Empatía natural y artificial: ¿Hasta qué punto es la empatía una cualidad exclusivamente humana?

¿De verdad somos tan “únicos” como especie?

¿Cuáles son (con rigor científico) los rasgos intrínsecos que nos definen como humanos?

Corren tiempos de malas noticias para el Homo Sapiens.

Una especie a la que cada día resulta más difícil negar que la llegada de la IA a sus sesiones diarias de chapa y pintura ha colocado frente al espejo. Un espejo ante el cual, como la madrastra de Blancanieves, no dejamos de preguntarnos aquello de si “seguiremos siendo los más bellos del reino”.

Un espejo que, para colmo, no parece dispuesto a mentirnos ni por miedo, ni por educación.

Y claro, una cosa era aceptar que una máquina nos ganara al ajedrez, hiciera cuentas imposibles o encontrara en tres segundos ese archivo que nosotros habíamos guardado con el intuitivo nombre de Versión_final_final_ahora_sí_definitiva. Porque eso casi razonable: Las máquinas, pensábamos, están para hacer muy bien las cosas aburridas, repetitivas o descomunalmente exactas.

Pero otra cosa muy distinta es que empiecen a pasearse por el salón noble de la condición humana.

Ese en el que, en nuestro afán de “sentirnos distintos” (en realidad, superiores, vamos a llamar a las cosas por su nombre) nos obligamos ahora a presentarnos, con bastante solemnidad, adornados con las que creíamos que eran nuestras mejores galas: el pensamiento crítico, la creatividad y la empatía. Tres joyas “de familia” que nos hemos apresurado a colgarnos del pecho para demostrar que nosotros “somos otra cosa”.  Que admitimos lo de más mortales y más propensos a perder las llaves, pero ni de coña marinera lo de que no seguimos siendo los más especiales, complejos y profundos del reino.

Tal vez por ello, nos hemos apresurado a convenceros de que esas nuestras mejores joyas son piezas únicas, hechas a mano, imposibles de falsificar. E, incluso admitiendo que la IA se presenta en el baile con imitaciones (que hasta podríamos calificar de  “bisutería cognitiva” si se quiere), nos cuesta y nos fastidia a partes iguales admitir que dan con mucho (con muchísimo) el pego.

Al menos lo da lo suficiente para hacernos dudar de si nuestras “joyas exclusivas” son tan exclusivas como decía el certificado.

La IA no piensa como nosotros; de acuerdo.

La IA no siente como nosotros; concedido.

No crea desde nostalgia de unos rizos rubios, de interminables sobremesas familiares o de veranos con olor a pinos, Nivea y cloro de piscina municipal. Pero responde de forma empática, propone ideas, ordena argumentos, detecta contradicciones, improvisa metáforas muy creativas y hasta nos hace preguntas muy de consultor carísimo y muy poco de tostadora.

Y ahí empieza el disgusto.

Continúo no sin antes aclarar que no he elegido profundizar en la empatía, el pensamiento crítico y la creatividad por capricho.

Sino porque son tres de las grandes “habilidades refugio” que aparecen en todos los informes y discursos que intentan imaginar qué nos quedará a los humanos cuando la IA automatice una parte exponencialmente creciente de nuestras tareas.

Algunos botones de muestra:

El Future of Jobs Report 2025 del World Economic Forum sitúa el pensamiento analítico como la competencia central más demandada por las empresas, considerada esencial por siete de cada diez, y coloca también el pensamiento creativo entre las habilidades clave para los próximos años. La Organización para la Cooperación y el Desarrollo Económico), en su marco de competencias para 2030, agrupa el pensamiento crítico y creativo dentro de las habilidades cognitivas y metacognitivas, y la empatía dentro de las habilidades sociales y emocionales, necesarias para desenvolverse en sociedades complejas. McKinsey insiste, con un enfoque muy parecido, en que la IA no elimina la necesidad de habilidades humanas, sino que cambia aquello en lo que necesitamos ser buenos (pensamiento crítico y empatía). Microsoft y LinkedIn, en sus informe conjunto sobre IA y trabajo, hablan también de criterio, creatividad y originalidad como competencias nucleares para trabajar junto a sistemas inteligentes.

He creído que merece la pena detenerse en ellas porque son tres piezas centrales del relato donde consultoras, pensadores y organismos internacionales parecen coincidir.

Curioso que lo estemos comprando sin apenas discutirlo.

Porque son justo esas capacidades, elevadas a última frontera de la idiosincrasia humana, las que la IA empieza a imitar con más descaro.

Así que no puedo evitar adentrarme en saber, en términos de disponibilidad tecnológica, cuánto hay de verdad y cuanto de impostura en las “capacidades humanas” que ya exhibe la IA.  Ni cuánto hay de “intrínsecamente humano” o de replicabilidad artificial en unas habilidades que la ciencia lleva tiempo recordándonos que, en nosotros, tampoco funcionan de manera tan pura, tan estable ni tan automática como nos gusta creer.

Porque, intuyo que, a lo peor, la empatía no siempre es esa corriente limpia de amor al prójimo, sino una estrategia social llena de sesgos, preferencias y cálculo inconsciente. Que, a lo peor, la creatividad no va de inventar la rueda sino de recombinar esos materiales ajenos que hoy tenemos al alcance de un clic con más o menos gracia. O que, a lo peor, eso del pensamiento crítico no solo viene incluido de serie con el Homo Sapiens, sino que es un fallo de diseño o, cuando menos, una gimnasia trabajosa que solemos abandonar en cuanto una opinión propia nos queda cómoda.

Y aquí viene la buena noticia para el sapiens.

La IA no nos ha quitado el trono. Al menos, no todavía. Ha hecho, en mi opinión, algo mucho mejor: nos está obligando a una “segunda ronda” delante del espejo, esta vez sin dejarnos pasar antes por el joyero.

Porque, sin adornos y casi en cueros, hay que buscar dentro.

O al lado.

O a ese “gesto” raro que queda cuando ya no tenemos nada brillante que enseñar.

Eso es lo que me propongo buscar.

Porque me da por pensar que quizás el valor de lo humano no esté en la posesión de joyas exclusivas e imposibles de copiar, sino en el modo en que “nos afectan” cuando las llevamos puestas. En cómo la empatía, la creatividad o el pensamiento crítico aparecen (para transformarlo) dentro de un cuerpo que se cansa, recuerda, se equivoca, se defiende, se emociona, se contradice y necesita a otros para seguir siendo alguien.

La IA no nos deja desnudos porque imite cojonudamente nuestras joyas.

Y más allá del fastidio (reconozcámoslo con todas las letras) que sentimos por lo razonablemente bien que da el pego, agradezcámosle el gesto de “limpiar el espejo” para invitarnos a asumir que lo exclusivo no está en producir frases empáticas, ideas creativas o razonamientos críticos, sino en vivir todo eso desde una biología que siente, unas historias que dejan cicatrices y unas relaciones sociales que nos aportan un punto “más diferencial” de lo que nos gusta admitir.

Me pongo realmente seria para hacerme esta dos preguntas:

1. ¿Qué evidencias científicas podemos encontrar de que la empatía, el pensamiento crítico y la creatividad sean (o no) exclusivamente humanas y hasta dónde compartimos estas habilidades con otras especies animales?
2. ¿Cuál es la calidad real de la “imitación” que aporta la IA y qué podemos esperar del desarrollo tecnológico en los próximos años?

Porque intuyo que la evidencia científica nos obliga a ser prudentes con ellas.

Tanto porque ambas tres, de una u otra manera, aparecen en otras especies animales, como por la rapidez y sagacidad con la que los sistemas artificiales comienzan a modelizarlas.

Veamos cómo está (de verdad) el patio.

Vamos con las “tres joyas”, una a una.

LA EMPATÍA

La empatía humana suele presentarse como una cualidad que los humanos llevamos de serie y otras especies (IA incluida) no. Pero cuando se mira desde la neurociencia, se ve que ésta no es una capacidad monolítica sino que es más bien una “torre” construida con una arquitectura de capas donde algunas son muy corporales y automáticas y otras más cognitivas, culturales y sociales.

Y, ojo al loro, que también se ve: (1) que no todas estas capas son exclusivamente humanas, (2) que no todas funcionan en nosotros para convertirnos en “empáticos por defecto” y (3) que, para colmo, algunas son sorprendentemente bien imitables por la IA.

Vayamos capa por capa.

1. El estímulo corporal

La primera capa de la empatía, como de casi todo lo que nos acontece en términos de acción y/o de emoción está en el “hardware”. O dicho en un lenguaje más riguroso, en el conjunto de mecanismos biológicos de nuestro cuerpo que hacen que el estado de otro organismo no nos resulte indiferente, permitiéndonos detectar, resonar, interpretar y responder al estado de otro. De este modo, en la empatía por el dolor, por ejemplo, los estudios de neuroimagen muestran activación de regiones como la ínsula anterior y la corteza cingulada anterior o media, asociadas al componente desagradable y urgente del dolor y a su ansiedad.

Vaya, que aunque no sentimos literalmente el dolor ajeno, nuestro cerebro representa de manera casi automática parte de su carga afectiva.

Esta resonancia es natural y se parece más a un reflejo biológico que a una virtud moral.

Y por supuesto, ni se activa igual ante en todas las personas, ni lo hace igual ante cualquier tipo de dolor ajeno, ni somos los únicos cuerpos capaces de resonar con otros cuerpos. El trabajo de Frans de Waal, primatólogo, etólogo y psicólogo neerlandés, resulta especialmente relevante en este punto: sus investigaciones con bonobos, chimpancés y monos capuchinos mostraron que nuestros parientes evolutivos más cercanos también despliegan conductas vinculadas a la cooperación, el consuelo, el altruismo, el contagio emocional, la sensibilidad al malestar de los congéneres y las respuestas de cuidado.

Podríamos afirmar aquí que, ajá, la IA no tiene cuerpo que se altere.

Pero no tengo claro si eso sería del todo verdad. Y mucho menos si lo seguiría siendo durante mucho tiempo. Porque hace muchos años que existen unos “dispositivos captadores” de distintos y muy variados parámetros del contexto:  los sensores. Dispositivos que podemos implantar sin mucho esfuerzo tecnológico ni económico, y en la medida en la que deseemos, en cualquier robot, como nos cuenta el Director de área de Robots y personas de OdiseIA, Ignacio G. R. Gavilán.  Vale, que al robot no se le encoge el estómago ni cambia su respiración ante el dolor ajeno. Pero puede reconocer patrones lingüísticos o visuales asociados al sufrimiento y responder de forma adecuada, aunque no haya resonancia corporal en sentido estricto.

Tengamos, pues, claro como punto de partida que la empatía empieza cuando el otro deja de ser solo información y se convierte, de algún modo, en alteración del “cuerpo” propio (pongo comillas con toda la intención; ya veremos por qué un poco más adelante).

Porque esto del cuerpo, me temo que ya no es terreno exclusivo de los seres vivos.

2. El “eco corporal” y el sistema espejo de percepción-acción

En la segunda capa de esta torre se establece la relación entre percepción y acción. Aquí nos topamos con el llamado sistema de neuronas espejo, descrito inicialmente en macacos y estudiado después en humanos y que se activaría tanto cuando ejecutamos determinadas acciones como cuando observamos a otro realizarlas.

Rizzolatti y Craighero propusieron este sistema espejo como un mecanismo relevante para entender acciones, imitaciones y aprendizajes sociales ya que sería el responsable de que el cerebro no solo registre lo que oye o lo que ve, sino de que “traduzca” ciertas acciones ajenas a un lenguaje motor propio. Constituiría, pues, la base biológica de la idea de que parte de nuestros comportamientos empáticos comienzan antes de la reflexión consciente, en una especie de acoplamiento automático entre lo que percibimos y lo que nuestro cuerpo hace con esta percepción.

El estudio del sistema que conforman las neuronas espejo muestra que, esa parte de nuestra conexión con otros, automática y pre-reflexiva, no es para nada exclusiva de los humanos. De hecho, la evidencia original más sólida de su existencia procede de macacos, donde se registraron neuronas que se activaban tanto al ejecutar una acción como al observar a otro realizarla. También se han observado mecanismos de acoplamiento percepción-acción en aves cantoras, donde escuchar y producir canto comparten circuitos; en roedores, sobre todo en formas de resonancia ante el dolor ajeno y contagio emocional; y en murciélagos donde hay evidencias vinculadas a vocalizaciones sociales. Todo esto no significa que esos animales “empaticen” como nosotros, sino que muchos cuerpos sociales traducen algo de lo que perciben en otros a su propio sistema de acción o afecto. En humanos se habla con más cautela de un sistema espejo, asociado claramente a imitación y aprendizaje y no del todo a la comprensión de acciones.

Por supuesto, este mecanismo de espejo, que parece ser condición sine qua non para la empatía, no es el comodín explicativo de toda ella. Si bien ayuda a entender el “efecto arrastre” de nuestros semejantes: por qué bostezamos al ver bostezar, tensamos el gesto al ver dolor, sonreímos ante una sonrisa e imitamos micro expresiones. Un efecto de sincronización casi automática en forma de “eco corporal” que para nada garantiza aún comprensión, cuidado ni ayuda.

En cuanto a los sistemas artificiales, es evidente que la IA ya puede reconocer acciones, emociones o intenciones aparentes a partir de datos, aun cuando no lo haga desde ese “automatismo corporal” que, de momento, aún no parece tener.  Pero, aunque le falte ese cuerpo que haya aprendido el mundo desde la emoción, ya hay intentos, pero que muy serios de construir equivalentes funcionales.

Ya a finales del siglo pasado (1997) Rosalind W. Picard, investigadora del MIT Media Lab, dio forma moderna al campo de la computación afectiva. En su libro de referencia Affective Computing propuso estudiar y diseñar sistemas capaces de reconocer, interpretar, procesar, simular o influir en estados afectivos humanos con una línea de trabajo clara: la idea no era intentar que las máquinas “sintieran” como nosotros, sino que, al interactuar con personas, tuvieran en cuenta que las emociones no son ruido irrelevante. Picard abrió así una línea de investigación entre informática, psicología, neurociencia, interacción humano-máquina y ética tecnológica para conseguir que las máquinas detectaran frustración, atención, estrés, interés o malestar a partir de texto, voz, rostro, gesto o señales fisiológicas, y adaptaran su respuesta en consecuencia. Su libro sigue siendo una referencia fundacional en la investigación encaminada hacia el diseño de sistemas capaces de reconocer, interpretar, procesar o influir en estados afectivos humanos.

Esto es que, aun teniendo en consideración que las señales externas no siempre revelan la emoción interna real de una persona, el equivalente funcional del eco corporal se emula en tres pasos: (1) detectando el estado emocional del usuario, (2) infiriendo una necesidad probable y (3) tratando de producir una respuesta lo más adaptada posible.

Esto explica por qué muchos sistemas artificiales “dan el pego” empático. No porque sientan, sino porque ejecutan bien la “parte visible”: validan, reformulan, bajan la intensidad, nombran emociones y proponen próximos pasos.

Distinguiendo entre modelos de lenguaje puros (chatGPTs y similares), chatbots o agentes conversacionales y robots sociales, encontramos hoy un estado del arte que podría resumirse en lo siguiente:

• En un modelo de lenguaje (LLM) puro no hay eco corporal. Es evidente que un chatGPT o similar no tiene cuerpo y por tanto, no puede tener “eco corporal” en sentido biológico. Pero, ojo, que tiene algo que podríamos llamar eco estadístico y semántico. Esto es que, habiendo aprendido patrones de lenguaje asociados a emociones, gestos, sufrimiento, consuelo, tensión o cuidado, es capaz de generar respuestas semánticas que encajan pero que muy bien en esos patrones, eligiendo las palabras o modulando su tono.
• En chatbots conversacionales se acentúa esta “mímica empática” de superficie. Cuando, además, la IA se vuelve multimodal e incorpora imagen, voz, gestos, electrocardiogramas o electroencefalogramas u otras señales fisiológicas, se dispone de una gran cantidad de información que permite elaborar una respuesta muy en la línea se acerca mucho al efecto acción-percepción. Y lo hacen tan bien que hay estudios recientes donde las respuestas generadas por estos agentes han sido percibidas como más empáticas por evaluadores humanos que las respuestas humanas correspondientes a las mismas situaciones o tareas.
• En robots sociales sí hay cuerpo, aunque no es un “cuerpo sintiente” sino un “cuerpo operativo”. Porque los robots sociales sí poseen un sustrato físico que puede parecerse, al menos funcionalmente, a un cuerpo: ojos, cabeza, manos, postura, movimiento, distancia interpersonal, voz y ritmo. También pueden incorporar algo parecido a un circuito de percepción-acción, respondiendo a las señales humanas con gestos, orientación corporal, inclinación, mirada, expresiones faciales o movimientos socialmente reconocibles. En este terreno, el trabajo de Cynthia Breazeal en los 90 fue fundacional: Kismet, su robot-solo-cabeza fue diseñado como un robot social expresivo, capaz de utilizar señales emocionales y sociales para modular la interacción con un cuidador humano. Su tesis y sus investigaciones posteriores abrieron una línea clave en robótica social.

Ahora bien, es evidente que un robot tenga cuerpo y haga como que siente no significa que sienta. Sin embargo, hay otra evidencia especialmente reveladora en la que conviene detenerse:

Aunque el robot no tenga eco corporal propio, puede provocar el nuestro.

Hofree, Urgen, Winkielman y Saygin, en un estudio publicado en Frontiers in Human Neuroscience en 2015 (Observation and imitation of actions performed by humans, androids, and robots: an EMG study) lo mostraron midiendo, con electromiografía, la actividad muscular de personas mientras observaban o imitaban acciones realizadas por un humano, un robot mecánico humanoide y un androide con apariencia humana pero movimiento mecánico. Incluso durante la observación pasiva aparecía actividad muscular en los participantes, y aunque la respuesta era más fuerte ante movimientos humanos, no desaparecía ante agentes artificiales. De modo que, aunque un robot no sienta, basta con que parezca actuar o expresarse como si lo hiciera para que nuestro cuerpo empiece a tratarlo, parcialmente, como un interlocutor social.

Y si bien, otro estudio anterior del mismo grupo, publicado por Hofree, Ruvolo, Bartlett y Winkielman en 2014, mostró que las personas pueden imitar espontáneamente las expresiones faciales como la sonrisa o el ceño fruncido de un androide físicamente presente aun cuando sabían que era un agente artificial. En 2018 fueron aún más lejos para comprobar cómo, en el contexto social, las personas no reflejan las expresiones de los androides, sino que reaccionan a su valor informativo de modo que, si bien, las reacciones de los perceptores ante las expresiones faciales de otros a menudo representan una coincidencia o un reflejo (por ejemplo, sonríen a una sonrisa), la información transmitida por una expresión depende del contexto. En este estudio, los participantes jugaron a un juego estratégico con o contra un androide expresivo facialmente. La electromiografía (EMG) registró las reacciones de los participantes sobre el músculo cigomático (sonrisa) y el músculo corrugador (fruncir el ceño), descubriendo que las respuestas faciales de los participantes a las expresiones del androide reflejan su valor informativo, en lugar de una coincidencia directa. Además, se detectó un mayor impacto en las reacciones faciales de las personas cuando el androide gesticulaba en su rostro que en una pantalla de ordenador, demostrando como las acciones faciales de agentes artificiales afectan la respuesta facial humana. También sugieren una sofisticación en la comunicación humano-robot que resalta el valor de señalización de las expresiones faciales.

Encontramos en la literatura científica numerosos estudios sobre esta imitación automática (automatic imitation) en la interacción humano-robot, si bien Hortensius y Cross demuestran cómo la imitación de acciones robóticas depende de la apariencia, la configuración corporal, la familiaridad, las expectativas y el contexto. Casso, Nazir y  Delevoye-Turrell sugieren incluso formas básicas de contagio corporal o emocional al observar cómo la postura y el movimiento de un robot social “triste” podían modificar la postura espontánea de los participantes.

Vale, queda claro que ni la IA generativa, ni los chatbots conversacionales, ni los robots sociales tienen neuronas espejo. Pero también que pueden incorporar ya modelos funcionales de percepción-acción, aprendiendo a mapear acciones humanas observadas con acciones propias posibles, detectando gestos y respondiendo con otros socialmente coherentes. Que no necesitan sentir para activar en nosotros sentimientos. Y que, pueden no tener empatía, pero sí convertirse en un estímulo que despierta la nuestra.

En esta línea, ya se utiliza la expresión empatía artificial para nombrar un campo de investigación y diseño orientado a crear sistemas capaces de reconocer estados afectivos humanos, interpretarlos y responder de manera compatible con el comportamiento empático humano.  Y este desplazamiento conceptual es importante: no se exige que el robot sienta, sino que ejecute un proceso funcionalmente empático. De modo que la empatía artificial no replica la vivencia interna de la empatía humana, pero sí reproduce parte de su “coreografía externa” (detectar, interpretar y responder) con suficiente eficacia como para obligarnos a precisar qué entendemos, exactamente, por empatizar.

Así, el desarrollo tecnológico avanza a gran velocidad hacia una forma de empatía operacional: una empatía artificial más robusta, inspirada en cómo evolucionan y se desarrollan las distintas capas de la empatía humana y animal, desde el contagio emocional hasta formas sociales más complejas.

En este punto resulta especialmente relevante la propuesta de Minoru Asada, investigador japonés de referencia en robótica cognitiva, neurociencia robótica, interacción social y desarrollo cognitivo artificial (cognitive developmental robotics). Su aportación no consiste tanto en haber creado “robots empáticos” como producto final, sino en haber formulado una pregunta decisiva para la construcción de máquinas sociales: ¿podemos inspirarnos en cómo se desarrollan, en humanos y otros animales, capacidades como la emoción, la imitación, la interacción, el vínculo o la empatía?. En su artículo Towards artificial empathy (2024), Asada propone pensar la empatía artificial desde una perspectiva evolutiva y del desarrollo, planteándola, no como un módulo decorativo que añade frases amables, sino como una arquitectura que podría avanzar desde formas básicas de contagio emocional y resonancia corporal hasta procesos más complejos de comprensión social.

Park y Whang, en su revisión sistemática “Empathy in Human–Robot Interaction: Designing for Social Robots” (2022) de lo que se entiende por empatía en interacción humano-robot  proponen un marco de diseño para robots capaces de relacionarse con humanos en contextos sociales, sanitarios, educativos o de asistencia, intentando ordenar qué significa “empatía” cuando hablamos de robots sociales. Su definición no exige que el robot “sienta”, sino que pueda realizar un proceso observable que pasaría por reconocer el estado emocional, los pensamientos o la situación de una persona y producir respuestas afectivas o cognitivas que generen una percepción positiva en el humano. Desplazando así la “empatía robótica” desde la vida interior del robot hacia su funcionamiento relacional que pasa por detectar, interpretar y responder de manera socialmente adecuada.

Cada vez más lejos del “sentir con” y cada vez más cerca del “detectar, inferir y responder como si se sintiera con”.

Así las cosas, parece claro que la IA no necesita tener neuronas espejo para jugar con las nuestras.

Pero, vamos por partes, eso aún no es empatía, sino resonancia.

3. El Contagio emocional

Pasamos a la siguiente capa: el contagio emocional.

Un bebé llora al oír llorar a otro bebé. Un grupo se inquieta cuando alguno de sus miembros muestra señales de haber detectado peligro. Todos nos hemos contagiado alguna vez de la risa de quien teníamos al lado sin explicación previa.

Evolutivamente tiene todo el sentido.

Si el miedo del otro me alerta, puedo reaccionar antes. Si el malestar de una cría moviliza cuidado, aumenta su probabilidad de supervivencia. Si el grupo sincroniza sus estados emocionales, mejora su coordinación.

El término “contagio emocional” lo fijaron y popularizaron en psicología social Elaine Hatfield, John T. Cacioppo y Richard L. Rapson a comienzos de los años noventa. En 1993 publicaron el artículo “Emotional Contagion” y en 1994 el libro del mismo título, donde dieron al concepto su formulación clásica, definiéndolo como la tendencia a imitar y sincronizar automáticamente expresiones faciales, vocalizaciones, posturas y movimientos con los de otra persona y, como consecuencia, a converger emocionalmente, dado que ese mimetismo corporal retroalimenta nuestro propio estado emocional.

Si bien este contagio emocional “natural” no siempre nos lleva a comportamientos que calificaríamos como empáticos. A veces nos conecta; otras nos arrastra.

Contagiarse no es todavía empatizar. Pero es un paso más.

Conviene aclarar que esta capa “de contagio” tampoco es de exclusividad humana. El contagio emocional aparece en muchas especies sociales, probablemente porque ayuda a coordinar conductas de grupo. Tanto en primates, como en perros, aves y otras especies sociales se han descrito formas de contagio emocional positivo y negativo, desde la sensibilidad básica a las emociones de otros hasta formas más complejas de consuelo, ayuda dirigida o toma de perspectiva. En un interesante estudio, Langford y su equipo de investigadores mostraron que la sensibilidad al dolor de los ratones podía aumentar al observar a otro ratón con dolor, especialmente si era familiar. Cuando dos ratones familiarizados entre sí y alojados juntos recibían estímulos dolorosos al mismo tiempo, mostraban más conductas de dolor y una mayor sincronía en esas conductas que cuando eran evaluados solos. El efecto no apareció del mismo modo con ratones desconocidos. Además, cuando los dos compañeros recibían estímulos de distinta intensidad, la respuesta dolorosa de cada uno se veía modulada por el estado del otro. Los autores lo interpretaron como una forma básica de modulación social del dolor compatible con un componente elemental de empatía, aunque no como prueba de empatía humana completa.

Y, con relación al estado del arte de la tecnología, ya hemos dejado claro que, si bien la IA no se contagia emocionalmente, puede detectar contagio humano y amplificarlo o moderarlo haciendo que seamos nosotros quienes nos contagiemos de ella.

4. La toma de Perspectiva

Seguimos avanzando capa a capa.

Para que haya empatía madura no basta con contagiarse. La empatía requiere también diferenciar entre yo y el otro.

Esta distinción yo-otro es fundamental porque permite que el malestar ajeno nos afecte sin confundirlo con una experiencia propia.  Decety y Jackson en su artículo The functional architecture of human empathy  identifican cuatro componentes como propios de la empatía humana: (1) las representaciones neurales compartidas entre uno mismo y el otro, (2) la autoconciencia que permite mantener la distinción yo-otro, (3) la flexibilidad mental, ligada a la toma de perspectiva y (4) la regulación emocional. En un segundo trabajo, From emotion resonance to empathic understanding, desarrollan con más detalle como la idea de que compartir estados emocionales necesita ir acompañada de una diferenciación clara entre la experiencia propia y la ajena porque, de otro modo, el contagio puede terminar en sobrecarga o en una reacción centrada en uno mismo.

Podríamos decir, por tanto, que la empatía-pata-negra necesita resonancia, sí, pero también distancia.

Así que, en las personas, una capa ya más cognitiva de la empatía entra en juego para inferir qué le pasa al otro, qué sabe, qué teme, qué desea o desde dónde interpreta una situación. Y es aquí donde entran las redes cerebrales asociadas a un proceso, presuponemos 100% humano, que se denomina mentalización o teoría de la mente.  

La mentalización es la actividad que nos permite imaginar las motivaciones, limitaciones y sentimientos de la otra persona, ofreciéndonos la oportunidad de “ponernos en sus zapatos” para pasar del “yo en tu lugar sentiría esto” a “tú, con tu historia, tus valores, tu miedo y tu contexto, quizá estás viviendo algo distinto a lo que yo habría imaginado”.

Matthew D. Lieberman, una de las principales autoridades en el estudio de la neurociencia cognitiva social y fundador de la revista Cognitive and Affective Neuroscience comparte en su libro Social: Why our brains are wired to connect un hecho clave de nuestra mente social: poseemos la capacidad, o más exactamente, una predisposición inevitable, a ver y comprender a los demás en términos de sus procesos mentales. De modo que, cuando observamos a otras personas, no podemos evitar querer saber en qué están pensando y cómo piensan. De hecho, Franz Bentano, un psicólogo alemán poco conocido, ya publicó en 1874 un texto donde sostiene que la intencionalidad, o sea la capacidad de tener pensamientos, creencias, metas, deseo e intenciones acerca de otras cosas, sería el rasgo fundamental de la psicología humana.  Tanto sería así, que no son pocos los estudios que han demostrado que la red de mentalización y la red por defecto de nuestro cerebro (esa que se activaría cuando “no hacemos nada”) se solapan anatómicamente.

Sobre cómo funcionan los mecanismos cerebrales que nos permiten “entender a otros” (ese proceso que se denomina mentalización) Lieberman establece que hay dos aproximaciones que funcionarían de manera simultánea: una más ligada a la imitación de acciones y otra más abstracta, centrada en inferir motivos, creencias e intenciones. Una de sus aportaciones más interesantes es que la mentalización puede ser tanto automática como controlada: Muchas veces atribuimos intención, meta o emoción de manera rápida, sobre todo ante movimientos biológicos, miradas, expresiones o acciones familiares; pero si la situación es ambigua, compleja o contradictoria, entra una mentalización más deliberada y costosa.

Y ahí es donde entra la teoría de la simulación sugiriendo un segundo modo de entender a otras personas que pasaría por usar parcialmente nuestros propios recursos mentales como modelo, de modo que imaginamos qué sentiríamos, pensaríamos o haríamos “nosotros en su posición”. Lieberman ayuda a mostrar que hay una división funcional y que mientras las redes percepción-acción pueden contribuir a comprender la implementación concreta de una conducta (el “cómo”), las redes de mentalización permiten inferir motivos, estados internos y sentido social (el “por qué”). Su trabajo con Spunt cuestiona la idea de que el sistema espejo explique por sí solo toda la comprensión social demostrando que puede ayudar a mapear acciones observadas, pero que no basta para deducir intenciones complejas o representar creencias ajenas.

Claro que, esta capacidad de mentalización tampoco funciona siempre por defecto, pues las personas creemos entender al otro cuando en realidad estamos usando nuestra propia plantilla de creencias. Por eso la mentalización ha de verse más bien como una habilidad que se entrena que como una “garantía humana”. Y, si bien algunos animales, especialmente grandes simios, córvidos y cetáceos muestran capacidades notables para anticipar conductas, leer intenciones o manejar información social, esta toma de perspectiva humana se vuelve especialmente compleja al meter en la ecuación el lenguaje, la memoria, la cultura, la narración y las normas compartidas.

Así que ni funciona por defecto ni lo hace siempre tan bien como cabría esperar.

De hecho, es en esta capacidad de “inferir” al otro donde aparece el fracaso social: confundimos ayudar con invadir, comprender con proyectar, acompañar con apropiarnos del dolor ajeno. Porque las personas no empatizamos en abstracto. Nuestra empatía depende de nuestra historia, de nuestro momento vital, de nuestros vínculos con el otro y de su relato, de nuestras creencias y experiencia y de la cultura en la que estamos inmersos. No reaccionamos igual ante alguien cercano que ante un desconocido, ante un dolor que reconocemos que ante uno que no sabemos interpretar. Nos conmueve más una historia concreta que una estadística enorme, más un rostro cercano que una multitud lejana.

La mentalización no es, por tanto, una ventana transparente a la mente ajena. Está atravesada por sesgos bastante previsibles: el sesgo egocéntrico y la maldición del conocimiento hacen que nos cueste separar lo que nosotros sabemos de lo que el otro ha podido ver o entender; la proyección y el efecto de falso consenso nos llevan a imaginar que los demás piensan, desean o reaccionan más como nosotros de lo que realmente hacen; el error fundamental de atribución convierte conductas puntuales en supuestos rasgos de personalidad y deja el contexto fuera de plano; los estereotipos, el sesgo de grupo y formas más suaves de deshumanización sustituyen a la persona concreta por una plantilla; y el razonamiento motivado nos hace interpretar la ambigüedad según convenga a nuestras creencias, afectos o lealtades.

Además, bajo estrés, cansancio o amenaza, la mentalización pierde precisión y se vuelve más defensiva. Dejando claro que nuestra empatía es profundamente plástica. Y que si bien se puede educar, ampliar y afinar.. también puede estrecharse, sesgarse y apagarse selectivamente.

En cuanto a los sistemas artificiales, robots, IAs y demás, la premisa sobre la que pivotar empieza a estar no tanto en si poseen o no intencionalidad o capacidades de mentalización como las personas, sino en hasta qué punto están desarrollando su equivalente funcional con modelos internos de lo que la persona ha visto, sabe, cree, quiere hacer o probablemente hará después. La investigación suele llamar a esto Artificial Theory of Mind O Machine Theory of Mind. No es una mente que se pone literalmente en los zapatos de otra; es una arquitectura que intenta predecir conducta social representando estados ajenos.

En este sentido, hay tres líneas de evidencia especialmente útiles.

• La primera procede del aprendizaje automático. Rabinowitz, Perbet, Song, Zhang, Eslami y Botvinick ya en 2018 presentan el diseño de una red (denominada ToMnet) entrenada para observar a otros agentes en entornos simples y, a partir de pocas conductas previas, inferir sus rasgos, objetivos, creencias y futuras acciones. En escenarios delimitados, con reglas y agentes definidos de antemano, el sistema llegó a predecir que un agente actuaría según una creencia falsa sobre la ubicación de un objeto, aunque esa creencia no coincidiera con la realidad. Es decir, el sistema artificial, aunque restringido a contextos muy delimitados, no predecía en base a la objetividad de los hechos sino que modelaba el mundo tal como el otro agente parecía conocerlo.
• La segunda línea la encontramos en el campo de la robótica social y la colaboración humano-robot. Sandra Devin y Rachid Alami implementaron una arquitectura de teoría de la mente en un robot para tareas compartidas con una persona. Más que una “teoría de la mente” en sentido psicológico, su trabajo implementa una forma de razonamiento perspectivista o epistémico para coordinación humano-robot. La idea central es que, en una tarea compartida, no basta con que el robot tenga una representación correcta del entorno sino que también debe mantener una representación diferenciada de lo que la persona ha podido ver, conocer, comprender o inferir. Devin y Alami no intentaron construir un robot que “comprendiera” al ser humano, sino que implementaron un sistema capaz de distinguir entre su propio conocimiento y el conocimiento disponible para su compañero humano durante una tarea compartida en lugar de asumir que ambos ven, saben y entienden lo mismo. Cuando detecta una divergencia el robot puede decidir comunicar, esperar o modificar el plan, para lo cual necesitaba decidir qué información compartir, qué acción era comprensible para su compañero y cómo ajustar un plan conjunto cuando los dos no disponían exactamente del mismo conocimiento sobre la escena. Aquí la mentalización no consistía en tener una vida interior, sino en esa “representación de perspectivas” mediante las que el robot podía seguir adelante como si el conocimiento fuera compartido, anticipando la desalineación y pudiendo elegir una intervención. El experimento muestra una forma muy concreta de “mentalización artificial” que no pasaría por sentir qué siente el otro, sino por saber qué sabe, qué no sabe y qué necesita saber para que la acción conjunta tenga sentido.
• La tercera línea, más reciente, trabaja con LLMs. En esta línea, Strachan, Albergo y Borghini diseñan una comparación sistemática entre dos familias de LLMs y casi 2000 participantes humanos, sometidos a una batería de tareas psicológicas correspondientes a componentes distintos de la teoría de la mente: comprensión de peticiones indirectas, atribución de falsas creencias, comprensión de engaño o despiste deliberado, ironía, historias sociales complejas o meteduras de pata. Y observaron cómo los LLMs acertaban muchas veces no porque hubieran reconstruido con precisión la perspectiva mental de cada persona, sino porque aplicaban un “atajo útil” en ese formato de tarea. La lectura rigurosa de los propios autores no indicó que estos modelos fueran capaces de aplicar mentalización pero que, sin embargo, pueden producir respuestas conductualmente compatibles con inferencias mentalistas y que algunas de esas respuestas igualan o superan las de participantes humanos. Pero también demuestra que estos mecanismos son frágiles: cuando se cambia el diseño para poner a prueba la lógica subyacente, aparecen sesgos específicos del modelo. En este sentido, el artículo desplaza bien la discusión asumiendo que el resultado relevante no es que “la máquina entiende mentes” sino que ciertos resultados que solemos aceptar como evidencia de mentalización en humanos no bastan por sí solos para demostrar qué proceso ha generado la respuesta. En este sentido, conviene mantener la prudencia, como hacen Verma, Bhambri y Kambhampati al pedir los modelos de lenguaje (LLMs) predecir si un humano interpretaría la conducta de un robot como explicable, predecible, legible u opaca. Ya que, aunque en un principio los modelos rindieron bien, pequeños cambios contextuales o creencias inconsistentes bastaron para romper su desempeño.

Por tanto, si bien en inteligencia artificial ya existen desarrollos que intentan reproducir una parte funcional de esta capa de la empatía, siendo capaces de resolver con notable eficacia tareas de ironía, peticiones indirectas o falsas creencias, conviene no precipitar la conclusión. Y si bien no podemos (aún) atribuirles de manera robusta comportamientos compatibles con la mentalización humana, ya andan acercándose bastante bien al cálculo de “versiones operativas” de lo que el humano podría estar pensando.

5. La Regulación

Adicionalmente, es importante destacar el otro aspecto diferencial de la empatía-pata-negra: necesita regulación.

Para que, cuando el sufrimiento del otro active demasiado nuestro propio malestar, podamos bloquearlo, negarlo, evitarlo o convertirlo en una escena centrada en nosotros tipo “ya no estoy disponible para ti porque bastante tengo con gestionar lo que me pasa a mí al verte sufrir”. En este proceso necesariamente interviene la corteza prefrontal para ayudar a sostener la atención, inhibir impulsos, ordenar la respuesta emocional y evitar que el contagio afectivo nos arrastre completamente.

Y esta capa de regulación desmonta la idea más “romántica” de la empatía: más emoción no siempre significa más ayuda. A veces la respuesta más empática exige respirar, contener y no convertir el dolor ajeno en nuestro pequeño incendio privado.

La regulación, igual que la toma de perspectiva ni es automática ni se activa en todas las personas con la misma intensidad. Hay personas que sienten mucho y ayudan poco porque se desbordan; otras sienten de forma más contenida y responden mejor. Y luego está el contexto sociocultural: la regulación se articula con normas, lenguaje, autocontrol, aprendizaje moral y expectativas culturales. Ahí la biología se mezcla con educación y convivencia.

Los sistemas tecnológicos y la IA no necesitan regularse emocionalmente porque no se desbordan. Pueden producir una respuesta serena ante una situación dramática, pero esa serenidad no es templanza ni contención cultural, es simplemente ausencia de afectación. Y aunque pueden distinguir lingüísticamente entre “yo” y “tú”, no tienen un yo vivido que separar del otro. Curiosamente, esto le permite responder sin verse desbordada por el malestar ajeno, pero también revela donde están, al menos por el momento, su límites.

6. La motivación prosocial: del sentir al cuidar

Y llegamos a la capa de acción empática “que se ve”, que es, a la postre, lo que el otro puede valorar.

Esta última capa es decisiva porque la empatía no termina en sentir ni en comprender. Como hemos visto, puede llevar a ayudar, consolar, proteger o cooperar. Pero también puede derivar en evitación, fatiga, paternalismo o simple incomodidad.

En lo que los humanos hacemos con esa “sensibilidad hacia el otro”  entran en juego muchos factores. Solo al bajar al detalle de explicar a quién intenta aliviar realmente cada conducta entramos en la diferencia clásica de Batson.

1. Daniel Batson es uno de los autores centrales de la psicología de la conducta prosocial. Su trabajo, recogido en su libro The altruism question: Toward a social-psychological answer se sitúa en la discusión clásica sobre si ayudar a otros es siempre una forma indirecta de ayudarnos a nosotros mismos (evitar culpa, reducir ansiedad, proteger reputación, sentirnos bien) o si puede existir una motivación genuinamente orientada al bienestar ajeno. Durante décadas desarrolló experimentos para intentar separar ambas posibilidades. Porque, la realidad es que, ante el sufrimiento de otra persona pueden aparecer dos respuestas afectivas distintas.

Aparece el malestar personal (personal distress), que es autorreferido y se expresa como ansiedad, alarma o desasosiego porque la situación altera a la persona (“no soporto ver esto”, “necesito que pare”, “tengo que irme”). En ese caso también puede haber ayuda, pero suele ser más probable cuando ayuda y salida coinciden (cuando “puedo hacer algo rápido para que la escena termine” o si “no puedo escapar sin quedar mal”). Batson plantea que esta reacción se vincula más con una motivación egoísta en el sentido técnico ya que el objetivo final sería reducir mi propio estado aversivo.

La preocupación empática (empathic concern) tendría para Batson una textura emocional diferente. En lugar de ansiedad autorreferida, se vincula a la aparición de estados como ternura, compasión, simpatía, calidez o cuidado. Significa que la atención no se queda atrapada en lo que el sufrimiento ajeno nos provoca sino que se organiza alrededor del otro (“quiero que estés mejor”, “qué necesitas”). Esta preocupación orientada al otro puede producir motivación altruista y acción de ayudar con el objetivo último de mejorar el bienestar del otro, incluso cuando la ayuda tiene un coste y no ofrece una vía rápida para aliviar el propio malestar.

Batson afirma que ambas reacciones, si bien empujan en direcciones distintas, de modo que el malestar personal favorece la evitación o la ayuda como salida, mientras que la preocupación empática favorece la aproximación y el cuidado sostenido, no son compartimentos estancos, y que, de hecho, pueden coexistir.

Estas afirmaciones tienen respaldo experimental y neurocientífico. Estudios como el de FeldmanHall y colaboradores muestran que la preocupación empática, más que el malestar personal, predice mejor la disposición a asumir costes para ayudar. En ese trabajo, el altruismo costoso se relacionó con actividad en regiones asociadas a recompensa, apego y cuidado, como el área tegmental ventral, el caudado y la corteza cingulada anterior subgenual, sugiriendo que pasar a la acción no depende solo de sufrir con el otro, sino de que el cerebro traduzca esa señal en una motivación de cuidado.

Por tanto, si bien la empatía afectiva puede decirnos que algo le pasa al otro; la preocupación empática convierte esa señal en una orientación hacia su bienestar. Si bien el primer movimiento es “me ha afectado”, este no llevaría de modo automática al “voy a hacer algo por ti, aunque no sea la forma más cómoda de tranquilizarme a mí”, salvo que entren en acción los circuitos de recompensa y afiliación que son los que llevan a que la ayuda nos haga sentir valiosos. Cuando la ayuda se vive como significativa, pueden activarse redes vinculadas al valor, la motivación y el vínculo social.

De hecho, Klimecki, Leiberg, Ricard y Singer encuentran en su trabajo patrones neuronales distintos al comparar entrenamiento en empatía y entrenamiento en compasión. Así la empatía ante el sufrimiento aumentaba afecto negativo y activación en regiones como la corteza cingulada media anterior, asociada al procesamiento de dolor/afecto negativo. Y la compasión, en cambio, aumentaba afecto positivo y activaba redes como el estriado ventral, la corteza orbitofrontal medial y regiones relacionadas con afiliación y recompensa.

Pero ahí no acaba la cosa.

A la postre, ayudar implica decidir.

Y para ello, el cerebro evalúa si la situación es relevante, si puedo hacer algo, cuánto cuesta, qué normas se activan y qué responsabilidad siento. Ahí entran circuitos de saliencia, valoración y control ejecutivo: ínsula, cingulado anterior, estriado, corteza prefrontal medial y lateral, entre otros. La revisión de Wu y colaboradores sobre bases neurales de la conducta prosocial compara evidencia en humanos y otros mamíferos sobre tres grandes formas de conducta prosocial: consuelo, ayuda y reparto de recursos. Su argumento es que estas conductas no dependen de un solo circuito, sino de la integración entre detección del estado emocional ajeno, motivación, sistemas de recompensa, aprendizaje social, evaluación de costes y beneficios, y decisiones orientadas a otro individuo.

En humanos, además, estos mecanismos se mezclan con normas morales, identidad, vínculo, cultura y reputación. Ayudamos más cuando la persona es concreta, cercana, identificable, del propio grupo o cuando creemos que nuestra acción puede tener efecto.

Por todo lo anterior, es importante distinguir entre empatía afectiva (eco), empatía cognitiva (lectura y comprensión) y compasión o preocupación empática (cuidado). Asumiendo que, sentir mucho no siempre significa cuidar mejor. Y que tampoco basta con entender, pues a veces entendemos perfectamente y aun así no cuidamos.

La empatía humana puede quedarse en emoción privada, en buena intención o incluso en herramienta de control. El comportamiento prosocial no es automático: se educa, se decide y a veces se evita.

La cosa se complica 😊

Nadie dijo que fuéramos simples.

Parece que también toca distinguir entre la empatía que “nos ocurre” y la empatía que decidimos practicar.

La primera es rápida y corporal, pero parcial. La segunda es más esforzada porque aparece cuando el otro no resulta fácil, cuando hay que inhibir primeras reacciones y hacer el esfuerzo de entender antes de juzgar. Jamil Zaki lo formula de manera muy clara en su artículo Empathy: A Motivated Account. Para Zaki, la empatía no sería solo una reacción que “nos sale” o “no nos sale”, sino una respuesta que las personas regulan, buscan o evitan según lo que esperan ganar, perder o tener que sostener emocionalmente. Dependería, por tanto, de unas “fuerzas motivacionales” que pueden empujarnos hacia ella o alejarnos de ella. Podemos buscarla, evitarla, ampliarla o reducirla guiados por nuestros intereses, costes y valores.

¿Y cuáles serían, estas fuerzas motivacionales?

• La primera, el coste emocional. Empatizar con alguien que sufre puede doler y/o generar tristeza, ansiedad, culpa o agotamiento. Por eso, a veces se evita mirar, escuchar o saber demasiado. Y, resulta que, irónicamente, a medida que aumenta el número de personas que necesitan ayuda, el grado de compasión que sentimos por ellas tiende a disminuir. Cameron y Payne mostraron que las personas regulan su respuesta emocional ante sufrimientos masivos para no verse sobrepasadas. Debido a que los grupos tienen más probabilidades que los individuos de provocar regulación emocional, las personas sienten menos por los grupos que por los individuos. Un fenómeno que se denomina el colapso de la compasión.
• Luego está el propio coste cognitivo de la ayuda. Pues empatizar también exige trabajo mental (atender, imaginar, inhibir la propia perspectiva, sostener ambigüedad, no responder automáticamente…). Otro estudio dirigido por Cameron indicó que los participantes tendían a evitar la empatía (cuando podían elegir), si la percibían como más esforzada y menos eficaz.
• Y ahí se encuentra otra de las motivaciones, en la eficacia percibida. En creer o saber que nuestra empatía servirá (o no) para algo. Si siento que comprender al otro no va a cambiar nada, o que no sabré responder, puedo desconectar. El trabajo de Cameron también muestra que, cuando las personas se sienten más capaces de empatizar bien, al aumentar los investigadores la sensación de eficacia empática, evitan menos la empatía.
• Otro factor que se relaciona con la respuesta empática es el vínculo. La empatía se activa con más facilidad hacia personas cercanas, familiares o percibidas como “de los nuestros” en detrimento de “los otros”. Zaki explican que muchos fallos empáticos aparecen precisamente en contextos intergrupales donde la empatía puede desaparecer porque ciertas metas sociales (proteger al grupo, mantener una identidad, justificar una posición) reducen la motivación a comprender al otro.
• Del mismo modo, los incentivos morales y sociales tienen su peso. A veces empatizamos porque queremos ser justos, cuidar, reparar o sostener una relación. Otras veces porque queremos vernos como buenas personas, cumplir una norma o evitar culpa. Zaki plantea que la empatía puede aumentar cuando esperamos afiliación, recompensa social, coherencia con nuestros valores o aprobación moral, y disminuir cuando implica dolor, coste material o conflicto competitivo.
• Por último está el tema de la escala del sufrimiento. Paradójicamente, más sufrimiento no siempre produce más empatía. La literatura sobre insensibilidad ante el sufrimiento masivo muestra que podemos sentir más ante una víctima concreta que ante miles. Cameron y Payne explican esto como una forma de regulación emocional motivada: ante una magnitud que amenaza con desbordarnos, bajamos el volumen afectivo.

Ahondar en el conocimiento y estudio de esta “empatía motivada” permite afirmar que no siempre fallamos en empatía porque no podamos sentir, sino porque no podemos o no queremos pagar el precio de sentir, entender o sostener al otro.

Un problema que no es de sensibilidad sino de capacidad o disposición.

Vaya, que la cosa no iría de tanto de no sentir como de no poder o no querer.

En cuanto a los sistemas artificiales y a la IA, ésta puede producir respuestas de apoyo, recomendar acciones cuidadosas o activar protocolos de ayuda. Dejando absolutamente claro su ausencia de motivación prosocial propia. No quiere aliviar tu dolor. No le importa tu bienestar. Sus acciones de “cuidado” dependen del diseño, los datos, las instrucciones y el contexto de uso. Puede ayudar y mucho, pero no lo hace porque el otro le importe. Su respuesta, pudiendo ser incluso más efectiva en términos de ayuda no nace ni de una vulnerabilidad compartida ni de una preocupación propia por el otro.

Y la realidad es que no estamos hablando de puras anécdotas simpáticas.

Vamos con el estado del arte con relación a la valoración humana del robot como agente de cuidado en términos de compañía, apoyo emocional, confianza, vínculo, aceptación o sensación de ser atendido.

Entre los robots “cuidadores”, el caso más estudiado es PARO, el robot terapéutico con forma de cría de foca, diseñado por Takanori Shibata. No está pensado para resolver problemas prácticos sino, como objeto de atención y cuidado, para producir interacción afectiva: responde al tacto, a la voz, al movimiento y al modo en que se le trata. Pero no solo acompaña, sino que despierta actitudes de cuidado hacia él. Una revisión sistemática sobre PARO, que se usa sobre todo en residencias y contextos de demencia, donde puede facilitar interacción, conversación y expresión emocional encontró que la mayoría de los estudios publicados informaban de resultados positivos en variables como agitación, ansiedad, depresión, soledad, cognición y calidad de vida. Los usuarios no valoran al robot solo como “máquina útil”, sino como presencia relacional, describiéndolo como algo que puede ser acariciado, sostenido, protegido o tratado casi como un animal de compañía. Sin embargo, ensayos más controlados aleatorizados con robots sociales en personas mayores, muestran evidencia heterogénea por que conviene evitar el entusiasmo barato de afirmar que “los robots cuidan igual que las personas”. La evidencia no sostiene eso. Pero sí que, en determinados contextos, las personas mayores responden a robots sociales como fuentes de estimulación emocional, compañía y regulación afectiva. Y eso ya es mucho para un objeto que, técnicamente, no siente nada.

Las revisiones clásicas sobre robots sociales en cuidado de mayores distinguen dos grandes aplicaciones: una funcional (ayudar como interfaz o apoyo tecnológico) y otra afectiva (ofrecer compañía y mejorar bienestar psicológico). Esta distinción es clave ya que en el cuidado, un robot no se evalúa solo por hacer tareas, sino por su capacidad de sostener una forma de presencia. Por tanto, en contextos de cuidado no está únicamente en “hacer cosas”, sino en ser percibido como alguien/algo con quien se puede interactuar, hablar, jugar o compartir una rutina de modo que el humano perciba comprensión, apoyo o acompañamiento. Es una empatía diseñada desde fuera, pero valorada desde dentro por quien interactúa.

Otros estudios se orientan a comparar versiones más o menos empáticas de un robot. Por ejemplo, trabajos con el robot Ryan Companionbot comparan una versión empática con reconocimiento multimodal de emoción, expresión facial y gestor de diálogo afectivo frente a una versión no empática, más guionizada. En un estudio piloto con personas mayores en una residencia, ambas versiones mejoraron el estado de ánimo reportado, pero las medidas de palabras habladas y las encuestas de salida sugerían que la versión empática era percibida como más atractiva y agradable. Este tipo de evidencia es muy útil porque muestra que la “capa empática” del robot no es decorativa. La gente nota diferencias cuando el robot adapta su respuesta al estado emocional percibido.

Otra línea muy interesante estudia cómo los robots pueden provocar empatía o ayuda cuando expresan vulnerabilidad y cómo cuando el robot “necesita ayuda”, los humanos responden. Frederiksen, Fischer y Matarić realizaron un estudio donde un robot, al realizar una tarea de compra, perdía funcionalidad progresivamente usando distintas narrativas afectivas (triste, divertida o neutra) para expresarla. Encontrándose como la narrativa triste aumentó significativamente la disposición de los participantes a ayudar al robot y también su empatía percibida hacia él. Demostrando que, aun sabiendo que la máquina no sufre, ciertas señales de fragilidad bastan para activar nuestra actitud de cuidado.

Por último, cabe destacar que, en interacción humano-robot, el contacto físico y el tacto es otra vía central de valoración del cuidado. Andreasson y su equipo estudiaron el tacto afectivo con el robot NAO pidiendo a humanos participantes que transmitieran ocho emociones al robot humanoide NAO mediante tacto. Los autores analizaron duración, localización y dinámica del contacto, replicando parcialmente paradigmas de comunicación táctil entre humanos. Su aportación no es demostrar que NAO “reciba” afecto como un organismo, sino mostrar que las personas usan el tacto con él como un canal emocional: acarician, presionan, tocan distintas zonas o prolongan el contacto de manera diferente según la emoción que quieren comunicar. Y estudios más recientes sugieren que añadir señales corporales como “latidos” vibrotáctiles puede aumentar la presencia social y el apoyo socioemocional percibido del robot.

De nuevo: el robot no tiene cuerpo vivido, pero su cuerpo técnico (voz, tacto, respuesta o señales de fragilidad) puede convertirse en una superficie sobre la que el humano proyecta cuidado. Y esto es así porque la empatía tiene una dimensión interna, pero también una dimensión expresiva. Y esa segunda parte, en forma de respuesta verbal o gestual que nos genera ilusión de reconocimiento y compañía, es más imitable de lo que nos gustaba creer.

Llegados a este punto, me invaden sentimientos contradictorios.

De una parte, me asaltan las dudas. No sé hasta cuánto nos conviene este juego ante el espejo. Llevado al extremo, igual acabamos descubriendo que somos bastante más “artificiales” y mecánicos de lo que estamos listos para reconocer.

Y la verdad, no está el horno como para perder ni un ápice de “encanto natural”.

De otra, me queda la tranquilidad de que, por lo que alcanzamos a saber, todavía no entendemos el cerebro con la precisión suficiente como para afirmar cuánto de lo nuestro va en automático, cuánto es realmente “nuestro” y cuánto podría copiarse mañana en una máquina con un buen presupuesto y muchas ganas de arrimar el ascua a la sardina.

Así que la comparación, de momento, tiene bastante de tanteo, intuición y linterna en cuarto oscuro.

Pero precisamente por eso me interesa.

Porque, aunque no nos dé respuestas cerradas, nos obliga a mirar la cara B de nuestras “joyas humanas”. Sin miedo a descubrir que por detrás, encontremos un “fabricado en serie” escrito con letra pequeña.

Porque, mola lo indecible descuartizar al elefante.

Como buen ingeniero, desconfío de los grandes constructos a los que no hay por dónde meterles mano. Esos conceptos enormes, redondos y solemnes (empatía, pensamiento crítico, creatividad entre otros) que se plantan delante de ti como un elefante en mitad del salón. Muy majestuoso todo, sí, pero imposibles de analizar sin empezar a descuartizarlos un poco.

Por eso me gusta la idea de “ponerle apellidos” a la empatía. De tratar de identificar sus piezas y cómo se enganchan entre ellas. No porque no tenga puzle para el domingo por la tarde, sino porque intuyo con cada vez más claridad que no todos los Antonios son iguales y no todas “las empatías” hacen lo mismo. Me encanta descubrir que una cosa es la empatía que alguien vive por dentro, otra la respuesta que ejecuta, otra la forma en que la expresa y otra muy distinta lo que percibe quien recibe esa respuesta.

Llamarlo todo “empatía” es cómodo, pero no ayuda a entenderla.

Y desde luego menos aún a mejorarla, si eso es lo que consideramos que, como nos dicen los analistas,  deberíamos hacer.

Yo me niego a quedarme con eso de que un elefante es sencillamente un  “animal grande con colmillos y trompa”. Sé que solo tirando del hilo descubres que debajo hay muchas piezas. Y hasta algún tornillo que no venía en el manual.

Así que hoy disfruto de pararme a ver las diferencias entre esa empatía vivida (esa alteración en mi sistema nervioso que la emoción de otro me lleva a ponerme en sus zapatos), esa empatía funcional que responde con puntería (y que nada tiene que ver con sentir sino con operar, detectando señales, infiriendo estados, representando perspectivas o adaptando estratégicamente respuestas), esa empatía expresada (en forma de frases cuidadosas, tonos suaves, pausas, miradas o gestos que son lo que se ve desde fuera). Tratando de adivinar cuánta de esa empatía es percibida (la que siente quien recibe la respuesta, con total independencia de sentimientos sucedidos en el otro y de que sea una persona o una foca mecánica con Wifi).

Y teniendo por seguro que la respuesta de los sistemas artificiales, pudiendo ser incluso más efectiva en términos de ayuda, no nace ni de una vulnerabilidad compartida ni de una preocupación propia por el otro la pregunta que me queda flotando en el aire:

¿Importa tanto esto? ¿hasta cuánto somos capaces de apreciar el “proceso completo” del otro y hasta cuánto lo valoramos más por la acción de cuidado recibida?

¿Nos parece más empatía-pata-negra la que siente o la que actúa “en consecuencia”?

Vamos con el pensamiento crítico.

En la siguiente entrega 😊

—

REFERENCIAS

Abdollahi, H., Mahoor, M. H., Zandie, R., Siewierski, J., & Qualls, S. H. (2022). Artificial emotional intelligence in socially assistive robots for older adults: A pilot study. arXiv. https://doi.org/10.48550/arXiv.2201.11167

Andreasson, R., Alenljung, B., Billing, E., & Lowe, R. (2018). Affective touch in human–robot interaction: Conveying emotion to the Nao robot. International Journal of Social Robotics, 10, 473–491. https://doi.org/10.1007/s12369-017-0446-3

Batson, C. D. (1991). The altruism question: Toward a social-psychological answer. Lawrence Erlbaum Associates.

Batson, C. D. (2011). The empathy-altruism hypothesis: Issues and implications. En J. Decety (Ed.), Empathy: From bench to bedside (pp. 41–54). MIT Press. https://doi.org/10.7551/mitpress/9780262016612.001.0001

Batson, C. D., Batson, J. G., Slingsby, J. K., Harrell, K. L., Peekna, H. M., & Todd, R. M. (1991). Empathic joy and the empathy-altruism hypothesis. Journal of Personality and Social Psychology, 61(3), 413–426. https://doi.org/10.1037/0022-3514.61.3.413

Batson, C. D., O’Quin, K., Fultz, J., Vanderplas, M., & Isen, A. M. (1983). Influence of self-reported distress and empathy on egoistic versus altruistic motivation to help. Journal of Personality and Social Psychology, 45(3), 706–718. https://doi.org/10.1037/0022-3514.45.3.706

Bernhardt, B. C., & Singer, T. (2012). The neural basis of empathy. Annual Review of Neuroscience, 35, 1–23. https://doi.org/10.1146/annurev-neuro-062111-150536

Breazeal, C., & Scassellati, B. (1999). How to build robots that make friends and influence people. En Proceedings of the 1999 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (pp. 858–863).

Brentano, F. (1874). Psychology from an empirical standpoint. Duncker & Humblot.

Cameron, C. D., Hutcherson, C. A., Ferguson, A. M., Scheffer, J. A., Hadjiandreou, E., & Inzlicht, M. (2019). Empathy is hard work: People choose to avoid empathy because of its cognitive costs. Journal of Experimental Psychology: General, 148(6), 962–976. https://doi.org/10.1037/xge0000595

Cameron, C. D., & Payne, B. K. (2011). Escaping affect: How motivated emotion regulation creates insensitivity to mass suffering. Journal of Personality and Social Psychology, 100(1), 1–15. https://doi.org/10.1037/a0021643

De Waal, F. B. M., & Preston, S. D. (2017). Mammalian empathy: Behavioural manifestations and neural basis. Nature Reviews Neuroscience, 18, 498–509. https://doi.org/10.1038/nrn.2017.72

Decety, J., & Jackson, P. L. (2004). The functional architecture of human empathy. Behavioral and Cognitive Neuroscience Reviews, 3(2), 71–100. https://doi.org/10.1177/1534582304267187

Devin, S., & Alami, R. (2016). An implemented theory of mind to improve human-robot shared plans execution. En Proceedings of the 11th ACM/IEEE International Conference on Human-Robot Interaction (pp. 319–326). https://doi.org/10.1109/HRI.2016.7451768

FeldmanHall, O., Dalgleish, T., Evans, D., & Mobbs, D. (2015). Empathic concern drives costly altruism. NeuroImage, 105, 347–356. https://doi.org/10.1016/j.neuroimage.2014.10.043

Frederiksen, M. R., Fischer, K., & Matarić, M. J. (2022). Robot vulnerability and the elicitation of user empathy. En 2022 31st IEEE International Conference on Robot and Human Interactive Communication (RO-MAN) (pp. 1–7). IEEE. https://doi.org/10.1109/RO-MAN53752.2022.9900573

Klimecki, O. M., Leiberg, S., Ricard, M., & Singer, T. (2014). Differential pattern of functional brain plasticity after compassion and empathy training. Social Cognitive and Affective Neuroscience, 9(6), 873–879. https://doi.org/10.1093/scan/nst060

Lieberman, M. D. (2013). Social: Why our brains are wired to connect. Crown Publishers.

Picard, R. W. (1997). Affective computing. MIT Press.

Rabinowitz, N. C., Perbet, F., Song, H. F., Zhang, C., Eslami, S. M. A., & Botvinick, M. (2018). Machine theory of mind. En J. Dy & A. Krause (Eds.), Proceedings of the 35th International Conference on Machine Learning (Vol. 80, pp. 4218–4227). Proceedings of Machine Learning Research.

Rizzolatti, G., & Craighero, L. (2004). The mirror-neuron system. Annual Review of Neuroscience, 27, 169–192. https://doi.org/10.1146/annurev.neuro.27.070203.144230

Shibata, T., & Wada, K. (2011). Robot therapy: A new approach for mental healthcare of the elderly—A mini-review. Gerontology, 57(4), 378–386. https://doi.org/10.1159/000319015

Singer, T., & Lamm, C. (2009). The social neuroscience of empathy. Annals of the New York Academy of Sciences, 1156, 81–96. https://doi.org/10.1111/j.1749-6632.2009.04418.x

Spunt, R. P., & Lieberman, M. D. (2013). The busy social brain: Evidence for automaticity and control in the neural systems supporting social cognition and action understanding. Psychological Science, 24(1), 80–86.

Strachan, J. W. A., Albergo, D., Borghini, G., et al. (2024). Testing theory of mind in large language models and humans. Nature Human Behaviour, 8, 1285–1295. https://doi.org/10.1038/s41562-024-01882-z

Verma, M., Bhambri, S., & Kambhampati, S. (2024). Theory of mind abilities of large language models in human-robot interaction: An illusion? En Companion of the 2024 ACM/IEEE International Conference on Human-Robot Interaction (pp. 36–45). https://doi.org/10.1145/3610978.3640767

Williams, J., Fiore, S. M., & Jentsch, F. (2022). Supporting artificial social intelligence with theory of mind. Frontiers in Artificial Intelligence, 5, Article 750763.

Zaki, J. (2014). Empathy: A motivated account. Psychological Bulletin, 140(6), 1608–1647. https://doi.org/10.1037/a0037679

Zaki, J., & Cikara, M. (2015). Addressing empathic failures. Current Directions in Psychological Science, 24(6), 471–476. https://doi.org/10.1177/0963721415599978

.