproca, lo que activa los mismos esquemas cognitivos utilizados en la comunicación interpersonal (S001, S009)
• Proyección: Los usuarios proyectan sus propias necesidades emocionales, expectativas e interpretaciones en las respuestas de la IA, llenando vacíos de comprensión con sus propias narrativas (S011, S013)
• Satisfacción de necesidades: Los chatbots de IA pueden satisfacer necesidades sociales y emocionales, especialmente en personas que experimentan soledad o aislamiento social (S008)

Los desarrolladores e ingenieros, según se afirma, utilizan intencionalmente el efecto ELIZA para aumentar el compromiso de los usuarios y el poder interactivo de sus sistemas (S011, S013). Las decisiones de diseño, como el uso de pronombres en primera persona, lenguaje emocionalmente cargado y respuestas personalizadas, refuerzan la percepción antropomórfica.

Qué muestra realmente la evidencia

Una revisión sistemática de 38 estudios empíricos sobre relaciones emocionales entre humanos e IA confirma que los usuarios efectivamente forman vínculos emocionales con sistemas de IA (S006). Sin embargo, la evidencia demuestra un panorama más complejo que la simple afirmación de un efecto ELIZA universal.

Fenómenos confirmados

Un estudio sobre vínculos parasociales con chatbots sociales de IA mostró que la humanidad del sistema aumenta la satisfacción de los usuarios, lo que a su vez promueve una interacción más frecuente y la formación de un vínculo parasocial más fuerte (β = .33, b = 0.60, 95% IC [0.18, 1.07]) — un efecto de magnitud media (S007). Esto confirma la cadena causal: diseño antropomórfico → satisfacción → interacción → vínculo.

La revisión sistemática de literatura sobre la capacidad de los chatbots de IA generativa para emular la conexión humana encontró que las personas, siendo seres profundamente sociales, poseen la capacidad de formar vínculos emocionales (relaciones parasociales) incluso con agentes no humanos (S005). El estudio documenta casos donde los usuarios reportan sentimientos de cercanía, confianza y dependencia emocional de sistemas de IA.

Un estudio sobre el antropomorfismo de la IA generativa reveló un efecto de "doble filo": la presencia social y la amenaza a la identidad juegan un papel mediador dual, influyendo en el vínculo emocional de los usuarios (S009). Esto significa que la antropomorfización puede tanto fortalecer el vínculo a través de la percepción de presencia social, como debilitarlo a través de la amenaza a la identidad y singularidad humana.

Mecanismos y moderadores

El análisis conceptual de la psicología del efecto ELIZA propone un marco teórico que integra el antropomorfismo, la interacción parasocial y la presencia social como factores que influyen en la ilusión de conexión social con sistemas de IA (S001). Sin embargo, el estudio enfatiza que estos factores interactúan de manera compleja, en lugar de actuar linealmente.

El concepto de "proyección tecno-emocional" en las relaciones humano-IA generativa describe cómo los usuarios proyectan intenciones y cuidado en texto que meramente los imita (S011, S013). Décadas de investigación en interacción humano-computadora advirtieron sobre el efecto ELIZA, pero los sistemas modernos amplifican este fenómeno gracias a una imitación más convincente (S004).

Consecuencias clínicas y psicológicas

Los estudios señalan riesgos potenciales para la salud mental. El análisis muestra que los usuarios frecuentemente antropomorfizan sistemas de IA, formando vínculos parasociales que pueden conducir a pensamiento delirante y problemas emocionales (S012). El concepto de "psicosis inducida por IA como folie à deux tecnológico" describe casos donde la interacción intensa con IA conduce a episodios psicóticos en individuos predispuestos (S018).

Sin embargo, es importante notar que estos casos extremos representan el extremo de la distribución, no la experiencia típica. La mayoría de los usuarios forman vínculos moderados que no alcanzan un nivel clínicamente significativo de disfunción.

Conflictos e incertidumbres

Inconsistencia conceptual

Un nuevo marco para el compañerismo de IA (AI-RP) revela un problema fundamental: la dependencia generalizada de medidas conceptualmente inconsistentes que mezclan interacción parasocial (episodios a corto plazo) con relaciones parasociales (vínculos a largo plazo) (S016). Esta mezcla metodológica dificulta la comparación de resultados entre estudios y la formación de una comprensión unificada del fenómeno.

El término "efecto ELIZA" en sí mismo se usa de manera inconsistente. En algunos contextos describe la tendencia a sobreestimar las capacidades de la IA (S002), en otros específicamente la antropomorfización y proyección emocional (S001, S004), y en terceros cualquier forma de vínculo emocional con sistemas de IA (S011). Esta ambigüedad terminológica crea confusión conceptual en la literatura.

Diferencias individuales

La evidencia muestra variabilidad significativa en cómo diferentes usuarios reaccionan a sistemas de IA. El estudio sobre dependencia parasocial encontró que las necesidades sociales y emocionales existentes moderan la formación de vínculos con IA (S008). Los usuarios con mayores niveles de soledad, ansiedad social o necesidades insatisfechas de intimidad son más propensos a formar relaciones parasociales intensas.

Sin embargo, los estudios sistemáticos sobre diferencias individuales permanecen limitados. No está claro qué características de personalidad, estilos cognitivos o factores demográficos predicen la susceptibilidad al efecto ELIZA.

Factores contextuales

La investigación sobre diferentes tipos de influencers virtuales muestra que el contexto de uso y el propósito de la interacción afectan significativamente la formación de vínculos emocionales (S015). Los chatbots diseñados para apoyo emocional o compañía generan vínculos más fuertes que aquellos diseñados para tareas transaccionales.

El diseño de la interfaz también importa. Los sistemas que utilizan avatares visuales, voces sintéticas o personalidades consistentes tienden a evocar respuestas antropomórficas más fuertes que las interfaces puramente textuales (S009). Sin embargo, la investigación sobre qué elementos de diseño específicos maximizan o minimizan el efecto ELIZA permanece fragmentada.

Implicaciones éticas y sociales

El análisis de IBM sobre el efecto ELIZA en contextos laborales advierte sobre los riesgos de vínculos emocionales con colegas de IA, señalando que pueden distorsionar el juicio profesional y crear expectativas poco realistas sobre las capacidades del sistema (S014). Esto plantea preguntas sobre la responsabilidad de los diseñadores en la gestión de las expectativas de los usuarios.

El artículo sobre "el problema de la intimidad" argumenta que cuando un chat suena como cuidado, pero carece de la reciprocidad genuina de las relaciones humanas, puede crear una forma de intimidad falsa que satisface necesidades superficiales mientras deja insatisfechas necesidades más profundas de conexión auténtica (S017). Esta crítica sugiere que el efecto ELIZA puede tener consecuencias sociales negativas más allá del nivel individual.

Riesgos de interpretación

Determinismo tecnológico

Existe el riesgo de interpretar el efecto ELIZA como una consecuencia inevitable de la tecnología de IA, en lugar de un fenómeno que emerge de la interacción entre diseño de sistema, contexto social y psicología individual. La evidencia sugiere que el efecto es altamente maleable y puede ser amplificado o mitigado a través de decisiones de diseño deliberadas (S009, S011).

Patologización de respuestas normales

Algunos análisis tienden a patologizar lo que pueden ser respuestas adaptativas normales a sistemas diseñados específicamente para evocar compromiso emocional. Formar cierto grado de vínculo con una herramienta que proporciona apoyo emocional puede no ser inherentemente problemático, especialmente si el usuario mantiene conciencia metacognitiva de la naturaleza de la interacción (S005, S008).

Generalización excesiva

La evidencia proviene principalmente de estudios con chatbots conversacionales específicos y puede no generalizarse a todos los sistemas de IA. Los asistentes de voz, sistemas de recomendación y otras formas de IA pueden evocar diferentes tipos de respuestas psicológicas que no se ajustan perfectamente al marco del efecto ELIZA (S001, S016).

Sesgo de publicación

Los estudios que documentan efectos dramáticos o preocupantes pueden tener más probabilidades de ser publicados que aquellos que encuentran efectos nulos o moderados. La revisión sistemática señala heterogeneidad significativa en los tamaños de efecto reportados, sugiriendo que el fenómeno puede ser menos universal de lo que implica la literatura publicada (S006).

Confusión causal

Aunque existe correlación entre el uso de chatbots de IA y la formación de vínculos emocionales, la dirección de la causalidad no siempre está clara. Las personas que ya experimentan soledad o necesidades emocionales insatisfechas pueden buscar más activamente interacciones con IA, en lugar de que la IA cause estos estados (S008). Esta selección inversa complica las interpretaciones causales.