📅 Publicado el 12 de marzo de 2026

La historia de los chatbots terapéuticos es, en muchos sentidos, la historia de una pregunta que la humanidad lleva décadas tratando de responder: ¿puede una máquina escuchar, comprender y ayudar a un ser humano en su sufrimiento? Las respuestas han cambiado radicalmente. La pregunta sigue siendo la misma.

1. ELIZA: el origen en 1966

ELIZA fue creada por Joseph Weizenbaum en el MIT en 1966. Era un programa de procesamiento de lenguaje natural extraordinariamente simple: detectaba palabras clave en el input del usuario y generaba respuestas basadas en plantillas predefinidas. Su versión más famosa, DOCTOR, simulaba a un terapeuta rogeriano (centrado en el cliente) reformulando las afirmaciones del usuario como preguntas.

Lo que sorprendió a Weizenbaum, y lo que lo perturbó profundamente, fue la reacción de las personas que interactuaban con ELIZA: atribuían al programa comprensión genuina, desarrollaban apego emocional y a veces preferían hablar con la máquina antes que con un humano. Weizenbaum pasó el resto de su carrera advirtiendo sobre los peligros de confundir simulación con comprensión real.

El «efecto ELIZA» (atribuir intencionalidad y comprensión genuina a sistemas de procesamiento simbólico sin conciencia) sigue siendo relevante 60 años después.

2. Las 4 generaciones de chatbots terapéuticos

Generación 1 (1966-1990s): Sistemas basados en reglas. ELIZA y sus sucesores funcionaban con árboles de decisión y detección de palabras clave. Útiles para conversaciones muy acotadas, pero rígidos e incapaces de manejar la complejidad del lenguaje natural real.

Generación 2 (2000s-2010s): Sistemas basados en intención. Plataformas como Woebot (lanzado en 2017) combinaron scripts de TCC estructurada con reconocimiento de intención más sofisticado. Lograron resultados clínicos medibles en estudios controlados para ansiedad y depresión leve.

Generación 3 (2018-2022): Modelos preentrenados. La llegada de BERT, GPT-2 y sus derivados permitió chatbots con comprensión contextual mucho más rica y respuestas más naturales, aunque todavía con limitaciones significativas en la coherencia de conversaciones largas.

Generación 4 (2023-presente): IA generativa de gran escala. GPT-4, Claude y modelos similares han transformado la calidad de la interacción conversacional hasta un punto que hace difícil distinguir (en muchos contextos) las respuestas de una IA de las de un humano experto.

3. El salto de la IA generativa (2023-2026)

El salto cualitativo de la IA generativa no fue solo en la calidad del lenguaje, sino en la capacidad de razonamiento contextual, la coherencia a lo largo de conversaciones largas, la capacidad de aplicar marcos conceptuales complejos (como la TCC) de forma flexible y personalizada, y la habilidad de detectar matices emocionales en el texto.

El resultado práctico es que los chatbots de salud mental de 2026 pueden mantener conversaciones terapéuticas de una complejidad que las generaciones anteriores no podían abordar. Los límites actuales ya no son principalmente de calidad de lenguaje, sino de acceso a información multimodal (no pueden percibir el tono de voz o el lenguaje corporal), de memoria entre sesiones y de la ausencia del vínculo interpersonal.

4. Los retos que siguen siendo los mismos

60 años después de ELIZA, los retos fundamentales siguen siendo los mismos: cómo asegurar que el sistema reconoce sus propios límites y escala adecuadamente en situaciones de riesgo, cómo evitar que los usuarios desarrollen una dependencia de la máquina en detrimento de las relaciones humanas, y cómo garantizar que la apariencia de comprensión no se confunde con comprensión real.

La advertencia de Weizenbaum sobre el efecto ELIZA es más relevante en 2026 que en 1966, precisamente porque los sistemas actuales son mucho más convincentes.

5. Hacia dónde va la tecnología

Las próximas fronteras incluyen la integración multimodal (procesar voz y potencialmente imagen además de texto), la memoria persistente entre sesiones con control del usuario sobre qué se recuerda, la integración con dispositivos wearable para datos fisiológicos (frecuencia cardíaca, patrones de sueño) y sistemas de derivación automática a profesionales humanos cuando el análisis de la conversación detecte umbrales de riesgo.

6. Preguntas frecuentes

¿Woebot sigue siendo el referente del sector?
Woebot fue pionero y tiene el mayor cuerpo de evidencia clínica publicada. En 2026 hay más competidores con capacidades similares o superiores en calidad de conversación, aunque Woebot mantiene su ventaja en rigor de investigación clínica.

¿Dónde puedo aprender más sobre la historia de la IA en salud mental?
El libro «Computer Power and Human Reason» de Joseph Weizenbaum (1976) sigue siendo una lectura fundamental sobre los límites filosóficos de la IA. Para la historia reciente, los artículos de revisión en Digital Health y JMIR Mental Health son los referentes académicos.