Por Dylan Walsh a prevalencia de las enfermedades mentales, que afecta a casi uno de cada cinco adultos estadounidenses, ha creado un aumento en la demanda insatisfecha. El apoyo entre pares, en el que los voluntarios ofrecen ayuda inmediata a través de la escucha empática, se ha convertido en un complemento prometedor para el tratamiento profesional. Si bien este enfoque informal permite un apoyo inmediato y accesible, también presenta desafíos únicos para preparar a los partidarios para su función. A diferencia de los programas de capacitación estructurados que se encuentran en profesiones como la psicoterapia o la medicina, los consejeros de pares a menudo comienzan con mucha menos preparación. Para aprovechar todo el potencial del apoyo entre pares, es crucial equipar a los voluntarios con recursos sólidos y oportunidades de desarrollo continuo. En un nuevo documento de trabajo aceptado en la conferencia de la Asociación de Lingüística Computacional de 2024, investigadores de Stanford, Carnegie Mellon y Georgia Tech presentan un modelo basado en IA que ofrece retroalimentación a los consejeros novatos para mejorar su capacidad de ayudar a otros necesitados. El proyecto se basa en una asociación única entre el científico informático de Stanford Diyi Yang y el psicólogo de Stanford Bruce Arnow, ambos autores del artículo, que recibió el apoyo del Instituto de Stanford para la IA Centrada en el Ser Humano. "La colaboración interdisciplinaria fue esencial para llevar a cabo este proyecto", dice Arnow. "La IA tiene un enorme potencial para ayudar a mejorar tanto la calidad como la eficiencia de la formación en psicoterapia, pero la comunidad de la salud mental no está bien equipada para desarrollar un modelo de formación asistida por IA y la comunidad de ciencias de la computación no se basa en habilidades de intervención de asesoramiento. Formar un equipo con ambas disciplinas nos permitió progresar en esta nueva y emocionante área de investigación". Definición de una buena retroalimentación El primer paso en el proyecto fue trazar lo que constituye una retroalimentación útil y cómo ofrecerla a los nuevos consejeros pares. Los investigadores trabajaron con tres psicoterapeutas de Stanford para desarrollar un modelo realista y práctico de buena retroalimentación. "El objetivo era pensar en qué tipo de errores suelen cometer los consejeros novatos y qué tipo de consejos pueden ayudarles a aprender", dice Alicja Chaszczewicz, estudiante de doctorado en ciencias de la computación en Stanford y coautora del artículo. Al trabajar con supervisores de consejería, el equipo de investigación desarrolló un marco para proporcionar tres piezas de información para cualquier intercambio dado: una definición clara de lo que el consejero debería tratar de entender de la conversación; sugerencias para mejorar la respuesta del orientador (más empatía, más profesionalismo, mejores preguntas, etc.); y una respuesta sugerida específica que se alinee mejor con las preocupaciones que se expresan y el objetivo de la conversación. El modelo también puede dar un refuerzo positivo si los consejeros dan una buena respuesta. Con este marco de retroalimentación en mente, los investigadores recopilaron un conjunto de datos de retroalimentación dada en 400 conversaciones diferentes de apoyo emocional. Cada expresión del conjunto de datos recibió comentarios anotados: GPT-4 escribió un primer borrador y dos expertos en el dominio decidieron las ediciones finales. Este conjunto de datos proporcionó una realidad fundamental de alta calidad sobre la cual ajustar un modelo para generar automáticamente retroalimentación que refleje lo que los supervisores de asesoramiento proporcionarían a sus aprendices. "El objetivo principal era asegurarnos de minimizar la mala retroalimentación del modelo", dice Ryan Louie, investigador postdoctoral en Stanford y coautor del artículo. Para garantizar esto, crearon un innovador proceso de autoevaluación en el que el modelo alimenta sus comentarios propuestos en su propio marco para confirmar si la sugerencia se alinea con los objetivos de la conversación. "Básicamente, se estaba revisando a sí mismo para mitigar la posibilidad de que estuviera dando malos consejos". El modelo resultante, según los expertos humanos que revisaron sus resultados, es una herramienta valiosa para entrenar a los consejeros que no tienen mucha capacitación formal. Capacitación de consejeros mediante el modelo de retroalimentación A medida que el equipo explora cómo este modelo de retroalimentación puede empoderar a los ayudantes en formación, su objetivo es centrarse en entornos en los que la supervisión directa e individualizada puede ser limitada. Una aplicación inicial prometedora podría ser en entornos educativos donde los instructores enfrentan desafíos para proporcionar una supervisión detallada en cada conversación de asesoramiento. El modelo de retroalimentación podría mejorar significativamente esta experiencia al ofrecer recordatorios del objetivo de una parte específica de la conversación y cómo la respuesta de un consejero podría alinearse mejor con el objetivo. Esta retroalimentación detallada puede ofrecer una perspectiva adicional, complementando las discusiones periódicas que los compañeros de clase y los instructores tienen entre sí. Sin embargo, lo ideal es que el modelo de retroalimentación sea útil en entornos sin tanto apoyo directo. Una posibilidad que mencionaron los investigadores es un entorno de formación en el que los consejeros novatos participen en la conversación práctica con pacientes con IA, y luego estas conversaciones sean revisadas por el modelo. Esta sería una "caja de arena segura", en palabras de Louie, donde los consejeros novatos podrían practicar por su cuenta y recibir comentarios sobre sus habilidades de asesoramiento mientras evitan las preocupaciones de privacidad: "es posible que no desee o no pueda analizar los datos de pacientes reales", dice Louie. También permitiría a los consejeros experimentar, cometer errores y, en última instancia, estar más preparados antes de ser responsables de ayudar a las personas reales que lo necesitan. Pero el objetivo más amplio es que esta herramienta esté disponible para su uso a gran escala y ofrecer a los alumnos otro recurso de aprendizaje. "De ninguna manera estamos tratando de reemplazar el proceso de supervisión clínica, que es muy complejo", dice Chaszczewicz. "Estamos tratando de imitar esta parte y, de esa manera, proporcionar una herramienta pedagógica y una herramienta práctica para apoyar a las organizaciones que no tienen suficientes instructores para dar retroalimentación a sus consejeros".