¿Puede una IA medir la empatía de un terapeuta? Hasta cierto punto, sí. Un equipo de la Universidad Carnegie Mellon lo hizo con 1.573 sesiones de psicoterapia y publicó el resultado el 5 de noviembre de 2026 en JMIR Mental Health: las puntuaciones del modelo coinciden bastante con las de evaluadores humanos. Lo que no puede decir todavía es si tu empatía beneficia a tus pacientes.
El corpus suma unas 2.000 horas de transcripciones: 119.233 intervenciones de pacientes, de solo 37 personas. Los efectos que encuentran son pequeños y los autores zanjan que, hoy por hoy, el uso adecuado de su método es la investigación a gran escala, no la orientación clínica. Aun así, el trabajo abre una puerta que, si tienes consulta propia, te conviene mirar: la supervisión automática de sesiones. Y esa puerta da directamente a tu archivo de grabaciones.
Lo esencial
- Un modelo de lenguaje puntuó empatía, exploración y vínculo en 1.573 sesiones, con una concordancia con humanos de 0,60 a 0,81 según la medida.
- Empatía y exploración se asociaron, con efectos pequeños, a que el paciente se abriera más en su turno siguiente; el vínculo de la sesión previa no mostró asociación robusta.
- Con 37 pacientes, un único corpus occidental y sin validar contra resultados clínicos, sirve para investigar y todavía no para evaluarte.
¿Cómo se midió la empatía con una IA?
Con transcripciones de sesiones reales. Angela Chen, Haiyi Zhu y su equipo partieron del corpus Alexander Street, que reúne sesiones individuales transcritas por profesionales, y diseñaron instrucciones para que modelos de lenguaje puntuaran, frase a frase, la empatía del terapeuta (con sus componentes: interpretación, exploración, reacción emocional y reflejo), su grado de exploración, el vínculo terapéutico y, en el paciente, la autorrevelación y las emociones. Compararon seis modelos y validaron las puntuaciones contra anotaciones de 27 universitarios con formación en psicología o consejería, todos hablantes nativos de inglés, que dedicaron entre 15 y 17 horas cada uno.
| Qué puntuó la IA | Concordancia con evaluadores humanos (ICC) |
|---|---|
| Vínculo terapéutico (rapport) | 0,81 |
| Autorrevelación del paciente | 0,78 |
| Componentes de la empatía | de 0,60 a 0,75 |
| Emociones del paciente | de 0,66 a 0,80 |
El ICC es un índice de concordancia. Los autores hablan de acuerdo «bueno a excelente», y conviene recordar con quién se comparó la IA: con universitarios entrenados en talleres, no con clínicos expertos. En las emociones, además, el modelo elegido cambia los resultados de forma apreciable: los ICC iban de 0,606 a 0,743 según el modelo.
La financiación ayuda a leer el estudio. Lo respalda el Instituto Nacional de Salud Mental de EE. UU. (NIMH) dentro de un proyecto para formar a quienes dan apoyo en salud mental con pacientes virtuales y retroalimentación automática. El destino previsto es la formación y no la evaluación de profesionales en ejercicio. Importa en un momento en que se usa la IA antes de aprender a usarla: en el análisis de la encuesta de la APA se cita un preprint con 766 profesionales de 30 países en el que el 81,1 % no había recibido formación en IA.
¿Qué encontraron sobre empatía, exploración y vínculo?
Que ambas conductas se asocian con que el paciente hable más de sí mismo, aunque poco. Con un modelo de ecuaciones estructurales, tanto la empatía como la exploración mostraron un coeficiente de 0,086 con la autorrevelación del paciente en su intervención siguiente. Con las emociones negativas dirigidas a uno mismo (tristeza, ansiedad, miedo, depresión) la asociación fue mayor para la empatía (0,118) que para la exploración (0,078). Ambas se asociaron también con menos expresión de disfrute, de −0,037 y −0,041.

Gráfico: PyM Next, con datos de Chen y cols., JMIR Mental Health (5 de noviembre de 2026). Coeficientes estandarizados; efectos pequeños.
Traducido a la sala, preguntar y reflejar parecen ir de la mano de un paciente que se abre, y la empatía se asocia más que la pregunta con que aflore lo doloroso. Es una asociación turno a turno en transcripciones, y no una receta.
El dato que los propios autores califican de sorprendente es otro. El vínculo de la sesión anterior no mostró asociación con la autorrevelación ni con la expresión de emociones negativas. Eso no prueba que el vínculo importe poco. La medida se limitó a la sesión previa, y la literatura que citan sugiere medirlo durante más tiempo y más avanzada la terapia. Tampoco hay que leer más emoción negativa como mejoría. El estudio no mide resultados clínicos, y que alguien exprese más tristeza tras una pregunta exploratoria no dice, por sí solo, si la sesión funcionó.
Lo que el artículo reconoce que no sabe
La sección de limitaciones es larga y honesta. Los efectos son pequeños, y los autores admiten que usarlos en la práctica exigiría asociaciones más fuertes. Son 37 clientes, de modo que no hay 1.573 casos independientes, y las medidas se estandarizaron dentro de cada cliente, lo que impide responder a preguntas entre pacientes. El corpus refleja sobre todo contextos terapéuticos occidentales y es solo texto. No hay validación en español ni en contextos latinoamericanos, y los autores señalan que las diferencias culturales moldean cómo se expresan la emoción, la revelación personal y el vínculo.
Hay otro riesgo técnico: los modelos comerciales cambian con el tiempo y pueden dar resultados distintos sin aviso. Y las condiciones que ellos mismos ponen para un uso futuro con terapeutas en formación incluyen vigilar esa deriva, protocolos ante riesgo de crisis y control riguroso de los datos de sesión.
Ahí entra tu parte. Los datos del estudio son transcripciones anonimizadas usadas bajo licencia académica; tus sesiones son datos de salud, categoría especial en el RGPD, y grabarlas pide un consentimiento específico. Sobre los dilemas de llevar sensores y grabadoras a la consulta tienes el caso de los wearables con IA.
Qué hacer el lunes
- Elige una sesión que ya tengas grabada con consentimiento para formación y cuenta a mano cuántas veces exploras antes de reflejar o interpretar. Es más lento que un modelo, y tuyo.
- No subas grabaciones ni transcripciones a un chatbot generalista, tampoco «anonimizadas a ojo».
- Si una plataforma de formación te ofrece feedback automático, pregunta con qué modelo trabaja, si está validado en español, dónde guarda las sesiones y quién actúa como encargado del tratamiento.
- Si grabas para supervisión, pide un consentimiento escrito que mencione ese uso y contrasta la redacción con tu colegio profesional.
- Si diriges un centro, pospón cualquier idea de puntuar a tu equipo con IA hasta consultarlo con un asesor.
El veredicto
Un termómetro que coincide con otros termómetros todavía no sabe si el paciente tiene fiebre. Este estudio demuestra que la IA puede imitar con decencia a un evaluador humano entrenado, y eso ya es útil para investigar procesos a escala. Para decidir cómo escuchas tú, con tus pacientes y en tu idioma, falta evidencia de que esas puntuaciones se relacionen con una mejoría clínica. Si lo que buscas es afinar tu escucha, una sesión grabada con permiso y media hora de revisión honesta siguen ganando por goleada, y no viajan a ningún servidor.













