--- schema_version: "1.0.0" id: "cognitive-resonance-model:es:chapter-14" work_id: "urn:systemstheology:book:cognitive-resonance-model:chapter:chapter-14" book_id: "cognitive-resonance-model" chapter_id: "uso-digital-y-asistido-por-ia" chapter_slug: "chapter-14" title: "Uso digital y asistido por IA" book_title: "Modelo de Resonancia Cognitiva" language: "es" source_language: "en" translation_status: "translation" authors: ["Systems Theology"] editorial_owner: "Systems Theology" editors: [] review_status: "not_specified" reviewers: [] content_version: "content-b307eb9294b9" content_hash_sha256: "b307eb9294b931ca6dcc7d9f8bedfaa43364eeebf1dcc6d2f2419cc34c40fe96" published_at: "2026-07-15T21:14:45.000Z" modified_at: "2026-07-15T23:50:19.254Z" canonical_url: "https://systemstheology.com/es/library/cognitive-resonance-model/chapter-14/" markdown_url: "https://systemstheology.com/research/books/cognitive-resonance-model/es/chapter-14.md" license: "All rights reserved; research use subject to the Use Policy" license_url: "https://systemstheology.com/use-policy/" correction_url: "https://systemstheology.com/es/library/cognitive-resonance-model/chapter-14/#chapter-comments" --- # Uso digital y asistido por IA Desarrolladores de herramientas, investigadores, instituciones y usuarios de IA. usar apoyo digital sin externalizar el juicio, el cuidado, la verificación ni la rendición de cuentas. La misma estructura que hace utilizable el modelo también lo vuelve atractivo para automatizarlo. Las herramientas de diario, los flujos de mentoría, las ayudas para conversaciones pastorales, los sistemas de revisión posterior a la acción y las indicaciones reflexivas de bajo riesgo podrían beneficiarse de preguntas de campo estables y fáciles de retomar. Los sistemas de IA pueden ayudar a esbozar campos posibles: error de predicción, brecha de significado, confianza en la fuente, capacidad y agencia. Pero es precisamente aquí donde el protocolo debe ser estricto. Un resultado pulcramente ordenado puede seguir siendo erróneo, incompleto, coercitivo o demasiado seguro. Revisiones recientes de los modelos de lenguaje de gran tamaño en salud mental subrayan tanto su promesa como sus riesgos graves: estándares débiles de evaluación, poblaciones objetivo poco claras, inquietudes sobre seguridad y daños, privacidad, rendición de cuentas, antropomorfización, dependencia y manejo de crisis. [^uso-digital-y-asistido-por-ia-1] Trabajos comparativos recientes en psiquiatría también refuerzan la necesidad de una evaluación específica para cada tarea, no de confianza general. Una investigación de 2026 sobre la calidez de los modelos informó de una tensión entre exactitud y adulación que es directamente pertinente aquí: una respuesta puede parecer más comprensiva mientras pierde fidelidad a la verdad. [^uso-digital-y-asistido-por-ia-2] Por esa razón, toda herramienta CRM digital debería incluir: - alcance claro: apoyo para la reflexión, no terapia salvo que haya sido probada clínicamente y regulada; - controles de privacidad y conservación de datos; - vías de escalamiento ante crisis y autolesión; - advertencias sobre abuso y coerción que prioricen la protección por encima de la interpretación; - revisión humana para presión amarilla y roja; - prevención de afirmaciones espirituales o terapéuticas excesivas; - evaluación de sesgo, alucinación, dependencia y consejos dañinos. El uso más seguro de la IA es estructurado y modesto. La herramienta debe ralentizar la conversación, no cerrarla. Debe producir campos candidatos, no conclusiones: > Posible error de predicción: ... Posible brecha de significado: ... Preguntas sobre la fuente: ... Advertencias de capacidad: ... Posibles acciones siguientes: ... Se necesita revisión humana porque: ... El usuario o ayudante humano responsable debe seguir siendo el intérprete. La IA puede ayudar a ordenar, pero no debe convertirse en la fuente de verdad, el juez de la capacidad ni la autoridad que cierra el marco de significado. [^uso-digital-y-asistido-por-ia-1]: Véase A scoping review of large language models for generative tasks in mental health care, npj Digital Medicine, https://www.nature.com/articles/s41746-025-01611-4; Exploring the Ethical Challenges of Conversational AI in Mental Health Care, JMIR Mental Health, https://mental.jmir.org/2025/1/e60432/; WHO, Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models, https://www.who.int/publications/i/item/9789240084759. [^uso-digital-y-asistido-por-ia-2]: Véase PsychiatryBench: a multi-task benchmark for LLMs in psychiatry, npj Digital Medicine (2026), https://www.nature.com/articles/s41746-026-02582-w; and Training language models to be warm can reduce accuracy and increase sycophancy, Nature (2026), https://www.nature.com/articles/s41586-026-10410-0.