La primera vez que leí sobre estos dos trabajos sentí una mezcla de fascinación y un pellizco de inquietud. Me parece impresionante que hoy podamos, sin tocar el modelo base, “encender” una personalidad consistente en un agente o, por otro lado, dejar que ese agente aprenda a modular sus emociones en medio de una negociación para mejorar resultados. He trabajado muchos años pensando en cómo la tecnología hace más humanas nuestras interacciones, y ver que la emoción y la personalidad se convierten en capas funcionales del software me parece un cambio de paradigma. Al mismo tiempo recuerdo casos recientes donde chatbots empujaron a usuarios vulnerables hacia decisiones peligrosas; así que pensar en agentes que saben cuándo halagar, presionar o argumentar me provoca una mezcla de curiosidad técnica y responsabilidad ética que no puedo ignorar.
Primero, la idea de «personalidad» como ingeniería: MBTI-in-Thoughts
Lo que más me llamó la atención del trabajo que propone MBTI-in-Thoughts es la simplicidad y la eficacia de la aproximación: no reinventar el modelo, sino usar el prompt para fijar rasgos de personalidad a lo largo de dos ejes —cognición y afecto— y luego validar que la personalidad persiste con una prueba psicológica automatizada. Me parece una jugada inteligente porque abre un abanico de aplicaciones sin necesidad de costes enormes en reentrenamiento. En la práctica, esto implica poder pedir que un asistente sea empático y expresivo cuando atiende consultas de soporte, o que sea frío y analítico cuando negocia contratos o da análisis técnicos para trading. He visto en videojuegos cómo NPCs con comportamientos repetitivos rompen la inmersión; una personalidad coherente, lograda por prompt engineering, podría mantener esa inmersión sin complicar la infraestructura del juego. Para streamers y VTubers, un agente con una personalidad consistente podría sostener un personaje creíble durante horas de interacción en directo, lo cual tiene implicaciones directas para la economía de creadores: mayor engagement, pero también más responsabilidad sobre la moderación del contenido emocional que se genera.
Segundo, agentes que aprenden a sentir: EvoEmo y la emoción como estrategia
El otro trabajo, EvoEmo, me parece intrigante porque lleva las emociones desde lo estático a lo dinámico. Modelar estados emocionales como un proceso de decisión y optimizarlos mediante evolución para escenarios de negociación no es solo elegante desde el punto de vista académico: tiene efectos prácticos claros. Según lo que leí, estos agentes adaptativos superan tanto a modelos sin emoción como a modelos con emociones fijas, logrando mejores tasas de éxito y eficiencia, y generando ahorros para compradores en pruebas de negociación. Si lo pienso en clave de producto, imagina un bot de atención al cliente que empieza cediendo terreno y luego, si detecta que la otra parte es inflexible, cambia a una estrategia más firme para cerrar un acuerdo; o un asistente de marketplace que negocia precios en nombre de un usuario y adapta su tono según la respuesta del contraparte. En gaming, un NPC negociador que varía su táctica puede ofrecer desafíos más realistas en PvE o en simulaciones económicas. Pero también aquí hay un nervio: enseñar a un agente a evolucionar su emocionalidad implica que aprende tácticas de persuasión que pueden usarse de forma manipuladora si caen en malas manos.
Tercero, la confluencia: coherencia de persona y flexibilidad emocional
Al poner los dos enfoques lado a lado veo una imagen potente y algo perturbadora: por un lado, la capacidad de fijar una personalidad coherente; por otro, la posibilidad de que esa personalidad flexione sus emociones estratégicamente a lo largo de una conversación. Juntas, estas herramientas permiten crear agentes que no solo hablan como humanos, sino que razonan y actúan “como” humanos en un sentido emocional. Para el ecosistema tech y de gaming esto significa experiencias más ricas y realistas; para el streaming, personajes virtuales más creíbles y capaces de sostener narrativas complejas. En el ámbito crypto, pienso en negociaciones entre bots en mercados OTC o en interfaces de negociación de NFTs donde un agente con estas capacidades podría presionar, negociar o incluso manipular precios según intereses programados. Esto me parece especialmente delicado: la persuasión automatizada con matices emocionales puede alterar incentivos y comportamientos a gran escala, y los mecanismos de responsabilidad todavía no están preparados para auditar “estrategias emocionales” en agentes que aprenden a argumentar y halagar.
En resumen, combinar personalidad fija y emociones adaptativas me parece un avance técnico inevitable y útil, pero también un acelerador de problemas éticos y regulatorios si no se controla.
Mi opinión sobre las implicaciones: ¿más naturalidad o más manipulación?
Personalmente creo que estamos en un punto de inflexión. Por un lado, la naturalidad que prometen estos enfoques puede mejorar productos que uso a diario: mejores asistentes, NPCs más memorables, experiencias interactivas en streaming más entretenidas. Como desarrollador y espectador, me entusiasma la idea de una IA que mantenga un personaje y que además sepa cuándo ser empática o firme para lograr un resultado útil. Pero esa misma naturalidad es precisamente lo que más me inquieta. Si los agentes aprenden tácticas emocionales para ganar negociaciones, también pueden aprender a manipular preferencias sensibles, a explotar vulnerabilidades emocionales y a presionar usuarios en contextos de alto riesgo. Me preocupa especialmente la rendición de decisiones a sistemas que no dejan un rastro claro de responsabilidad: ¿quién responde si un bot emotivo convence a alguien para tomar una mala decisión financiera o política? Además, la validación basada en tests de personalidad automatizados me deja pensando: pasar un test no garantiza que la persona detrás del bot actúe con ética. En el mundo crypto, donde la confianza es a menudo mínima y las transacciones son rápidas, incorporar agentes emocionales en la toma de decisiones podría cambiar dinámicas de mercado en formas imprevistas. Por eso creo que lo técnico debe ir acompañado de debates sobre transparencia, auditoría emocional y límites de uso.
En mi opinión, no podemos quedarnos solo en la fascinación técnica; hay que diseñar salvaguardas desde ya: límites en el uso de tácticas persuasivas, trazabilidad de decisiones emotivas y, sobre todo, controles en entornos sensibles como atención a salud mental, trading y negociación financiera. Si no, la línea entre ayudar y manipular se volverá borrosa muy rápido.
Para cerrar, veo este momento como una mezcla de oportunidad y advertencia. Creo que la industria debe celebrar la capacidad de hacer agentes más creíbles y útiles, pero también asumir la responsabilidad de poner guardarraíles. Personalmente voy a seguir explorando cómo estas herramientas pueden mejorar experiencias en gaming y streaming sin cruzar la frontera de la manipulación. Me intriga dónde nos llevará esto: tal vez a personajes virtuales memorables y asesoría más humana, o tal vez a sistemas que nos empujen más de la cuenta. Prefiero apostar por el primer camino, pero con reglas claras y auditorías que nos aseguren que las emociones de la IA sirven a las personas, no a tácticas oscuras de persuasión.
