1 Introducción

Los agentes de Inteligencia Artificial (IA) generativa basados en grandes modelos de lenguaje (LLM), como ChatGPT, Gemini y Deep Seek, han ganado cada vez más popularidad, con patrones de uso que van desde la redacción, la revisión, el resumen y la traducción de textos hasta tareas más complejas de organización, investigación y entretenimiento (Chatterji et al. 2025; Maslej et al. 2025). Un patrón de uso emergente (y bastante controvertido) consiste en recurrir a agentes de IA para buscar consejo relacional y apoyo terapéutico ante problemas de salud mental. En una encuesta representativa a escala nacional en Estados Unidos, el 13.1% de la población joven (de 12 a 21 años) declaró utilizar IA generativa para obtener consejos de salud mental (McBain et al. 2025). Los estudios con poblaciones clínicas revelan una prevalencia mayor del uso de la IA: el 48.7% de las personas adultas en tratamiento (de 18 a 80 años) declararon recurrir a los LLM para obtener apoyo terapéutico (Rousmaniere et al. 2025). La investigación que examina los datos de conversaciones de ChatGPT indica que, aunque los temas de interacción más frecuentes eran la orientación práctica, la redacción y la búsqueda de información (78% de todos los mensajes), la búsqueda de consejo y de orientación era notablemente elevada, con un 49% de los mensajes (Chatterji et al. 2025).

Ante el creciente interés y la demanda del público por utilizar la IA como apoyo en salud mental, han proliferado aplicaciones comerciales de terapia mediante IA que ofrecen intervenciones de salud mental basadas en la evidencia y que cuentan con una amplia base de personas usuarias. Por ejemplo, la principal aplicación de terapia mediante IA, Wysa, tiene aproximadamente 4,5 millones de personas usuarias en más de 65 países y ha establecido numerosas colaboraciones con empresas de todo el mundo (Baldry 2022). Los estudios documentan que quienes utilizan estas aplicaciones declaran una gran satisfacción, construyen con el tiempo una alianza terapéutica con su terapeuta de IA (Beatty et al. 2022) y las perciben como libres de juicios y de etiquetas, al tiempo que aprecian su disponibilidad constante a bajo coste (Chaudhry and Debi 2024).

A pesar de las valoraciones positivas de las personas usuarias de aplicaciones de terapia mediante IA y de quienes defienden el uso de la IA en psicoterapia¹, que destacan su accesibilidad, su asequibilidad y su inmediatez, la investigación que examina los resultados del uso de la IA en salud mental cuenta otra historia. Los metaanálisis sobre la eficacia de las aplicaciones de terapia mediante IA para problemas generales de salud mental (He et al. 2023), así como para síntomas específicos como la depresión y la ansiedad (Zhong et al. 2024), han obtenido resultados dispares, con tamaños del efecto que oscilan entre 0.19 y 0.62. Aunque la psicoterapia basada en IA proporciona un alivio rápido de los síntomas (Balan et al. 2024; Li et al. 2023), las mejoras no se mantienen a largo plazo (Zhong et al. 2024). Por ello, se necesita más investigación que explore la calidad de los agentes de IA, más allá de la evaluación subjetiva, así como los resultados directos e indirectos de su uso con fines terapéuticos. Además, persisten las preocupaciones sobre la confidencialidad, la privacidad de los datos, los riesgos para la persona en caso de necesidades clínicas intensas y la limitada competencia cultural (Maslej et al. 2025; McBain et al. 2025; Rahsepar Meadi et al. 2025).

El presente estudio pretende abordar estas lagunas de la literatura explorando las evaluaciones que hacen profesionales de la supervisión clínica de las habilidades y competencias de un modelo GPT entrenado, desde una perspectiva sistémica. El énfasis en la orientación sistémica es, además, deliberado. La mayor parte de la literatura existente sobre el uso de agentes de IA con fines terapéuticos se ha centrado en enfoques manualizados y basados en protocolos, como los modelos de terapia cognitivo-conductual, dada la facilidad para entrenar a los agentes de IA en ellos por su carácter estandarizado (He et al. 2023; Li et al. 2023; Zhong et al. 2024). Sin embargo, informes recientes muestran que muchas personas usuarias recurren a la IA sobre todo en busca de consejo relacional (American Psychological Association 2025), lo que hace cada vez más importante examinar en qué medida los modelos de IA pueden aplicar intervenciones orientadas a las dinámicas de pareja y de familia, un ámbito que ha recibido escasa atención investigadora.

1.1 El proceso terapéutico entre humanos e IA

Los avances técnicos de los sistemas de IA conversacional han permitido que los LLM generen respuestas muy parecidas a los procesos terapéuticos, incluidos el reflejo empático, la normalización y la validación emocional (Scholich et al. 2025). Los LLM han mostrado la capacidad de reconocer estados emocionales a partir de textos, voces e imágenes, lo que demuestra una forma de empatía cognitiva (Başer et al. 2025; Yirmiya and Fonagy 2025). Los hallazgos empíricos indican que las personas que interactúan con ChatGPT en busca de apoyo emocional y de salud mental declaran sentirse emocionalmente conectadas y atribuyen a la IA cualidades propias de una persona terapeuta, como la profesionalidad, la fiabilidad y una presencia atenta y validante (Luo et al. 2025). En algunos casos, quienes recibían las respuestas declararon que las generadas por la IA eran más reconfortantes que las de personas no profesionales (p. ej., Elyoseph et al. 2023; Yin et al. 2024). Estos hallazgos sugieren que el diálogo terapéutico generado por IA puede percibirse como emocionalmente sintonizado y reconfortante.

A pesar de estas capacidades, la capacidad emocional y la conexión percibidas que muestra la IA difieren de las de las conexiones humanas. La empatía generada por la IA se denomina pseudoempatía: carece de comprensión experiencial, de compromiso relacional, de comprensión emocional y, por tanto, de una auténtica empatía afectiva (Yirmiya and Fonagy 2025). Esta distinción vuelve a los sistemas de IA incapaces de reciprocidad relacional, de contratransferencia y de sintonía encarnada, rasgos todos ellos que caracterizan las relaciones terapéuticas eficaces (Yirmiya and Fonagy 2025). Además, la psicoterapia es teóricamente diversa y profundamente relacional, lo que hace difícil definir o estandarizar la competencia terapéutica (Grodniewicz and Hohol 2023). Estas complejidades son especialmente importantes en el caso de agentes no humanos, que podrían imitar lingüísticamente las dimensiones relacionales y culturalmente sensibles de la terapia sin comprender plenamente su significado ni los atributos asociados.

La competencia que las personas usuarias perciben en los agentes de IA puede enmascarar sus limitaciones fundamentales, lo que plantea preocupaciones éticas sobre la sobreestimación de la capacidad terapéutica de la IA (Barzkar et al. 2025). Cuando las personas usuarias no pueden distinguir entre el apoyo generado por la IA y una psicoterapia auténtica, se vuelven vulnerables al «malentendido terapéutico» (Khawaja and Bélisle‐Pipon 2023). Este riesgo es especialmente preocupante en poblaciones vulnerables, como las personas supervivientes de traumas, ya que las simulaciones de IA podrían conllevar el riesgo de crear dinámicas relacionales dañinas (Yirmiya and Fonagy 2025). La capacidad de la IA para imitar el lenguaje terapéutico puede crear una falsa sensación de alianza y de cuidado (Khawaja and Bélisle‐Pipon 2023), lo que pone de relieve la necesidad de supervisión profesional y de una evaluación sistemática. Detectar estos riesgos solo a través de las percepciones de las personas usuarias resulta difícil, y subraya la importancia de examinar cómo evalúan profesionales de la clínica con formación las respuestas terapéuticas generadas por la IA, en particular en cuanto a habilidad clínica, límites éticos y sensibilidad cultural. Sin tales evaluaciones, se vuelve difícil distinguir entre las aplicaciones de IA que apoyan realmente la salud mental y las que crean una sensación de cuidado aunque potencialmente entrañen riesgos.

Por último, la competencia cultural sigue siendo una limitación crítica de los modelos de IA en contextos terapéuticos (Wang et al. 2025). Las evaluaciones clínicas revelan que los LLM ofrecen a menudo consejos simplificados en exceso, sin tener en cuenta el contexto cultural específico, las experiencias vividas ni las realidades situacionales, lo que refleja un déficit importante de adaptación contextual (Iftikhar et al. 2025). Tanto las personas usuarias como el ámbito investigador han señalado estos problemas de contextualización, en los que las aplicaciones de terapia mediante IA (p. ej., Woebot, Wysa) y los chatbots basados en LLM (p. ej., ChatGPT) eran incapaces de comprender e interpretar el contexto humano en el que se inscribían los mensajes y daban en cambio respuestas genéricas, previsibles y repetitivas (Chaudhry and Debi 2024; Sarkar et al. 2023). En conjunto, estas limitaciones sugieren que examinar las cualificaciones de los agentes de IA en contextos terapéuticos exige también evaluar su sensibilidad cultural y contextual.

1.2 Uso de la IA en la terapia relacional

La literatura identifica cuatro ámbitos clave en los que la IA ofrece posibilidades de uso en la terapia relacional: el diagnóstico de los problemas de relación, la predicción del pronóstico, el seguimiento de las reacciones de la clientela y la provisión del tratamiento (Puhlman and Chen 2025). El presente estudio se centra específicamente en este último ámbito, la provisión del tratamiento. Un conjunto creciente de datos respalda, de forma más general, la eficacia de las intervenciones digitales sobre las relaciones (Kernová et al. 2025), incluidos programas en línea consolidados como OurRelationship (Doss et al. 2020). Sin embargo, una limitación crítica de estos programas es su dependencia del acompañamiento humano (coaching) para mantener la implicación: las tasas de finalización caen al 6% cuando no hay acompañamiento, y el beneficio de este se atribuye a la rendición de cuentas y al estímulo más que a la habilidad clínica (Knopp et al. 2023). Por ello, se han propuesto los chatbots de IA y las aplicaciones de terapia mediante IA como solución para ofrecer esas interacciones sin consumir recursos humanos (Knopp et al. 2023).

No obstante, la investigación sobre el uso de la IA específicamente para la terapia relacional está todavía en sus inicios. Una excepción notable es un ensayo controlado aleatorizado reciente de Vowels et al. (2025), en el que personas adultas con problemas de relación específicos fueron asignadas o bien a una sesión única con un chatbot, o bien a una tarea de escritura basada en la evidencia para la reevaluación de conflictos. Los resultados indicaron mejoras similares en ambos grupos en diversos ámbitos, como la satisfacción con la relación, el afrontamiento diádico, la confianza respecto al problema específico y el bienestar individual (Vowels et al. 2025). Se observó una diferencia significativa entre grupos en la mejora a corto plazo del patrón de comunicación demanda-retirada, específicamente en la condición del chatbot, aunque este efecto desapareció en el seguimiento. Aunque las personas participantes valoraron muy positivamente la alianza terapéutica con el chatbot, también lo describieron como robótico, repetitivo y solo moderadamente humano. Además, el equipo de investigación planteó preocupaciones de seguridad, señalando que, de las tres conversaciones que requirieron un seguimiento de seguridad, una había sido iniciada por el chatbot.

Estas limitaciones reflejan retos más amplios en la aplicación de la IA a los contextos relacionales. Puhlman and Chen (2025) identificaron tres retos interconectados. En primer lugar, la dificultad de acceder a datos de conversaciones suficientes procedentes de contextos de terapia de pareja y de familia, necesarios para entrenar a la IA. En segundo lugar, debido a la complejidad y al carácter dinámico de las estrategias terapéuticas, es difícil integrar el conocimiento clínico en el entrenamiento de la IA. En tercer lugar, no es posible explicar por qué un modelo ha producido una respuesta concreta, lo que dificulta evaluar si esa respuesta era clínicamente adecuada o éticamente sólida. Así, aunque la IA es prometedora para la terapia relacional, la tecnología aún no está lo bastante desarrollada para funcionar de forma fiable en este contexto. En el ámbito de las parejas y las familias, estas carencias corren el riesgo de amplificar los malentendidos o de agravar el conflicto en lugar de aliviarlo (Puhlman and Chen 2025).

Más allá de las limitaciones técnicas y clínicas descritas, la integración de la IA en la terapia relacional plantea preguntas importantes sobre el futuro del campo de la Terapia de Pareja y de Familia (CFT). Según Hertlein and Springer (2026), la IA ya está integrada en muchas plataformas de telesalud y sistemas informáticos que utiliza la profesión de la CFT, lo que hace que la alfabetización en IA sea esencial para una práctica eficaz y ética. Sostienen que la IA ha dejado de ser una mera herramienta y actúa ahora como un tercer participante dentro del sistema terapéutico. Esta evolución obliga a quienes ejercen la CFT a plantearse cómo incorporar la IA preservando al mismo tiempo sus enfoques sistémicos y relacionales y sus objetivos de tratamiento. Además, la autoría subraya que, si la profesión no se implica de forma proactiva con la IA ni orienta su aplicación en contextos relacionales, su uso podría no ajustarse a los estándares relacionales y sistémicos de nuestro campo. En consecuencia, reclaman el desarrollo de normas reguladoras propias del campo y de investigaciones empíricas que orienten un uso responsable de la IA en la terapia relacional.

1.3 El presente estudio

Con el fin de abordar estas limitaciones de la literatura, el objetivo del presente estudio es examinar las interacciones entre la IA y un ser humano durante una sesión simulada y evaluar la calidad de las microintervenciones generadas por la IA a través de las valoraciones de profesionales con experiencia en la supervisión clínica en CFT. Para ello, las personas supervisoras (que desconocían el objetivo del estudio) revisaron la transcripción de la sesión simulada y calificaron las habilidades terapéuticas, la competencia y la sensibilidad cultural de la supuesta «persona terapeuta». Las preguntas de investigación fueron las siguientes: (1) ¿Cuáles son las habilidades y microintervenciones más utilizadas por un agente de IA con formación sistémica al abordar un problema relacional? (fidelidad a los principios de la terapia sistémica). (2) Según las personas supervisoras, ¿en qué medida es competente el agente de IA para aplicar intervenciones sistémicas? (adherencia: competencia clínica). (3) Según las personas supervisoras, ¿en qué medida es competente la IA para aplicar microintervenciones con sensibilidad y conciencia culturales? (competencia cultural). (4) ¿Qué puntos fuertes y qué ámbitos de mejora identifican las personas supervisoras en el agente de IA?

Planteamos la hipótesis de que el GPT (un agente de IA que el equipo de investigación entrenó en teorías, habilidades e intervenciones de la CFT) mostraría una alta fidelidad a los principios sistémicos (H1) y una alta competencia en las habilidades básicas de entrevista, como validar, reflejar y resumir (H_2a). Esperábamos que el GPT obtuviera malos resultados en ámbitos de competencia clínica más complejos, como la vinculación (joining), las preguntas relacionales, la reformulación relacional y la interpretación relacional (H_2b). En cuanto a la competencia cultural, se esperaba que el GPT tuviera dificultades para mantener la imparcialidad, debido a un énfasis excesivo en la sintonía y la validación de la persona usuaria para prolongar su implicación, y para mostrar curiosidad y humildad respecto a la cultura (H₃). Para la pregunta de investigación 4, sobre los puntos fuertes y los ámbitos de mejora de la herramienta de IA, las hipótesis eran exploratorias y abiertas, ya que las personas supervisoras difieren en su orientación clínica y su estilo de supervisión.

2 Métodos

2.1 Procedimientos del estudio

Para la sesión simulada, reclutamos a una persona voluntaria para mantener un diálogo escrito con el chatbot. Para poder participar, la clienta voluntaria debía ser mayor de 18 años, mantener una relación sentimental estable desde hacía al menos 3 meses, tener experiencia previa en el uso de chatbots basados en LLM y estar dispuesta a utilizarlos para obtener consejo relacional, y haber recibido psicoterapia individual en el pasado. Se excluyó del estudio al estudiantado de grado y de posgrado en psicología, a profesionales de la salud mental con titulación clínica o cualquier formación reglada, a personas con un diagnóstico psiquiátrico y a quienes sufrían violencia de pareja en su relación actual. El estudio se difundió entre el estudiantado de posgrado de la Koç University (Estambul, Turquía), y las personas interesadas llegaron al estudio a través de las redes de contactos del estudiantado. Tras comprobar los criterios de elegibilidad, la primera autora se reunió con la clienta voluntaria seleccionada, le explicó los procedimientos del estudio, obtuvo su consentimiento y se aseguró de que no revelaría al chatbot ninguna información personal identificativa (p. ej., nombres, lugares). Se informó a la voluntaria de que el chatbot estaba diseñado para un diálogo sobre cuestiones relacionales y de que podía hablar de un problema reciente y en curso de su relación sentimental actual. Para evitar posibles daños, se le pidió que informara a la investigadora si surgía algún problema durante la conversación, como lenguaje ofensivo, orientaciones erróneas o consejos directos sobre su vida personal. Tras el consentimiento informado y unas breves instrucciones, la voluntaria rellenó un formulario sociodemográfico en línea e interactuó con el chatbot durante una hora en una sala tranquila, con un ordenador portátil del laboratorio. Tras la interacción, la clienta voluntaria respondió a una entrevista final en línea sobre la experiencia, fue informada de los objetivos del estudio y recibió como compensación por su tiempo una tarjeta regalo de 10 dólares.

Tras la interacción entre la voluntaria y el chatbot, la conversación se trasladó a un documento Word y se revisó para garantizar que no incluyera ninguna información identificativa. En el texto, cada interlocutor se identificó como terapeuta o como clienta. Dado que las personas supervisoras desconocerían el objetivo del estudio, se hicieron pequeñas modificaciones, como suprimir el tiempo de procesamiento del GPT, corregir erratas y signos de puntuación, y eliminar del texto dos frases (una del saludo y otra del cierre del diálogo) que dejaban claro al lector o la lectora que la interacción era con un chatbot. El resto del diálogo se conservó en su forma original y ocupaba ocho páginas a una cara.

Se reclutó una muestra de conveniencia de profesionales de la supervisión clínica en CFT mediante el boca a boca y las redes personales y profesionales del equipo de investigación. Se invitó a estas personas a participar en el estudio para revisar una sesión transcrita y calificar las habilidades clínicas y las competencias culturales de quien conducía la sesión a partir del texto. Todas leyeron la misma transcripción, y la evaluación se basó en una única sesión, porque el estudio piloto se centraba en examinar las variaciones en las calificaciones de supervisión, y no el cambio a lo largo de las sesiones ni la varianza entre clientes. Para poder participar, debían tener 18 años o más, al menos 5 años de experiencia en supervisión en CFT y una orientación terapéutica sistémica en su trabajo clínico y de supervisión. Durante el reclutamiento, se invitó a profesionales de la supervisión que se adscribían a distintos modelos de psicoterapia sistémica, para garantizar la heterogeneidad de los datos y la diversidad de opiniones sobre el desempeño del chatbot. A quienes cumplían los requisitos y manifestaron interés en participar se les envió un formulario de consentimiento en línea, un enlace a una encuesta de Qualtrics y la transcripción. Las personas participantes disponían de 2 semanas para responder a la encuesta y recibieron como compensación por su tiempo una tarjeta regalo de 10 dólares. Una vez finalizados la recogida y el análisis de datos, informamos a las personas supervisoras sobre el estudio: les comunicamos que quien hacía de terapeuta era un modelo GPT entrenado para aplicar intervenciones sistémicas, les explicamos la justificación del estudio y por qué se había realizado a ciegas, y compartimos con ellas los resultados descriptivos. Todos los procedimientos del estudio fueron aprobados por el Comité de Ética Institucional de la Koç University (protocolo n.º 2026.050.IRB3.025) antes de su inicio.

2.2 Participantes

La voluntaria de la sesión simulada era una estudiante de posgrado de 24 años, cisgénero y heterosexual, que cursaba una especialidad ajena a la psicología y no tenía ninguna formación reglada en salud mental. Mantenía una relación sentimental estable desde hacía 2,5 años y refería problemas de comunicación. Declaró haber asistido en el pasado a tres sesiones de psicoterapia individual, que le habían resultado útiles y eficaces, con una puntuación de 4 en una escala de 1 (inútiles e ineficaces) a 5 (muy útiles y eficaces). Utilizaba la IA casi a diario, sobre todo con fines académicos, como documentarse sobre un tema, sintetizar datos y recibir ayuda en la redacción. No había utilizado nunca la IA para obtener consejos sobre su relación.

El tamaño muestral previsto antes de la recogida de datos era de 10 profesionales de la supervisión clínica. Ese tamaño se determinó según la regla empírica de la investigación cualitativa y de los pequeños estudios piloto, en los que se requieren al menos 10 participantes para generar datos significativos (Braun et al. 2019). Dado que en Turquía solo hay un puñado de profesionales de la supervisión clínica con experiencia, formación en terapia de pareja y de familia y en supervisión sistémica, más de 5 años de experiencia como supervisores y supervisoras, y con las licencias y cualificaciones correspondientes, una muestra de 10 participantes parecía viable para un estudio piloto. Invitamos a 17 profesionales de la supervisión clínica a participar en el estudio; dos declinaron por motivos de agenda y personales. De las 15 personas que aceptaron participar, 12 completaron la encuesta. Las personas supervisoras (N = 12) tenían una media de 45.08 años (SD = 8.9), y la mayoría eran mujeres (n = 10; 83.33% frente a dos hombres, 16.67%). Dos tercios de la muestra tenían un doctorado (n = 8; 66.67%), mientras que el resto tenía un máster (n = 4; 33.33%). Declararon de media 18.5 años de experiencia clínica (SD = 7.26) y 10.92 años de experiencia en supervisión (SD = 4.78). Todas se identificaban como terapeutas de pareja y de familia que trabajaban desde una perspectiva sistémica. Para su trabajo clínico y de supervisión declararon utilizar los siguientes enfoques: terapia focalizada en las emociones (n = 2), terapia experiencial de Satir (n = 2), estratégica (n = 2), psicodinámica/sistemas familiares internos (n = 2), feminista (n = 2), narrativa (n = 1) y otros enfoques sistémicos (n = 1). Entre sus principales ámbitos de especialización figuraban las parejas con alto nivel de conflicto, la infidelidad, el trauma y los problemas relacionales, seguidos de los problemas de apego y de salud mental (depresión y ansiedad). Las personas participantes supervisaban en varios contextos a la vez, como su propia consulta privada (n = 10), las prácticas en clínicas universitarias de formación (n = 9), talleres de formación continua (n = 6) y prácticas externas (n = 2). Así pues, tenían experiencia en la supervisión de terapeutas con niveles de experiencia clínica muy diversos, desde terapeutas noveles en programas de posgrado hasta terapeutas con larga trayectoria.

2.3 Entrenamiento del GPT sistémico

El desarrollo del GPT sistémico siguió un proceso en cuatro fases: preparación, ingeniería de prompts, pruebas piloto y ajuste, y finalización. Durante la fase de preparación, revisamos las directrices de OpenAI para la configuración de GPT, consultamos a un informático sobre el diseño de prompts y examinamos los prompts descritos en estudios previos de coaching e intervenciones de salud mental basados en GPT. El GPT se entrenó con una colección seleccionada de recursos, que incluía las competencias básicas y las directrices éticas de la AAMFT, manuales y tratados de CFT, cuadernos de teoría y práctica de la CFT, literatura sobre sensibilidad transcultural y factores terapéuticos comunes, y publicaciones que describen intervenciones sistémicas con clientes individuales (véase el File S1 para la lista completa de recursos y referencias).

La fase de ingeniería de prompts consistió en el desarrollo iterativo de un GPT Plus con nivel de inteligencia 5.4, en modo de razonamiento extendido. En las pruebas piloto, las primeras versiones mantenían mal la perspectiva sistémica, lo que se mejoró añadiendo como recursos seis transcripciones de sesiones procedentes de pódcast disponibles públicamente en línea. Además, los prompts se reformularon como instrucciones de comportamiento basadas en reglas, patrones de respuesta condicionales (p. ej., si ocurre ___, ve al recurso ___ y haz ____), flujos de trabajo terapéuticos explícitos (p. ej., cómo abrir, mantener y cerrar la sesión) y ejemplos de comportamientos aceptables e inaceptables por parte de la persona terapeuta (p. ej., terminar la sesión en caso de riesgo inminente para la seguridad y derivar a la persona a ___). Se indicó al modelo que explorara los patrones relacionales, las experiencias en la familia de origen, los procesos emocionales y los ciclos interaccionales. En la fase final, ampliamos los protocolos éticos y de seguridad relativos a la suicidalidad, el abuso, la violencia y el control coercitivo. En situaciones de riesgo significativo, se indicó al modelo que suspendiera la sesión y aplicara un protocolo de seguridad. El proceso de entrenamiento duró aproximadamente 2,5 meses y se basó exclusivamente en la ingeniería iterativa de prompts, múltiples pruebas piloto, la revisión de los prompts y la ampliación de los recursos de apoyo. No se empleó ningún condicionamiento conductual ni ningún procedimiento clásico de reentrenamiento por aprendizaje automático. El File S1 detalla todo el proceso en aras de la transparencia y la replicabilidad.

2.4 Instrumentos

2.4.1 Formularios sociodemográficos

El formulario sociodemográfico de la voluntaria incluía ítems sobre la edad, el sexo, la experiencia terapéutica previa (número de sesiones, modalidad de las sesiones, satisfacción con la terapia y eficacia percibida, valoradas de 1 —baja satisfacción— a 5 —alta satisfacción—), así como sobre la frecuencia y los motivos del uso de agentes de IA. El formulario sociodemográfico de supervisión incluía ítems sobre las cualificaciones (último título obtenido, año de graduación), la experiencia clínica y de supervisión (contexto, horas de contacto, certificados), los ámbitos de especialización clínica y la orientación terapéutica.

2.4.2 Formularios de supervisión

Las personas supervisoras cumplimentaron el Cross‐Cultural Counseling Inventory–Revised (CCCI‐R; LaFromboise et al. 1991 ), la Systemic Family Practice Systemic Skills Rating Scale (SFP‐SSRS; Butler et al. 2020) y la Common Factors Supervision Checklist (CFSC; Sprenkle et al. 2009) para evaluar, respectivamente, las competencias culturales, sistémicas y de factores comunes del modelo entrenado. El CCCI‐R incluye siete ítems que exploran la competencia de la persona terapeuta en el counseling multicultural, valorados en una escala de 1 (totalmente en desacuerdo) a 6 (totalmente de acuerdo). La escala mostró una alta consistencia interna (α= 0.91; Drinane et al. 2016). La SFP‐SSRS (Butler et al. 2020) es un instrumento de 12 ítems que evalúa las habilidades en terapia familiar sistémica, como la colaboración, el pensamiento sistémico, el cuestionamiento, el trabajo con el poder y las diferencias, el manejo de las emociones y los procesos de cambio. Se desarrolló originalmente como herramienta de evaluación de competencias para la formación y la supervisión clínicas, y mostró una alta consistencia interna (α = 0.95) y una alta fiabilidad interjueces (ICC = 0.94; Butler et al. 2020). Los ítems se puntúan en una escala ordinal de 0 (Ausencia del rasgo o uso muy inadecuado) a 6 (Desempeño excelente, incluso ante niveles elevados de complejidad y de desafío por parte de los miembros de la familia). La CFSC (Sprenkle et al. 2009) se desarrolló originalmente como herramienta de supervisión y de enseñanza en el enfoque de los factores comunes en CFT. Se centra en aspectos más amplios del tratamiento, presentes en distintos enfoques, e incluye cinco subescalas que evalúan las características de la persona terapeuta, las características de la clientela, la alianza terapéutica, la esperanza/expectativa y las intervenciones transversales a los distintos modelos. En el presente estudio utilizamos la lista completa, con ítems que van de 0 (no competente) a 10 (competente).² En todas las escalas estandarizadas de supervisión, los ítems se puntuaron de modo que las puntuaciones más altas indicaran habilidades terapéuticas más avanzadas.

Las personas supervisoras cumplimentaron también dos formularios de evaluación elaborados por el equipo de investigación. Uno de ellos incluía nueve ítems que evaluaban técnicas sistémicas habituales, como las preguntas circulares y relacionales, las reformulaciones relacionales y las interpretaciones relacionales. Estos ítems se basaban en escalas de adherencia y de fidelidad de la persona terapeuta utilizadas en prácticas de terapia sistémica basadas en la evidencia (Ecologically‐Based Family Therapy Adherence Sheet, Slesnick 2000; Emotionally‐Focused Individual Therapy Adherence Measure, Schafer et al. 2022). Se preguntaba si la persona terapeuta había utilizado alguna de estas técnicas en la sesión (sí/no) y, a continuación, se valoraba la eficacia con que la había aplicado en una escala de 7 puntos, de 1 (habilidad escasa/ineficaz) a 7 (habilidad extraordinaria/muy eficaz). Además, elaboramos y utilizamos un formulario de 4 ítems que evaluaba en qué medida la persona terapeuta mantenía un enfoque sistémico en un contexto de terapia individual, por ejemplo abordando los ciclos relacionales antes que la patología individual, comprendiendo el contexto relacional del problema presentado, centrándose en el proceso antes que en el contenido y buscando un cambio sistémico y relacional, y no solo un cambio individual. Las respuestas se midieron con una escala de Likert de 5 puntos, de 1 (totalmente en desacuerdo) a 5 (totalmente de acuerdo).

2.4.3 Encuestas finales

Tanto las personas supervisoras como la voluntaria respondieron a encuestas finales elaboradas por el equipo de investigación. Los ítems destinados a la supervisión exploraban sus predicciones sobre la edad de la persona terapeuta, su experiencia clínica en horas de contacto con clientes, su nivel de estudios y su orientación terapéutica, junto con un ítem abierto que pedía comentarios adicionales sobre su desempeño (puntos fuertes y ámbitos de mejora). En la encuesta final de la voluntaria, los ítems preguntaban por su satisfacción global con el GPT (valorada en una escala de 1 —baja satisfacción— a 5 —alta satisfacción—), e incluían cuatro preguntas abiertas sobre su experiencia de participación en el estudio y su percepción de la sesión.

2.5 Análisis de datos

Dado el carácter exploratorio del estudio y el reducido tamaño de la muestra, el análisis de datos fue descriptivo. Examinamos las distribuciones de las puntuaciones de competencia cultural y clínica, junto con las puntuaciones de factores comunes, y calculamos sus medias, desviaciones típicas y rangos. Además, analizamos cualitativamente los comentarios de las personas supervisoras a las preguntas abiertas y los relacionamos con los resultados cuantitativos.

3 Resultados

3.1 Resultados descriptivos según las personas supervisoras

Las personas supervisoras calificaron el desempeño del modelo GPT en un nivel moderado en competencia cultural (M = 3.85, SD = 0.81, rango 1–6), en habilidades de terapia familiar sistémica (M = 3.91, SD = 0.76, rango 0–6) y en la integración de una orientación sistémica en la terapia individual (M = 3.11, SD = 0.37, rango 1–5). Entre los factores comunes, las características de la persona terapeuta obtuvieron las puntuaciones más altas (M = 6.56, SD = 1.04), seguidas de las intervenciones transversales a los distintos modelos terapéuticos (M = 6.22, SD = 1.48), la alianza terapéutica (M = 6.19, SD = 2.34), la esperanza y la expectativa (M = 6.00, SD = 1.67) y las características de la clientela (M = 5.81, SD = 1.47), en una escala de 0 a 10.

En cuanto al uso de técnicas sistémicas, todas las personas supervisoras señalaron que en la transcripción de la sesión se utilizaban al menos una vez preguntas relacionales, interpretaciones relacionales y la validación de las experiencias de la clienta (Tabla 1). De las 12 personas supervisoras, 11 (91.7%) observaron que el modelo utilizaba preguntas circulares, reformulaciones relacionales, el reflejo y la sintonía. Las metáforas relacionales fueron la técnica menos utilizada según sus observaciones (41.7%, n = 5), seguida de la externalización del problema (66.7%, n = 8). Percibieron la eficacia de las técnicas sistémicas como relativamente alta (M = 4.72, SD = 0.65) en una escala de 1 a 7. Se consideró que el modelo GPT era más hábil formulando preguntas relacionales (M = 5.17, SD = 0.83) y preguntas circulares (M = 5.09, SD = 0.83), así como validando y reconociendo las experiencias de la clienta (M = 5.00, SD = 1.28).

En la encuesta final, cuando se preguntó a las personas supervisoras por sus predicciones sobre quien conducía la sesión, una de ellas identificó a la persona terapeuta como una IA. La mayoría de las restantes predijo que tenía entre 26 y 35 años (75.1%, n = 8) y hasta 500 h de contacto con clientes (83.4%, n = 10), mientras que solo una persona supervisora (8.3%) le atribuyó entre 500 y 1000 horas de experiencia clínica (Tabla 2). En cuanto a las cualificaciones, el 41.7% (n = 5) creyó que se había graduado recientemente en un programa de CFT, y el 33.3% (n = 4) la percibió como alguien con una larga trayectoria tras un programa de psicología clínica que seguía una formación complementaria en CFT. En cuanto a la orientación teórica, más de la mitad de las personas supervisoras (58.3%) consideró que practicaba la Terapia Focalizada en las Emociones, mientras que el 25% no pudo determinar una orientación. La Tabla 2 presenta el detalle de los resultados descriptivos.

3.2 Comentarios y observaciones de las personas supervisoras clínicas

Las respuestas de las personas supervisoras sobre los puntos fuertes y débiles de quien conducía la sesión confirmaron además lo que reflejaban las puntuaciones de las escalas. En conjunto, dos de ellas (ID 6, una terapeuta EFT, e ID 8, un terapeuta familiar estratégico) comentaron que el modelo era muy hábil para seguir y reflejar a la clienta, mantener una perspectiva circular, identificar los patrones de interacción de la pareja y permanecer orientado al proceso, a pesar de tratarse de una sesión de terapia individual. Otra persona supervisora comentó que la persona terapeuta comprendía las emociones de la clienta, estaba en sintonía con ellas y había construido un entorno seguro (ID 12, terapeuta experiencial). Sin embargo, todas las personas supervisoras expresaron su preocupación por el ritmo de la persona terapeuta y por no dejar a la clienta espacio y tiempo para explorar sus propias dinámicas. Consideraron que la persona terapeuta adoptaba una posición dominante de experta, demasiado centrada en la técnica más que en el proceso. Quienes practicaban la terapia familiar feminista lo interpretaron como un signo de masculinidad y de mirada masculina. Una participante escribió:

La persona terapeuta parecía bastante activa y a veces presentaba encuadres que podían ser difíciles de seguir, sin priorizar siempre la escucha de la clienta ni el seguimiento del impacto emocional de sus intervenciones. Escucha con atención y de manera circular, pero dar más tiempo para observar la conexión/relación terapéutica y lo que siente la clienta, no formular inmediatamente otra pregunta después de una interpretación y evitar un enfoque exclusivamente técnico podrían ser ámbitos de desarrollo. También pensé que valdría la pena explorar si el papel de la clienta de «no ser exigente» está relacionado con la socialización de género y si existe un desequilibrio en el trabajo emocional. (ID 5, mujer, terapeuta familiar feminista)

Las personas supervisoras explicaron además que meter prisa a la clienta en el proceso, ser demasiado activa y dominante, puede tener consecuencias perjudiciales tanto para la clienta como para el propio proceso terapéutico. Una participante señaló: «La persona terapeuta le pide a la clienta que elija entre unas pocas emociones que considera adecuadas, en lugar de utilizar preguntas abiertas al explorar sus sentimientos. Esto puede llevar a la persona terapeuta a dirigir las emociones reales de la clienta o a pasarlas por alto» (ID 2, mujer, terapeuta familiar estratégica). Otra advirtió que, debido al problema de ritmo, la persona terapeuta no exploraba cuestiones subyacentes más profundas, y comentó: «Me pareció que algunas interpretaciones empáticas corrían el riesgo de quedarse en lo meramente interpretativo y podrían haberse desglosado en partes más pequeñas. Su uso frecuente de la validación también fue muy positivo, aunque podría haber estado más fundamentado si se hubiera vinculado con la historia de apego de la clienta. Puede que la persona terapeuta no tenga todavía suficiente información para ello. En las primeras sesiones, podría ser beneficioso hacer más hincapié en la exploración antes de pasar a la validación y la interpretación» (ID 6, mujer, terapeuta EFT). Una terapeuta experiencial de Satir (ID 12) señaló también que la sesión parecía descontextualizada, y escribió: «Desde la perspectiva del Modelo Satir, se prestó poca atención al sistema interno orientado al cuerpo y a su exploración. El contexto cultural también podría haberse explorado más. A veces, las interpretaciones de la persona terapeuta corrían el riesgo de interrumpir el propio proceso de descubrimiento de la clienta: en ocasiones la persona terapeuta podía resultar excesivamente interpretativa y podría dejar más espacio a la exploración de la clienta».

En conjunto, las personas supervisoras observaron que la persona terapeuta dominaba algunas técnicas, pero no era capaz de profundizar el proceso terapéutico y no permitía a la clienta explorar y crecer. Una de ellas subrayó que la persona terapeuta utilizaba más palabras e interpretaciones que la clienta; era como si la clienta apenas se implicara (ID 8). Por último, dos personas supervisoras expresaron su frustración con la persona terapeuta: una se dio cuenta de que era una IA y no pudo sumergirse en la historia (ID 10, mujer, terapeuta familiar psicodinámica), y la otra comentó que la sesión era mediocre (ID 11, hombre, terapeuta familiar estratégico). Este participante afirmó: «Me resultó difícil evaluar las habilidades de la persona terapeuta siguiendo una transcripción escrita. El texto parecía representar un flujo terapéutico medio de la manera más adecuada posible. A veces me costaba distinguir si reflejaba una sesión de terapia espontánea o un escenario ficticio», insinuando que podía tratarse de una IA o simplemente de una ficción. En suma, las puntuaciones de las personas supervisoras clínicas en las escalas estandarizadas y sus comentarios escritos convergen en la idea de que la persona terapeuta demostró algunas habilidades básicas de entrevista en terapia sistémica, pero se quedó en la superficie, al nivel de una sesión media conducida por una persona terapeuta novel.

Mientras que las personas supervisoras consideraron la sesión mediocre, la clienta voluntaria tuvo una visión muy distinta de la experiencia. Valoró su satisfacción global con el GPT con un 5 (muy satisfecha) y contó que era la primera vez que utilizaba la IA para obtener consejo relacional y que le habían sorprendido gratamente las ideas que había obtenido durante su interacción con el modelo entrenado. Sintió que el modelo la ayudaba a reflexionar sobre las dinámicas relacionales que vivía con su pareja y a comprenderlas. Cuando se le preguntó por las semejanzas y diferencias con su experiencia terapéutica previa, la voluntaria consideró que el GPT formulaba las preguntas de manera similar a como lo hace una persona terapeuta, pero era menos directivo y menos orientado a la tarea que una persona terapeuta humana. Como ámbito de mejora, la voluntaria recomendó que las respuestas del GPT fueran más largas y completas, una sugerencia muy contraria a las de las personas supervisoras con experiencia.

4 Discusión

Este estudio examinó la competencia clínica y cultural de un modelo ChatGPT entrenado en intervenciones sistémicas, tal como la calificaron profesionales con experiencia en la supervisión clínica a partir de una sesión simulada de terapia individual. Hasta donde sabemos, solo un estudio previo (Vowels et al. 2025) ha desarrollado un chatbot específicamente para la terapia relacional, y el presente estudio se suma a la literatura emergente sobre el desarrollo y la evaluación de la terapia mediante IA, centrándose en sus cualificaciones y competencias de acuerdo con los principios de la terapia sistémica. En conjunto, la mayoría de las personas supervisoras de este estudio identificaron a quien conducía la sesión como un perfil clínico al inicio de su carrera, y solo una lo identificó como una IA. Desde la perspectiva de la clienta voluntaria, la experiencia le resultó útil para comprender sus dinámicas relacionales. Esto plantea una pregunta importante sobre la relación entre la calidad clínica y el apoyo percibido del modelo.

La primera pregunta de investigación examinaba la variedad y la frecuencia de las microintervenciones sistémicas utilizadas por el modelo GPT. Las calificaciones de supervisión confirmaron que el GPT desplegaba toda la gama de técnicas sistémicas, incluidas las preguntas relacionales, las interpretaciones relacionales, las preguntas circulares, las reformulaciones relacionales, el reflejo y la validación. Este resultado coincide con trabajos anteriores que muestran que los LLM pueden responder con validación, normalización y reflejos empáticos (Scholich et al. 2025), y extiende estos hallazgos al ámbito relacional y sistémico. Sin embargo, las personas supervisoras también señalaron que el modelo GPT era dominante y se centraba demasiado en la técnica. Un conjunto creciente de investigaciones documenta que las personas usuarias atribuyen a los agentes de IA cualidades propias de una persona terapeuta y a menudo los perciben como competentes y emocionalmente reconfortantes (p. ej., Elyoseph et al. 2023; Yin et al. 2024), pero las interacciones entre humanos e IA siguen reflejando una pseudoempatía (Yirmiya and Fonagy 2025). Aunque nuestros resultados cuantitativos sugieren que la IA fue capaz de ofrecer intervenciones y técnicas sistémicas, los comentarios de supervisión revelaron que estas habilidades parecían competentes en el plano técnico, pero se vivían como una pseudoterapia, como muestra el hecho de que las personas supervisoras describieran la sesión como poco real, genérica y carente de una auténtica profundidad relacional. Parece que los agentes de IA pueden ser entrenados para aplicar técnicas sistémicas, pero no llegan a captar la importancia de establecer una relación terapéutica auténtica y significativa a través de una curiosidad genuina por las experiencias de la clientela. Las preguntas exploratorias, de clarificación, de calentamiento, de seguimiento, de sondeo suave o indirectas propias de las personas terapeutas humanas estaban ausentes en la IA, pese a nuestros intentos de incluir prompts específicos. Incluso cuando el GPT formulaba preguntas de seguimiento, estas parecían a veces más estructuradas que naturalmente relacionales. Esto es importante porque la competencia terapéutica no consiste solo en aplicar técnicas, sino también en responder a las necesidades emocionales y relacionales de la persona, momento a momento (Hatcher 2015).

La segunda pregunta de investigación examinaba la competencia clínica del modelo GPT para aplicar las intervenciones sistémicas. Los resultados respaldaron parcialmente las habilidades básicas de entrevista y las características de la persona terapeuta, lo que sugiere que las personas supervisoras lo percibieron como cálido y atento, al nivel de un perfil clínico al inicio de su carrera. Sin embargo, incluso con estas habilidades sistémicas, señalaron que el estilo del GPT era a veces cerrado en lugar de invitar a la exploración. Este resultado también se observó en trabajos anteriores, que documentaron que los chatbots formulan menos preguntas abiertas (Scholich et al. 2025). En los ámbitos de competencia clínica más complejos, las personas supervisoras señalaron el nivel limitado de vinculación (joining) y de ritmo del GPT, que dependen de la sintonía terapéutica.

Aunque, según los resultados, la IA no obtuvo malos resultados en ningún ámbito de competencia, estas puntuaciones medias no deben interpretarse únicamente como prueba de un desempeño adecuado. Para aclararlo: en el contexto de la terapia con personas, el flujo del diálogo no suele ser un proceso perfectamente fluido. Los diálogos que se producen en terapia incluyen momentos de vacilación, malentendidos, errores, reparaciones, aclaraciones, cercanía emocional, humor, cumplidos, intercambios sociales corrientes y respuestas espontáneas y creativas, que forman parte de la terapia como proceso relacional y conversacional que se despliega de forma natural (Alanezi 2024). Estas fluctuaciones de la conversación contribuyen a la naturalidad de la terapia y de la relación terapéutica. Nuestra experiencia en el entrenamiento del GPT reflejó también un patrón similar. Para funcionar bien, había que decirle al modelo GPT exactamente qué decir, cuándo y cómo decirlo, de forma muy parecida a una persona terapeuta novel que necesita una orientación directa y clara. Esto plantea la cuestión del arte de la psicoterapia, que implica espontaneidad, creatividad y una conexión humana auténtica. Aunque la IA podía entrenarse en los aspectos técnicos de la psicoterapia, le faltaba ese llamado arte o, como podríamos llamarlo, el factor humano.

En cuanto a la tercera pregunta de investigación, sobre la competencia cultural, los resultados respaldaron parcialmente la hipótesis de que el GPT tendría dificultades. Por una parte, las personas supervisoras le atribuyeron una competencia cultural moderada, lo que sugiere que el modelo tenía cierta capacidad de sensibilidad cultural. Por otra parte, al GPT le faltaba la sensibilidad contextual más profunda que requiere una competencia cultural eficaz. Este resultado concuerda con otros estudios que muestran que los LLM pueden ofrecer respuestas simplificadas en exceso y genéricas, ignorando el contexto cultural específico en el que se inscriben las personas (Iftikhar et al. 2025; Scholich et al. 2025). Las personas supervisoras del presente estudio sugirieron igualmente que el contexto cultural podría haberse explorado más: una terapeuta experiencial observó que la sesión parecía descontextualizada, y las personas supervisoras de orientación feminista sugirieron que el GPT adoptaba una postura masculina. Es decir, la dependencia excesiva del modelo GPT respecto de la técnica se asemejaba a una dominación masculina y carecía de una actitud atenta y comprensiva, que puede asociarse al rol de género atribuido a las mujeres en la realización del trabajo emocional.

Parece que la IA podía llevar a cabo muchas acciones terapéuticas distintas, pero no lograba realizar realmente el proceso terapéutico con su variabilidad y su capacidad de respuesta, como los rasgos cotidianos típicos de la interacción relacional que se dan entre seres humanos durante una sesión de terapia. Así, el modelo GPT entrenado no podía generar respuestas que variaran en sus momentos emocionales y aportaran naturalidad y autenticidad a la terapia. Esto podría explicar también por qué algunas personas participantes indicaron que la persona terapeuta podía ser una IA o que la interacción les parecía genérica.

En conjunto, los resultados indican que el modelo GPT tenía la capacidad de llevar a cabo formas de terapia sistémica basadas en habilidades, sin implicar plenamente los factores relacionales y humanos esenciales en la terapia. Sin embargo, la dependencia de la IA respecto de técnicas aprendidas y reglas predeterminadas limita sus capacidades en ámbitos como la resonancia emocional, la intuición profesional (Zhang and Wang 2024), la confianza interpersonal auténtica, la sincronía fisiológica (Yirmiya and Fonagy 2025) y la contención emocional encarnada (Govrin 2025). Estos elementos son parte integrante del uso terapéutico del self, que distingue una psicoterapia hábil de unas interacciones técnicas adecuadas. Por consiguiente, los resultados de este estudio deben interpretarse como una investigación preliminar sobre la competencia clínica percibida por profesionales de la supervisión de un diseño concreto de GPT en el marco de una única sesión estandarizada, y no como una prueba de la eficacia o la seguridad de la psicoterapia sistémica aplicada por IA en la práctica clínica real.

4.1 Limitaciones

Cabe señalar varias limitaciones del estudio. El presente estudio es un primer intento de entrenar, implementar y evaluar un modelo GPT sistémico y debe considerarse un estudio piloto exploratorio con una muestra pequeña (12 personas supervisoras y una sola clienta). Aunque entrenamos rigurosamente el modelo GPT a partir del código ético y las competencias básicas de la AAMFT, nuestro estudio es limitado, ya que se basa en una única sesión y en la interacción de una sola clienta con la IA, junto con las calificaciones subjetivas de las personas supervisoras, sin condición de comparación. Por tanto, nuestros resultados no reflejan las competencias y habilidades globales de otros modelos de IA entrenados, ni las competencias de estos modelos con una variedad de clientes que presenten síntomas distintos de los examinados en este estudio. El carácter piloto del estudio se aprecia también en el tamaño de la muestra, ya que reclutamos a profesionales con experiencia en la supervisión clínica mediante un muestreo de conveniencia, en lugar de continuar el estudio hasta alcanzar la saturación de los temas. Por ello, la investigación futura debería examinar cómo se desempeña un modelo GPT entrenado en lo sistémico a lo largo de varias sesiones y cómo varía su desempeño con distintas personas que presenten diferentes problemas relacionales y motivos de consulta.

Reconocemos también que la configuración del GPT es un proceso reiterativo que continúa con los comentarios de las personas usuarias finales y que está muy influido por las actualizaciones de los modelos de Open AI. Los GPT son sistemas autómatas en evolución, y los presentes resultados solo muestran una instantánea de un modelo entrenado en ese recorrido. El desempeño del modelo GPT puede variar en función de la selección de recursos, de la secuencia y la estructura de los prompts y del tratamiento de las cláusulas condicionales (p. ej., comportamientos, reglas, cuestiones éticas). Otra limitación se refiere al fenómeno del desalineamiento de objetivos, definido como el conflicto entre nuestras instrucciones personalizadas y el comportamiento de captación de la implicación aprendido por el modelo. Nuestra configuración estaba integrada en las instrucciones de sistema de Open AI. Cuando había un conflicto entre nuestras instrucciones y las del modelo base, el modelo volvía a su comportamiento general. Por ejemplo, aunque habíamos diseñado cuidadosamente nuestros prompts para un diálogo terapéutico natural (p. ej., seguir el ritmo de la persona, guardar silencio en ocasiones, confrontarla con suavidad, no hacer suposiciones precipitadas, realizar una evaluación relacional de conjunto y escuchar la historia) y habíamos dado al GPT ejemplos de comportamiento claros para cada regla, el modelo siguió buscando en exceso la implicación, con un reflejo y una validación continuos y respuestas rápidas. Del mismo modo, nuestros intentos de enseñar al GPT a cerrar simplemente la sesión al cabo de 50 min también fracasaron, porque el modelo base no tiene un concepto del tiempo que le permita terminar la conversación por sí mismo. El modelo seguía conversando con la persona usuaria tanto tiempo como esta quisiera y nunca tomaba la iniciativa de terminar la sesión. Esto no es solo una limitación de nuestro estudio (hasta qué punto logramos realmente entrenar al GPT en el pensamiento sistémico), sino un motivo de preocupación por los posibles daños en el uso futuro de la IA con fines terapéuticos: una sesión que nunca termina plantea problemas de límites, de daños potenciales y de una validación constante y sin supervisión.

Otra limitación es la falta de información, en el presente estudio, sobre la alfabetización en IA de las personas supervisoras, sus actitudes hacia el uso de la IA para el consejo relacional y la terapia, y su grado de familiaridad con los agentes de IA y de uso de estos. Al tratarse de un estudio a ciegas, no podíamos preguntar por estas cuestiones en la encuesta. Por último, y no por ello menos importante, una limitación significativa del estudio es que la sesión simulada se realizó con una clienta individual, y no con una pareja o una familia. La terapia sistémica con una sola persona sigue un proceso diferente del de la terapia con varias personas en la sala. Ello puede haber limitado la capacidad del GPT para aplicar realmente habilidades, competencias y técnicas sistémicas que quizá no sean fácilmente aplicables con una sola persona. O, muy al contrario, interactuar con una sola persona podría resultar menos exigente que trabajar con una pareja muy conflictiva o con una familia. Así pues, queda por explorar si las intervenciones del GPT y su calidad dependen de sus competencias o de la relativa facilidad o dificultad de la modalidad de la sesión.

4.2 Implicaciones para la investigación futura y la práctica clínica

Ante la demanda pública emergente de terapia mediante IA, así como la integración de la IA por parte de profesionales de la clínica en su práctica cotidiana, por ejemplo en el diagnóstico clínico, la evaluación y las tareas administrativas (Puhlman and Chen 2025), siguen abiertas las preguntas sobre el futuro de nuestra profesión. Nuestros resultados demuestran que los agentes de IA pueden ser entrenados en técnicas, pero se quedan en la superficie, sin los aspectos fundamentales del proceso psicoterapéutico: los factores humanos. Estas restricciones y limitaciones de los agentes de IA indican que pueden funcionar más como complementos del proceso terapéutico que como sustitutos de una persona terapeuta humana. En la línea de Hertlein and Springer (2026), la IA ha llegado para quedarse, y existe una necesidad urgente de directrices, formación, regulación y soluciones prácticas ante ese cambio. Desde el pensamiento sistémico, constatamos que nos encontramos en un punto de inflexión de cambio de segundo orden, en el que la profesión terapéutica, como sistema abierto, influye en los avances técnicos y en la revolución de la IA y se ve influida por ellos: es un proceso de adaptación y de búsqueda de un nuevo estado de equilibrio. En ese punto de inflexión, se necesita más investigación desde una perspectiva sistémica. Algunos ámbitos de investigación futura podrían ser estudios de replicación de modelos GPT para examinar los resultados personalizados de la terapia mediante IA y comprender la diversidad de las necesidades de la clientela, el examen de los factores humanos en psicoterapia con sus cualidades únicas, y el debate sobre si una terapia híbrida e integradora entre humanos e IA es realmente posible o constituye una denominación engañosa. Además, llama la atención que lo que refieren las personas usuarias de chatbots basados en LLM y de aplicaciones de terapia mediante IA en la literatura difiera significativamente de (y a veces incluso contradiga) las evaluaciones de profesionales de la salud mental, como ocurrió también en nuestro estudio exploratorio. La investigación futura podría examinar las perspectivas de clientes y profesionales sobre sus percepciones, expectativas y atribuciones respecto al proceso terapéutico entre IA y humanos, mediante encuestas con muestras más amplias. Un ámbito de investigación que merece la pena explorar es el antropomorfismo percibido (cualidades propias de los humanos) de los agentes de terapia mediante IA y su asociación con las percepciones que tienen las personas usuarias de sus competencias y habilidades. La investigación sobre la interacción entre humanos y ordenadores ha documentado ampliamente que, cuando las personas usuarias antropomorfizan a los agentes porque estos imitan la conversación humana, interactúan con ellos con más frecuencia y declaran construir confianza y conexión (véase Erdem et al. 2026 para una revisión). La investigación futura en CFT podría examinar si se produce un fenómeno similar en la clientela cuando utiliza agentes de IA con fines terapéuticos, atribuyendo a la IA cualidades propias de una persona terapeuta cuando imita sus respuestas, aunque se trate de pseudoempatía. Proponemos el término terapomorfismo para este fenómeno, que merece ser explorado para interpretar la discrepancia entre lo que refieren las personas usuarias y lo que observan profesionales de la salud mental.

Además, invitamos a profesionales de la CFT a desplazar su atención de la cuestión de si la IA puede o no hacer terapia de forma eficaz hacia una pregunta más fundamental y amplia: cómo puede afectar el uso de la IA al proceso terapéutico, a las expectativas, a las actitudes y a los estándares. Cuando las personas recurren a la IA en busca de consejo relacional y apoyo en salud mental, sus interacciones son muy contrarias a su experiencia en una terapia real: la IA está disponible constantemente, es asequible y accesible, y siempre valida y refleja para mantener la implicación de la persona, a diferencia de la terapia humana, caracterizada por horarios, límites, desafíos y, a veces, rupturas. La terapia mediante IA es rápida, con cambios veloces, pero superficial, mientras que la terapia humana es lenta y está orientada al proceso. La terapia humana ofrece una experiencia correctora de las heridas de apego y de las vulnerabilidades a través de una relación auténtica con la persona terapeuta y de la contención que esta ofrece. Como ha mostrado nuestro estudio exploratorio, los agentes de IA carecen actualmente de esa profundidad emocional, de esa experiencia vivida y de ese concepto del contexto que permitirían ofrecer realmente un refugio seguro a la persona. En este caso, merece la pena explorar si el uso de la IA con fines terapéuticos obstaculiza la capacidad de construir resiliencia y hace perder oportunidades de crecimiento, o si puede ofrecer unas pocas soluciones rápidas que motiven a la persona a buscar una experiencia emocional más profunda a través de una terapia humana. Otra línea de investigación futura en CFT se refiere a si interactuar con la IA cambiaría la motivación de una persona para buscar una terapia humana. Merece la pena examinar si algunas personas en terapia podrían triangular hacia la terapia mediante IA tras sesiones emocionalmente intensas y difíciles. La investigación futura podría explorar esos mecanismos de triangulación y comprender cómo interactúa la IA con el sistema humano formado por terapeuta y clientela, especialmente en momentos de ambigüedad.

Por último, dado que las personas pueden recurrir cada vez más a la IA con fines terapéuticos, es necesario que profesionales de la clínica y de la supervisión elaboren directrices para su uso ético en terapia. En primer lugar, deben desarrollar una alfabetización en IA que les permita explicar a la clientela qué hacen estas herramientas y en qué suelen fallar (Hertlein and Springer 2026). En lugar de ignorar el uso que la persona hace de la IA fuera de la sesión, se anima a las personas terapeutas a invitarla a hablar de ello y a tratarlo como material clínico que explorar conjuntamente, permaneciendo atentas a los signos de dependencia, de aislamiento social y de respuesta inadecuada ante las crisis (Hertlein and Springer 2026; Smith et al. 2025).

5 Conclusiones

La rápida integración de la IA en la vida cotidiana está creando nuevas posibilidades en la manera en que las personas buscan apoyo, consejo y comprensión en momentos de malestar relacional y emocional. A medida que los agentes de IA se vuelven cada vez más sofisticados en la imitación de las conversaciones terapéuticas, las preguntas sobre la competencia pueden resultar insuficientes por sí solas. Surgen preguntas más fundamentales sobre el cambio terapéutico, el papel de la conexión humana y qué aspectos de la psicoterapia pueden y no pueden reproducirse mediante la tecnología. El presente estudio sugiere que, si bien la IA puede ofrecer formas de apoyo accesibles y estructuradas, la psicoterapia sigue siendo algo más que la aplicación de técnicas o la transmisión de información. En última instancia, el futuro de la IA en salud mental quizá dependa menos de que los agentes de IA puedan convertirse en terapeutas que de la manera en que la profesión decida integrar la innovación tecnológica preservando las cualidades únicamente humanas que están en el corazón del proceso terapéutico.