La IA está aprendiendo a leer el ambiente.

Imagina sentarte en tu escritorio e iniciar sesión para una evaluación de desempeño, con un sistema de IA analizando la conversación. Has estado trabajando muchas horas, equilibrando plazos, y tu gerente pregunta cómo te sientes. Dices que estás bien, y tal vez incluso sonríes, pero hay un rastro de vacilación y tu voz tiembla. Al cambiar de postura, tus hombros se hunden. Estas son señales sutiles que, a simple vista, podrían insinuar un estrés subyacente. Pero para un modelo de IA que ha sido entrenado únicamente para clasificar emociones como "feliz" o "triste," tales matices probablemente se pierden. Registra las palabras y una sonrisa y sigue adelante—y a menos que tu gerente humano intervenga, el hecho de que estés cansado, desenfocado, y quizás a un par de días de un agotamiento severo nunca entra en la ecuación. La “IA emocional,” que estima cómo se siente la gente en base a expresiones faciales, tono de voz y comportamiento, parece estar de repente en todas partes; se usa en el bienestar de los empleados y en entrevistas de reclutamiento, plataformas educativas y sistemas de monitoreo de conductores. Plataformas de centros de llamadas tecnológicas como NiCE y Genesys utilizan IA para detectar cuando un cliente suena frustrado y alertar a los agentes en tiempo real para que disminuyan la velocidad o respondan con más empatía. Empresas gigantes como Meta y startups como Hume AI están desarrollando sistemas de IA de voz más expresivos que pueden detectar señales emocionales de la persona con la que “hablan” y ajustar cómo se comunican. Además, cientos de empresas ya ofrecen aplicaciones de compañía virtual de IA, un mercado de rápido crecimiento que podría valer la impresionante suma de 555 mil millones de dólares estadounidenses para 2035—y los compañeros robóticos también han entrado en la escena. ElliQ de Intuition Robotics, por ejemplo, es un pequeño dispositivo que se asemeja vagamente a una lámpara de escritorio blanca que ahora se usa para involucrar a adultos mayores en conversaciones con la esperanza de reducir la soledad. Pero mientras el campo de la IA emocional avanza rápidamente, la mayoría de los sistemas existentes se centran en detectar un número limitado de señales para etiquetar una emoción específica a la vez—lo que es insuficiente si intentas entender la condición humana. En el mundo real, las señales y emociones humanas son contextuales, superpuestas y constantemente cambiantes. Una risa puede indicar alegría, nerviosismo o ambos; un tono de voz elevado podría señalar entusiasmo tan fácilmente como frustración. Para hacer que el trabajo de detección de emociones sea aún más difícil, las reacciones difieren enormemente de un individuo a otro, dependiendo de factores demográficos, antecedentes culturales y innumerables otras variables. En otras palabras, hay una brecha entre lo que esperamos que la IA capte y lo que la IA realmente puede entregar. Esa es la brecha que un nuevo campo de investigación—lo que llamamos IA de contexto humano—está tratando de cerrar. En lugar de mirar un solo input y etiquetarlo, la IA de contexto humano tiene cada vez más la capacidad de tomar nota de la personalidad y el carácter de un individuo, y de rastrear las emociones en tiempo real mientras combina múltiples inputs, incluyendo dinámicas faciales, voz, tono, lenguaje y comportamiento. Crucialmente, las respuestas también se evalúan en el contexto de un entorno específico, como una evaluación de desempeño o una sesión de coaching profesional. ¿El resultado? Las computadoras están aprendiendo a leer la escena, en lugar de solo la pantalla.

Los orígenes de la IA emocional La historia de la IA que detecta emociones comenzó hace casi tres décadas en el MIT Media Lab, donde la ingeniera eléctrica y científica computacional estadounidense Rosalind Picard acuñó el término “computación afectiva.” Su trabajo introdujo la idea radical de que las computadoras podrían ser enseñadas a reconocer y responder a las emociones humanas. Los primeros experimentos de Picard se centraron en modalidades únicas: expresiones faciales, tono de voz y señales fisiológicas, como la conductancia de la piel o la frecuencia cardíaca. El objetivo era dar a las máquinas una ventana al sentimiento humano, ayudándolas a volverse más empáticas. Era una visión emocionante, pero en ese entonces la ciencia y el hardware no estaban listos. La potencia de cómputo era limitada, los sensores eran rudimentarios, y los conjuntos de datos eran estrechos y sesgados. Con el paso de las décadas, investigadores y empresas mejoraron en la medición de las muchas formas en que los humanos se expresan. En la década de 2010, el análisis de sentimientos—el procesamiento de grandes volúmenes de texto para extraer los matices emocionales—comenzó a alcanzar el público general. Al mismo tiempo, empresas de marketing, incluida mi empresa, Neurologyca, empezaron a utilizar video y cámaras web para medir y catalogar las reacciones de los clientes. Dispositivos biométricos y rastreadores de actividad, como Fitbits y relojes de Apple, también se volvieron omnipresentes, generando nuevas corrientes de datos sobre el sueño, el conteo de pasos, los niveles de estrés y más. No sorprende que los científicos pronto confirmaran que volúmenes más grandes de datos personalizados conducían a una mayor precisión en la lectura de emociones humanas. En 2019, investigadores de Cornell demostraron que combinar múltiples tipos de señales mejora la detección de emociones. Su sistema unió datos fisiológicos, como la actividad cerebral medida por electroencefalografía (EEG) y la frecuencia cardíaca, con señales visuales como la expresión facial, superando a sistemas que dependían de un solo input. Casi al mismo tiempo, Picard y su equipo en el MIT encontraron que los robots humanoides entrenados con datos únicos de una persona específica eran sustancialmente mejores para leer las reacciones y sentimientos de esa persona que los robots que actuaban sin datos personalizados. Estudios más recientes concuerdan con estos hallazgos. En 2024, científicos en Corea del Sur mostraron que fusionar datos fisiológicos, ambientales y personales para reconocer emociones resultó en una reducción del 32 por ciento en los errores. Otro artículo, publicado en 2025, demostró que la información específica del usuario mejora significativamente el rendimiento en el reconocimiento emocional. Hoy en día, nuestros dispositivos saben quiénes somos; nuestros hábitos y tendencias, gustos y disgustos. También se han vuelto más pequeños y eficientes. Cámaras y micrófonos diminutos y de bajo consumo incorporados en teléfonos, computadoras portátiles y dispositivos de realidad virtual y aumentada pueden detectar docenas de señales humanas simultáneamente, desde movimientos oculares y micro-expresiones hasta ritmos respiratorios, modulación de la voz y postura. Los avances en computación también han hecho posible integrar datos de audio, video, biométricos y texto, a menudo sin siquiera transmitir datos en bruto a la nube. Investigadores en Stanford, Cambridge y el MIT, así como en la Universidad de Kioto en Japón y la Escuela de Software de la Universidad del Noreste en Shenyang, China, están explorando cómo fusionar tales inputs puede refinar la sensibilidad y precisión de las interacciones humano-máquina. Y, sin embargo, a pesar de tantos avances, las máquinas aún no pueden interpretar emocionalmente ni siquiera el estrés físico de manera confiable. Justo el año pasado, una encuesta publicada en el Journal of Psychopathology and Clinical Science reveló que las puntuaciones de estrés en los relojes inteligentes rara vez, si es que alguna vez, coincidían con el nivel de estrés que los usuarios estaban experimentando. De hecho, un cuarto de los encuestados reportaron sentir lo contrario directo de lo que sus relojes inteligentes estaban reportando. ¿Por qué la desconexión? Hemos llegado a ser muy buenos capturando señales, pero no en interpretarlas. Un rastreador de fitness podría inferir de tu frecuencia cardíaca que estás estresado y recomendar reducir el entrenamiento, pero no sabe si tu aumento en la frecuencia cardíaca se debe a la emoción, el cansancio o una taza extra de café. Evaluar emociones en entornos reales es aún más difícil. Para resolver este complejo problema, las máquinas necesitan contexto. Desde el Neuromarketing hasta la IA que detecta emociones Mi empresa, Neurologyca, fue fundada en España en 2015 y comenzó en el neuromarketing. Trabajando con grandes marcas y conglomerados europeos, nuestro co-fundador, Juan Graña, se dio cuenta de que las empresas carecían de datos sólidos sobre los consumidores. En ese momento, la mayoría de la retroalimentación de los clientes provenía a través de encuestas que planteaban preguntas como: “En una escala del 1 al 10, ¿qué tan alegre te hace sentir este anuncio de automóvil?” o “¿Cuál emoji describe mejor tu estado de ánimo?” Naturalmente, estas herramientas excesivamente simplistas llevaron a altos niveles de sesgo en la autovaloración, ya que las personas a menudo juzgan mal o declaran incorrectamente sus propias reacciones. Para sortear este problema, Neurologyca estableció laboratorios, utilizando la neurociencia y la ciencia cognitiva para capturar de manera más precisa las respuestas humanas a productos, logotipos, anuncios y experiencias. Además de utilizar herramientas biométricas como monitores de frecuencia cardíaca, rastreadores oculares y EEG, grabamos millones de fotogramas de video de reacciones humanas, registrando cada contexto específico y los movimientos faciales y corporales resultantes. Para ello, mapeamos más de 790 puntos de referencia, incluyendo las comisuras de los labios, el tamaño de los ojos y pupilas, la tasa de parpadeo y el ángulo de la cabeza. Todos estos datos fueron recolectados y almacenados de forma anónima bajo estrictos estándares de privacidad europeos. A continuación, emparejamos esta información con hallazgos de décadas de estudios de neurociencia y ciencias del comportamiento sobre cómo los biométricos, patrones de voz y movimientos humanos se relacionan con la emoción—investigación que seguimos recopilando de instituciones académicas en toda Europa. También creamos una base de datos de contextos situacionales—por ejemplo, “ver un anuncio de comida para perros” o “escuchar una nueva canción”—y los sentimientos humanos que generaban. En nuestro trabajo con empresas, no solo este enfoque nos permitió reconocer emociones matizadas, sino que también nos permitió identificar qué reacciones indicaban resultados positivos o negativos. Tomemos, por ejemplo, el contexto de avances de trailers de películas de terror: nuestra investigación nos ayudó a averiguar que los más exitosos suscitan una mezcla muy específica de emociones, a saber, un poco de miedo, un poco de ansiedad, pero también algo de alegría. Con este conocimiento, podríamos calificar rápidamente las reacciones de los espectadores para ayudar a una empresa de películas a averiguar cómo ajustar su trailer para lograr el impacto deseado. Neurologyca Dentro de unos pocos años, descubrimos que un modelo capacitado en nuestra base de datos podía evaluar con precisión la emoción usando solo una cámara web. Dejamos de necesitar realizar grupos focales en salas llenas de equipos. En su lugar, pudimos llevar a cabo cosas como enviar una muestra de un nuevo perfume a participantes remunerados de todo el mundo junto con un enlace. Cuando las personas abrían el enlace, se activaban sus cámaras, permitiéndonos grabar sus rostros mientras olfateaban el perfume por primera vez. De repente, habíamos ampliado nuestro alcance: En lugar de usar pequeños grupos focales en uno o dos países, podíamos evaluar rápidamente a 1,000 personas en todo el planeta, comparando cómo podría sentirse alguien en Japón, India o Alemania sobre un producto determinado. Hace unos cuatro años, a medida que la IA se volvía omnipresente, nos dimos cuenta de que nuestros modelos tenían aplicaciones mucho más allá del neuromarketing. Lo importante es que estos modelos se basan en el comportamiento humano observado directamente en lugar de patrones inferidos o conjuntos de datos abiertos mal etiquetados. Mirando más allá de las marcas y empresas, establecimos que nuestro modelo podría integrarse en sistemas de IA para ayudarles a entender la emoción humana a un nivel mucho más granular. En otras palabras, podíamos proporcionar una capa de contexto. Para la IA empática, el contexto es clave Cuando hablamos de “una capa de contexto,” nos referimos a tres tipos diferentes de contexto. El primero es el contexto situacional o ambiental; por ejemplo, una evaluación de desempeño, una sesión de telemedicina, o la visualización de una película de terror. El segundo es el contexto personal, que incluye la historia específica de un individuo, sus objetivos y su estado base. El tercero es el contexto de comportamiento, que abarca la reacción del individuo a lo largo del evento o interacción evaluando cambios en tiempo real en la atención, confianza, compromiso y carga cognitiva. La mayoría de los sistemas de hoy se centran solo en el contexto situacional, aunque algunos están empezando a incluir el contexto personal. Muy pocos incluyen el contexto de comportamiento o combinan los tres de manera significativa. Lo que hemos construido en Neurologyca es una capa de lógica que fusiona los tres y los traduce en información estructurada y legible por máquina que permite a los sistemas y agentes de IA responder de manera más efectiva. Nuestra tecnología se está utilizando para mejorar sistemas en desarrollo, así como algunos que ya se han implementado, incluyendo aplicaciones de seguridad del conductor como Netradyne, asistentes domésticos como Amazon Alexa, y plataformas de IA en salud como Sully.ai. Funciona de la siguiente manera: El contexto situacional lo determina la plataforma o la aplicación, ya sea una sesión de coaching profesional, una aplicación de meditación, o un monitor de seguridad del conductor. El contexto personal ya existe dentro de cada plataforma respectiva—o si no, puede crearse a través del intercambio de datos personales o monitoreo mediante cámara. (La mayoría de las aplicaciones de bienestar y desarrollo profesional, por ejemplo, contienen el perfil, historial y sesiones anteriores de cada usuario). Por último, el contexto de comportamiento se recolecta y analiza en tiempo real usando nuestros modelos. Al final, nuestra capa de lógica fusiona estas tres corrientes de información. Nuestro sistema no asigna pesos fijos a los tres contextos. Más bien, proporciona una calibración continua, con el balance cambiando dependiendo de la situación específica. Por ejemplo, una pausa en el habla podría señalar incertidumbre en una evaluación de desempeño, pero algo completamente diferente en un entorno de relajación. Si las señales son ambiguas o superpuestas, nuestro sistema refleja esa incertidumbre a través de puntajes de confianza más bajos en lugar de forzar una interpretación definitiva. Además, nuestro sistema puede funcionar sin enviar datos en bruto a la nube, aliviando así las preocupaciones de privacidad. En muchos casos, las señales de video, audio y biométricas nunca abandonan el dispositivo. En cambio, nuestros modelos livianos extraen información localmente y comparten solo lo que es necesario. Los sistemas en la nube, mientras tanto, se utilizan para entrenamiento, análisis de patrones y mejora de modelos. ¿El resultado? Al incorporar contexto, los sistemas de IA están comenzando a interpretar aspectos del estado humano a medida que las interacciones se desarrollan, adaptándose dinámicamente a las emociones en lugar de reaccionar después del hecho. El rango de aplicaciones potenciales es amplio y aún está evolutivo. Imagina una plataforma de desarrollo profesional que utiliza un avatar humano para realizar una entrevista simulada y luego proporcionar retroalimentación y consejos sobre cómo parecer más seguro, agradable y bien informado. O una aplicación de meditación que sepa exactamente qué tan bien dormiste y cuán ansioso te sientes, y pueda recomendar una meditación de respiración adecuada. O un robot maestro que pueda detectar cuándo un estudiante está confundido o aburrido y intervenir para ayudarlo a volver al camino. Evitando peligros potenciales en el camino hacia adelante Ha habido debates durante mucho tiempo sobre la ética de la IA que detecta emociones. Algunos críticos cuestionan si los sistemas deberían intentar inferir los sentimientos humanos a partir de señales externas. Argumentan que reducir a las personas a resultados medibles arriesga simplificar en exceso la experiencia humana mientras abre la puerta a la manipulación, vigilancia y juicios injustos en lugares de trabajo, escuelas y espacios públicos. Tomamos esos riesgos extremadamente en serio. De hecho, nuestra tecnología busca reducir los peligros de simplificar en exceso la emoción humana. La IA de contexto humano no se basa en la suposición de que una máquina puede saber definitivamente lo que alguien está sintiendo. Más bien, es un intento de ir más allá de etiquetas simplistas incorporando contexto situacional, personal y de comportamiento, mientras representa explícitamente la incertidumbre cuando las señales son ambiguas o incompletas. Dicho esto, las preocupaciones éticas sobre la implementación son reales y han dado forma a los tipos de proyectos que perseguimos. Nunca aceptaríamos, por ejemplo, compromisos militares para ayudar con interrogatorios. No solo por razones éticas: La IA emocional no puede detectar la decepción de manera confiable, y afirmar lo contrario sería exagerar lo que la tecnología puede hacer realmente. Y mientras nuestra tecnología se puede utilizar para medir el comportamiento de multitudes y predecir cosas como cuándo un estadio de fútbol corre el riesgo de volverse destructivamente alborotado, no queremos que nuestra tecnología se implemente para vigilancia. En resumen, creemos que usar nuestra capa de lógica en alguien que no se ha dado consentimiento sería intrusivo y problemático éticamente. En Europa, nuestros sistemas están diseñados para cumplir con las restricciones de la Ley de IA de la UE sobre el reconocimiento emocional en lugares de trabajo y escuelas; a medida que nos expandimos a los Estados Unidos, aplicamos pautas específicas de jurisdicción mientras mantenemos los mismos compromisos éticos. También no aconsejamos a las empresas que se vuelvan excesivamente dependientes de nuestra tecnología. Las decisiones de contratación y despido no deben basarse solamente en nuestros resultados. En su lugar, nuestra capa de lógica está diseñada para apoyar la comprensión humana y resaltar emociones que podrían pasar desapercibidas. Volvamos al escenario de la evaluación de desempeño. No hablemos de IA básica—todos los humanos, e incluso los grandes gerentes, pierden cosas durante las conversaciones. Hay mucho sucediendo a la vez, ya que las personas procesan lo que se dice, cómo responder y el contexto general de la situación. Hoy en día, muchos intercambios también ocurren virtualmente o por video, añadiendo más distracciones mientras se elimina el contexto compartido. Si bien nunca afirmaríamos que nuestros modelos entienden a los humanos mejor que sus congéneres humanos, creemos que podemos ofrecer una capa adicional para ayudar a los gerentes a captar e interpretar señales de comportamiento que podrían perderse, proporcionando una mayor visibilidad sobre cómo se desarrolla una conversación. Nuestro modelo puede rastrear patrones momento a momento, captando, por ejemplo, un cambio en la participación, un instante en que algo no funcionó, o un cambio en cómo se comporta alguien. El modelo no dirá al gerente lo que significan estos momentos o qué hacer al respecto; simplemente hace que sean más fáciles de ver y seguir. La IA de contexto humano está en una etapa temprana. Los casos de uso, los patrones de adopción y el impacto real aún están evolucionando. Al mismo tiempo, los sistemas que detectan emociones se están incorporando rápidamente en productos y plataformas reales. Y sin contexto—sin saber por qué las personas se sienten de la manera en que lo hacen—la IA corre el riesgo de malentendernos en momentos críticos.