Una investigación reunió más de 1.000 horas de conversaciones cotidianas de 14 participantes y evaluó si una IA podía anticipar cómo responderían en nuevas situaciones.
Los autores encontraron evidencia de que los registros acumulados permiten a modelos de lenguaje hacer predicciones sobre la conducta verbal de cada persona.
El trabajo, desarrollado con modelos basados en Gemini 2.5 Pro, no propone que un sistema lea pensamientos ni que pueda adivinar el futuro, sino que evalúa una tarea más limitada: contrastar una predicción construida con el historial conversacional de un participante con lo que esa misma persona hizo o dijo posteriormente.
Los datos se recogieron con un reloj inteligente portátil, en conversaciones naturales y durante un período prolongado. Así, el modelo no recibió una pregunta aislada, sino un historial que permite detectar patrones de expresión, reacciones y formas de participar en conversaciones.
Cómo se puso a prueba una IA como predictor de conductas verbales
El equipo formó un conjunto longitudinal con las más de 1.000 horas de conversaciones de los 14 voluntarios. Luego comparó las predicciones de los modelos de lenguaje con conductas reales, un paso necesario para distinguir una respuesta que suena plausible de una anticipación que coincide con lo que ocurrió.
Los investigadores también realizaron entrevistas semiestructuradas. Allí indagaron cómo percibían los participantes que un sistema pudiera anticipar sus reacciones y qué tipos de apoyo considerarían aceptables. Este componente incorpora la experiencia de las personas observadas, no solo una medición técnica.
Según el resumen del estudio, los resultados aportan evidencia de que la conducta verbal específica de una persona puede anticiparse con datos conversacionales longitudinales. Esa conclusión se limita a la muestra y al método evaluado; no afirma que cualquier aplicación pueda hacer lo mismo con toda la población.
Los autores describen posibles apoyos futuros, como advertir a una persona cuando podría alejarse de un objetivo propio o actuar de una forma que después lamentaría. Son escenarios de investigación: el paper no presenta una herramienta de consumo ni informa que esos avisos estén disponibles.
La diferencia entre este enfoque y un chatbot convencional está en la cantidad de información personal que requiere. Una conversación puntual puede servir para responder una consulta; anticipar patrones individuales depende de observar interacciones durante un período largo.
El historial de conversaciones abre una cuestión de privacidad
Acumular conversaciones cotidianas puede permitir sistemas más adaptados a una persona, pero también concentra información sensible sobre sus relaciones, hábitos, estados de ánimo y decisiones. El estudio se realizó con participantes y un diseño de investigación; trasladar esa práctica a un servicio requeriría consentimiento claro y controles sobre el acceso a esos datos.
La investigación también se separa de los estudios sobre la influencia de un chatbot. Un experimento reciente sobre persuasión de chatbots evaluó cómo una advertencia cambia una conversación breve; este trabajo analiza si el historial personal permite anticipar conductas verbales en situaciones posteriores.
Para empresas que desarrollan asistentes conversacionales, el resultado no equivale a una autorización para recopilar más información. Muestra que el beneficio técnico depende precisamente de datos íntimos y sostenidos, por lo que las reglas de privacidad y el consentimiento no son un detalle secundario del diseño.
Fuentes
arXiv: Before You Say It: Anticipating Verbal Behavior from Longitudinal Everyday Conversations with LLMs
ACM Digital Library: Before You Say It
