¿Un chatbot más humano convence más? Baja la resistencia, no la intención

Un chatbot que conversa con calidez despertó menos rechazo que un texto fijo con el mismo objetivo: convencer a usuarios de cigarrillos electrónicos de dejar de vapear. Pero la ventaja se quedó ahí. Ni la actitud hacia el vapeo ni la intención de dejarlo cambiaron frente al texto. Así lo informa un preprint, es decir, un trabajo todavía sin revisión por pares, publicado el 29 de octubre en PsyArXiv. Lo firma, sin coautores, Xingman Wu, del Departamento de Comunicación de la Universidad de Maryland.

La pregunta de fondo es si humanizar a un chatbot ayuda a persuadir o lo vuelve sospechoso. Hay dos caminos posibles. Un asistente más humano podría generar más confianza y, con ella, menos rechazo. O podría hacer más evidente que intenta convencer, y eso suele activar las defensas. El rechazo que se mide aquí tiene nombre técnico: reactancia psicológica, la reacción de quien siente amenazada su libertad de decidir, que se manifiesta como enojo y pensamientos negativos hacia el mensaje.

Cómo se hizo

Participaron 586 adultos de Estados Unidos que habían vapeado en los últimos 30 días, reclutados en abril de 2026 en Prolific, una plataforma de encuestas pagas. Tenían 38,6 años de promedio. Se los sorteó en tres grupos: un chatbot humanizado (197 personas), un chatbot impersonal (189) y un mensaje fijo de 127 palabras sobre los riesgos del vapeo y cómo dejarlo (200).

Los dos chatbots funcionaban con el mismo modelo de lenguaje de OpenAI, y lo único que cambiaba eran las instrucciones de sistema, el texto que le indica al modelo cómo comportarse. El humanizado debía actuar como un interlocutor cálido, amistoso y atento, que retomara lo que la persona había contado. El impersonal, como una herramienta informativa neutra, de tono deliberadamente robótico. Ambos debían basarse en información de los organismos de salud pública de Estados Unidos, responder en 120 a 150 palabras, no diagnosticar y conversar durante tres rondas. Antes de empezar, cada participante escribía su experiencia con el vapeo y ese texto se le pasaba al chatbot.

Después se midió cuán humano parecía el chatbot, en dos formas. Una es consciente: juzgar que el sistema se parece a una persona. La otra es automática: sentirlo simpático, sociable y cercano aunque se sepa que es una máquina. También se midieron la confianza en el chatbot, cuánto se percibía que intentaba persuadir, la reactancia, la actitud hacia el vapeo y la intención de dejarlo en los próximos 12 meses.

Un detalle de diseño importa para leer los resultados. El mensaje fijo no es un control equivalente: el chatbot además personaliza y ofrece más texto. La comparación más limpia es entre los dos chatbots, que solo difieren en el tono.

Lo que encontraron

El chatbot humanizado redujo la reactancia frente al mensaje fijo; el impersonal no. La diferencia equivale a medio desvío estándar (d = 0,52), un efecto moderado. La manipulación funcionó: el chatbot cálido se percibió más humano, con 5,20 puntos sobre 7 contra 4,27 del impersonal.

Lo que no cambió fue la persuasión propiamente dicha. Ninguno de los dos chatbots modificó la actitud hacia el vapeo ni la intención de dejarlo frente al mensaje fijo.

Dentro de los dos grupos que conversaron, los datos se analizaron con un modelo de ecuaciones estructurales, que estima a la vez varias relaciones entre variables. Según ese modelo, percibir al chatbot como más humano se asociaba con más confianza, y la confianza, con menos reactancia. El temor contrario no se confirmó: la humanidad percibida no se asoció con ver más intención de persuadir. Pero quienes sí percibían esa intención reaccionaban con más rechazo.

Qué tan firme es

Hay razones para la cautela más allá de que sea un preprint. El trabajo no menciona un preregistro. El modelo estructural tuvo un ajuste a los datos que el propio texto califica de mixto, y se reespecificó después de mirar los índices de ajuste: se agregaron caminos que los datos sugerían. Ese procedimiento mejora el ajuste a la muestra, pero aumenta el riesgo de que el modelo capture particularidades que no se repitan. Además, esas relaciones son asociaciones medidas al mismo tiempo, no efectos sorteados.

La idea de fondo tiene respaldo previo. Clifford Nass y Youngme Moon mostraron en 2000, en el Journal of Social Issues, que las personas aplican reglas sociales a las computadoras aunque sepan que son máquinas. Y James Dillard y Lijiang Shen describieron en 2005, en Communication Monographs, la reactancia como una combinación de enojo y pensamientos negativos, la misma medida que usa este estudio.

Qué significa para las marcas

Lo que sigue es una inferencia de El Neuromarketer. Para los asistentes conversacionales de marca, el resultado sugiere que un tono cálido puede bajar la irritación frente a un mensaje que pide cambiar algo, sin volver más visible la intención de vender. Pero menos rechazo no es lo mismo que más convencimiento: en este experimento, la experiencia mejoró y la decisión declarada quedó igual.

Para quien mide, la lección es separar las dos cosas. Una conversación agradable puede mejorar las métricas de satisfacción sin mover la intención, y solo un diseño con grupo de control y un resultado de conducta permite saber cuál de las dos cambió.

Los límites

La muestra era más joven, más educada y con más personas blancas que la población de Estados Unidos. Las mediciones fueron inmediatas, tras solo tres rondas de conversación, sin seguimiento posterior. Se probó un único tema de salud y un único modelo de lenguaje, y no se midió la amenaza percibida a la libertad, que es el disparador clásico de la reactancia.