Psicologia y Tecnologia Edicion III

Psicología y Tecnología

SOCIEDAD Y REDES

HOSTIGAMIENTO Y CIBERACOSO

Odio y hostigamiento en internet

Ciberacoso de ex-parejas

SOLUCIONES

Difusión y aporte social

Difusión digital para la salud mental

Artículos de interés

SALUD MENTAL Y DIGITALIZACIÓN

Desadaptación y crisis

Pantallas y desadaptación preescolar.

Inteligencia artificial y suicidio

Y TRABAJO

Productividad y talento TECNOLOGÍA

Inteligencia artificial y productividad

Inteligencia artificial y selección de talentos

REVISTA PSICOLOGÍA & TECNOLOGÍA. EDICIÓN NÚMERO 3, MARZO 2026

FACULTAD DE PSICOLOGÍA UNIVERSIDAD DEL DESARROLLO

Comité Editorial

Marcela Aravena

Nora Kusch

Daniela Sannino

Editor General

Pablo Cea González

Editora técnica:

Consuelo Castillo

Comité Ejecutivo

Carlos Burgos

Flavia Bennett

Paulina Sanchez

Sergio Arias Lagos

Juan Francisco Robles Sanzana

Alejandra Mosso Bustos

Carlos del Valle Ortiz

Catherine Vallejos Hidalgo

Cristián Benavente Gallegos

Felipe Parra Muñoz

Diseño y Diagramación

José Ignacio Cea. Correo: joseceart@gmail.com

Fotografía

Licencia comercial Freepik Company.

Imágenes generadas por inteligencia artificial Midjourney Y Chat GPT autorizadas para uso comercial.

01 SOCIEDAD Y REDES

Hostigamiento y ciberacoso

Odio y hostigamiento en internet...................................10

Modelos cognitivos que explican el odio en internet: una revisión sistemática

Ciberacoso de ex-parejas................................................36

Violencia Invisible: Ciberacoso de Ex-parejas y sus Repercusiones Clínicas en Adultos Jóvenes

Desadaptación y crisis

Pantallas y desadaptación preescolar...........................58

Uso de pantallas y su asociación con el desempeño adaptativo social en preescolares con autismo.

Inteligencia artificial y suicidio.......................................94

Inteligencia Artificial en la Prevención del Suicidio: Juegos de Rol y Feedback Automático para Entrenamiento de Contención Emocional durante Crisis

03 TECNOLOGÍA Y TRABAJO

Productividad y talento

Inteligencia artificial y productividad..........................110

Relación entre uso de inteligencia artificial y productividad laboral percibida en una empresa multinacional en Chile

Inteligencia artificial y selección de talentos.............142

Inteligencia artificial generativa en procesos de selección: beneficios, límites y dilemas éticos en su implementación organizacional

Difusión y aporte social

Difusión digital para la salud mental...........................170

Links infografías

Artículos de interés......................................................172

Links papers

EDITORIAL

La relación entre psicología y tecnología es una realidad que transforma nuestra manera de comprender e intervenir en el mundo. El acelerado desarrollo de la inteligencia artificial, la digitalización y el uso de entornos virtuales, nos desafía a integrar estas herramientas a nuestro quehacer como formadores desde una ética científica y de responsabilidad social.

Esta edición de Psicología & Tecnología refleja ese compromiso, mostrando cómo estudiantes y docentes analizan y aplican avances tecnológicos para comprender y resolver problemáticas concretas, integrando rigurosidad, sensibilidad social y vocación de impacto.

Los artículos proponen una visión reflexiva que aborda temas relacionados con inclusión, accesibilidad, salud mental, innovación organizacional y uso de inteligencia artificial en investigación y soluciones, con proyectos que buscan intervenir y ofrecer respuestas a necesidades reales de comunidades.

Como Facultad de Psicología, creemos que formar profesionales en el siglo XXI requiere pensamiento crítico, competencia tecnológica y responsabilidad social. Esta revista es un espacio de difusión que conecta universidad, innovación y bienestar, invitando a los lectores a explorar estos trabajos con curiosidad analítica.

Confiamos en que este diálogo con la tecnología contribuirá a fortalecer una psicología que promueva entornos más inclusivos, justos y humanos.

Daniela Sannino Berríos

Directora de Carrera Facultad de Psicología

Universidad del Desarrollo

Sede Santiago, dsannino@udd.cl

Nora Kusch Mattig

Directora de Carrera Facultad de Psicología

Universidad del Desarrollo

Sede Concepción, nkusch@udd.cl

SOCIEDAD Y REDES

HOSTIGAMIENTO Y CIBERACOSO

Odio y hostigamiento en internet, Ciberacoso de ex-parejas

Odio y hostigamiento en internet

Modelos cognitivos que explican el odio en internet: una revisión sistemática

Seminario de Habilitación Profesional Nombre estudiante: Diego Oporto Herrera. Sede: Santiago.

revisión sistemática, modelos odio en redes sociales, discurso PALABRAS CLAVE

modelos cognitivos, discurso de odio.

RESUMEN

Objetivo: Sintetizar la literatura científica disponible para comprender los modelos cognitivos utilizados para abordar la emisión de odio y hostigamiento en internet.

Metodología: se realizó una revisión sistemática siguiendo las directrices PRISMA 2020. Se realizó una búsqueda exhaustiva en bases de datos, las cuales fueron PubMed/MEDLINE, Web of Science, EBSCO, Scielo y PsycINFO. Se seleccionaron 16 artículos que cumplieron con los criterios de inclusión (cuantitativos, cualitativo y un mixto).

Resultados: el análisis de resultados revela que variables como la desconexión moral, rasgos de personalidad y orientación a la dominación social son predictores significativos del odio en línea. Se identificó un predominio de diseños transversales (n=8) y estudios de autoinforme, lo que otorga un nivel de certeza moderado a la evidencia causal. Por otra parte, los estudios cualitativos y de corpus linguistico aportan profundidad sobre las estrategias discursivas de deshumanización.

Conclusiones: la prevalencia de estudios indica que los mecanismos de justificación moral facilitan la agresión sin culpa, además que los estudios transversales limitan la capacidad de establecer inferencias causales robustas, lo que se sugiere la necesidad de futuras investigaciones longitudinales y transculturales.

INTRODUCCIÓN

En los últimos años, con el auge de las redes sociales, se ha transformado completamente la manera de comunicación interpersonal. Sin embargo, este entorno digital, que debería tener como finalidad favorecer la participación, la cercanía, el diálogo y la inclusión de las personas, se ha convertido también en un espacio donde proliferan discursos de odio que reproducen y amplifican formas de discriminación. Lo más preocupante, es que muchos de estos ataques no se limitan a insultos puntuales, sino que producen un impacto profundo en la autoestima y salud mental (Caja López et al., 2025).

Es así, que, con el desarrollo tecnológico, la producción, la difusión de mensajes de odio y hostigamiento en plataformas digitales y redes sociales ha cobrado relevancia, normalizándose con frecuencia el uso de estos espacios para la propagación de contenidos violentos y discriminatorios (Gamback & Sikdar, 2017). Este fenómeno se ha conceptualizado como “el odio en redes sociales”, definido como: cualquier mensaje que menosprecie a una persona o grupo de personas sobre la base de características como la raza, el color, origen ético, género, orientación sexual, nacionalidad, religión o afiliación política (Zhang & Luo, 2018, p.2). En la Unión Europea (UE), el 80% de las perso-

nas han experimentado mensajes de odio en línea y el 40% se han sentido atacados o amenazados a través de sitios en redes sociales (Gagliardone et al., 2015).

Investigaciones como las de Wachs et al. (2020), señalan que la involucración en dinámicas de odio online incrementa significativamente la vulnerabilidad a padecer secuelas físicas y psicológicas. Asimismo, Castaño-Pulgarín et al. (2021), han documentado que las víctimas de odio en línea presentan mayores niveles de ansiedad, depresión, estrés percibido y baja autoestima, así como síntomas de rumiación e insomnio.

Igualmente, el hostigamiento digital se asocia con cambios conductuales como aislamiento social, disminución del rendimiento laboral o académico y aumento de conductas de riesgo, incluyendo el consumo de alcohol y drogas (Barlett, 2021). A nivel físico, aunque el odio virtual no produce daños corporales directos, su impacto psicológico crónico puede manifestarse en somatizaciones, problemas gastrointestinales, fatiga crónica y alteraciones cardiovasculares derivadas de la activación prolongada del sistema de estrés (Mukred, et al., 2024). En casos más graves, puede obser-

varse que la victimización reiterada en línea se relaciona con la ideación suicida y las autolesiones, especialmente entre adolescentes y jóvenes (Pluta, et al., 2023). En conjunto, estos hallazgos nos pueden indicar que el odio en redes sociales abarca diferentes ejes que trascienden el plano digital.

Es a partir de lo anterior, que resulta relevante sintetizar información que aborde la emisión de odio en internet, ya que aquello genera consecuencias perjudiciales, no solo para las víctimas, como se mencionó anteriormente, sino también para los propios emisores de dicho odio, quienes presentan mayor probabilidad de problemas emocionales, de regulación de ira, e incluso repercusiones sociales y legales (Wachs, et al., 2020; Kowalski et al., 2014). El presente estudio realiza una revisión siste-

mática, que sintetiza la evidencia de múltiples estudios, mediante un proceso que es explícito y transparente para responder a la siguiente pregunta de investigación: ¿qué modelos cognitivos han sido identificados en la literatura científica para explicar los procesos mentales subyacentes a la emisión de discursos de odio y conductas de hostigamiento por parte de usuarios en plataformas en redes sociales?

OBJETIVOS

Con el fin de responder la pregunta de investigación y ofrecer un resumen riguroso de la evidencia existente, se establece el siguiente objetivo general:

Objetivo general:

“Sintetizar la literatura científica disponible para identificar los modelos cognitivos utilizados para abordar la emisión de odio y hostigamiento en internet”. A partir de este objetivo general, el cual pretende abordar en su totalidad la revisión sistemática atingente y rigurosa, surgen los siguientes objetivos específicos:

Objetivos específicos:

1) Indagar qué modelos cognitivos se han utilizado para el estudio del odio y hostigamiento en redes sociales.

2) Categorizar los hallazgos de la literatura seleccionada según su procedencia geográfica, temporalidad e idioma de publicación.

3) Evaluar el alcance metodológico de los estudios incluidos, identificando sus diseños y herramientas de recolección de datos.

4) Detectar vacíos de conocimiento y proponer orientaciones para futuras investigaciones.

METODOLOGÍA

Esta revisión sistemática de literatura provee fundamentación y consolidación de un resumen sobre las publicaciones realizadas en determinado campo de estudio. Tiene como principales propósitos definir conceptos que sean de relevancia, sintetizar evidencia, identificar metodologías utilizadas previamente y distinguir los vacíos en investigación sobre el área de interés (Backer, 2016).

La revisión sistemática se desarrolló siguiendo las directrices PRISMA 2020 (Page et al., 2021), (Preferred Reporting Items for Systematic Reviews and Meta-analyses). Se llevó a cabo una búsqueda sistemática en diversas bases de datos con el propósito de identificar la mayor cantidad posible de estudios pertinentes. Las bases de datos utilizadas fueron PubMed/MEDLINE, Web of Science, EBSCO, Scielo y PsycINFO, además se utilizó el motor de búsqueda Google Scholar, llevándose a cabo desde el 1 de septiembre del 2025 hasta el 30 de noviembre de 2025, con el fin de sistematizar de manera organizada la evidencia encontrada.

Criterios de elegibilidad:

Con el objetivo de pesquisar la pertenencia de los estudios incluidos a este trabajo, se establecieron los siguientes criterios de inclusión y exclusión.

Criterios de inclusión:

1) Investigaciones: estudios empíricos, incluyendo ensayos clínicos, estudios de cohorte, estudios longitudinales y transversales, que aborden sobre modelos cognitivos utilizados para explicar la emisión de odio u hostigamiento en redes sociales.

2) Población: individuos que pasen tiempo en redes sociales, que hayan participado de manera directa o indirecta en discurso hostil en internet. Se consideran personas de cualquier rango etario y ubicación geográfica.

3) Idioma: español, inglés.

4) Período de publicación: dado a que el odio en redes sociales es un fenómeno estudiado recientemente, los estudios considerados van desde 2013 hasta el 2025.

Criterios de exclusión:

1) Revisiones narrativas, editoriales, cartas al editor o estudios sin acceso a texto completo

2) Enfoque temático: estudios centrados de manera exclusiva y unilateral en las consecuencias de las víctimas sin considerar la perspectiva de los emisores del odio u hostigamiento en internet.

3) Investigaciones que no declaren en su estudio haber participado en un comité de ética.

Estrategias de búsqueda:

La búsqueda sistemática se ejecutó mediante la combinación de términos libres y descriptores (MeSH/DeCS), estructurada a través de la aplicación de los operadores booleanos OR y AND. La cadena de búsqueda se diseñó vinculando dos bloques conceptuales fundamentales:

Bloque de modelos cognitivos: se utilizaron los términos (“modelos cognitivos” OR “cognitive model”) para capturar los marcos teóricos de interés.

Bloque de fenómeno de estudio: se emplearon los términos (“odio en redes sociales” OR “online hate” OR “hate speech”) para identificar las conductas de hostigamiento digital.

Proceso de selección de estudio:

La selección de los estudios se llevó a cabo mediante un procedimiento por etapas, conforme a los criterios de elegibilidad definidos para esta investigación.

Etapa inicial: se examinó de manera individual los títulos y resúmenes de todos los estudios obtenidos en la búsqueda, con el propósito de identificar aquellos que podrían ser relevantes, aplicando los criterios anteriormente establecidos.

Revisión del texto completo: estudios que resulten preseleccionados, fueron analizados íntegramente para confirmar su correspondencia con los criterios de inclusión.

En cada fase del proceso, se registró el número total de estudios evaluados, las razones de exclusión y cantidad final de estudios incorporados, siguiendo el esquema del diagrama de flujo PRISMA 2020 (Page et al., 2021). Aunque la revisión fue realizada por un solo investigador, se utilizó un protocolo previamente definido y se mantendrá un registro exhaustivo de las decisiones tomadas en relación con la inclusión o exclusión de estudios, con el fin de asegurar la transparencia y la posibilidad de replicación del proceso.

Proceso de extracción de datos:

La recolección de datos fue efectuado por el investigador responsable, siguiendo un protocolo preestablecido y empleando un formato estandarizado, el cual está basado en los lineamientos de la declaración PRISMA 2020. Dicho protocolo fue definido antes de la búsqueda. Siguiendo con lo anterior, se recopilará la siguiente información:

· Autor, año de publicación.

· Tipo de diseño (características metodológicas).

· Modelos cognitivos utilizados. Si bien, la extracción se llevó a cabo por un investigador, se aplicó una metodología sistemática y rigurosa que minimice posibles sesgos y asegure la reproducibilidad del estudio.

“el análisis de resultados revela que variables como la desconexión moral, rasgos de personalidad y orientación a la dominación social son predictores significativos del odio en línea.”

RESULTADOS

Identificación de estudios a través de bases de datos

Estudios identificados en bases de datos (n=113)

- Google Scholar (79)

- Web Of Science (n=12)

- EBSCO (n=16)

- PubMed (n=5)

- Scielo (n=1)

Resultados de la primera revisión (n=110)

Estudios evaluados para elegibilidad (n=17)

Artículos incluidos en la revisión (n=16)

Cumple con los criterios de inclusión

Estudios eliminados duplicados (n=3)

Estudios excluidos (93) No responde a la pregunta de investigación (n=90)

Artículos sin acceso completo (n=3)

Estudios excluidos No relacionado con la temática (n=1)

Figura 1: Diagrama de flujo PRISMA 2020 del proceso de selección de estudios

Se sintetizaron 16 artículos que cumplieron con los criterios de inclusión de esta revisión. El resumen de las características de estos estudios se presenta en la tabla 1, ubicada en la sección Anexos.

Para una mejor comprensión, los resultados fueron organizados en tres categorías: a) lugar, año e idioma de publicación, b) alcances metodológicos y c) objetivos.

Lugar, año e idioma de publicación

En cuanto a la distribución geográfica, se observa una diversidad que abarca una predominancia realizada en Europa (n = 9), destacándose estudios en Chipre (n = 2), Alemania y Suiza (n = 1), Polonia (n = 1) y otros contextos como Bélgica, Serbia e Italia (n = 6). Le sigue el continente asiático, representado por estudios realizados en China (n = 4), además de identificar estudios provenientes de África, especialmente en Nigeria (n = 2). Por último, se destaca artículo de Argentina (n = 1), observándose la presencia de Sudamérica en el estudio de este fenómeno. Entre el 2019 y 2025, fue el principal período de los artículos publicados, constituyendo 14 estudios que corresponden al 87% del total de artículos analizados. Mientras que solo 2 estudios corresponden al período 2017 y 2018, representando al 13% del total de los artículos. Frente al idioma de publicación, la mayoría de los artículos (n = 15) fueron publicados en inglés, mientras que un artículo fue publicado al español (n = 1).

Alcance metodológico de los estudios

El análisis de las características metodológicas de estos estudios, muestra una importante heterogeneidad metodológica que se divide en tres bloques.

El primer bloque, está constituido por estudios cuantitativos y correlacionales (n = 8), los cuales emplearon diseños transversales basándose en cuestionarios de autoinforme. Estos estudios se enfocaron en medir la prevalencia del discurso de odio, correlacionándolos con rasgos de personalidad (psicopatía o insensibilidad emocional) y mecanismos sobre desconexión moral. Las muestras de estos estudios estuvieron compuestas principalmente, de estudiantes adolescentes y universitarios, abarcando poblaciones de China (Gao, et al., 2020; Wang & Ngai, 2020), Polonia (Sorokowski et al., 2020), Alemania y Suiza (Castellanos, et al., 2024).

El segundo bloque, se compone principalmente de estudios cualitativos discursivos (n = 7), que utilizaron metodologías de Análisis Crítico del Discurso, utilizando un conjunto de datos o textos de un mismo tipo y enfoques sociocognitivos. A diferencia del bloque anterior, estos estudios no analizaron sujetos individuales, sino corpus de texto extraídas de plataformas digitales (como Facebook, X/Twitter, entre otros), enfocándose en la elaboración del contexto de la pragmática y semántica del odio en contextos políticos y religiosos. Geo-

gráficamente, estos estudios aportaron datos de regiones que presentaban una alta tensión sociopolítica, como Nigeria (Ayansola, 2021; Idowu et al., 2025) y Chipre (Baider, 2018).

Por último, el tercer bloque, se identificó con un único estudio de carácter mixto/experimental (n = 1), que buscó realizar una triangulación para el análisis sociolingüístico con medidas psicofisiológicas, evaluando las respuestas emocionales ante el discurso de odio (Baider & Anaxagorou, 2022).

“El odio y hostigamiento en redes sociales no constituye un fenómeno aislado, sino la manifestación de una compleja constelación de dimensiones psicológicas, sociales y tecnológicas que convergen en la interacción virtual desafiando la humanización del vínculo, dificultando la interacción social en un espacio de reconocimiento y respeto mutuo.”

Objetivos y resultados: modelos cognitivos utilizados

Con el fin de dar respuestas a la interrogante de investigación y dar un cumplimiento a los objetivos propuestos, los hallazgos de esta revisión sistemática permiten sintetizar los modelos cognitivos que explican el odio en internet. Los resultados identificados se articulan principalmente en torno a la interacción entre variables individuales y dinámicas de grupo. El modelo predominante identificado en la literatura es la Teoría de la desconexión moral. Esta funciona como el mediador central que permite reestructurar cognitivamente las actuaciones dañinas para evitar la culpa, facilitando que rasgos como la insensibilidad emocional derive en ciberacoso (Castellanos et al., 2024; Gao et al., 2020). La hipótesis fundamental en esta línea sostiene que las características del espacio digital general propician la desconexión moral al disminuir el ejercicio de autocontrol del usuario. Argumentando que para que una persona pueda regularse, debe entender el entorno digital donde interactúa y al ser la comunicación virtual ambigua, no permite ver el sufrimiento de quien es agredido, lo que rompe este proceso (Moretti & Herkovits, 2024).

Otro modelo utilizado es la Teoría General de Frustración de Robert Merton, revisada por Robert Agnew, muestra los efectos sociales en el ejercicio del odio y hostigamiento en redes

sociales (Paez, 2018; Patchin; Hiduja, 2011). Esta teoría sostiene que la tensión derivada de la discrepancia entre aspiraciones individuales y las oportunidades reales puede conducir a conductas de odio como un mecanismo para mitigar estados afectivos negativos. Bajo este enfoque, la investigación se centra en tres detonantes principalmente: en primer lugar, el fracaso en el logro de metas valoradas positivamente, seguido por la pérdida de estímulos con valor positivo y por último la presencia a estímulos negativos. Asimismo, el modelo propone que la probabilidad de emitir odio está mediado por cinco esferas (personal, familiar, académica, de pares y laboral), donde la capacidad de autorregulación emocional del individuo resulta determinante para inhibir o activar la respuesta transgresora (Moretti & Herkovits, 2024).

Estudios de Choi y Kruis (2019), Jang (2014) y Patchin e Hinduja (2011) lograron identificar la relación entre perpetrar odio en redes sociales, con niveles altos de estrés motivado por experiencias de enojo y frustración, estados que puede agravarse ante una precaria satisfacción en los vínculos familiares, el rechazo de los pares y una percepción negativa del entorno escolar.

Complementariamente, el modelo general de agresión (GAM) reveló que el odio puede darse como una interacción dinámica, donde la opinión pública hostil en redes sociales actúa como detonante situacional activando predisposiciones agresivas latentes (Son et al., 2019). Esta perspectiva de investigación se enfoca en el análisis de los esquemas cognitivos del odio emitido en redes sociales, a través de tres ejes fundamentales: por una parte, los factores de entrada (inputs), que integran variables individuales (eficacia tecnológica, demografía, estados psicológicos y los valores personales), y situacionales (clima escolar, provocación del evento, oportunidades ambientales o limitantes para emitir odio y la influencia de los pares); seguido por el impacto de estos factores en el estado interno del sujeto mediante dimensiones cognitivas, afectivas, la activación biológica; y finalmente, los procesos de evaluación y elección que culminan en la manifestación de toma de decisiones o comportamientos agresivos (outputs) (Moretti & Herkotvits, 2024).

A partir de este modelo se desprende la teoría de Barlett (2017), la cual plantea que la agresión ejercida en redes sociales puede facilitar modelos de aprendizaje. Esto se debe a que el anonimato, la irrelevancia de las diferencias físicas, la ausencia de señales visibles del daño en la víctima, la evitación del impacto de la agresión y la baja probabilidad de sanción pueden reforzar estas conductas mediante su

repetición. En conjunto, estos factores pueden favorecer la formación de actitudes positivas hacia el odio en línea, las cuales funcionan como predictores claves del comportamiento agresivo del entorno digital.

La digitalización permite la participación de una gran audiencia a diferencia del hostigamiento presencial. El reconocimiento de la existencia de las dinámicas y su posible influencia en la consolidación de conductas agresivas conduce a indagar en las razones por las cuales las personas optan por involucrarse o no frente a una situación de agresión. Una explicación relevante proviene del Efecto del espectador, el cual plantea que mientras mayor es el número de observadores de un evento, menor es la probabilidad de que alguno actúe de manera directa. Esto ocurre porque la percepción de responsabilidad individual se atenúa cuando esta se distribuye entre múltiples personas (Moretti & Herkovits, 2024).

Por otra parte, los estudios discursivos validaron el uso de Enfoques Sociocognitivos, demostrando que el odio no es solo un aspecto individual, sino que es una estrategia cognitiva de defensa grupal.

En esta línea, Hellsten (2021) propone un modelo que fija una mirada psicosocial teórica. En primer lugar, la Teoría identidad social de Henry Tajfel, concibe la identidad como auto-

concepto del individuo generado mediante el valor y significado emocional que le produce pertenecer a un grupo. Desde esta perspectiva, se destaca la tendencia a favorecer al propio grupo y desvalorizar a los grupos externos, lo que propicia un pensamiento dicotómico. Esta polarización (“nosotros” versus “ellos”), junto con el uso de estereotipos compartidos, puede ser instrumentalizada para legitimar formas de violencia política o religiosa (Idowu et al., 2025; Ayansola, 2021).

Vacíos de conocimientos y orientaciones para futuras investigaciones

A pesar de la diversidad teórica, el análisis de resultados de los artículos, permite identificar algunos vacíos de conocimiento significativas y orientaciones para futuras investigaciones. Es imperativo que las investigaciones futuras trasciendan el análisis individual y comiencen a indagar en características específicas del diseño de la plataforma influyen en la evaluación cognitiva del usuario. Siguiendo con los modelos anteriormente mencionados como Barlett y Gentile (2017), se requiere estudiar si elementos como algoritmos en las redes sociales al reforzar el sesgo de confirmación al recomendar contenido que el usuario desea ver, la inmediatez de la respuesta y los sistemas de gratificación social como “likes” aceleran la formación de actitudes positivas hacia el

hostigamiento. Resulta crítico determinar si ciertas interfaces digitales actúan como facilitadores ambientales que activan con mayor agresividad de desconexión moral, impidiendo la activación de la empatía situacional que detendría la agresión.

Para superar el sesgo de medición identificado por la dependencia de autoinformes, se recomienda la incorporación de metodologías de neurociencia cognitiva y seguimiento ocular (eye – tracking). Debido a que estas herramientas podrían permitir capturar las respuestas efectivas y los procesos de valoración en tiempo real ante estímulos de odio, minimizando el impacto de la deseabilidad social que suele subestimar la prevalencia del fenómeno. Finalmente, dada la manifestación de escasez de evidencia en el contexto chileno, resulta imperativo impulsar investigaciones transculturales que examinen el carácter situado del fenómeno. Estos estudios permitirían explorar cómo las dinámicas de identidad social y los esquemas de polarización política propios de la región median en la legitimación de la violencia digital, determinando así los modelos teóricos europeos poseen la validez externa necesaria para ser extrapolables a la realidad psicosocial nacional.

“Esta polarización (“nosotros” versus “ellos”), junto con el uso de estereotipos compartidos, puede ser instrumentalizada para legitimar formas de violencia política o religiosa.”

Sesgos y limitaciones de estudios

Para la integración de sesgos y limitaciones en el presente estudio, se siguió el estándar PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) y se abordó tanto el sesgo individual de los estudios como el riesgo de sesgo entre los estudios.

Si bien, la calidad general de las investigaciones es aceptable para el propósito de esta investigación, en el análisis crítico de los 16 estudios se detectaron riesgos de sesgo sistemáticos que comprometen la generalización de los resultados y la inferencia causal. Los principales sesgos identificados se detallan a continuación:

a) Sesgo de diseño y validez interna (causalidad)

La principal limitación crítica detectada a través de la síntesis de la evidencia es la predominancia de diseños transversales en el bloque de estudios cuantitativos. Publicaciones como las de Castellanos et al. (2024), Gao et al. (2020) y Song et al. (2019) midieron las variables en un momento único temporal.

b) Sesgo de selección y validez externa

Se observó un sesgo de muestreo por conveniencia que afecta a la mayoría de los estudios cuantitativos. Investigaciones como las de Wang y Ngai (2020), Gao et al. (2020), Song et al. (2019) y Castellanos et al. (2024) basaron sus estudios exclusivamente en poblaciones estudiantes escolares y universitarios. Por lo que dificulta extrapolar los resultados a la población adulta general.

c) Sesgo de medición

Debido a la dependencia casi exclusiva de cuestionarios de autoinforme para medir conductas socialmente reprobables como el discurso y ciberacoso, publicaciones como las de Hilte et al. (2023) y Wang y Ngai (2020), revelan que los participantes tienden a minimizar sus comportamientos agresivos por deseabilidad social o miedo a repercusiones, lo que podría estar subestimando la prevalencia real del fenómeno y la fuerza de la asociación con rasgos de personalidad. Además, los estudios cualitativos (Idowu et al., 2025; Baider, 2018) corren el riesgo de interpretación por parte de los investigadores al codificar de manera manual la intencionalidad del discurso de odio sin corroboración directa de los autores de los mensajes.

d) Sesgo geográfico y cultural

Adicionalmente, se detectó un sesgo relacionado a la distribución geográfica de la evidencia, debido a que los modelos cognitivos han sido validados predominantemente en contextos europeos (Alemania, Suiza, Polonia y Chipre) y contextos chinos. Es así, que existe una notable ausencia de estudios provenientes de América Latina y representación limitada de África (Ayansola, 2021). Por ende, la falta de diversidad geográfica puede limitar los resultados, ya que los mecanismos cognitivos pueden estar mediados culturalmente.

e) Sesgo del proceso de revisión (investigador único)

Por último, es imprescindible agregar una limitación inherente al procedimiento de la presente revisión. Todas las etapas del presente estudio, incluyendo la búsqueda, cribado, aplicación de criterios de inclusión/exclusión y extracción de datos fueron ejecutadas por un único investigador. Esto puede potenciar un sesgo de selección subjetivo, donde la interpretación individual de los criterios de elegibilidad podría haber influido en la conformación de la muestra final de 16 estudios.

Certeza de la evidencia

La evaluación de los 16 artículos incluidos en esta revisión muestra unos niveles de certeza que varían significativamente según diseño del estudio. El grupo dominante, constituido por ocho estudios cuantitativos transversales (Castellanos et al., 2024; Fang et al., 2020; Gao et al., 2020; Peace et al., 2020; Song et al., 2019; Sorokowski et al., 2020; Wachs et al., 20020; Wang & Ngai, 2020), ofrecen una certeza global moderada, debido a la naturaleza transversal de los datos, lo que limita la capacidad para establecer inferencias causales definitivas, presentando además un riesgo de sesgo por el uso de medidas de autoinforme.

Por otra parte, los estudios de corte cualitativo y discursivo constituido por 6 estudios (Ayansola, 2021; Baider, 2018; Chekkal & El Ouchi, 2025, Đorđević, 2020; Hilte et al., 2023; Ikuelogbon et al., 2025) muestran una certeza general de la muestra baja, debido al uso de muestras intencionales y reducidas.

DISCUSIÓN

El objetivo general de la presente revisión sistemática fue sintetizar la literatura científica disponible para comprender los modelos cognitivos utilizados para abordar la emisión de odio y hostigamiento en internet, con el fin de detectar vacíos de conocimiento y proponer nuevas orientaciones investigativas.

Para una mejor síntesis y comprensión, los hallazgos fueron categorizados en dos tipos de modelos principales: modelos de procesamiento individual y modelos de cognición social. Por una parte, para los modelos de procesamiento individual, se realizó una comparación de los estudios cuantitativos que reveló que existe un consenso en el uso de la teoría social cognitiva y el mecanismo de desconexión moral como un importante aspecto explicativo del odio individual. Es así, como Castellanos et al. (2024) y Gao et al. (2020) comparten en que los rasgos de personalidad o los factores ambientales no causan odio directamente, sino que estos factores activan mecanismos cognitivos que inhiben la sanción moral en el mismo individuo. Esta interpretación se fortalece al integrar la Teoría General de la Frustración de Agnew (Paez, 2018; Patchin; Hiduja, 2011), la cual sigiere que la “brecha” entre expectativas y realidad genera una tensión interna que impulsa al sujeto a buscar alivio mediante conductas transgresoras. Al comparar estos hallazgos con el estudio de Wang y Ngai (2020), se observa una convergencia teórica en el entorno digital, ya que se produce un anonimato que facilita la desconexión moral, actuando como un catalizador que reduce la inhibición. Esto puede

entenderse con la teoría del aprendizaje social de Bandura, el cual señala que las personas aprenden mediante la experiencia de los demás y el anonimato al no traer consecuencias, las personas aprenden y replican esa conducta (Koch et al., 2025) Por su parte, el estudio de Song et al. (2019) mediante el modelo general de agresión (GAM), reveló que el discurso de odio en línea surge cuando el clima de opinión actúa como un detonante externo que despierta la predisposición agresiva de la persona que ya tiene latente.

Por otra parte, los estudios cualitativos emplearon modelos sociocognitivos para explicar el odio como una norma grupal y social. La comparación entre los estudios de Idowu et al. (2025) en Nigeria y Baider (2018) en Chipre, logró identificar un aspecto en común: el odio no se conceptualiza como una cuestión patológica, sino que es una estrategia cogni-

“el odio no se conceptualiza como una cuestión patológica, sino que es una estrategia cognitiva de defensa de la identidad.”

tiva de defensa de la identidad (“nosotros” vs. “ellos”). Esta polarización se ve exacerbada por el Efecto del Espectador, donde la presencia de audiencias masivas en redes sociales diluye la responsabilidad individual. Estos estudios concluyeron que el lenguaje de odio activa esquemas mentales compartidos como estereotipos que deshumanizan al grupo externo para justificar el hostigamiento. El estudio de Ayansola (2021), refuerza esta visión al indicar que el discurso de odio es producto de la “cognición social”, donde las creencias culturales preexistentes dictan quién es un blanco legítimo de agresión. Estos hallazgos conectan directamente con la teoría de la identidad social Tajfel y Turner (1979), ya que pertenecer a un grupo minoritario puede tener una implicación que es desfavorable en la construcción de la identidad y en las relaciones grupales, donde la población desplazada por la violencia presenta más dificultades de adaptación y convivencia (Vera-Márquez et al., 2015).

exploren cómo las dinámicas culturales y sociales influyen en la internalización de modelos cognitivos agresivos en entornos digitales. Esta brecha de conocimiento justifica la necesidad de futuras investigaciones de esta área.

“concluir que todo el hostigamiento es producto de odio puede simplificar en exceso un fenómeno multidimensional.”

A partir de la elaboración de esta revisión sistemática, se constata que, en los últimos diez años, se ha encontrado un importante avance científico en cuanto a los modelos cognitivos que abordan el odio y hostigamiento en redes sociales, pues las publicaciones principalmente fueron publicadas entre el período 2017-2025. Adicionalmente, existe una carencia en la actualidad de estudios a largo plazo que permitan observar la estabilidad y evolución de los procesos cognitivos asociados a la emisión de odio en redes sociales a lo largo de los años. De igual manera, hay un gran déficit de investigaciones en contextos latinoamericanos que

La evidencia sistematizada en esta revisión presenta restricciones metodológicas significativas que deben ser consideradas para la interpretación de resultados. Por una parte, existe un predominio de diseños transversales en los estudios cuantitativos, lo que puede impedir establecer relaciones de causalidad definitivas entre variables psicológicas y la conducta de odio. Por ejemplo, aunque se ha observado una asociación significativa entre la desconexión moral y el ciberacoso, la naturaleza transversal de los datos puede limitar la capacidad de determinar si la desconexión moral procede al acto o si surge como justificación posterior. Además, que la mayoría de los estudios dependen de medidas de autoinforme para evaluar comportamientos socialmente indeseables, lo que puede resultar en la subestimación de la prevalencia real de agresiones.

Siguiendo con las limitaciones de los procesos de revisión utilizados, esta conlleva limitaciones inherentes derivadas de la naturaleza de la literatura disponible. La principal limitación en dicho proceso radica en la heterogeneidad metodológica de los estudios incluidos, que abarcaron desde análisis psicométricos cuantitativos hasta análisis críticos del discurso y experimentos sociolingüísticos. Esta diversidad pudo impedir la realización de un metaanálisis

estadístico para calcular un tamaño del efecto global de los predictores del odio, obligando a una síntesis narrativa rica en contexto, es menos precisa en términos cuantitativos. Además, al limitarse a artículos publicados en inglés o traducidos al inglés existe un riego de sesgo lingüístico que podría haber excluido investigaciones relevantes publicadas en idiomas locales (por ejemplo, chino, árabe), que podrían integrar perspectivas culturales del discurso de odio identificados en los estudios cualitativos. Para las implicaciones de los resultados para la práctica, las políticas y futuras investigaciones, los hallazgos tienen implicaciones directas y multidimensionales. Existe un gran vacío de información sobre este tema, debido a que es un fenómeno que se está estudiando recientemente. Es por lo anterior, que para futuras investigaciones es crítico transitar hacia diseños longitudinales que permitan confirmar la dirección causal de los mecanismos sociocognitivos, como la relación entre los rasgos de insensibilidad emocional y la desconexión moral. Asimismo, se requiere un cambio de foco desde la producción del discurso hacia la recepción de la audiencia, investigando cómo los usuarios interpretan y son afectados cognitivamente por el discurso de odio.

Resulta fundamental cuestionar si toda manifestación de hostigamiento u odio en el entorno digital deriva estricta y únicamente de un sentimiento de odio. Si bien el odio en redes sociales se define técnicamente como mensajes que menosprecian a individuos basándose en características de su integridad, la evidencia sugiere que el hostigamiento puede emerger de motivaciones más heterogéneas. La aplicación del Modelo General de Agresión (GAM) permite interpretar que muchas agresiones no nacen de un prejuicio profundo, sino que de una interacción dinámica donde el clima de opinión hostil actúa como un detonante situacional que activa predisposiciones agresivas latentes. En este

sentido, el agresor puede no sentir un “odio” real a la víctima, sino que utiliza el ataque como un vehículo para canalizar tensiones personales o buscar validación dentro de un grupo social. En otros casos, la desconexión moral sigue operando como el mediador central, ya que permite al sujeto ignorar el sufrimiento ajeno sin necesidad de sentir una aversión real hacia a identidad de la víctima.

Un ejemplo paradigmático de cómo los modelos convergen en la práctica es el hostigamiento digital hacia personas cuando sus vidas personales desafían los repertorios valorativos hegemónicos. En casos donde las figuras de alto estatus, como deportistas de élite, se vinculan afectivamente con personas que no cumplen con los cánones estéticos tradicionales (como modelos), se puede activar una respuesta agresiva por parte de la audiencia. Desde la teoría general de la frustración de Agnew,

este fenómeno puede interpretarse como una reacción ante la “brecha” entre la expectativa social (el éxito deportivo debe ir acompañado de un ideal de belleza normativo) y la realidad observada.

Esta discrepancia genera tensión en el espectador, quien proyecta su propia frustración al ver que un recurso de estatus (el éxito de un futbolista en este ejemplo) no se utiliza para validar los estándares de belleza que el propio espectador desearía alcanzar o posee como tal. El odio en este contexto no nace necesariamente de una aversión personal, sino de una estrategia cognitiva de defensa del orden social hegemónico. Los usuarios pueden agredir para intentar “corregir” lo que perciben como algo anómalo en la jerarquía de estatus, utilizando la identidad social para reafirmar un “nosotros” que comparte y protege ciertos valores estéticos y sociales.

Por último, un factor crítico en la persistencia de hostigamiento digital es la usencia de caves no verbales y de retroalimentación afectiva inmediate. En las interacciones presenciales (cara a cara), el lenguaje no verbal, como posturas corporales, expresión facial de dolor o el llanto de la víctima podrían actuar como mecanismos que ayuden a empatizar con el receptor como reguladores naturales que suelen inhibir la agresión al activar la respuesta empática del emisor (Moretti & Herkovits, 2024). Sin embargo, en el entorno digital, esta invisibilidad del impacto emocional impide que el agresor reconozca la reacción del sufrimiento de la persona agredida. Como consecuencia, se facilita la desconexión moral, ya que la falta de señales directas de daño permite que el sujeto reestructure su acto sin enfrentar la consecuencia psicológica de observar el daño causado,

reduciendo significativamente el sentimiento de culpa y la posibilidad de autorregulación.

Es por lo anterior que, concluir que todo el hostigamiento es producto de odio puede simplificar en exceso un fenómeno multidimensional. Comprender que existen agresiones motivadas por el aburrimiento, la búsqueda de estatus social o la simple replicación de normas grupales es crucial para la práctica clínica y el desarrollo de futuras investigaciones. Esta distinción permite diseñar intervenciones más precisas que no solo combatan el prejuicio, sino que también aborden las competencias de autorregulación y la empatía digital necesarias para desactivar la agresión en todas sus formas.

CONCLUSIONES

El análisis de la evidencia permite destacar hallazgos que transforman la comprensión tradicional del odio en línea. Se considera relevante el haber identificado que el perfil del agresor digital no es unidimensional ni patológico por defecto, si bien, estudios señalan la psicopatía como un predictor clave del odio en internet, resulta crítico destacar que la agresión no depende exclusivamente de rasgos de personalidad inmutables. La evidencia sobre la desconexión moral y la influencia de entornos de opinión pública sugiere que individuos sin patologías pueden convertirse en agresores si el entorno digital les ofrece los mecanismos cognitivos para justificar sus actos y silenciar la autocrítica.

Además, es fundamental resaltar el hallazgo sobre el rol de la empatía como un “escudo” cognitivo. La evidencia sugiere que el poder fortalecer la capacidad de empatizar puede desactivar el mecanismo de desconexión moral, incluso en sujetos con rasgos de insensibilidad emocional. Por otro lado, del análisis cualitativo, se pudo observar que el discurso de odio no es un solo exabrupto emocional, sino una estrategia discursiva calculada. Los estudios publicados señalan que el lenguaje se instrumentaliza para construir al “otro” como enemigo existencial, lo cual es esencial para entender la dinámica de la polarización social contemporánea.

En cuanto al proceso de la elaboración de esta revisión, el principal desafío en cuanto al resultado metodológico fue la recopilación y selección de los artículos, debido a que el discurso de odio es un fenómeno multidimensional abordado por disciplinas muy diversas.

En la literatura se encontró principalmente fragmentada y dispersa, por lo que identificar estudios que cumplieran con los criterios de inclusión y que dialogan entre sí requirió un esfuerzo exhaustivo de filtrado y búsqueda en múltiples bases de datos, por lo que se puso en manifiesto la complejidad de abarcar este tema de manera integral.

Por otro lado, la polarización se ha consolidado como un fenómeno transversal en la actualidad, permaneciendo en el discurso mediático, las interacciones en plataformas digitales y en las conversaciones dentro del círculo familiar o social. Esta dinámica puede manifestarse ante la adopción de certezas absolutas y un pensamiento dicotómico que simplifica la complejidad de la realidad, posicionando sistemáticamente a quienes disienten en una categoría de error o alteridad negativa. En este contexto, el emisor requiere un sustento que legitime el hostigamiento, dado que la agresión hacia una “buena persona” generaría una discrepancia cognitiva insostenible con la propia autoimagen de rectitud moral (Moretti & Herkovits, 2024).

Bajo esta lógica, surge la necesidad de movilizar “dispositivos de excusa” o técnicas de neutralización que transformen la percepción del agredido en una “mala persona”, volviéndolo un blanco legítimo de hostilidad. A través de este proceso, cualquier acción o declaración del otro es instrumentalizada como una justificación moral para el odio emitido, operando así en una reestructuración cognitiva que protege al agresor de la autocensura. En última instancia, el odio no se reconoce como un acto de hostilidad arbitraria, sino como una respuesta necesaria ante un adversario deshumanizado, permitiendo que la violencia actúe como un refuerzo de las fronteras morales y sociales del grupo sin comprometer la integridad moral del emisor. Esta dinámica se ve significativamente intensificada por la arquitectura de las redes sociales, cuyos algoritmos tienden a reforzar el sesgo de confirmación al priorizar contenidos que validan las creencias preexistentes del usuario, exacerbando la lógica dicotómica de “nosotros” frente a “ellos”.

Más allá de los hallazgos técnicos de esta revisión, surge una reflexión necesaria sobre la ética de la sociabilidad digital y la progresiva naturalización de la hostilidad en nuestras rutinas de interacción. Resulta preocupante observar cómo el espacio virtual se ha convertido en un escenario de desinhibición donde los sujetos suelen externalizar versiones de sí mismos que, en contextos presenciales, deberían estar regulados por la empatía y las normas sociales de convivencia. Esta dinámica no es inocua; genera un contagio afectivo que degrada el clima social y fomenta la rigidez cognitiva donde el intercambio pierde su capacidad transformadora, volviendo casi estéril cualquier intento de diálogo genuino.

Resulta imperativo rescatar la noción de que detrás de cada avatar subyace una persona real, cuya integridad es a menudo vulnerada debido a la distancia emocional y la invisibilidad del daño que impone la mediación tecnológica. Desde una perspectiva clínica, se puede observar que la ligereza con la que se emiten los juicios despectivos a través de la pantalla, puede ser un acto proyectivo en esencia. El hostigamiento digital, puede decir mucho más sobre estas carencias, frustraciones y el mundo interno del emisor que sobre la realidad de quien recibe el ataque. Así, el odio en la red no es solo una agresión hacia un tercero, sino un síntoma de desregulación que nos desafía a humanizar el vínculo digital.

Finalmente, el odio y hostigamiento en redes sociales no constituye un fenómeno aislado, sino la manifestación de una compleja constelación de dimensiones psicológicas, sociales y tecnológicas que convergen en la interacción virtual desafiando la humanización del vínculo, dificultando la interacción social en un espacio de reconocimiento y respeto mutuo.

CONFLICTOS DE INTERÉS

El autor declara que no existe conflicto de interés relacionado con el artículo.

NOTAS DE IA

Para la elaboración del presente artículo, se emplearon herramientas de Inteligencia Artificial Generativa con el objetivo de instrumentalizar y apoyar la redacción. Asimismo, se utilizó dicha asistencia para apoyo en la traducción y comprensión de manera eficiente de terminología técnica provenientes de fuentes en idioma inglés, facilitando la síntesis de ideas complejas sin alterar su sentido original.

Finalmente, con el objetivo de asegurar la integridad académica y mitigar los riesgos asociados a la generación de información “inexistente” por parte de los errores que pueden cometer los modelos de lenguaje, todo el contenido textual generado o reformulado fue sometido a una verificación manual y exhaustiva. Cada cita, resultado, afirmación y referencia bibliográfica fue contrastada directamente con los documentos originales para validad la veracidad y exactitud, con el fin de asumir la responsabilidad y final sobre el contenido, la precisión y la originalidad del presente estudio.

Ciberacoso de ex-parejas

Violencia Invisible: Ciberacoso de Ex-parejas y sus Repercusiones Clínicas en Adultos Jóvenes

Seminario de Habilitación Profesional Nombre estudiante: Deborah Jashes Camhi. Sede: Santiago.

Violencia digital; Ciberacoso; Ex parejas; Adultos jóvenes; Psicología clínica.. PALABRAS CLAVE

parejas; clínica..

RESUMEN

La violencia de pareja ha sido reconocida como un problema clínico-social y ha sido ampliamente estudiada en sus manifestaciones presenciales. Sin embargo, persiste un vacío teórico en la comprensión de la violencia digital tras una ruptura. En este contexto, el ciberacoso de ex parejas suele verse como una traslación tecnológica de dinámicas violentas, ignorando cómo las infraestructuras digitales reconfiguran el vínculo abusivo y generan nuevas expresiones de control que trascienden la convivencia física.

El objetivo de este estudio es analizar, mediante una revisión teórica clásica, como el ciberacoso de ex parejas en adultos jóvenes constituye una modalidad específica de violencia íntima, sostenida por el control coercitivo digital, así como también examinar sus principales implicancias clínicas.

Para ello se integran marcos sobre violencia de pareja y control coercitivo con investigaciones contemporáneas sobre violencia digital y ciberacoso, sumando aportes clínicos sobre trauma relacional, duelo, apego, enfoques

vinculares y perspectivas psicodinámicas, socioculturales y sistémicas que permiten comprender la dimensión simbólica y estructural de la violencia. Esta articulación permite analizar como los entornos digitales sostienen la intrusión violenta más allá del término del vínculo.

Se propone reconceptualizar este fenómeno como una forma específica de violencia caracterizada por el control coercitivo en entornos digitales, con consecuencias clínicas comparables al acoso presencial y dotada de un peso emocional y simbólico derivado de la historia vincular previa.

La comprensión del fenómeno implica un desafío para la psicología clínica contemporánea, exigiendo el diseño de nuevas estrategias de evaluación, abordaje e intervención ajustadas a los contextos relacionales actuales.

PLANTEAMIENTO DEL PROBLEMA

En la era digital, la violencia de pareja persiste tras la separación física mediante formas de control, vigilancia y hostigamiento en redes sociales que prolonga la presencia del otro. El ciberacoso de ex parejas emerge como una forma persistente de violencia íntima que reconfigura el vínculo abusivo, interfiriendo en la autonomía, la reestructuración psíquica y el bienestar emocional. Esta temática cobra relevancia en el siglo XXI al visibilizar una modalidad contemporánea de violencia, donde las tecnologías digitales median la vida cotidiana de manera tan profunda que el espacio virtual se ha convertido en un escenario idóneo para que se desplieguen dinámicas de control, hostigamiento y vigilancia.

En este marco, el ciberacoso de ex parejas desafía las concepciones tradicionales de violencia, y muestra cómo los vínculos abusivos pueden sostenerse sin contacto físico ni convivencia, enriqueciendo el campo clínico al exigir una actualización de las categorías conceptuales y técnicas frente a fenómenos emergentes. Para la práctica clínica es especialmente importante esta comprensión y análisis dado que los terapeutas ya no sólo deben circunscribirse a la dimensión presencial de las relaciones, sino que deben incorporar la manera en que los dispositivos digitales estructuran hoy los modos de vincularse.

“La violencia de pareja ha sido reconocida como un problema -social y ha sido ampliamente en sus manifestaciones

presenciales.

embargo, persiste un vacío teórico comprensión de la violencia una ruptura.”

La teoría revisada en este estudio es valiosa ya que integra enfoques y áreas de análisis que tradicionalmente se han desarrollado de manera fragmentada, por un lado se consideran perspectivas que abordan la lógica del control y la coerción en las relaciones íntimas; por otro, los modelos clásicos que describen la dinámica de violencia relacional; y, finalmente se integran estudios recientes sobre las formas digitales de hostigamiento y vigilancia.

La integración posibilita explorar preguntas críticas para la clínica contemporánea: ¿Cómo se reconfigura el vínculo abusivo tras la ruptura en entornos digitales? ¿Qué efectos clínicos

trae en la elaboración del duelo amoroso? ¿Qué desafíos plantea un escenario de hiperconectividad a la psicología clínica?

sido problema clínico ampliamente estudiada presenciales. Sin teórico en la digital tras

No obstante, la literatura actual presenta limitaciones importantes que deben ser reconocidas. En primer lugar, predomina un énfasis descriptivo, dado que la mayoría de las investigaciones ponen mayor foco en la prevalencia y las tipologías, pero con escaso análisis clínico. En segundo lugar, existe una heterogeneidad conceptual, utilizando múltiples términos de forma intercambiable para designar prácticas similares, lo que dificulta la construcción de un marco común y consensuado. En tercer lugar, se observa

una falta de integración teórica, ya que a pesar de que hay estudios sobre el acoso post ruptura y sobre violencia digital en general, son pocos los que abordan de manera conjunta el ciberacoso de ex-parejas como modalidad clínica específica de violencia íntima.

El problema que emerge es la ausencia de un marco integrador que permita entender como la digitalidad configura nuevos vínculos abusivos una vez finalizada la relación. La literatura tiende a abordar estas prácticas como extensiones de otros tipos de violencia, sin problematizar lo suficiente el rol de las infraestructuras digitales en la persistencia del control coercitivo, ni sus efectos en el bienestar psíquico de las

víctimas. Esto limita el reconocimiento clínico del fenómeno y dificulta el desarrollo de estrategias de evaluación e intervención ajustadas a este fenómeno especifico y sus características propias.

Considerando lo anterior, es que la relevancia de este estudio para la psicología radica en primer lugar en su dimensión disciplinar, al aportar una síntesis crítica e integradora que aporte mayor claridad conceptual y clínica a la violencia digital en ex parejas, abordando el vacío existente respecto a cómo las infraestructuras digitales reconfiguran el vínculo abusivo y por tanto enriqueciendo la comprensión del fenómeno en el contexto actual como un régimen particular de violencia. En el ámbito clínico, su importancia es que provee de herramientas para que los psicólogos clínicos identifiquen patrones de control coercitivo digital que a menudo son minimizados por los mismos pacientes, permitiendo avanzar hacia estrategias de evaluación e intervención actualizadas, que reconozcan el impacto de la digitalidad como dimensión estructural del malestar. A nivel social, el estudio visibiliza la normalización de conductas de vigilancia y hostigamiento, disfrazadas como interés o cuidado, promoviendo un reconocimiento social del daño psíquico y una cultura relacional que resguarde la integridad psíquica en los espacios virtuales de interacción. En este marco, se vuelve pertinente desarrollar una revisión teórica que permita integrar estos aportes diversos y avanzar a una comprensión clínica precisa del ciberacoso de exparejas en el contexto digital actual.

OBJETIVOS

A partir del problema planteado, el estudio se organiza en torno a una pregunta de investigación, un objetivo general y un conjunto de preguntas guías que orientan el análisis:

Pregunta de investigación: ¿De qué forma el ciberacoso ejercido por ex-parejas en adultos jóvenes reconfigura el vínculo abusivo tras la ruptura, y cuáles son sus principales implicancias clínicas?

Objetivo general: Analizar, a partir de una revisión teórica clásica, cómo el ciberacoso de ex-parejas en adultos jóvenes constituye una modalidad específica de violencia íntima y qué implicancias clínicas conlleva.

Preguntas guía:

1) ¿Cómo se ha definido y conceptualizado la violencia digital y el ciberacoso en la literatura académica actual?

2) ¿Qué manifestaciones y estrategias específicas adopta el ciberacoso de ex-parejas en adultos jóvenes?

3) ¿Cuáles son las principales implicancias clínicas que tiene este fenómeno en la elaboración del término amoroso, la autonomía subjetiva y el bienestar psicológico?

4) ¿Qué tensiones teóricas y clínicas se observan en la literatura actual al abordar el fenómeno de ciberacoso de ex parejas?

DISEÑO METODOLÓGICO

El presente trabajo corresponde a un estudio teórico clásico, cuyo objetivo es la revisión crítica y articulación conceptual de diferentes marcos teóricos y clínicos en torno al ciberacoso ejercido por ex parejas en adultos jóvenes (18-30 años). Se pretende entender la violencia como un fenómeno relacional y psíquico, cuya expresión y vivencia se reconfiguran en el mundo digital. La selección de la literatura incluyó libros y artículos científicos, informes institucionales y documentos normativos. Para su recolección, se realizó la búsqueda de información en bases de datos como Web of Science, Scopus, SciELO, EBSCO y JSTOR, Google Scholar, Oxford journals, SAGE journals, Taylor & Francis y ResearchGate. Se utilizaron descriptores y palabras claves en español e inglés, tales como: cyberstalking, intimate partner violence, coercive control, ciberacoso de ex parejas, control coercitivo digital, ruptura amorosa, control coercitivo, hostigamiento digital, violencia digital, digital violence, ex partner, former partner, ex pareja, adultos jóvenes, entre otros.

Se priorizo integrar literatura contemporánea de violencia digital, ciberacoso post ruptura y control coercitivo (Stark, Logan, Powell y Henry, Woodlock, Dragiewicz et al. y Stevens et al., Castells, Boyd, Livingstone y Tokunaga), textos clásicos para ofrecer un análisis clínicamente útil y teóricamente sólido que permita abordar problemáticas actuales en el mundo de la hiperconectividad (Freud, Bowlby, Minuchin, Galtung, Bourdieu), aportes sobre trauma y consecuencias psicológicas de la violencia (Herman, Dutton y Painter) y documentos institucionales y éticos relevantes (OMS, CEDAW, Convención de Belem do Para y Allen). El alcance temporal se definió bajo dos criterios: para el fenómeno de ciberacoso se seleccionó literatura publicada en las últimas dos décadas, asegurando su vigencia. En paralelo, para la construcción del marco conceptual se integraron obras y autores clásicos (1920-1998). A su vez, se excluyeron artículos que se centraran únicamente en acoso laboral o escolar.

El análisis de la literatura se realizó a través de una lectura integradora y comparativa entre diferentes teorías y enfoques, orientada a identificar conceptos y temáticas relevantes para el estudio, tensiones conceptuales entre ideas y vacíos teóricos en la comprensión del ciberacoso de ex parejas. Esto permitió relacionar aportes provenientes de diferentes campos para construir una comprensión teórica integrada del fenómeno.

CUERPO DE LA REVISIÓN

Aproximaciones Conceptuales de Violencia

La violencia se ha conceptualizado desde diferentes miradas y disciplinas, no existiendo una única definición que la delimite. La Organización Mundial de la Salud (OMS, 2002, página 5) la define como “el uso intencional de la fuerza física o del poder (…) que cause o tenga muchas probabilidades de causar lesiones, muerte, daños psicológicos, trastornos del desarrollo o privaciones”.

Desde la sociología crítica, Galtung (1969) distingue entre violencia directa (daño físico o verbal entre personas), estructural (desigualdades que excluyen ciertos grupos) y cultural (creencias, valores y discursos que legitiman la agresión). Mediante esta triada permite ver la agresión como un fenómeno inscrito en el sistema social y cultural en el que vivimos, que naturalizan la asimetría. Bourdieu (1998) profundiza esta mirada al acuñar el concepto de violencia simbólica como una dominación invisible que se ejerce en la vida cotidiana y se tiende a normalizar, donde muchas veces la víctima no percibe al agresor como tal, disfrazando sus actos como costumbre, cariño o protección. Esta perspectiva ayuda a comprender por qué ciertas formas de violencia permanecen invisibilizadas y socialmente legitimas. Desde este encuadre, la violencia debe com-

prenderse como un fenómeno multidimensional que penetra en el mundo psíquico de las personas, más que de forma homogénea y simplificada. Por lo mismo la literatura ha acuñado diferentes dimensiones de violencia: física, psicológica, sexual, económica, simbólica y digital, existiendo la posibilidad que una con otra coexistan y se potencien. Mientras que la violencia física y sexual implican daño directo o coacción, la violencia psicológica y económica se manifiestan a través de humillaciones, amenazas y/o control personal y de recursos con el fin de deteriorar la autonomía y autoestima de la víctima (OMS, 2002; Herman, 1992; Henry & Powell, 2017; Stark, 2007).

Finalmente, la violencia digital emerge en la actualidad no como un mero traslado de otras violencias al mundo digital, sino como una tipología específica que utiliza las tecnologías de la información y comunicación (TIC) para ejercer control coercitivo sobre otra persona, irrumpiendo en la vida de la víctima mediante un contacto continuo con alcance potencialmente ilimitado, trascendiendo la presencia física y produciendo una revictimización constante al no ofrecer espacios de resguardo seguros (Dragiewicz et al, 2018).

La Violencia como

Estructura Relacional y Psíquica

Desde otro ángulo, formulaciones psicoanalíticas explican porque tanto el agresor como la víctima quedan atrapados en dinámicas de repetición del guion relacional, donde la agresión y la sumisión se transforman en las formas cotidianas de vincularse. Freud (1920) explica esta persistencia mediante la pulsión de muerte y la compulsión de repetición. Desde la pulsión de muerte, se plantea que todo ser humano tiene una tendencia interna hacia la destrucción, que puede dirigirse hacia adentro o hacia afuera. Cuando estas pulsiones se proyectan contra otro, el vínculo abusivo, genera que la víctima internalice la dinámica de control y sometimiento, transformando internamente al agresor como un objeto persecutorio. Por lo que a pesar de que el agresor esté ausente, el vínculo abusivo puede continuar operando mediante sentimientos de control, culpa, inferioridad o temor constante. La dificultad para romper con este circuito violento se entiende desde el concepto de compulsión de repetición, en donde el ser humano tiene la tendencia a repetir situaciones, incluso cuando generan sufrimiento, ya que la repetición se presenta como lo familiar y conocido.

Posteriormente Racker (1968) desarrolló el concepto de identificación proyectiva como mecanismo común en los vínculos abusivos: el agresor proyecta en la víctima aspectos rechazados que no tolera y a través del maltrato, logra que la víctima los encarne como suyos. De esta manera, la víctima no sólo recibe el daño externo, sino que internaliza estos aspectos como propios y verdaderos. En la práctica clínica, esto se traduce en pacientes que llegan sintiendo culpa o responsabilidad de la violencia

Para comprender la violencia en su complejidad se debe considerar como un fenómeno inserto en un patrón relacional que sostiene y reproduce prácticas abusivas a lo largo del tiempo, donde un miembros ejerce poder para someter, controlar y restringir la autonomía del otro. Stark (2007) describe esto como control coercitivo, un entramado de prácticas de dominación relacional donde la víctima va perdiendo gradualmente su autonomía y capacidad de decisión, instaurando un estado crónico de subordinación.

sufrida al introducir las proyecciones del agresor como propias, debilitando la capacidad de juicio e iniciativa para abandonar la relación violenta. La exposición prolongada a dinámicas abusivas produce síntomas de trauma complejo: hipervigilancia, pérdida de autoconfianza, vergüenza, fallas en la regulación afectiva, dificultades para mantener relaciones sanas y sensación de indefensión crónica (Herman, 1992). Desde esta mirada se comprende que la violencia no solo se ejerce externamente, sino que queda incorporada en la psiquis de la víctima, afectando su subjetividad, mundo interno y manteniendo el vínculo abusivo más allá de la presencia del agresor.

El enfoque sistémico ofrece un complemento útil que permite observar cómo los patrones abusivos se sostienen en circuitos de interacción rígidos y repetitivos que refuerzan los roles de agresor-víctima. Minuchin (1974) plantea que las dinámicas familiares y de pareja son sistemas organizados por reglas, roles y jerarquías. Cuando estas se vuelven rígidas, se instalan dinámicas difíciles de modificar, donde las interacciones se retroalimentan de una secuencia repetitiva que tiende a estabilizarse con el tiempo. De este modo, en los casos de violencia, la agresión se convierte en una parte estructural del vínculo.

Violencia en las Relaciones

de Pareja

Lo anteriormente descrito ayuda a comprender cómo estas dinámicas se expresan en las relaciones de pareja, donde existe un lazo íntimo y amoroso que combina afecto, dependencia y vulnerabilidad con el fenómeno de violencia, adquiriendo características particulares. La vio-

lencia de pareja se define como cualquier acto que cause daño físico, sexual o psicológico a la pareja (OMS, 2013). Lo paradójico es que ocurre en un espacio que se esperaría que fuera de cuidado: aquello que debería ser fuente de apoyo y protección, se transforma en un escenario de terror. Modelos como el de Johnson (1995) distinguen entre violencia situacional y terrorismo íntimo, siendo la primera aquella que no responde a un patrón estable de violencia y la segunda la que representa una estrategia de control sistemático, utilizada para mantener la dominación y sometimiento permanente de la pareja.

A este aporte se suma el modelo de ciclo de violencia propuesto por Walker (1979) que muestra como la agresión de pareja como una secuencia repetitiva compuesta de 3 fases: acumulación de tensión, explosión violenta y fase de reconciliación. Esta teoría nos ayuda a comprender como las personas permanecen en vínculos abusivos, debido que en la fase de reconciliación existe un sentimiento de calma que suele interpretarse como una posibilidad de cambio. Sin embargo, Stark propone que más allá de ciclos o episodios violentos, la violencia debe entenderse como un patrón de control coercitivo que mediante una red de prácticas cotidianas

“El ciberacoso como una forma íntima que reconfigura interfiriendo reestructuración

coloniza la vida completa de la víctima (2007). Lo que tienen en común estas explicaciones es que la violencia de pareja conlleva consecuencias graves para la salud de quienes la sufren y que la intención de ejercer poder sobre otro en el vínculo amoroso es la finalidad del fenómeno.

Ruptura Amorosa y Persistencia del Vínculo Abusivo

La ruptura de la relación no garantiza el fin de estas dinámicas, por el contrario, pueden transformarse en un nuevo escenario de hostigamiento y búsqueda de control. La búsqueda del cierre de un ciclo, el inicio del proceso de duelo y elaboración de la pérdida, la resignificación de la relación y la reorganización de la vida afectiva quedan pausadas por un nuevo escenario de asedio, descrito por Stark (2007) como una de las formas más críticas de control coercitivo, por la falta de aceptación del agresor ante el fin del vínculo. Herman (1992) ya había demostrado que las víctimas de violencia desarrollan un estado de hipervigilancia y alerta constante,

ciberacoso de ex parejas emerge forma persistente de violencia reconfigura el vínculo abusivo, interfiriendo en la autonomía, la reestructuración psíquica y el bienestar emocional.”

donde la imprevisibilidad de la agresión genera ansiedad y sensación de indefensión. En el caso de las ex parejas, estas características se ven agravadas porque a pesar de que el vínculo amoroso ha dejado de ser “oficial”, continúa operando como una presencia persecutoria que coloniza la vida cotidiana. De este modo, la separación no elimina la dinámica violenta, sino que la reactualiza en otro contexto, bajo nuevas formas y tácticas de dominio que mantienen el vínculo a pesar del corte amoroso, especialmente cuando el agresor percibe la pérdida de control como una amenaza a su espacio relacional.

Desde la teoría del apego, Dutton y Painter (1993) han complementado estas concepciones al explicar cómo quienes presentan dinámicas de apego ansioso o dependiente pueden ser más susceptibles a tener dificultades en aceptar la separación, traduciéndose en posibles intentos de contacto u hostigamiento cuando el otro decide terminar la relación. Sin embargo, este fenómeno no se puede reducir a rasgos individuales, surgiendo la necesidad de poner énfasis en las dimensiones relacionales, culturales y estructurales que sostienen la persistencia de la violencia. Por lo mismo Galtung (1969) en la descripción de la violencia cultural menciona que también la persistencia de la violencia puede deberse, en muchos casos, a creencias culturales que legitiman el contacto post ruptura o que el amor justifica la vigilancia y el acecho, a través de prácticas de hostigamiento, con el fin de volver a conquistar al ser amado.

Dichas prácticas pueden adoptar diferentes modalidades, pero todas comparten tres rasgos: 1) persistencia temporal de búsqueda de contacto, 2) imprevisibilidad de la irrupción en la vida personal de la víctima y 3) multicanalidad de tácticas para mantener el control (Stark, 2007; Logan, 2010). Estas característi-

cas hacen que estas prácticas no se vivan como momentos de malestar particulares, sino como un estado de persecución permanente (Herman, 1992). Diversos estudios han documentado distintas formas de hostigamiento que pueden clasificarse en tres grupos: a) conductas presenciales como seguimientos, apariciones sin consentimiento, esperas en espacios cotidianos, intimidaciones directas o encuentros “casuales” que realmente tienen una planificación previa por parte del agresor (Logan, 2010); b) manifestaciones indirectas a través de terceros como amistades, familiares y/o conocidos como intermediarios para mandar mensajes u obtener información de la vida de la víctima (Roberts, 2002); c) uso de canales no digitales como envió de cartas, regalos no solicitados o llamadas telefónicas a través de diferentes números (Cupach & Spitzberg, 2004).

Violencia Digital: Del Hostigamiento Presencial al Digital

En el contexto posterior a una ruptura amorosa, estas formas de hostigamiento se podían ver limitadas en ciertos casos por la distancia física y los nuevos límites espaciales que la víctima podía establecer. No obstante, el avance de las TIC ha transformado la forma en que se sostienen los vínculos interpersonales y las dinámicas de violencia, donde la distancia física y emocional deja de ser un obstáculo real, ahora basta con tener un dispositivo conectado a internet: en la actualidad la violencia está al alcance de un solo clic.

Así, se da lugar a nuevas formas de hostigamiento a través de formatos digitales que aprovechan la centralidad de la tecnología en la vida

cotidiana para sostener el control. El carácter peligroso del ciberacoso es la imposibilidad de la víctima de aislarse completamente del mundo digital por estar firmemente arraigado a nuestro diario vivir. Además, las ilimitadas posibilidades de contacto digital generan una vivencia de persecución constante, como también la exposición pública en redes sociales puede incrementar la humillación y pérdida de control frente a difusiones no consentidas (Hall & Baym, 2012; Lyndon, Bonds-Raacke & Cratty, 2011; Powell & Henry, 2017).

Para comprender mejor el fenómeno debemos delimitar con precisión que significa violencia digital. Powell y Henry (2017) lo definen como el uso de tecnologías electrónicas como redes sociales, aplicaciones de mensajería, plataformas de video y correo electrónico, para ejercer control, hostigamiento, intimidación o daño hacia otra persona mediante vigilancia en redes sociales, envió reiterado de mensajes, uso de diferentes plataformas ante bloqueos, creación de cuentas falsas, suplantación de identidad, amenazas virtuales, manipulación de imágenes y difusión de fotografías íntimas sin consentimiento, entre otras (Powell & Henry, 2017; Henry y Powell, 2015; McGlynn et al., 2017). Diversos estudios han demostrado que estos métodos no funcionan de forma aislada, sino que se complementan entre sí para formar patrones de control coercitivo (Southworth et al., 2007; Woodlock, 2017)

Por otra parte, si bien los medios cambian, el impacto negativo en el bienestar psicológico es similar a aquel cara a cara, incluyendo ansiedad, aislamiento social, hipervigilancia y pérdida de confianza (Stevens, Nurse y Arief, 2021; Blaauw et al., 2002; Sheridan & Lyndon, 2012). La característica distintiva de esta forma de violencia es que lo digital incrementa la capacidad de intrusión, al permitir un contacto potencialmente constante, transnacional y difícil de controlar para la víctima.

Un gran desafío conceptual y clínico es lograr distinguir entre comportamientos digitalmente normalizados y formas de ciberacoso abusivo. En la cultura digital, es común (y en muchas culturas esperable) que las personas revisen perfiles de amistades, parejas o ex-parejas, lo que ha sido denominado como vigilancia social

(Tokunaga, 2011). Estas prácticas, cuando son esporádicas y no generan daño a ninguna parte involucrada, forman parte de modos habituales de interacción online. Sin embargo, se vuelve abusivo cuando estas conductas se tornan reiteradas, invasivas y acompañadas de una intencionalidad de control. Powell y Henry (2017) advierten que el carácter abusivo no está dado únicamente por la acción sino por el patrón de persistencia, el contexto relacional y los efectos clínicos que generan en la víctima. El carácter abusivo de las conductas debe definirse por su impacto en la víctima y no por la naturaleza aislada del acto (Kelly, 1988; Pain, 2014)

Dentro de la violencia, los adultos jóvenes son una población particularmente relevante. Este recorte etario se fundamenta en el concepto de adultez emergente de Arnett (2000), quien

identifica el periodo entre los 18 y 30 años aproximadamente como una etapa de transición a la adultez plena, caracterizada por la exploración de la identidad y la inestabilidad de los vínculos íntimos, por ende también de mayor vulnerabilidad subjetiva que otras etapas del desarrollo adulto. En primer lugar porque las conductas violentas pueden naturalizarse al ser percibidas como partes del “juego amoroso” o como signos de interés y cuidado en vez de intentos de control (tales como los celos, la necesidad de disposición constante, revisión de redes sociales, entre otros). Esto dificulta su identificación como violencia (Lyndon, Bonds-Raacke & Cratty, 2011). En segundo lugar, especialmente en la violencia digital, se concluye que los adultos jóvenes son un grupo etario particularmente expuesto al ciberacoso después del término de una relación (ex pareja) por la centralidad que tienen los medios digitales en sus vínculos y vida cotidiana, la naturalización de la vigilancia digital por “curiosidad” tras una ruptura y por el peso identitario e intensidad emocional de las primeras relaciones amorosas. Es más, un estudio realizado por Lyndon et al. (2011) muestra tasas significativas de revisión reiterada en perfiles de redes sociales de ex parejas aun cuando esto genera malestar en ambos. La evidencia empírica concluye que víctimas de ciberacoso tienen niveles de ansiedad, sensación de pérdida de control y deterioro del bienestar emocional relacionables con aquella sintomatología en el hostigamiento presencial, y es la accesibilidad permanente del agresor lo que intensifica el malestar psicológico y dificultad de percepción de cierre, manteniendo activo el vínculo abusivo en el tiempo (Short et al., 2015; Logan, 2010).

Hacia

una Reconceptualización

del Ciberacoso de Ex-parejas como Fenómeno Especifico

Las conceptualizaciones de violencia digital la describen como la traslación de las dinámicas de violencia presencial al plano online. Sin embargo, este estudio plantea que el ciberacoso de ex parejas es una modalidad autónoma y clínicamente diferente de la violencia íntima presencial. Su singularidad no es sólo el uso de las tecnologías para ejercer violencia, sino la suma de diferentes elementos que le otorgan un gran poder relacional: una historia vincular previa, un patrón de control coercitivo que busca restablecer la dominación perdida y un ecosistema tecnológico que permite mantener el vínculo abusivo incluso en ausencia física.

Cupach y Spitzberb (2004) demuestran que estas prácticas se sostienen en dinámicas previas de violencia, donde la imposibilidad de aceptar el término de la relación se combina con tácticas constantes para vigilar y mantener el contacto. En este contexto, lo digital elimina los limites situacionales que antes permitían acotar la intrusión: basta con crearse una cuenta falsa, una aplicación o notificación para operar bajo esta dinámica. Los autores describen que históricamente la irrupción obsesiva hacia ex parejas dependía de condiciones externas como contacto presencial, cercanía geográfica, intermediación de terceros o encuentros físicos, lo que delimitaba en tiempos y espacios el daño. Sin embargo, la vida digital ha disuelto esas fronteras, convirtiéndose en

“la separación violenta, contexto, de dominio

una presencia frecuente y deslocalizada que dificulta desligarse del vínculo traumático y permiten al otro mantenerse, como agente activo e intrusivo, en la vida personal de la persona mediante infraestructuras digitales que se lo permiten.

El ciberacoso de ex parejas se configura como un fenómeno que tiene que ser pensado con categorías propias. Es por esto que podemos plantear que las tecnologías no sólo trasladan dinámicas violentas previamente existentes, sino que reconfiguran la lógica del vínculo después de una separación amorosa, generando una nueva manera de relacionarse que cambia la forma que históricamente se ha pensado el término de una relación.

separación no elimina la dinámica sino que la reactualiza en otro bajo nuevas formas y tácticas dominio que mantienen el vínculo a pesar del corte amoroso”

Cierre Relacional Versus Permanencia Digital

Ante una separación amorosa, los modelos clásicos de la teoría del apego se sostienen sobre la premisa de que la distancia física, emocional y simbólica entre los miembros de la ex pareja son condiciones necesarias para que el sistema afectivo pueda reconfigurarse. Weiss (1976) describe que la ruptura implica perder aquella figura amorosa que estaba presente en la vida cotidiana, abriendo lugar a una vivencia de soledad y en consecuencia, al gradual proceso de reorganización emocional. A la vez, Bowlby (1980) entiende el duelo como una evolución emocional que va desde la búsqueda de la figura perdida hasta la resignificación de su ausencia, y esto se logra por el hecho de que el otro no se encuentra accesible física y comunicacionalmente. Esta teoría se basa en la idea de que la ausencia del otro habilita la reestructuración psíquica después de una ruptura amorosa, y que para elaborar el duelo y reorganizar el apego existente con el ser amado es necesaria la distancia física y emocional entre las partes.

Las tecnologías de la comunicación alteran este supuesto debido a que ya no es posible asumir que la separación implica silencio y cierre. La vida digital instala la posibilidad de que la ex pareja permanezca presente incluso luego de que la relación haya terminado, donde la distancia física es contrarrestada por la presencia algorítmica y las plataformas que permiten una accesibilidad permanente entre las partes. Castells (2001) describe esto como la transición hacia una “galaxia internet”, un tipo de sociedad en donde la comunicación es universal y permanente, creando un ecosistema donde los límites ya no son barreras firmes, permitiendo la interacción continua

mediante la existencia de múltiples opciones de contacto.

Esta fractura conceptual demuestra que a pesar de que históricamente se ha entendido que una ruptura debería cerrar un vínculo, lo digital puede mantenerlo vivo. Es más, Fox y Tokunaga (2015) evidencian que el monitoreo online de ex parejas prolonga el malestar emocional post ruptura causando rumiaciones, comparaciones y activación del sistema de apego. A través del concepto acuñado por Tokunaga de “interpersonal electronic surveillance”, se muestra que las redes sociales facilitan una vigilancia persistente que mantiene activa la presencia del otro (2011).

Logan (2010) en su investigación sobre “partner stalking” demuestra que los mecanismos de control y persecución de una ex pareja se intensifican cuando el agresor tiene la posibilidad de acceder a información constante de la vida de la víctima. Así, las plataformas digitales no sólo mantienen el vínculo afectivo, sino que pueden sostener vínculos coercitivos, manteniendo y/o exacerbando lazos abusivos pre existentes en la pareja.

De esta manera, la premisa clásica de que “la ausencia tras la ruptura es una condición necesaria para la reorganización afectiva” queda erosionada. La presencia del otro en la era digital no desaparece, sino que se reconfigura la presencia física por la presencia digital de la ex pareja, mediante dispositivos cuyo diseño juegan un papel crucial en la persistencia del daño.

Libertad y Control en el Mismo Espacio Digital

Existe una tensión estructural en el espacio digital: mientras estudios socioculturales lo proponen como un entorno de autonomía, emancipación, exploración de identidad y autoexpresión (Livingstone, 2008; Boyd, 2007; Marwick, 2005), este también habilita el espacio para nuevas formas de control.

ya no depende de la proximidad física o el contacto por terceros, sino que el agresor digital puede operar a distancia, en silencio y mediante herramientas que permiten un hostigamiento permanente sin necesidad de exposición.

“El ciberacoso de ex-parejas emerge como un régimen relacional autónomo que transforma la comprensión del término amoroso en la era digital, exigiendo a la psicología clínica

actualizar sus categorías para abordar fenómenos donde la presencia ya no depende del cuerpo, sino de la arquitectura tecnológica que sostiene el vínculo.”

Bailey, Henry y Flynn (2021) exponen que las redes sociales y aplicaciones de mensajería se utilizan por acosadores para monitorear, rastrear e intimidar al otro, restringiendo la autonomía de las víctimas. El término para referirse a esto fue acuñado por Powell y Henry (2017) como “technology facilitated sexual violence”, señalando que las TIC amplifican el alcance de los agresores y de su daño. En la misma línea, Al-Alosi (2020) menciona que el espacio digital permite una vigilancia atemporal que no existía previo a la era digital: la violencia

Así, el ideal de internet como espacio de libertad se fractura en el contexto de violencia íntima, ya que la tecnología no sólo permite una mayor autonomía, sino que también puede implicar dominación y coerción, especialmente cuando existe un vínculo violento previo.

Cuando el Daño No Tiene Reconocimiento

Por otra parte, la violencia digital se ve intensificada de forma negativa por una ceguera social: la violencia digital parece, a los ojos de la sociedad y de la justicia, menos grave que la violencia presencial, a pesar de que su daño es comparable en términos de consecuencias. A nivel social, la violencia digital es vista como un problema menor, Stonard (2020) en su revisión sobre “cyber datting abuse” expone que adolescentes y adultos jóvenes tienden a normalizar conductas tales como revisar redes sociales y mandar mensajes insistentes, considerándolo como preocupación, interés o amor. Esta normalización afecta la forma en que se evidencia la violencia, y muchas veces también permite que se siga perpetuando al no verla como un problema real.

En términos legales, Henry y Powell (2018) señalan que la violencia digital ha sido tratada históricamente como un conjunto de incidentes aislados, sin un marco especifico que reconozca su gravedad. Este retraso jurídico ha contribuido al pensamiento popular de que la violencia digital carece de importancia. La falta inicial de leyes específicas contra este tipo de violencia no sólo retrasó la estandarización de conductas tecnológicas violentas en las relaciones amorosas, sino que profundizó la idea de que el daño era cuestionable e incierto (Bailey, Henry y Flynn, 2021).

Sin embargo, la evidencia de los efectos de la violencia digital sobre la salud mental contradice esta minimización. Revisiones sobre cyberstalking mostraron que las víctimas presentan sintomatología como: hipervigilancia extrema, miedo constante, somatización, alteraciones del sueño, elevados niveles de ansiedad y otros síntomas comparables con el estrés post traumático (Stevens, Nurse y Arief, 2021). Esta sintomatología calza con lo descrito por Herman (1992) como trauma complejo, donde la sensación de amenaza constante y la imprevisibilidad reorganizan el mundo interno del sujeto, afectando su seguridad y autorregulación. Esta sensación de amenaza constante no es sólo parte del imaginario ya que realmente se borran los límites de espacio y tiempo: un mensaje llega de madrugada, una llamada durante un evento social, una cuenta falsa envía mensajes después del bloqueo, siendo no sólo el contenido lo que daña a la víctima, sino también la imposibilidad de preverlo. Esta incertidumbre crea en la víctima una vivencia de peligro constante porque no existe la posibilidad de una desconexión completa del vínculo traumático (Powell y Henry, 2017).

En este sentido, el daño no solo se sostiene por la persistencia de conductas de hostigamiento, sino también por un entorno social y jurídico que permiten estas prácticas, dificultando que las víctimas lo reconozcan como una forma legítima de violencia, y genere ambigüedad en la subjetivación del daño sufrido.

El Acceso Sobrevive al Consentimiento

Esta “presencia” no sólo tiene implicancias psicológicas, sino también éticas y normativas. En el análisis del ciberacoso de ex-parejas emerge una tensión estructural entre legitimidad y capacidad. Esto se debe a que la ex pareja ya no tiene legitimidad para intervenir en la vida de la otra persona, pero digitalmente puede hacerlo. Una ruptura amorosa, desde un punto de vista normativo, moral y jurídico, constituye un corte del consentimiento relacional otorgado en el vínculo. Lo que habilitaba que circule información, intercambio, comunicación o presencia en la vida del otro era el consentimiento otorgado dentro de la relación, pero su término extingue toda autorización previa.

La CEDAW establece que la violencia de exparejas constituye una violación de derechos humanos a pesar del vínculo previo y aclara que la relación existente anteriormente no otorga legitimidad alguna para ejercer control, vigilancia o cualquier tipo de coerción. Junto a esto, la convención de Belem Do Pará refuerza la idea de que toda mujer tiene derecho a una vida libre de violencia tanto en relaciones actuales como pasadas. Desde una perspectiva ética, Anita Allen (2000) sostiene que la privacidad consiste en la posibilidad de gestionar el acceso personal, donde terceros no autorizados no tienen legitimidad para acceder a ella. Cuando el consentimiento se retira, aquellos previamente autorizados pasan a ser terceros sin legitimidad, por lo que cualquier intento de acceder, vigilar o intervenir se transforma en una invasión de privacidad.

Sin embargo, aunque la legitimidad desaparece, la capacidad técnica de internet permanece, y muchas veces se amplifica. Bailey, Henry y Flynn (2021) muestran que los agresores usan las redes sociales, apps de mensajes, múltiples perfiles, geolocalización, entre otros, para mantener el control después de la ruptura, incluso cuando el contacto directo está impedido.

Southworth et al. (2007) demostraron que los medios digitales permiten a los agresores a seguir invadiendo la privacidad de la víctima a pesar de órdenes judiciales, restricciones en el contacto o separación geográfica. Por lo mismo, los sistemas tecnológicos pueden funcionar como una extensión del control coercitivo, permitiendo intrusiones que en el mundo físico serian imposibles y reguladas por la ley. Al-Alosi (2020) profundiza mencionando que la violencia digital le permite al agresor actuar sin exponerse y eludir leyes o acciones que la otra parte ha interpuesto contra ellos, produciendo en la víctima una experiencia de regresión traumática y sensación de no poder desprenderse o escapar de su agresor, ya que no sirve sólo con bloquearlo porque este puede crear una nueva cuenta, llamar de múltiples números o acceder mediante diferentes plataformas.

Logan (2010) denomina este fenómeno como “redundancia de acceso”, dado que existe una multiplicidad de canales que amplían la capacidad del agresor incluso cuando la víctima ha tomado medidas de protección. La imposibilidad de cortar el acceso digital genera una tensión entre el derecho a cierre después de haber terminado una relación amorosa y la incapacidad técnica para alcanzarlo.

Por tanto la brecha entre legitimidad y capacidad se extiende: la ex pareja no cuenta con ningún derecho para intervenir en la vida del otro, pero lo digital le otorga múltiples medios para hacerlo. Esto ubica a la víctima en un lugar de indefensión dado que a pesar de que el sistema normativo dice protegerla, el sistema técnico no siempre permite materializar esa protección.

SÍNTESIS FINAL

El presente estudio propone comprender el ciberacoso de ex-parejas no como una mera extensión digital de la violencia presencial, sino como una modalidad específica de violencia íntima sostenida por un régimen de control coercitivo mediado tecnológicamente. La revisión teórica permitió evidenciar que la digitalidad no sólo amplifica dinámicas previas, sino que reconfigura estructuralmente el vínculo abusivo tras la ruptura, alterando las nociones clásicas de ausencia, cierre y distancia afectiva.

A diferencia de los modelos tradicionales que asumen que la separación implica un corte comunicacional y simbólico necesario para la reorganización psíquica, las infraestructuras digitales posibilitan una presencia persistente, multicanal y potencialmente ilimitada. Esta permanencia erosiona los procesos de duelo, prolonga la activación del sistema de apego y favorece la mantención del vínculo traumático en ausencia de convivencia.

El fenómeno se sostiene en la articulación entre una historia vincular previa, patrones de control coercitivo y un ecosistema tecnológico que facilita la redundancia de acceso. Esta combinación configura una experiencia clínica caracterizada por hipervigilancia, sensación de amenaza constante, dificultades para la simbolización del término y ambigüedad en el reconocimiento del daño, especialmente en contextos donde la violencia digital es socialmente minimizada.

Desde una perspectiva clínica, este modelo invita a incorporar la dimensión digital como estructura constitutiva del malestar contemporáneo, distinguiendo entre prácticas culturalmente normalizadas y formas de control coercitivo digital. Reconocer esta modalidad específica de violencia permite evitar su trivialización y diseñar estrategias de evaluación e intervención ajustadas a las dinámicas relacionales actuales.

En conclusión, el ciberacoso de ex-parejas emerge como un régimen relacional autónomo que transforma la comprensión del término amoroso en la era digital, exigiendo a la psicología clínica actualizar sus categorías para abordar fenómenos donde la presencia ya no depende del cuerpo, sino de la arquitectura tecnológica que sostiene el vínculo.

SALUD MENTAL Y DIGITALIZACIÓN

DESADAPTACIÓN Y CRISIS

Pantallas y desadaptación preescolar

Inteligencia artificial y suicidio

DIGITALIZACIÓN

Trastorno del Espectro pantallas, conductas desempeño adaptativo sueño, preescolares.

Pantallas y desadaptación preescolar

Uso de pantallas y su asociación con el desempeño adaptativo social en preescolares con autismo.

Estudiante: Isidora Irribarra Lobos

Sede Concepción

Espectro Autista, uso de conductas desadaptativas, adaptativo social, calidad del preescolares. CLAVE

RESUMEN

El uso de pantallas en la infancia ha aumentado de forma sostenida, generando preocupación por su posible impacto en el desarrollo socioemocional, especialmente en niños con Trastorno del Espectro Autista (TEA). El objetivo de este estudio fue analizar la relación entre los patrones de uso de pantallas y el desempeño adaptativo social en preescolares con autismo. Se empleó un diseño cuantitativo no experimental, de tipo comparativo - asociativo, con una muestra de 45 preescolares entre 2 y 6 años que asisten a una escuela especial. El desempeño adaptativo social fue evaluado mediante una escala adaptada al contexto educativo y contestado por docentes, mientras que el uso de pantallas fue medido a través de una encuesta respondida por apoderados. Se realizaron análisis descriptivos y pruebas inferenciales (t de Student, ANOVA y chi-cuadrado) para comparar grupos según tiempo de uso, tipo de contenido, sexo y uso de pantallas antes de dormir.

Los resultados no evidenciaron diferencias estadísticamente significativas en el desempeño adaptativo social según el tiempo de uso, el tipo de contenido ni el sexo. Asimismo, no se observó una asociación significativa entre el uso de pantallas antes de dormir y la calidad del sueño, aunque se identificó una tendencia de magnitud moderada. Por lo que el uso de pantallas, considerado de forma aislada, no se asocia significativamente con el desempeño adaptativo social en esta muestra; sin embargo, los patrones observados sugieren que variables contextuales podrían modular esta relación, lo que destaca la necesidad de enfoques más integrales en futuras investigaciones.

MARCO TEÓRICO

La exposición temprana a dispositivos con pantallas ha sido uno de los cambios más relevantes en la infancia reciente. Aunque las tecnologías digitales ofrecen oportunidades de aprendizaje, el uso excesivo, especialmente por encima de las recomendaciones pediátricas, se asocia con efectos adversos en distintas áreas del desarrollo infantil (American Academy of Pediatrics, 2016; World Health Organization, 2019). Estos riesgos son particularmente relevantes en la etapa preescolar, cuando el desarrollo neurológico y socioemocional está en plena consolidación.

La sobreexposición a pantallas se relaciona con alteraciones en el sueño, la regulación emocional y la conducta infantil. Carter et al. (2016) evidenciaron que el uso de pantallas antes de dormir reduce la duración y calidad del sueño, afectando el funcionamiento emocional y conductual durante el día, mientras que Twenge y Campbell (2018) reportaron que un mayor tiempo de exposición se asocia a menores niveles de bienestar psicológico y más dificultades emocionales y conductuales. En preescolares con Trastorno del Espectro Autista (TEA), Zhou et al. (2023) encontraron que el uso de pantallas antes de dormir predice un aumento de problemas conductuales, particularmente dificultades en la autorregulación emocional, incremento de conductas externalizantes como

rabietas e irritabilidad, y mayores dificultades en la adaptación conductual durante el día, con la calidad del sueño actuando como mediador clave. En este marco, la evidencia sugiere que el uso de pantallas no influye de manera directa sobre la conducta infantil, sino que su impacto se produce a través de la afectación de procesos reguladores intermedios, como el sueño. El déficit de sueño se asocia a un incremento de la irritabilidad, dificultades en la regulación emocional y la aparición de conductas disruptivas, además de afectar procesos cognitivos esenciales como la atención, la memoria y la autorregulación.

El desarrollo del lenguaje y la cognición también se ve afectado. Madigan et al. (2019) demostraron que más de dos horas diarias de pantallas durante el primer año de vida se asocian a mayor riesgo de retraso en el lenguaje expresivo, principalmente por la reducción de interacciones verbales con los cuidadores. Estas dificultades tempranas suelen coexistir con problemas atencionales, conductuales y socioemocionales. Además, estudios recientes sugieren que el uso excesivo de pantallas en preescolares se vincula a conductas similares a síntomas del autismo o del TDAH, como inatención, hiperactividad y dificultades en la interacción social, sin implicar una relación causal directa (Nikkelen et al., 2014; Cheng et al., 2024).

Desde la neurociencia, se han identificado mecanismos que explican estas asociaciones. Hutton et al. (2020) reportaron alteraciones en la sustancia blanca cerebral de preescolares con alto tiempo de exposición a pantallas, especialmente en áreas relacionadas con lenguaje y funciones ejecutivas. Likhitweerawong et al. (2024) sugieren que la disfunción ejecutiva podría mediar la relación entre la sobreexposición a pantallas y la aparición de conductas problemáticas, destacando la relevancia de las funciones cognitivas moduladoras, entendidas como procesos tales como la atención sostenida, el control inhibitorio, la flexibilidad cognitiva y la autorregulación, los cuales permiten regular la conducta y la adaptación al entorno.

En población con autismo, el uso de pantallas es especialmente relevante. Durante la pandemia por COVID-19, el aumento del tiempo frente a dispositivos se relacionó con un empeoramiento de síntomas conductuales y reducción

de oportunidades de socialización (Fundación Querer, 2021; Narzisi, 2020). No obstante, se han descrito beneficios en contextos controlados, como aplicaciones educativas, comunicación aumentativa y estrategias de autorregulación sensorial (Child Mind Institute, 2023). Esto evidencia que el impacto depende de la supervisión adulta, la selección de contenidos y normas familiares claras (Domoff et al., 2019).

Las guías internacionales recomiendan limitar la exposición a pantallas en menores de cinco años y promover el uso compartido con cuidadores (American Academy of Pediatrics, 2016; World Health Organization, 2019). Sin embargo, muchos instrumentos de evaluación carecen de validación en contextos latinoamericanos, lo que limita su aplicabilidad (Radesky et al., 2020).

El impacto del uso de pantallas no es homogéneo y varía según el tiempo de exposición, el tipo de uso y la tecnología. El tiempo de uso

“El uso de pantallas en la infancia ha aumentado de forma sostenida, generando preocupación por su posible impacto en el desarrollo socioemocional, especialmente en niños con Trastorno del Espectro Autista (TEA).”

excediendo los límites recomendados predice efectos negativos (Twenge & Campbell, 2018), mientras que el tipo de uso resulta aún más determinante. Usos pasivos incrementan riesgos, mientras que los usos activos o compartidos con mediación adulta pueden atenuar efectos adversos (Chaudron et al., 2018). Los dispositivos portátiles, como teléfonos y tablets, favorecen un uso autónomo y menos supervisado, aumentando el riesgo de sobreexposición, en comparación con tecnologías compartidas como la televisión (Radesky et al., 2020).

El contenido también importa: contenidos educativos e interactivos pueden favorecer habilidades cognitivas si son limitados y supervisados, mientras que exposiciones prolongadas incluso a contenidos educativos pierden su efecto beneficioso (Linebarger & Vaala, 2010). Contenidos muy estimulantes se han vinculado a impulsividad, dificultades atencionales y conductas externalizantes (Christakis et al., 2018). Este enfoque cobra especial relevancia en niños y niñas con Trastorno del Espectro Autista (TEA), quienes presentan mayores desafíos en la autorregulación conductual y en la adaptación a estímulos no estructurados. En este contexto, contenidos estructurados y predecibles, junto con límites claros de tiempo de exposición a pantallas, pueden favorecer el aprendizaje y la regulación conductual. Por el contrario, la exposición prolongada y no supervisada se ha asociado con un aumento de conductas repetitivas, mayor aislamiento y una menor iniciativa social (Mazurek et al., 2013).

Así mismo es como la familia y la escuela desempeñan un rol central en la mediación del uso de pantallas. La supervisión activa y el acompañamiento intencional se asocian a menores problemas conductuales y mayor aprovechamiento de los beneficios educativos (Domoff

et al., 2019; Radesky & Christakis, 2016). Prácticas como regulación del tiempo, selección de contenidos, uso compartido y restricciones en momentos críticos favorecen la autorregulación y reducen la sobreexposición (Radesky et al., 2016; Domoff et al., 2019). En el ámbito escolar, la mediación incluye uso planificado con objetivos pedagógicos, integración complementaria de dispositivos, alternancia con actividades presenciales y formación docente en alfabetización digital, lo que permite que la tecnología potencie el aprendizaje y la motivación, mientras que su uso no regulado puede generar distracción y sobreestimulación (Chaudron et al., 2018; Radesky & Christakis, 2016).

PLANTEAMIENTO DEL PROBLEMA

La literatura muestra que el tiempo de exposición a pantallas, especialmente en horarios nocturnos y sin supervisión adulta, se relaciona con mayores niveles de desregulación emocional y conductas problemáticas, tanto en la población infantil general como en niños con Trastorno del Espectro Autista (TEA) (Dong et al., 2023; Chonchaiya et al., 2018; JAMA Network, 2023).

Esto sugiere que el impacto de las pantallas depende no solo de la cantidad de tiempo, sino también del contexto de uso. Factores como la supervisión parental, reglas claras y tipo de contenido consumido modulan la relación entre uso de pantallas y conducta infantil. Desde esta perspectiva, el uso de pantallas se concibe como variable independiente y el desempeño

adaptativo social como variable dependiente, cuya intensidad está influida por condiciones contextuales, más que por una relación causal directa.

A pesar de los avances internacionales, en Chile los estudios sobre el impacto del uso de pantallas en la conducta infantil continúan siendo escasos, fragmentados y mayoritariamente descriptivos. Esta brecha es aún más evidente en poblaciones neurodivergentes, particularmente en niños y niñas con Trastorno del Espectro Autista (TEA), quienes presentan características específicas en el desarrollo socioemocional, comunicativo y en la autorregulación conductual, que pueden incrementar su vulnerabilidad frente a la exposición a pantallas. Considerando estas particularidades, resulta relevante focalizar la investigación en este grupo, ya que el uso de pantallas podría tener implicancias diferenciadas en su adaptación conductual y social, lo que ha sido escasamente abordado en el contexto nacional (MINEDUC, 2019; Subsecretaría de Educación Parvularia, 2021). La evidencia local se ha enfocado en patrones generales de uso de tecnologías, sin profundizar en efectos conductuales ni en poblaciones neurodivergentes.

Esta limitada evidencia dificulta comprender cómo se manifiestan las consecuencias del uso de pantallas en el contexto chileno y cuáles factores familiares, escolares y contextuales pueden modular dichos efectos, como la supervisión adulta, la regulación del tiempo y la selección de contenidos. Estudios nacionales y regionales destacan la necesidad de generar evidencia situada que considere las particularidades socioculturales, educativas y familiares, especialmente en educación especial (CEPAL & UNICEF, 2020; Araya & Riquelme, 2022).

En este contexto, surge la necesidad de determinar si existen diferencias o asociaciones entre el uso de pantallas y el desempeño adaptativo social en preescolares con autismo, considerando su impacto en entornos educativos donde las prácticas pedagógicas, normativas institucionales y estilos de acompañamiento adulto median el uso de tecnología (Subsecretaría de Educación Parvularia, 2021). Este vacío de conocimiento justifica la realización de un estudio cuantitativo orientado a identificar asociaciones entre el uso de pantallas y las conductas desadaptativas en niños y niñas con autismo, aportando evidencia objetiva y cuantificable que permita describir patrones conductuales y sustentar conclusiones sobre este fenómeno en el contexto estudiado (Creswell & Plano Clark, 2018).

Desde el plano teórico, este estudio aporta evidencia empírica en neuropsicología infantil al explorar cómo el entorno digital se relaciona con el desempeño adaptativo social en niños con autismo. En el plano social y educativo, genera información útil para familias, docentes y equipos interdisciplinarios, promoviendo un uso consciente y regulado de pantallas en la primera infancia y contribuyendo al fortalecimiento de la investigación nacional en educación especial.

OBJETIVOS

Objetivo general

Identificar asociaciones entre el uso de pantallas y las conductas desadaptativas en preescolares con autismo.

Objetivos Específicos

1) Describir los patrones de uso de pantallas en preescolares con autismo mediante una encuesta dirigida a apoderados.

2) Examinar la asociación entre el uso de pantallas y las conductas desadaptativas preescolares con autismo.

3) Comparar los niveles de conductas desadaptativas según el tiempo de exposición a pantallas

PREGUNTA DE INVESTIGACIÓN

¿Existen diferencias en las conductas desadaptativas según el uso de pantallas en preescolares con autismo?

HIPÓTESIS

Hipótesis alternativa (H1): Existen diferencias estadísticamente significativas en el desempeño adaptativo social según el uso de pantallas (tiempo de uso, tipo de contenido y momento de exposición) en preescolares con Trastorno del Espectro Autista.

Hipótesis nula (H0): No existen diferencias estadísticamente significativas en el desempeño adaptativo social según el uso de pantallas (tiempo de uso, tipo de contenido y momento de exposición) en preescolares con Trastorno del Espectro Autista.

MÉTODO

El presente estudio se enmarca en un enfoque cuantitativo, orientado a la recolección y análisis de datos numéricos para describir y comparar patrones de comportamiento, generando conclusiones basadas en evidencia empírica (Hernández-Sampieri et al., 2014). Se utilizó un diseño no experimental y transversal, dado que las variables no fueron manipuladas y la recolección de datos se realizó en un único momento temporal.

El estudio presenta un alcance comparativo-asociativo, ya que se compararon los puntajes de desempeño adaptativo social entre grupos definidos por distintas categorías de uso de pantallas (tiempo de exposición, tipo de contenido y uso antes de dormir), con el propósito de examinar la existencia de diferencias y asociaciones entre estas variables (Ato et al., 2013; Creswell & Creswell, 2018).

Este diseño permite identificar patrones de asociación entre variables sin establecer relaciones causales, lo cual es coherente con la naturaleza observacional del estudio.

Población y muestra

La población objetivo estuvo compuesta por 45 preescolares con diagnóstico clínico de Trastorno del Espectro Autista (TEA), pertenecientes a una Escuela Especial de la ciudad de Concepción, Chile. Dado que se incluyó la totalidad de los estudiantes del nivel preescolar del establecimiento durante el período de recolección de datos, la muestra corresponde a un censo de la población accesible.

El muestreo fue no probabilístico por conveniencia, modalidad habitual en investigaciones aplicadas en contextos escolares y en poblaciones neurodivergentes (Otzen & Manterola, 2017). Debido a la edad y características del desarrollo de los participantes, los instrumentos fueron respondidos por apoderados y docentes, quienes actuaron como informantes en representación de los niños y niñas.

Criterios de inclusión:

- Niños y niñas entre 2 años y 6 años 11 meses.

- Diagnóstico clínico confirmado de trastorno del espectro autista.

- Asistencia regular al establecimiento durante el período de recolección de datos.

Criterios de exclusión: Presencia de comorbilidades neurológicas o médicas severas (por ejemplo, epilepsia no controlada, trastornos motores graves o enfermedades agudas descompensadas) que pudieran impedir la adecuada respuesta de los instrumentos por parte del apoderado o generar sesgos significativos en el reporte familiar.

Variables

Uso de pantallas

La variable uso de pantallas se definió como el conjunto de prácticas y hábitos asociados a la exposición cotidiana de los preescolares a dispositivos electrónicos. Se consideraron dimensiones como: acceso y disponibilidad de dispositivos (televisión, teléfono, tablet, computador y consola), tiempo de exposición en días hábiles y fines de semana, tipo de contenido consumido (videos, juegos, contenido educativo, clases y comunicación), supervisión adulta, existencia de reglas de uso, uso de pantallas antes de dormir y calidad del sueño.

Esta variable fue evaluada mediante la Encuesta de Uso de Pantallas, adaptada del instrumento desarrollado por Astudillo y Toledo (2019), aplicada a los apoderados en calidad de informantes. La versión utilizada en este estudio estuvo compuesta por 18 preguntas cerradas con alternativas categóricas (por ejemplo, rangos de tiempo y frecuencia de uso), lo que permitió clasificar a los participantes en grupos comparables para los análisis estadísticos. El tiempo promedio de respuesta fue de 10 a 15 minutos.

El instrumento fue adaptado al contexto del estudio mediante ajustes en la redacción de algunos ítems para facilitar su comprensión por parte de los apoderados y adecuarlo al contexto educativo chileno, manteniendo la estructura conceptual del instrumento original.

“El impacto del uso de pantallas no es homogéneo y varía según el tiempo de exposición, el tipo de uso y la tecnología.”

Desempeño adaptativo social.

La variable desempeño adaptativo social corresponde al nivel de funcionamiento social y conductual que presentan los preescolares en contextos cotidianos, particularmente en situaciones de interacción social, cumplimiento de normas, flexibilidad conductual y autonomía social. Esta variable fue evaluada mediante una Escala de Desempeño Adaptativo en el Dominio Social, compuesta por 24 ítems, basada en el dominio social del Adaptive Behavior Assessment System – Second Edition (ABAS-II), desarrollado por Harrison y Oakland y adaptado para población chilena por Montero Centeno y Fernández-Pinto (TEA Ediciones).

El ABAS-II evalúa la conducta adaptativa a través de un Índice de Conducta Adaptativa General y tres dominios (Conceptual, Social y Práctico). En este estudio se utilizó específicamente el dominio social.

La adaptación chilena del ABAS-II presenta adecuadas propiedades psicométricas, con coeficientes de consistencia interna (alfa de Cronbach) entre .81 y .96 para los dominios adaptativos, y entre .95 y .97 para el Índice General.

La escala utilizada en este estudio fue sometida a revisión por jueces expertos para evaluar la pertinencia, claridad y representatividad de los ítems en relación con el constructo de desempeño adaptativo social. Tras esta revisión, se eliminó un ítem por falta de pertinencia, quedando una versión final de 24 ítems.

Cada ítem se responde mediante una escala de cinco categorías: no es capaz, es capaz pero no lo hace, a veces lo hace, siempre lo hace cuando es necesario y no se sabe. Se obtiene un puntaje total continuo representativo del nivel de desempeño adaptativo social.

Procedimiento

El estudio se desarrolló en etapas consecutivas, resguardando criterios éticos y metodológicos propios de la investigación educativa.

En primer lugar, se solicitó autorización institucional al establecimiento educacional. Una vez obtenida la aprobación, se informó a la dirección y al equipo docente sobre los objetivos y alcances del estudio.

Posteriormente, se envió a los apoderados el consentimiento informado junto con la Encuesta de Uso de Pantallas. La participación fue voluntaria. Solo se incluyeron aquellos casos en que el apoderado firmó el consentimiento y respondió la encuesta de manera completa.

En una segunda fase, los docentes respondieron la Escala de Desempeño Adaptativo en el Dominio Social para los estudiantes incluidos en la muestra final.

Para resguardar la confidencialidad, cada participante fue identificado mediante un código numérico. Los datos fueron ingresados a una base en formato Excel y posteriormente exportados al software estadístico para su análisis.

Técnicas de análisis

En primer lugar, se aplicaron técnicas de estadística descriptiva para caracterizar la muestra y describir los patrones de uso de pantallas y el desempeño adaptativo social.

Para las variables categóricas se calcularon frecuencias absolutas y porcentajes. Para el puntaje total de desempeño adaptativo social se calcularon medidas de tendencia central (media y mediana) y dispersión (desviación estándar y rango).

Posteriormente, se realizaron análisis inferenciales para examinar diferencias entre grupos. Para comparaciones entre dos grupos independientes se utilizó la prueba t de Student, verificando previamente el supuesto de homogeneidad de varianzas mediante la prueba de Levene. Cuando la comparación involucró más de dos grupos, se empleó el análisis de varianza de un factor (ANOVA). En caso de no cumplirse el supuesto de homogeneidad, se utilizó el ANOVA de Welch.

Para analizar asociaciones entre variables categóricas se utilizó la prueba de chi-cuadrado de independencia.

En todos los análisis se utilizó un nivel de significancia α = .05. El procesamiento y análisis de los datos se realizó mediante el software estadístico JASP (versión 0.18.3).

RESULTADOS

En esta sección se presentan los hallazgos derivados del análisis cuantitativo, orientados a responder los objetivos del estudio. Se analizaron las asociaciones entre los patrones de uso de pantallas y el nivel de desempeño adaptativo social en preescolares con Trastorno del Espectro Autista (TEA).

Los datos fueron sometidos a análisis estadísticos descriptivos e inferenciales, incluyendo medidas de tendencia central y dispersión, así como pruebas de comparación de medias entre grupos definidos por variables categóricas de uso de pantallas. La presentación de los resultados sigue un orden que permite describir primero las características generales de la muestra y posteriormente examinar las diferencias entre grupos.

Análisis Descriptivos

Los resultados descriptivos se presentan con el objetivo de caracterizar la muestra y describir las variables principales del estudio. Se analizaron el desempeño adaptativo social, el tiempo de uso de pantallas, el tipo de contenido consumido, la calidad del sueño y variables demográficas como sexo y edad.

A través de medidas de tendencia central y dispersión se identificaron patrones generales de distribución de las variables, permitiendo contextualizar los análisis comparativos posteriores.

“Esto sugiere que el impacto de las pantallas depende no solo de la cantidad de tiempo, sino también del contexto de uso.”

Caracterización de la muestra

La Tabla 1 presenta la distribución del rango etario de los preescolares con Trastorno del Espectro Autista que conforman la muestra (N = 45).

Se observa que la mayor proporción de participantes corresponde a los 4 años de edad (n = 13; 28.9%), seguida por los 5 años (n = 12; 26.7%) y los 3 años (n = 9; 20.0%). Los grupos de 6 años (n = 8; 17.8%) y 2 años (n = 3; 6.7%) presentan menor representación.

Esta distribución muestra una mayor concentración en los rangos etarios intermedios del nivel preescolar.

Tabla 1: Frecuencias para Rango etario

Nota. n = frecuencia absoluta.

La Tabla 2 presenta la distribución por sexo de los preescolares con Trastorno del Espectro Autista que conforman la muestra (N = 45), como parte de la caracterización sociodemográfica de los participantes. Se observa que 34 (75,6%) corresponden al sexo masculino y 11 niños (24,4%) al sexo femenino, lo que permite contextualizar los análisis posteriores sobre el desempeño adaptativo social y el uso de pantallas.

Tabla 2 : Frecuencias para Sexo

Uso de pantallas

La Tabla 3 presenta la distribución del tiempo de uso de pantallas durante la semana en los preescolares con Trastorno del Espectro Autista que conforman la muestra (N = 45). Se observa que 14 niños (31,1%) utilizan pantallas entre 31 y 60 minutos diarios, constituyendo el grupo más frecuente. En segundo lugar, 13 niños (28,9%) se ubican en el rango de 61 a 120 minutos, mientras que 12 niños (26,7%) utilizan pantallas entre 0 y 30 minutos diarios. Finalmente, 6 niños (13,3%) superan las dos horas diarias de exposición.

Estos resultados muestran una distribución relativamente equilibrada entre los rangos de tiempo, con una mayor concentración de casos en los niveles intermedios de exposición. Esta distribución permite contar con grupos comparables para los análisis posteriores de diferencias en el desempeño adaptativo social.

Tabla 3: Frecuencias en el tiempo de uso de dispositivos durante la semana

La Tabla 4 presenta la distribución del tiempo de uso de pantallas durante los fines de semana en la muestra (N = 45). Se observa que la categoría más frecuente corresponde al rango de 61 a 120 minutos diarios, con 18 niños (40,0%), seguida por el rango de 31 a 60 minutos (14 niños; 31,1%).

Una proporción relevante de los participantes (8 niños; 17,8%) supera las dos horas diarias de exposición, mientras que 5 niños (11,1%) utilizan pantallas por menos de 30 minutos durante el fin de semana.

En comparación con el uso durante la semana, se aprecia una tendencia hacia mayores tiempos de exposición durante los fines de semana, lo que resulta pertinente para los análisis posteriores sobre su relación con el desempeño adaptativo social.

4 : Frecuencias para Tiempo de uso en fines de semana

Contexto de uso y mediación adulta

La Tabla 5 presenta la distribución del contexto de uso y la mediación adulta en el uso de pantallas en los preescolares con Trastorno del Espectro Autista (N = 45). Se observa que la mayoría de los niños utiliza pantallas acompañados por un adulto, ya sea siempre (51,1%) o frecuentemente (33,3%), mientras que un 15,6% lo hace solo ocasionalmente y ninguno reporta un uso completamente sin acompañamiento.

En relación con la regulación, el 75,6% de los apoderados señala que existe regulación del tiempo de uso, y el 71,1% reporta regulación del contenido. No obstante, solo el 15,6% indica que existe regulación según el momento del día (por ejemplo, antes de dormir), lo que implica que en la mayoría de los casos (84,4%) no se establecen restricciones horarias.

Asimismo, el uso sin supervisión directa es poco frecuente, ya que solo 2 niños (4,4%) utilizan pantallas sin la presencia de un adulto, lo que da cuenta de un alto nivel de mediación parental en esta muestra.

Tabla 5: Frecuencia para supervisión y regulación del uso de dispositivos

Tipo de contenido

La Tabla 6 presenta la distribución de los tipos de contenido a los que acceden los preescolares durante el uso de pantallas. Se observa que el contenido audiovisual (videos) es el más frecuente, presente en 38 niños (84,4%), seguido por contenidos educativos, reportados en 14 niños (31,1%). En contraste, el uso de juegos es menos común (6 niños; 13,3%) y el acceso a contenidos de comunicación aumentativa (por ejemplo, tableros de comunicación) es marginal (2 niños; 4,4%).

Ningún participante reporta el uso de pantallas con fines de clases en línea, lo que indica que el uso se concentra principalmente en actividades recreativas y, en menor medida, educativas. Los otros usos reportados incluyen música, series y búsquedas en línea, aunque en proporciones reducidas.

Tabla 6: Frecuencias para el contenido consumido

“otros usos” corresponden a menciones específicas reportadas por los apoderados.

Calidad del sueño

La Tabla 7 presenta la distribución de la calidad del sueño según la frecuencia de uso de pantallas antes de dormir en los preescolares con Trastorno del Espectro Autista.

En el grupo que nunca utiliza pantallas antes de dormir, la mayoría presentó buena calidad del sueño (87,5%), mientras que un 12,5% fue clasificado con calidad del sueño mala. No se registraron casos de calidad regular en este grupo.

Entre quienes reportaron usar pantallas rara vez antes de dormir, se observa una distribución más heterogénea: un 43,8% presentó buena calidad del sueño, un 43,8% calidad regular y un 12,5% calidad mala.

En el grupo que utiliza pantallas a veces antes de dormir, el 87,5% presentó buena calidad del sueño y el 12,5% calidad regular, sin registrarse casos de mala calidad del sueño.

Finalmente, entre quienes utilizan pantallas frecuentemente antes de dormir, el 60,0% presentó buena calidad del sueño y el 40,0% calidad regular, sin observarse casos de mala calidad.

A nivel global, la mayor proporción de la muestra presentó buena calidad del sueño (68,9%), seguida de calidad regular (24,4%) y mala (6,7%). Estos resultados sugieren variaciones descriptivas en la distribución de la calidad del sueño según la frecuencia de uso de pantallas antes de dormir, las cuales fueron examinadas mediante análisis inferenciales.

de pantallas

Nota. Los porcentajes corresponden al porcentaje dentro de cada fila.

Con el fin de examinar la asociación entre el uso de pantallas antes de dormir y la calidad del sueño, se aplicó una prueba de chi-cuadrado de independencia. Los resultados indicaron que no se encontró una asociación estadísticamente significativa entre ambas variables, χ²(6) = 11.18, p = .083, N = 45. No obstante, el tamaño del efecto fue de magnitud moderada (V de Cramer = 0.352), lo que sugiere la presencia de una tendencia descriptiva en la distribución de los casos.

Tabla 8 : Estadísticos Descriptivos del desempeño adaptativo en el dominio social

“Más que constituir un factor causal directo, el uso de pantallas parece integrarse dentro de un sistema más amplio de regulación que incluye el tipo de contenido, el momento de exposición, la mediación adulta y las características individuales del niño.”

Inferenciales

Los resultados inferenciales tienen por objetivo determinar si las diferencias observadas entre los grupos y las asociaciones entre variables son estadísticamente significativas, es decir, si es probable que no se expliquen únicamente por casualidad. En este estudio, se evaluaron específicamente las diferencias en el puntaje de desempeño adaptativo social entre los grupos definidos por el tiempo de uso de pantallas durante la semana y los fines de semana, el tipo de contenido consumido (videos, juegos, educación y comunicación), la calidad del sueño y el sexo, mediante pruebas t de Student y ANOVA de un factor. Asimismo, se examinó la asociación entre el uso de pantallas antes de dormir y la calidad del sueño mediante la prueba de chi-cuadrado de independencia.

Este enfoque permite establecer si los patrones observados representan diferencias reales entre grupos o si pueden atribuirse al azar, aportando evidencia empírica sobre la relación entre el uso de pantallas, el sueño y el comportamiento adaptativo, aspectos que han sido señalados como relevantes en el desarrollo infantil en la literatura reciente (Twenge & Campbell, 2018).

Asociación entre uso de pantallas antes de dormir y calidad del sueño

Tabla 9 :Contraste Chi-cuadrado entre uso de pantallas antes de dormir y calidad del sueño

Con el fin de evaluar la existencia de una asociación entre la frecuencia de uso de pantallas antes de dormir y la calidad del sueño, se aplicó una prueba de chi-cuadrado de independencia. Los resultados indicaron que la relación entre ambas variables no fue estadísticamente significativa, χ²(6) = 11.18, p = .083, N = 45, por lo que no puede afirmarse que la calidad del sueño dependa de la frecuencia de uso de pantallas antes de dormir en esta muestra.

No obstante, el tamaño del efecto, estimado mediante el V de Cramer (V = 0.352), corresponde a una magnitud moderada. Esto sugiere que, aunque la asociación no alcanza significación estadística, existe una tendencia descriptiva en la distribución de los casos. En términos prácticos, algunas combinaciones entre uso de pantallas antes de dormir y calidad del sueño aparecen con mayor frecuencia de lo esperado por azar, lo que podría adquirir relevancia en estudios con muestras de mayor tamaño.

Diferencias según sexo

La Tabla 10 presenta los estadísticos descriptivos del puntaje de desempeño adaptativo social según sexo.

Los niños obtuvieron una media de 36,12 puntos en la escala total, mientras que las niñas presentaron una media ligeramente superior de 38,73 puntos.

En cuanto a la dispersión, las niñas muestran una desviación estándar mayor (DT = 16,64) en comparación con los niños (DT = 13,44), así como un coeficiente de variación superior (0,430 vs. 0,372), lo que indica una mayor variabilidad relativa en sus puntajes.

En términos descriptivos, las diferencias entre ambos grupos son pequeñas y no sugieren una brecha relevante en el desempeño adaptativo social según sexo dentro de esta muestra.

La Tabla 11 presenta los resultados de la prueba de Levene para la igualdad de varianzas entre niños y niñas. El contraste no fue estadísticamente significativo (F = 1.042, p = .313), lo que indica que la variabilidad de los puntajes es comparable entre ambos grupos y que se cumple el supuesto de homogeneidad de varianzas requerido para la aplicación de la prueba t para muestras independientes.

Tabla 12: Contraste t para muestras independientes según sexo

La Tabla 12 presenta los resultados del contraste t para muestras independientes. No se encontraron diferencias estadísticamente significativas en el puntaje de desempeño adaptativo social entre niños y niñas, t(43) = -0.528, p = .600. El tamaño del efecto fue pequeño (d de Cohen = -0.183), lo que sugiere que la diferencia observada entre los promedios carece de relevancia práctica en esta muestra.

“En términos generales, los resultados obtenidos no evidencian una asociación estadísticamente significativa directa entre las variables analizadas, sino que se configura dentro de un entramado complejo de factores contextuales, individuales y ambientales.”

Diferencias en el desempeño adaptativo según tipo de contenido

La Tabla 13 presenta los resultados de la prueba de Shapiro-Wilk aplicada a los puntajes de desempeño adaptativo social según el consumo de cada tipo de contenido. En general, la mayoría de los grupos no presenta desviaciones estadísticamente significativas respecto a la normalidad (p > .05).

En el caso del consumo de videos, el grupo “Sí” mostró una desviación significativa de la normalidad (p = .035). No obstante, considerando el tamaño muestral y la relativa robustez de las pruebas paramétricas frente a desviaciones leves de normalidad, se decidió continuar con los análisis paramétricos.

Tabla 13: Prueba de normalidad (Shapiro Wilk) por tipo de contenido

Nota. En la variable Comunicación, el grupo “Sí” (N = 2) no permitió el cálculo del estadístico.

La Tabla 14 presenta las comparaciones del puntaje de desempeño adaptativo social según el consumo de distintos tipos de contenido. Ninguna de las comparaciones alcanzó significación estadística (p > .05), lo que indica que no se observaron diferencias estadísticamente significativas en el desempeño adaptativo entre los niños que consumen y no consumen videos, juegos, contenidos educativos o comunicación.

No obstante, se identifican tendencias descriptivas. Se observa un promedio menor en quienes consumen videos y comunicación, y un promedio ligeramente mayor en quienes consumen contenido educativo. Sin embargo, estas diferencias no alcanzan significación estadística y deben interpretarse con cautela, especialmente en aquellos grupos con tamaño muestral reducido.

Tabla 14: Comparación del puntaje total según tipo de contenido

Diferencias en el desempeño adaptativo según tiempo de uso semanal

La Tabla 15 presenta los resultados de la prueba de Levene para evaluar la igualdad de varianzas entre los grupos definidos según el tiempo de uso de pantallas durante la semana. El contraste no resultó estadísticamente significativo (F(3, 41) = 1.050, p > .05), lo que indica que las varianzas del puntaje de desempeño adaptativo social pueden considerarse homogéneas entre los grupos. En consecuencia, se cumple el supuesto de homogeneidad de varianzas requerido para la aplicación del ANOVA de un factor.

Tabla 15: Prueba de homogeneidad de varianzas (Levene)

La Tabla 16 presenta los resultados del análisis de varianza (ANOVA) de un factor realizado para evaluar las diferencias en el desempeño adaptativo social entre los grupos definidos según el tiempo de uso de pantallas durante la semana. El contraste no fue estadísticamente significativo, F(3, 41) = 1.37, p = .266, lo que indica que no se observaron diferencias sistemáticas en los puntajes entre los distintos rangos de tiempo de uso.

El tamaño del efecto fue pequeño (η²p = .09), lo que sugiere que el tiempo de exposición semanal explica una proporción limitada de la varianza en el desempeño adaptativo social dentro de esta muestra.

Tabla 16: ANOVA del puntaje total según tiempo de uso semanal

Diferencias en el desempeño adaptativo según calidad

del

sueño

La Tabla 17 presenta los resultados del análisis de varianza (ANOVA) de un factor realizado para evaluar las diferencias en el puntaje de desempeño adaptativo social entre los grupos definidos según la calidad del sueño (buena, regular y mala). El análisis indicó que las diferencias observadas no fueron estadísticamente significativas, F(2, 42) = 0.84, p = .438, lo que sugiere que, en esta muestra, la calidad del sueño no se asocia de manera sistemática con variaciones en el desempeño adaptativo social.

Aunque los promedios descriptivos muestran una tendencia a puntajes más altos en los niños con mejor calidad de sueño, estas diferencias no alcanzan significación estadística y deben interpretarse como patrones descriptivos más que como efectos concluyentes.

Tabla 17: ANOVA del puntaje total según calidad del sueño

DISCUSIÓN

El presente estudio tuvo como propósito analizar la asociación entre el uso de pantallas y el desempeño adaptativo social en preescolares con Trastorno del Espectro Autista (TEA), considerando variables como el tiempo de uso, el tipo de contenido y el momento de exposición. En términos generales, los resultados obtenidos no evidencian una asociación estadísticamente significativa directa entre las variables analizadas, sino que se configura dentro de un entramado complejo de factores contextuales, individuales y ambientales.

En primer lugar, los análisis no evidenciaron diferencias estadísticamente significativas en el desempeño adaptativo social según el tiempo total de uso de pantallas durante la semana. Aunque los análisis descriptivos mostraron una tendencia a puntajes más bajos —indicativos de mayores dificultades adaptativas— en los niños con mayor tiempo de exposición, estas diferencias no fueron lo suficientemente consistentes como para atribuirlas de manera concluyente al tiempo de uso. Este patrón coincide con literatura reciente que ha cuestionado los modelos simplistas que asocian directamente mayor tiempo de pantalla con peores resultados en el desarrollo, señalando que el impacto de la tecnología depende más del contexto, la calidad del contenido y las condiciones individuales que de la cantidad de tiempo por sí sola (Twenge & Campbell, 2018; Domoff et al., 2019).

De manera concordante, el análisis del tipo de contenido consumido tampoco mostró diferencias estadísticamente significativas en el desempeño adaptativo social. No obstante, los patrones descriptivos indicaron que los niños que consumían principalmente videos ten -

dían a presentar puntajes más bajos, mientras que aquellos expuestos a contenido educativo mostraban promedios más altos. Aunque estas diferencias no alcanzaron significación estadística, su dirección resulta coherente con investigaciones que distinguen entre contenidos pasivos —asociados a mayores dificultades en

autorregulación— y contenidos estructurados o educativos, que pueden favorecer habilidades adaptativas cuando se utilizan en contextos de mediación adulta (Linebarger & Vaala, 2010; Radesky et al., 2020). Estos hallazgos refuerzan la idea de que el impacto de las pantallas no depende exclusivamente del dispositivo, sino del tipo de experiencias que median su uso.

Respecto al momento de exposición, la asociación entre el uso de pantallas antes de dormir y la calidad del sueño mostró un tamaño de efecto de magnitud moderada, aunque no alcanzó significación estadística. Este resultado es consistente con modelos contemporáneos que proponen que el uso de pantallas puede influir indirectamente en la conducta infantil a través de procesos reguladores como el sueño (Dong et al., 2023). En niños con autismo, cuyo sistema de autorregulación suele presentar mayor vulnerabilidad, incluso alteraciones leves del sueño podrían amplificar dificultades conductuales y socioemocionales.

En este contexto, resulta especialmente relevante considerar la posible influencia de variables no controladas, como la alta prevalencia

de trastornos del sueño y el uso de medicación en población con autismo. Diversos estudios estiman que entre el 50% y el 80% de los niños con TEA presentan alteraciones del sueño clínicamente significativas (Richdale & Schreck, 2009; Mazurek & Petroski, 2015). Asimismo, fármacos frecuentemente prescritos en esta población, como la melatonina, antihistamínicos sedantes y antipsicóticos atípicos (por ejemplo, risperidona y aripiprazol), pueden modificar la arquitectura del sueño o inducir somnolencia (Owens et al., 2010; Fung et al., 2016). La ausencia de control de estas variables en el presente estudio pudo haber atenuado o distorsionado las asociaciones observadas entre pantallas, sueño y conducta, contribuyendo a la presencia de tendencias descriptivas sin significación estadística.

En relación con el sexo, no se encontraron diferencias estadísticamente significativas en el desempeño adaptativo social entre niños y niñas. Este resultado se alinea con evidencia que indica que, en población con autismo, el impacto funcional de variables como el uso de pantallas o la calidad del sueño no presenta diferencias sistemáticas por sexo (Domoff et al., 2019). No obstante, debe considerarse que el tamaño muestral reducido del grupo femenino limita la potencia estadística para detectar posibles efectos.

En conjunto, los hallazgos del presente estudio respaldan una perspectiva multifactorial y contextualizada del impacto de las pantallas en el desarrollo de niños con TEA. Más que constituir un factor causal directo, el uso de pantallas parece integrarse dentro de un sistema más

amplio de regulación que incluye el tipo de contenido, el momento de exposición, la mediación adulta y las características individuales del niño. Esta interpretación es consistente con modelos contemporáneos del desarrollo en autismo, que enfatizan la interacción dinámica entre factores biológicos, conductuales y ambientales (Richdale & Schreck, 2009; Dong et al., 2023).

Asimismo, es importante considerar que el tamaño muestral reducido, particularmente en algunos subgrupos de análisis, pudo haber limitado la potencia estadística de las pruebas aplicadas. En este sentido, la ausencia de significación estadística en ciertos contrastes podría estar asociada a limitaciones de tamaño muestral más que a la inexistencia real de diferencias entre grupos.

Finalmente, aunque los análisis inferenciales no mostraron asociaciones estadísticamente significativas robustas, los patrones descriptivos observados aportan evidencia empírica relevante sobre la compleja articulación entre hábitos digitales, sueño y desempeño adaptativo en preescolares con autismo. Estos resultados contribuyen a un campo que aún presenta vacíos importantes de conocimiento, particularmente en contextos latinoamericanos, y subrayan la necesidad de investigaciones futuras con muestras de mayor tamaño y control más riguroso de variables contextuales.

CONCLUSIONES

El presente estudio tuvo como objetivo analizar la relación entre el uso de pantallas y el desempeño adaptativo social en preescolares con Trastorno del Espectro Autista (TEA). A partir de una muestra de 45 niños y niñas, se realizaron análisis descriptivos, comparativos y asociativos que permiten extraer las siguientes conclusiones.

En primer lugar, no se encontraron diferencias estadísticamente significativas en el desempeño adaptativo social según el tiempo de uso de pantallas durante la semana, F(3, 41) = 1.366, p = .266, η²p = .09. Si bien los análisis descriptivos mostraron una tendencia a puntajes más bajos —indicativos de mayores dificultades adaptativas— en los niños con mayor tiempo de exposición, estas diferencias no fueron lo suficientemente consistentes como para atribuirlas de manera concluyente al tiempo de uso. En segundo lugar, el tipo de contenido consumido (videos, juegos, contenido educativo y comunicación) tampoco mostró diferencias estadísticamente significativas en el desempeño adaptativo social (p > .05 en todos los contrastes). No obstante, se observaron tendencias descriptivas coherentes con la literatura: promedios más bajos en quienes consumen principalmente videos (M = 35.97) y promedios más altos en quienes consumen contenido educativo (M = 39.07). Estas diferencias, aunque no significativas, sugieren que la calidad del contenido podría constituir un factor modulador relevante, que requiere ser examinado en estudios con mayor tamaño muestral.

En relación con el sexo, no se encontraron diferencias estadísticamente significativas entre niños (M = 36.12) y niñas (M = 38.73) en el desempeño adaptativo social, t(43) = −0.528, p = .600. El tamaño del efecto fue pequeño, lo que indica que, en esta muestra, el sexo no constituye un factor diferenciador relevante en el desempeño adaptativo asociado al uso de pantallas.

Respecto al uso de pantallas antes de dormir, la prueba de chi-cuadrado no evidenció una asociación estadísticamente significativa con la calidad del sueño, χ²(6) = 11.18, p = .083. Sin embargo, el tamaño del efecto fue de magnitud moderada (V de Cramer = 0.352), lo que sugiere la presencia de una tendencia en la distribución de los casos. Aunque este resultado no permite establecer una asociación concluyente, indica que el momento de uso podría constituir un factor contextual relevante que merece mayor exploración.

En conjunto, los resultados indican que el uso de pantallas no se asocia significativamente con el desempeño adaptativo social en preescolares con TEA dentro de esta muestra. No obstante, los patrones descriptivos observados sugieren que variables como el tipo de contenido, el momento de uso y el contexto de utilización podrían desempeñar un rol modulador en la relación entre pantallas y conducta adaptativa. Estos hallazgos refuerzan la necesidad de enfoques más integrales y contextualizados para comprender el impacto de la tecnología en esta población.

RECOMENDACIONES

A partir de los hallazgos del presente estudio, se recomienda que futuras investigaciones amplíen el tamaño muestral, especialmente en aquellos subgrupos con menor representación (por ejemplo, uso de comunicación o clases en línea), con el objetivo de aumentar la potencia estadística y permitir análisis inferenciales más robustos. Asimismo, sería pertinente implementar diseños longitudinales que permitan examinar la evolución del uso de pantallas, la calidad del sueño y el desempeño adaptativo a lo largo del tiempo, superando las limitaciones inherentes a los estudios transversales.

Se sugiere profundizar en el análisis del tipo de contenido digital consumido, diferenciando no solo entre contenidos educativos y recreativos, sino también considerando dimensiones como el nivel de interactividad, el grado de estructuración, la estimulación sensorial y la adecuación al nivel de desarrollo del niño o niña. Dado que los resultados descriptivos sugieren posibles diferencias según tipo de contenido, futuros estudios podrían explorar estos factores con mayor nivel de especificidad metodológica. De manera complementaria, la inclusión de registros sistemáticos de las rutinas de sueño (por ejemplo, horarios de acostarse y despertar, despertares nocturnos, uso de pantallas previo al sueño y latencia del sueño) y, cuando sea posible, el uso de medidas objetivas no invasivas —como actigrafía— permitiría contrastar los reportes parentales y obtener indicadores más precisos del impacto potencial de la exposición digital sobre la regulación del sueño.

Asimismo, resulta relevante incorporar variables contextuales adicionales, tales como el nivel de supervisión parental, las estrategias de

mediación digital, la consistencia de las rutinas familiares y la presencia de comorbilidades o uso de medicación, con el fin de comprender de manera más integral los factores que podrían modular la relación entre uso de pantallas y desempeño adaptativo en población con TEA. En el ámbito clínico y educativo, los resultados no permiten establecer asociaciones causales directas entre el uso de pantallas y el desempeño adaptativo social; sin embargo, sugieren la importancia de promover un uso supervisado, estructurado y contextualizado de las tecnologías, especialmente en horarios previos al sueño. Se recomienda orientar a familias y cuidadores en prácticas de higiene del sueño que incluyan la reducción progresiva del uso de dispositivos antes de dormir y la priorización de actividades reguladoras e interacciones sociales presenciales.

Finalmente, desde una perspectiva de políticas públicas, se sugiere fortalecer la elaboración y difusión de orientaciones específicas sobre el uso de tecnologías digitales en la primera infancia, incorporando un enfoque inclusivo que considere las particularidades del desarrollo en niños y niñas con TEA. Esto implica articular esfuerzos entre los sectores de salud, educación y desarrollo social, con el fin de promover prácticas digitales ajustadas al contexto evolutivo y familiar, favoreciendo el bienestar y el desarrollo adaptativo.

“En conjunto, los resultados indican que el uso de pantallas no se asocia significativamente con el desempeño adaptativo social en preescolares con TEA dentro de esta muestra.”

“Estos

hallazgos refuerzan la necesidad de enfoques más integrales y contextualizados para comprender el impacto de la tecnología en esta población.”

Inteligencia artificial y suicidio

Inteligencia Artificial en la Prevención Rol y Feedback Automático para Entrenamiento Emocional durante Crisis

Autores: Bernardita Campos, Victoria Lorca, Martina Bascuñán y Nicolás Cabrera.

Prevención del suicidio, inteligencia artificial, salud mental, entrenamiento emocional, simulación de crisis PALABRAS CLAVE

artificial RESUMEN

Este trabajo explora cómo la inteligencia artificial (IA) puede ser utilizada como herramienta de apoyo en la prevención del suicidio, específicamente mediante la simulación de escenarios de crisis y el feedback automatizado para el entrenamiento en contención emocional. La propuesta se desarrolla en el contexto de la Fundación Katy Summer, institución dedicada a la promoción de la salud mental.

del Suicidio: Juegos de Entrenamiento de Contención

Para ello, se realizó una revisión de literatura sobre suicidio, salud mental e innovaciones tecnológicas en entrenamiento emocional, junto con el uso de herramientas de IA para idear soluciones. Se generaron tres opciones de intervención, y se seleccionó una plataforma de simulación con personajes virtuales controlados por IA, capaz de evaluar las respuestas de los participantes y entregar retroalimentación inmediata. Esta solución destaca por su escalabilidad, personalización y seguridad para el entrenamiento. Se concluye que el uso de IA puede representar una vía efectiva y ética para fortalecer habilidades de intervención emocional, especialmente en jóvenes y profesionales en formación.

INTRODUCCIÓN

Las representaciones del suicidio en medios populares, como la serie “13 Reasons Why”, las películas “Close” y “Love, Liza”, han abierto un debate crucial sobre la salud mental y la prevención del suicidio. Estos relatos no solo han logrado captar la atención del público, sino que también han puesto en evidencia la urgente necesidad de abordar este tema con sensibilidad y responsabilidad a nivel mundial y también a nivel nacional, puesto que en 2024 las tasas de suicidio en Chile han mostrado variaciones significativas y preocupantes (Senado de Chile, 2024).

El propósito de este escrito es presentar una propuesta ante el desafío ‘Simulación de crisis con IA para entrenar contención emocional mediante juegos de rol y feedback automático’, orientada a apoyar el entrenamiento en contención emocional para la Fundación Katy Summer. Ya que se ha visto que los juegos de rol con feedback automático pueden mejorar de manera significativa la reacción de una persona que se encuentre con alguien en situaciones de crisis. La propuesta permite a las personas desarrollar estrategias que sean efectivas para el apoyo emocional.

“El uso de IA puede representar una vía efectiva y ética para fortalecer habilidades de intervención emocional, especialmente en jóvenes y profesionales en formación.”

MARCO TEÓRICO

El suicidio es un problema de salud pública mundial multifactorial y profundamente preocupante que representa el acto intencionado de poner fin a la propia vida, a menudo derivado de una compleja interacción de factores psicológicos, biológicos, sociales, culturales y ambientales. La magnitud de las más de 700.000 muertes por suicidio que se producen cada año a nivel mundial, según la OMS (2025), sirve como recordatorio de la urgente necesidad de estrategias de prevención sólidas, multifacéticas y de colaboración internacional (Lud-Ayen et al., 2022). La alarmante prevalencia de la ideación suicida y los intentos de suicidio requiere enfoques innovadores y escalables para mejorar las habilidades de contención emocional entre los posibles socorristas y proveedores de apoyo (Wang y Liu, 2023). Abordar el suicidio de manera efectiva reduce su impacto social y económico, además de contribuir a mejorar la salud mental de la población.

Ya existe información al respecto de este tema, según el texto “¿La inteligencia artificial puede ayudar a prevenir el suicidio en el personal sanitario?” se comenta que la inteligencia artificial puede ser muy útil a la hora de poder ofrecer tratamientos. Igualmente, también se menciona que es muy importante tener cuidado con la información sensible de los pacientes, para poder cuidar su privacidad. (Bustos-Viviescas, 2024). Por otro lado, respecto a las prevenciones del suicidio una de las estrategias fundamentales es una mejora sustancial del acceso y la calidad de los servicios de salud mental. Esto implica no solo aumentar la disponibilidad de profesionales y tratamientos, sino también integrar la atención de la salud mental en la atención primaria y utilizar modalidades como la tele-

medicina para superar barreras geográficas y económicas (World Health Organization, 2014). Las intervenciones basadas en la comunidad y el fortalecimiento del apoyo social emergen como pilares fundamentales. Fomentar redes de apoyo sólidas, implementar programas de prevención en entornos comunitarios y laborales, y llevar a cabo campañas de concienciación que reduzcan el estigma asociado a la salud mental son esenciales para crear un entorno protector. El apoyo social y la conexión interpersonal actúan como amortiguadores significativos contra la ideación y el comportamiento suicida (Darvishi et al., 2024).

Finalmente, la aplicación de inteligencia artificial dentro de entornos de crisis simulados presenta una vía prometedora para abordar estas limitaciones, ofreciendo una plataforma dinámica y personalizable para ejercicios de juego de roles y mecanismos de retroalimentación automatizados. Las simulaciones impulsadas por IA pueden proporcionar un entorno seguro y controlado para que las personas practiquen técnicas de desescalada y estrategias de regulación emocional, mejorando en última instancia su preparación y eficacia en situaciones de crisis del mundo real (Thakkar et al., 2024). Es por esto que el uso de la IA en prevención del suicidio ha permitido desarrollar, por ejemplo, plataformas en tiempo real de atención para las personas, esto puede representar una solución innovadora.

Objetivos o preguntas

¿Cuál podría ser el potencial impacto de la implementación de un programa de entrenamiento con IA para las personas que necesitan ayuda en momentos de crisis?

¿Qué tipo de programación debe tener la IA para llevar cabo la capacitación y para que pueda dar feedback de manera integral considerando todos los aspectos posibles?

¿Qué funciones (hacer preguntas, poner alternativas, exposición de casos, etc.) debe tener la IA para poner a prueba al participante del entrenamiento y calificar la intervención?

METODOLOGÍA

En primer lugar, para entender mejor el tema, se realizó una revisión de literatura en bases académicas y documentos de organismos internacionales, con el objetivo de contextualizar la problemática abordada. Se utilizaron buscadores como Google Scholar y palabras clave como ‘prevención del suicidio’, seleccionando textos relevantes para fundamentar el marco teórico y la argumentación del problema. Además, usamos herramientas de inteligencia artificial como ChatGPT, Gemini, Jenni IA, entre otras, para resumir textos, ordenar nuestras ideas y posteriormente tener un mejor resultado.

Para pensar en una buena solución, utilizamos el enfoque Design Thinking y seguimos sus cinco etapas: empatizar, definir, idear, prototipar y evaluar. Primero en la etapa de empatizar, tratamos de ponernos en el lugar de quienes trabajan en la Fundación Katy Summer, entendiendo que necesitan cuando enfrentan situaciones de crisis y cómo una herramienta podría ayudarles para entrenar la contención emocional. Luego, definimos el problema que queríamos resolver, ¿Cómo enseñar, de manera práctica y confiable, a las personas a apoyar emocionalmente a alguien en crisis utilizando herramientas de inteligencia artificial? Después vino la etapa de idear, en la que usamos herramientas de IA como Jenni IA y ChatGPT, ambas para generar distintas propuestas de solución y generar ideas iniciales. Finalmente, en la etapa de prototipar y evaluar nos quedamos con tres ideas principales, de las cuales elegimos una para desarrollar con detalle.

Por último, como ha sido mencionado anteriormente se utilizó IA en apoyo de distintas fases del trabajo, donde las interacciones se realizaron mediante el uso de “Prompts”, unos ejemplos de ellos son los siguientes:

“Resume este texto con la información más relevante”

“Corrige este párrafo para tener una redacción más clara”

“Genera imágenes de una persona capacitándose para ayudar a personas en crisis”

“Resume el artículo en 3 párrafos breves”

“Eres un psicólogo experto en temas de suicidio. Crea tres soluciones para evaluar la capacidad de contención de una persona que quiere aprender a actuar frente a alguien que tenga desbordes emocionales utilizando la inteligencia artificial”.

RESULTADOS

En la generación de soluciones para el problema y desafío con nuestro grupo decidimos enfocarnos en Jenni AI, ya que fue la herramienta de inteligencia artificial cuyas propuestas resultaron más pertinentes para el desafío planteado. Para esto generamos un prompt con las siguientes características: “Eres un psicólogo experto en temas de suicidio. Crea tres soluciones para evaluar la capacidad de contención de una persona que quiere aprender a actuar frente a alguien que tenga desbordes emocionales utilizando la inteligencia artificial”. El objetivo es entrenar y evaluar si una persona es capaz de contener a la otra que sufre un desborde emocional.

El objetivo del taller es entregar herramientas prácticas de primera contención emocional y apoyo en contextos de crisis, orientado a la Fundación Katy Summer, dedicada a la prevención del suicidio. Sus directrices de redacción son formales” las propuestas que nos ofreció fueron las siguientes:

Simulación de Escenarios de Crisis Interactivos con IA

Descripción: Desarrollar una plataforma de simulación donde los participantes interactúan con personajes virtuales impulsados por IA que experimentan diferentes niveles de desbordamiento emocional. La IA ajusta el comportamiento del personaje en tiempo real, basándose en las respuestas del participante.

Evaluación: La IA registra y evalúa las intervenciones del participante, midiendo la efectividad de sus técnicas de contención. Se evalúan aspectos como la empatía demostrada, la capacidad de mantener la calma, la aplicación de técnicas de comunicación efectivas y el manejo de la situación de crisis.

Retroalimentación: La IA proporciona retroalimentación inmediata y personalizada sobre las fortalezas y áreas de mejora del participante. Se pueden generar informes detallados que analicen el desempeño en diferentes escenarios y destaquen patrones de comportamiento.

Imagen realizada con Chat GPT

Foto de jóvenes utilizando la aplicación de la plataforma de Katy Summer practicando sus conocimientos ante la situación de crisis del avatar a través de un chat que le va haciendo preguntas para responder

Análisis del Lenguaje Natural para la Evaluación de Respuestas Escritas

Descripción: Presentar a los participantes escenarios de crisis hipotéticos por escrito y pedirles que redacten respuestas de contención emocional. Utilizar algoritmos de NLP para analizar el contenido de las respuestas, identificando elementos clave como la presencia de empatía, la claridad en la comunicación, el uso de técnicas de afrontamiento y la identificación de posibles riesgos.

Evaluación: El sistema de IA asigna una puntuación a cada respuesta, basada en la calidad y la pertinencia de las estrategias de contención propuestas. Se pueden establecer criterios específicos para evaluar diferentes aspectos de la respuesta, como la capacidad de establecer una conexión emocional, la habilidad para ofrecer apoyo práctico y la identificación de señales de alerta.

Retroalimentación: La IA proporciona retroalimentación detallada sobre las fortalezas y debilidades de la respuesta, sugiriendo áreas de mejora y ofreciendo ejemplos de lenguaje y técnicas más efectivas.

Entrevistas Virtuales con Agentes Conversacionales

Descripción: Diseñar un chatbot que simule a una persona en crisis emocional. Los participantes interactúan con el chatbot a través de una interfaz de conversación natural, practicando sus habilidades de contención en tiempo real.

Evaluación: El chatbot evalúa la calidad de la interacción, midiendo la capacidad del participante para establecer una relación de confianza, ofrecer apoyo emocional, identificar las necesidades del interlocutor y guiarlo hacia recursos de ayuda. Se pueden registrar métricas como la duración de la conversación, el tono emocional del participante y la satisfacción del chatbot con la interacción.

Retroalimentación: El chatbot proporciona retroalimentación inmediata sobre el desempeño del participante, destacando las intervenciones más efectivas y sugiriendo áreas de mejora. Se pueden generar informes que analicen el progreso del participante a lo largo del tiempo y comparen su desempeño con el de otros participantes.

Decidimos utilizar “Simulación de Escenarios de Crisis Interactivos con IA” ya que consideramos que esa solución puede ser la más útil para lo que necesitamos, debido a que entre las alternativas a elegir es la más completa, útil y adaptable para el objetivo propuesto de entrenar la contención emocional en situaciones de crisis; esta herramienta permite generar entornos virtuales realistas donde los participantes interactúan con otros personajes controlados por IA. Entre las principales ventajas se encuentra la posibilidad de retroalimentación inmediata y personalizada, evaluar objetivamente habilidades clave como la empatía y el manejo emocional, y adaptarse a las necesidades individuales de cada participante; para la fundación Katy Summer esta solución es ideal, ya que facilita un aprendizaje profundo y medible, alineado con sus metas de prevención del suicidio y fortalecimiento del apoyo emocional. Le preguntamos a la IA que profundice más en esta solución, y esto fue lo que nos ofreció:

Estas soluciones pueden adaptarse y combinarse para crear un programa de entrenamiento integral y personalizado, que permita a los participantes desarrollar y perfeccionar sus habilidades de contención emocional de manera efectiva.

Componentes Clave de la Simulación

Plataforma de simulación:

a )Desarrollar un entorno virtual que replique situaciones de crisis emocional realistas. Esto podría incluir escenarios como:

i) Una persona que expresa ideación suicida.

ii) Un joven que revela haber sufrido acoso escolar.

iii) Alguien que experimenta un ataque de pánico.

b) Utilizar gráficos y audio de alta calidad para aumentar la inmersión y el realismo de la simulación.

Personajes Virtuales con IA:

a) Crear personajes virtuales (agentes) dotados de IA que puedan simular una amplia gama de emociones y comportamientos asociados con diferentes tipos de crisis. Programar la IA para que responda de manera realista a las intervenciones del participante, adaptando su comportamiento en función de las palabras, el tono y las acciones del usuario.

b) Asegurarse de que los personajes virtuales exhiban patrones de lenguaje, expresiones faciales y lenguaje corporal coherentes con su estado emocional simulado.

Imagen realizada con Chat GPT

Foto de joven utilizando la aplicación de la plataforma de Katy Summer practicando sus conocimientos ante la situación de crisis del avatar a través de un chat que le va haciendo preguntas para responder.

Foto de sistema de evaluación entregado por la aplicación, evaluando áreas como empatía, capacidad de manejar crisis, habilidad de mantener la calma y calidad de respuestas.

Motor de Evaluación:

a) Implementar un sistema de evaluación automatizado que registre y analice las interacciones del participante con el personaje virtual.

b) Definir métricas clave para evaluar la efectividad de las estrategias de contención del participante, tales como:

i) Empatía: ¿El participante demuestra comprensión y conexión emocional con el personaje virtual?

ii) Calma: ¿El participante mantiene la compostura y evita reacciones exageradas?

iii) Comunicación: ¿El participante utiliza un lenguaje claro, respetuoso y de apoyo?

iv) Técnicas: ¿El participante aplica técnicas de intervención apropiadas, como la escucha activa, la reformulación y la validación emocional?

v) Seguridad: ¿El participante identifica y aborda los riesgos potenciales, como la ideación

c) Asignar puntuaciones y generar informes detallados que proporcionen una visión general del desempeño del participante.

Sistema de Retroalimentación:

a) Proporcionar retroalimentación inmediata y personalizada al participante después de cada simulación.

b) Destacar las fortalezas del participante y señalar las áreas donde se necesita mejorar.

c) Ofrecer sugerencias específicas sobre cómo el participante puede refinar sus habilidades de contención y manejar situaciones similares de manera más efectiva en el futuro.

Imagen realizada con Chat GPT Imagen que muestra retroalimentación entregada por la aplicación de la página web.

“Este enfoque muestra que la inteligencia artificial puede ser una aliada poderosa para democratizar el acceso a herramientas de apoyo emocional.”

Beneficios Específicos para la Fundación Katy Summer

Escalabilidad: La simulación de IA permite capacitar a un gran número de personas simultáneamente, superando las limitaciones de los talleres presenciales tradicionales.

Personalización: La IA puede adaptar los escenarios y la retroalimentación a las necesidades individuales de cada participante, maximizando el impacto del entrenamiento.

Consistencia: La simulación garantiza que todos los participantes reciban el mismo nivel de entrenamiento y evaluación, eliminando la variabilidad asociada con los instructores humanos.

Seguridad: La simulación proporciona un entorno seguro y sin riesgos para que los participantes practiquen sus habilidades de contención sin temor a cometer errores que puedan dañar a alguien.

Medición: La simulación permite realizar un seguimiento del progreso de los participantes a lo largo del tiempo y medir la efectividad del programa de entrenamiento en su conjunto.

Consideraciones Adicionales

Integración con Teorías Psicológicas: Asegurarse de que la IA se base en principios psicológicos sólidos y que los escenarios de simulación reflejen situaciones de crisis reales.

Validación: Validar la simulación con expertos en salud mental y personas con experiencia en crisis emocionales para garantizar su precisión y relevancia.

Ética: Abordar las consideraciones éticas relacionadas con el uso de la IA en la capacitación en salud mental, como la privacidad de los datos y el potencial de sesgo algorítmico.

Al implementar esta solución de simulación de crisis con IA, la Fundación Katy Summer puede mejorar significativamente la capacidad de sus participantes para brindar apoyo emocional efectivo a quienes lo necesitan.

CONCLUSIÓN Y DISCUSIONES

En síntesis, los resultados permiten sostener que este trabajo propone una nueva forma de entrenar la contención emocional usando inteligencia artificial, con el objetivo de prevenir el suicidio.

La herramienta entrega retroalimentación automática y permite entrenar a muchas personas sin depender de un experto en cada sesión. Esto resulta especialmente útil para jóvenes, estudiantes o voluntarios de fundaciones como Katy Summer. Además, el uso de algoritmos permite personalizar el aprendizaje y anticiparse a situaciones reales de crisis.

Este enfoque muestra que la inteligencia artificial puede ser una aliada poderosa para democratizar el acceso a herramientas de apoyo emocional. En el futuro, podría aplicarse también a otras áreas como por ejemplo el bullying o la salud mental laboral.

Finalmente, a pesar de la propuesta innovadora y prometedora, el trabajo presenta ciertas limitaciones que son importantes de ser consideradas; lo primero a mencionar es que como se encuentra en fase de prototipado y diseño, carece de una validación práctica con usuarios reales, esto provoca que se limite la comprobación de su efectividad, en segundo lugar, es relevante mencionar los desafíos éticos importantes, como la protección de la privacidad de datos de los usuarios y, por último, al enfocarse principalmente en los jóvenes vinculados a la fundación Katy Summer, esta propuesta puede presentar un alcance poblacional limitado. Estas limitaciones abren oportunidades para futuras investigaciones y ajustes que permitan ampliar su aplicabilidad y eficacia.

“La simulación proporciona un entorno seguro y sin riesgos para que los participantes practiquen sus habilidades de contención sin temor a cometer errores que puedan dañar a alguien.”

TECNOLOGÍA Y TRABAJO

PRODUCTIVIDAD Y TALENTO

Inteligencia artificial y productividad

Inteligencia artificial y selección de talentos

Inteligencia artificial y productividad

Relación entre uso de inteligencia artificial y productividad laboral percibida en una empresa multinacional en Chile

Seminario de Habilitación Profesional Nombre estudiante: Javiera Goren Fleiderman. Sede: Santiago.

Inteligencia Artificial laboral percibida - Herramientas Uso tecnológico- Gestión PALABRAS CLAVE

(IA) - Productividad Herramientas digitalesGestión organizacional.

RESUMEN

La inteligencia artificial (IA) se ha consolidado como un recurso emergente en las organizaciones, capaz de apoyar tareas cognitivas, optimizar procesos y transformar la experiencia del trabajo de las personas. En este contexto, comprender cómo su uso se vincula con la productividad percibida resulta fundamental para orientar decisiones de gestión y adopción tecnológica. La presente investigación buscó examinar la relación entre el nivel de uso de IA y la productividad laboral percibida en una muestra de 61 colaboradores de dos áreas administrativas/estratégicas de una empresa multinacional de consumo masivo en Chile. Los participantes respondieron un cuestionario autoadministrado online que evaluó tanto el nivel y características de uso de herramientas de IA como la productividad laboral percibida mediante un instrumento validado. Los resultados mostraron que el uso de IA presenta una distribución heterogénea entre los colaboradores, mientras que la productividad percibida se mantiene en niveles elevados en la mayoría de ellos.

El análisis correlacional indicó que el nivel de uso de IA se relaciona de manera positiva y significativa con la productividad percibida. Esto sugiere que quienes utilizan IA con mayor frecuencia tienden a experimentar una percepción más alta de eficacia y rendimiento en su labor. De esta manera, el uso de IA en la empresa multinacional de consumo masivo con la que se trabajó se posiciona como un factor asociado a la experiencia subjetiva del desempeño, ofreciendo implicancias teóricas para el estudio del trabajo en contextos digitalizados y aportes prácticos para la gestión organizacional y la implementación estratégica de tecnologías emergentes.

INTRODUCCIÓN

La transformación digital ha provocado cambios profundos en la manera en que las organizaciones producen, gestionan y compiten a nivel global. Entre las tecnologías más influyentes de este proceso se encuentra la inteligencia artificial (IA), cuyo desarrollo ha marcado un punto de inflexión en los procesos empresariales y laborales del siglo XXI. Según el Index Report 2025 de la Universidad de Stanford, en 2024 un 78% de las organizaciones ya utilizaba algún tipo de IA, mientras que un 71% declaraba aplicar IA generativa en al menos una función del negocio, lo que representa un crecimiento notable respecto a los años anteriores (Stanford, 2025). De forma concordante, el IBM Global AI Adoption Index (2024) reporta que el 42% de las organizaciones de gran escala han desplegado activamente IA y cerca del 40% adicional se encuentra en fases de exploración, lo que evidencia una adopción acelerada y sostenida (IBM, 2024).

La expansión de la IA hacia sectores como salud, finanzas, marketing, recursos humanos y operaciones ha generado un cambio estructural en muchos países latinoamericanos: la tecnología ya no solo optimiza procesos rutinarios, sino que redefine la organización del trabajo, los roles profesionales y las expectativas sobre el desempeño individual. Por ejemplo, un informe del Banco Mundial y la OIT (2024) indica que entre el 8 y 14% de los empleos de América Latina podrían experimentar mejoras de productividad gracias al uso de IA generativa, aunque esto depende de factores como infraestructura digital, formalidad laboral y nivel educativo del trabajador. Al mismo tiempo, se advierte que alrededor del 26 a 38% de los empleos están expuestos a los efectos de la GenIA, lo que puede generar tensiones en torno a la confiabilidad tecnológica y la claridad de los roles entre humano y máquina (World Bank, 2024). De modo complementario, un análisis regional de la Revista Finanzas y Política Económica (Tejedor-Estupiñan, 2025) confirma que la IA tiene potencial para elevar la productividad en América Latina, pero alerta que las brechas de acceso tecnológico y la capacitación insuficiente pueden impedir que los beneficios lleguen de manera equitativa a todos los trabajadores. A su vez, un estudio de campo en Brasil sobre la adopción de GenIA muestra que, aunque empleados y empleadores perciben mejoras en eficiencia y apoyo en tareas, también surgen preocupaciones respecto a la confiabilidad, la supervisión y la claridad de límites entre funciones humanas y automatizadas (Bonifácio et al., 2025).

En el contexto nacional, Chile se ha posicionado de manera consistente como uno de los países con mayor desarrollo y adopción de inteligencia artificial dentro de América Latina. La Vicerrectoría de Tecnologías de la Universidad de Chile (2024) destaca que el país lidera el desarrollo regional en esta materia, reconociendo su alto nivel de adopción y la consolidación de un ecosistema de investigación, innovación y uso aplicado de IA. A nivel estatal, la Política Nacional de Inteligencia Artificial del Ministerio de Ciencia (s.f.) también confirma este liderazgo y enfatiza la expansión sostenida de tecnologías inteligentes en los sectores público y privado. Este avance acelerado implica que cada vez más organizaciones chilenas están incorporando herramientas basadas en IA en sus procesos, especialmente en funciones administrativas y de análisis de datos. Sin embargo, aún se conoce poco sobre cómo esta adopción influye en la percepción que los trabajadores tienen sobre su rendimiento y productividad, lo que refuerza la relevancia de estudiar las relaciones en contextos laborales reales. (Vicerrectoría de Tecnologías de la Universidad de Chile, 2024; Ministerio de Ciencia, Tecnología, Conocimiento e Innovación, s.f.).

En virtud de lo anterior, se vuelve imperativo ampliar el análisis del impacto de la inteligencia artificial más allá de los indicadores objetivos de eficiencia, incorporando la experiencia subjetiva de los trabajadores y su percepción del desempeño laboral.

Además, el impacto de la inteligencia artificial sobre la experiencia laboral no solo se expresa en mejoras operativas, sino también en cómo los trabajadores perciben su propio rendimiento al interactuar con herramientas digitales. Diversos estudios señalan que la introducción de IA puede generar tanto sensaciones de mayor eficacia y logro como dudas respecto a la confiabilidad o utilidad de estas herramientas, lo cual influye directamente en la productividad laboral percibida (Butler et al., 2024).

En esta línea, estudios experimentales han mostrado que el uso de herramientas de inteligencia artificial puede tener efectos relevantes tanto en el desempeño como en la experiencia subjetiva del trabajo. Por ejemplo, Noy y Zhang (2023), en un estudio experimental realizado con profesionales del Massachusetts Institute of Technology (MIT) de distintas áreas, observaron

“La inteligencia artificial (IA) se ha consolidado como un recurso emergente en las organizaciones, capaz de apoyar tareas cognitivas, optimizar procesos y transformar la experiencia del trabajo de las personas.”

que quienes utilizaron ChatGPT completaron sus tareas en aproximadamente un 40% menos de tiempo y con una mejora cercana al 18% en la calidad del trabajo, además de reportar mayores niveles de satisfacción y menor esfuerzo cognitivo. Si bien estos resultados sugieren un potencial significativo de la IA para mejorar la productividad y la experiencia laboral, provienen principalmente de contextos controlados y tareas específicas, lo que plantea la necesidad de examinar cómo estas dinámicas se manifiestan en contextos organizacionales reales, donde intervienen factores como la cultura organizacional, los roles laborales, las normas de trabajo y las percepciones individuales de desempeño (Noy y Zhang, 2023).

La productividad laboral percibida, entendida como la valoración que los colaboradores hacen de su eficacia y rendimiento, ha cobrado creciente importancia en la literatura organizacional. Estudios recientes muestran que la incorporación de IA produce percepciones heterogéneas: mientras algunos trabajadores reportan mayor utilidad, entusiasmo y sensación de eficacia, otros manifiestan frustración, incertidumbre o desconfianza en los resultados automatizados (Butler et al., 2024).

Los informes globales confirman la magnitud del fenómeno. En su encuesta The State of AI in 2021, McKinsey reportó que un 56% de las organizaciones ya había adoptado IA en al menos una función de negocio y que aproximadamente un 27% atribuía a estas herramientas más del 5% de sus ganancias operativas (Chiu et al., 2021). Informes posteriores de la misma firma muestran que, hacia 2025, la adopción de IA, incluyendo IA generativa, continuó creciendo y se consolidó en funciones clave como marketing, ventas y operaciones, confirmando que la tecnología se ha convertido en un pilar estratégico (McKinsey, 2025).

Más allá de su valor estratégico para las organizaciones, el impacto de la inteligencia artificial también ha comenzado a analizarse desde la perspectiva de quienes experimentan estos cambios en su trabajo. El interés por estudiar esta relación se fundamenta en la necesidad de avanzar hacia una comprensión integral del impacto de la inteligencia artificial en el mundo laboral. Diversos estudios de la (OECD, 2023) muestran que, en distintos países miembros, tanto empleadores como trabajadores reportan efectos positivos de la IA en la productividad y en la calidad del trabajo, junto con una mejora percibida del desempeño individual. A la vez, advierten preocupaciones relacionadas con la transparencia algorítmica, la necesidad de capacitación continua y la confianza en los sistemas automatizados, factores que influyen en cómo los trabajadores evalúan su propio desempeño en entornos mediados por tecnología. Por ello, la (OECD, 2023) subraya la importancia de incorporar las percepciones de los trabajadores para captar de manera más completa los efectos de la digitalización sobre el empleo y la productividad.

A partir de lo expuesto, se vuelve necesario precisar la relevancia que este estudio adquiere en los ámbitos académico, social y práctico. En el plano académico, esta investigación se inserta en un campo aún en desarrollo: la relación entre el uso de inteligencia artificial (IA) y la productividad laboral percibida. La productividad objetiva ha sido ampliamente estudiada desde la economía de la innovación y el crecimiento. Por ejemplo, (Brynjolfsson et al., 2017) señalaron que, pese al rápido avance tecnológico, el crecimiento de la productividad medida en estadísticas económicas sigue siendo bajo, lo que se debe en parte a dificultades para medir los beneficios reales, a la lenta difusión de mejoras y al tiempo requerido por las empresas

para reorganizar sus procesos. Sin embargo, la literatura reconoce que aún faltan estudios empíricos que examinen cómo los trabajadores perciben su propio desempeño en contextos organizacionales concretos, especialmente fuera de Europa y Norteamérica. Esta brecha se hace evidente en los análisis de (Cockburn et al., 2019), quienes destacan que la IA actúa como un “método general de invención”, pero que persisten dificultades para medir sus impactos a nivel micro, y en la ILO (2023), que subraya la necesidad de más estudios sobre los efectos de la IA generativa en la experiencia laboral (Gymrek et al.,2023).

En cuanto al plano social, los hallazgos permitirán comprender cómo la IA afecta la experiencia laboral, evidenciando tanto oportunidades de mejora en productividad y calidad del trabajo como desafíos vinculados a la confianza tecnológica, la precisión de los algoritmos y la necesidad de capacitación. De manera complementaria, la Organización Internacional del Trabajo sostiene que la IA generativa transformará la cantidad y calidad del empleo, con mayores beneficios cuando complementa en lugar de sustituir las capacidades humanas (Gymrek et al., 2023).

En el plano práctico, esta investigación entregará evidencia concreta para una empresa multinacional de consumo masivo en Chile, sobre cómo sus colaboradores perciben la productividad al utilizar herramientas basadas en IA. Los resultados servirán para diseñar capacitaciones,

lineamientos de liderazgo y políticas de adopción tecnológica que fortalezcan el trabajo en dos áreas administrativas/estratégicas de la organización, asegurando que la IA contribuya a la eficiencia y a una experiencia laboral más satisfactoria.

A la luz de estas consideraciones, esta investigación se propone analizar la relación entre el nivel de uso de la IA y la productividad laboral percibida en colaboradores de una empresa multinacional en Chile, particularmente en dos áreas administrativas/estratégicas de la organización. Este trabajo permite examinar no sólo los efectos instrumentales de estas herramientas, sino también cómo los trabajadores viven, interpretan y resignifican su productividad y desempeño en un entorno de trabajo mediado por tecnologías emergentes. Se presenta la pregunta de investigación que motivó este estudio: ¿Cuál es la relación entre el nivel de uso de la inteligencia artificial y la productividad laboral percibida en los colaboradores de la empresa escogida, de dos áreas administrativas/estratégicas de la organización?

A partir de esta pregunta, el estudio se estructura en torno al objetivo general y una serie de objetivos específicos con sus respectivas hipótesis, los cuales orientan el diseño metodológico, el análisis de los resultados y la posterior discusión de los hallazgos.

Objetivo General

Determinar la relación entre el uso de inteligencia artificial y la productividad laboral percibida, en colaboradores de una empresa multinacional de consumo masivo en Chile, en dos áreas administrativas/estratégicas de la organización.

Objetivo específico 1

Describir el nivel de uso percibido y las características de utilización de herramientas de inteligencia artificial en los colaboradores de dos áreas administrativas/estratégicas de la empresa multinacional.

Hipótesis 1

El nivel de uso percibido de herramientas de inteligencia artificial presentará una distribución predominantemente alta, concentrando en los niveles “alto” (4) “muy alto” (5) y su utilización se concentra principalmente en análisis de información o datos.

Objetivo específico 2

Establecer los niveles de productividad laboral percibida en los colaboradores de dos áreas administrativas/estratégicas de la empresa multinacional.

Hipótesis 2

Los colaboradores de dos áreas administrativas/estratégicas de la organización reportan niveles elevados de productividad laboral percibida.

Objetivo específico 3

Relacionar el nivel de uso de herramientas de inteligencia artificial con la productividad laboral percibida en los colaboradores de dos áreas administrativas/estratégicas de la empresa multinacional.

Hipótesis 3

Los colaboradores que utilizan más herramientas de inteligencia artificial tenderán a reportar mayores niveles de productividad percibida.

MARCO TEÓRICO

El trabajo humano constituye una de las expresiones más complejas de la actividad social, pues no se reduce a la ejecución de tareas, sino que simboliza procesos intencionales orientados a un propósito y mediados por herramientas, normas e interacciones sociales (CongLem, 2022). Desde la teoría histórico-cultural de Vygotsky (1978), el ser humano modifica su entorno y a sí mismo a través del uso de artefactos culturales, los cuales median su relación con el objeto del trabajo y dotan de sentido a la acción. Esta mediación no es un detalle técnico, sino el corazón de la actividad humana: toda práctica laboral implica un proceso de interpretación y resignificación constante del entorno, en función de las herramientas y significados disponibles (Cong-Lem, 2022).

Leontiev profundizó esta mirada al distinguir entre actividad, acción y operación, proponiendo que cada nivel expresa un vínculo diferente con el motivo del sujeto. La actividad responde a una necesidad o propósito general, las acciones a metas concretas y las operaciones a las condiciones materiales del entorno. Esta diferenciación permite comprender que el trabajo no es una cadena mecánica de tareas, sino un sistema dinámico de sentido, donde lo que se hace, cómo se hace y por qué se hace están profundamente entrelazados (Cong-Lem, 2022).

Engeström (2012) amplió este marco con la Teoría de la Actividad de Tercera Generación (E-CHAT), que conceptualiza la práctica laboral como un sistema compuesto por sujeto, objeto, herramientas, reglas, comunidad, división del trabajo y resultados. Lo innovador de su planteamiento radica en reconocer que las contradicciones internas entre estos componentes no son fallas, sino motores de desarrollo organizacional, pues impulsan la reflexión, el aprendizaje y la innovación. Así, los cambios tecnológicos, estructurales o culturales que atraviesan una organización, como la incorporación de la Inteligencia Artificial (IA), deben entenderse no como simples adaptaciones técnicas, sino como transformaciones en los sistemas de actividad que reconfiguran los vínculos entre personas, herramientas y objetivos (Cong-Lem, 2022).

En ese marco, la productividad laboral no puede abordarse únicamente desde su dimensión económica o técnica. La tradición clásica (Chiavenato, 2017) la define como la relación entre recursos y resultados, enfatizando la eficiencia, la reducción de costos o el cumplimiento de metas. Sin embargo, esta visión cuantitativa resulta insuficiente para comprender el desempeño humano actual, pues omite la experiencia subjetiva del trabajo y los factores psicosociales

que la configuran. En los últimos años, se ha avanzado hacia una concepción más amplia: la productividad percibida, entendida como la valoración subjetiva que las personas hacen de su propia eficacia, contribución y logro (Chiavenato, 2017).

Esta perspectiva incorpora variables como la motivación intrínseca, el reconocimiento y la satisfacción laboral, que influyen directamente en cómo los individuos evalúan su desempeño (Cequea et al., 2011; Warr, 2007). Cuando los trabajadores se sienten apoyados y con sentido de propósito, su percepción de productividad aumenta, incluso si los indicadores objetivos permanecen constantes. Ello revela que la productividad, en su dimensión humana, no es un mero resultado medible, sino una vivencia psicológica del trabajo bien hecho, fundamentada en el significado que se le otorga a la acción cotidiana (Cequea et al., 2011; Warr, 2007).

La evidencia empírica refuerza esta idea. El CIPD Good Work Index (2022) y el State of the Global Workplace (Gallup, 2020) demuestran que experiencias laborales positivas, reconocimiento y sentido de propósito se correlacionan con mayores niveles de desempeño percibido, compromiso y bienestar. Estas conclusiones sugieren que la productividad debe entenderse como un fenómeno interdependiente entre sujeto y contexto, donde el bienestar psicológico y la calidad del entorno organizacional median la forma en que las personas producen y se perciben productivas (CIPD, 2022; Gallup, 2020).

La llegada de la Inteligencia Artificial (IA) irrumpe como un nuevo artefacto mediador que altera radicalmente los sistemas de actividad humana. Russell y Norvig (s.f.)

la definen como el estudio de agentes capaces de percibir su entorno y actuar para maximizar objetivos, lo que incluye desde algoritmos simples hasta modelos generativos como ChatGPT, que procesan información y producen contenido automáticamente. En los espacios laborales, su impacto trasciende la automatización: reconfigura la interacción entre conocimiento, acción y decisión. La IA modifica las reglas del trabajo, redistribuye la división de tareas entre humanos y máquinas, e incluso redefine el objeto de la actividad, al desplazar el límite entre lo que se considera trabajo humano y trabajo tecnológico (Nguyen et al., 2025).

Desde la Teoría de la Actividad (CHAT), la incorporación de tecnologías como la inteligencia artificial debe entenderse como un proceso de mediación que transforma la estructura misma de la actividad laboral. La introducción de nuevos artefactos no implica necesariamente mejoras automáticas en el desempeño, sino que puede activar tensiones entre herramientas, reglas, división del trabajo y expectativas del sujeto. Estas tensiones, propias de la integración de nuevas tecnologías en sistemas de actividad ya existentes, influyen en la forma en que las personas se apropian de la tecnología, la resignifican o incluso la resisten, impactando directamente en cómo evalúan su desempeño y su productividad percibida (Engeström, 2012; Cong-Lem, 2022).

Desde esta perspectiva, la forma en que la IA afecta la productividad percibida no depende solo de sus prestaciones técnicas, sino de cómo es evaluada y aceptada por los trabajadores. El Modelo de Aceptación Tecnológica (TAM) sostiene que la utilidad percibida, el grado en que se cree que la tecnología mejora el desempeño, y la facilidad de uso percibida son determinantes de su adopción y del beneficio subjetivo que reporta (Cataldo, 2012). Así, cuando la IA es percibida como útil y manejable, los colabora-

“La inteligencia artificial adquiere sentido no por sus capacidades técnicas, sino por la forma en que las personas la integran, la evalúan y la hacen parte de su manera de trabajar.”

dores tienden a autoevaluar su productividad al alza; cuando se percibe opaca o difícil, esa valoración se debilita, aun cuando los indicadores objetivos no cambien (Cataldo, 2012).

En complemento a la aceptación tecnológica, la experiencia subjetiva del trabajo también depende del grado en que las personas sienten que la tecnología y las prácticas organizacionales se alinean con sus valores, expectativas y formas de trabajar. Desde esta perspectiva, resulta relevante considerar el modelo de Person-Organization Fit (P-O fit), el cual propone que las personas experimentan mejores actitudes, comportamientos y percepciones de desempeño cuando existe una mayor compatibilidad entre sus características y las de la organización, ya sea en términos de valores, necesidades, prácticas laborales o expectativas mutuas (Kristof-Brown et al., 2023). Esta teoría plantea que el ajuste entre individuo y organización influye directamente en variables subjetivas como satisfacción, compromiso, motivación y percepción del propio rendimiento. En el contexto de la presente investigación, este marco resulta pertinente porque la adopción de herramientas de Inteligencia Artificial no opera de manera aislada, sino dentro de una cultura organizacional que puede facilitar o dificultar su integración. Así, el uso de IA puede potenciar la productividad percibida sólo en la medida en que las personas sienten que esta tecnología encaja con la forma en que la organización trabaja, con las expectativas del rol y con su propio estilo laboral. Desde esta perspectiva, el P-O fit permite comprender por qué la IA no genera efectos homogéneos en todos los colaboradores: cuando la tecnología se alinea con la cultura, los procesos y las necesidades percibidas, es más probable que su uso aumente la eficiencia subjetiva; en cambio, cuando existe desajuste, sus beneficios pueden ser menores o incluso percibirse como fuente de tensión o dificultad. En consecuencia, esta

teoría aporta un marco explicativo para interpretar la variabilidad en la productividad percibida asociada al uso de herramientas de IA dentro de la organización (Kristof-Brown et al., 2023).

En este contexto, el trabajo contemporáneo se redefine: ya no solo se trata de ejecutar tareas, sino de construir sentido a través de la relación entre la persona, la herramienta y el propósito, donde la eficiencia técnica y la experiencia subjetiva se entrelazan (Vygotsky, 1978; Leontiev, 1981; Warr, 2007).

En definitiva, la productividad percibida se configura como el punto de convergencia entre los principios de la Teoría de la Actividad y el impacto de la Inteligencia Artificial. La incorporación de la IA actúa como un factor disruptor que, al modificar las herramientas y las reglas del sistema (Engeström, 2012), reconfigura la experiencia laboral del sujeto. De este modo, la eficacia ya no es una mera magnitud económica, sino una valoración subjetiva que se negocia constantemente entre la utilidad tecnológica percibida y el sentido que el trabajador construye en su acción diaria (Vygotsky, 1978; Cataldo, 2012). Este marco sitúa la presente investigación en la articulación de la tecnología, la organización y la subjetividad, buscando comprender cómo la IA transforma el significado y la valoración del desempeño en el contexto laboral contemporáneo.

METODOLOGÍA

Diseño

Para investigar la relación entre el nivel de uso de inteligencia artificial y la productividad laboral percibida de los colaboradores de una empresa multinacional de consumo masivo, en dos áreas administrativas/estratégicas, se utilizó un enfoque cuantitativo con alcance relacional y temporalidad transversal. Este diseño se justifica en tanto busca identificar el grado de relación entre las variables señaladas a partir de una recolección de datos realizada en un único momento en el tiempo. El estudio es de carácter no experimental, ya que no se intervino ni se ejerció control sobre las variables analizadas (Armijo et al., 2021).

Participantes

La población corresponde a todos los colaboradores de una empresa multinacional de consumo masivo en Chile, mientras que la muestra accesible se reduce a quienes integran dos áreas administrativas/estratégicas de la organización, estimada en aproximadamente 145 personas que cumplían con los criterios de inclusión y exclusión. Sin embargo, el número final de participantes que completaron el cuestionario fue de 61 colaboradores.

El muestreo utilizado fue de carácter no probabilístico, de tipo intencional, por lo que los resultados del estudio no son estadísticamente representativos de la totalidad de la organización. En este sentido, la investigación se concibe como un estudio de alcance exploratorio, orientado a analizar la relación entre el uso de herramientas de inteligencia artificial y la productividad laboral percibida en un contexto organizacional específico (Armijo et al., 2021).

Durante el proceso de depuración de la base de datos no se registraron casos con abandono del cuestionario ni datos perdidos en las variables primarias del estudio, por lo que los 61 registros fueron considerados válidos para los análisis posteriores.

El tamaño de la muestra no se determinó mediante cálculos probabilísticos de margen de error y nivel de confianza, sino a partir de criterios de pertinencia analítica acordes con el diseño relacional y el enfoque exploratorio del estudio. En coherencia con ello, se invitó a participar a la totalidad de los colaboradores de las dos áreas administrativas/estratégicas de la organización, con el objetivo de asegurar la relevancia de casos para el análisis de la relación entre las variables en estudio (Armijo et al., 2021).

Criterios de inclusión

· Ser colaborador/a activo/a de la empresa multinacional de consumo masivo escogida que se desempeñe en las dos áreas administrativas/estratégicas de la organización.

· Contar con al menos tres meses de antigüedad, asegurando experiencia mínima en el uso de las herramientas de trabajo.

Criterios de exclusión

· Encontrarse en periodo de práctica profesional, pasantía o inducción.

· Estar con licencia médica, permiso prolongado o vacaciones durante la recolección de datos.

Instrumentos

Para el cumplimiento de los objetivos de la investigación se emplearon instrumentos estandarizados y validados, seleccionados de acuerdo con las variables centrales del estudio: productividad laboral percibida y nivel de uso de inteligencia artificial, El cuestionario ha sido seleccionado por su pertinencia teórica, validez y confiabilidad, lo que permite obtener mediciones precisas y comparables dentro del contexto organización de la multinacional. Según Armijo et al., (2021), los cuestionarios constituyen una técnica de recolección de datos estructurada, compuesta por un conjunto de ítems presentados en forma de afirmaciones o preguntas cerradas, que buscan medir de manera objetiva actitudes, percepciones o conductas en relación con variables previamente definidas. En esta investigación, el cuestionario fue autoadministrado es decir, respondido directamente por los participantes sin las presencia del investigador, y se proporcionaron de forma remota mediante un enlace digital, lo que facilitó su acceso, resguardo la confidencialidad de las respuestas y aseguró la homogeneidad en la aplicación (Armijo et al., 2021).

Para evaluar la productividad laboral percibida, se aplicó un cuestionario validado realizado por el autor Cea- González (2025), el cual examina el grado en que las personas o equipos definen objetivos, metas y recursos de producción, establecen mecanismos de medición de resultados e identifican los factores que inciden en su desempeño, tales como la calidad de los insumos y del equipamiento, la eficacia de los procesos del trabajo y el uso de tecnologías. Sus ítems abordan de forma integral aspectos como información de resultados, conocimiento aplicado, herramientas utilizadas, tecnologías mejoradoras, recursos facilitadores, capacidades y recursos disponibles y la adecuación de su uso, proporcionando una visión completa y confiable de la productividad percibida en el contexto laboral. Este cuestionario se respondió mediante una escala tipo Likert de cinco puntos, que permitió obtener una puntuación total que refleja el nivel de productividad reportado por los colaboradores (Cea- González, 2025).

Finalmente, para medir el uso de herramientas de inteligencia artificial, se incorporó un bloque de preguntas elaboradas por el investigador, destinadas a obtener un reporte subjetivo de uso

de herramientas de IA, con escala tipo Likert de 5 puntos. Dichas preguntas se formularon con un enfoque exploratorio, orientadas a medir la intensidad y propósito del uso de la IA en el contexto organizacional. Los ítems consideran dimensiones como:

Frecuencia de uso de herramientas de IA (por ejemplo, Copilot, M365 y suites corporativas de productividad.)

Función principal para la cual se emplea (automatización de tareas, redacción de textos, análisis de datos, entre otros.)

El carácter auto informado de estas preguntas permitió capturar la percepción subjetiva del uso de la tecnología, aportando información directa sobre cómo los colaboradores interactúan y evalúan su experiencia con la IA. De este modo, el cuestionario ofrece una comprensión integrada entre el uso reportado, las actitudes hacia la tecnología y su utilidad percibida, contribuyendo al análisis del impacto que estas dimensiones tienen en la productividad laboral percibida.

Procedimiento

La investigación se llevó a cabo siguiendo etapas claramente definidas, con el fin de garantizar rigurosidad metodológica y resguardo ético en todo momento.

Etapa 1: Preparación y autorización

Se solicitó la autorización formal a la empresa multinacional para invitar a participar a los colaboradores de dos áreas administrativas/estratégicas de la organización.

Más allá de la factibilidad operativa, la selección de las áreas escogidas responde a su pertinencia estratégica dentro de la organización. En particular estas áreas han sido unas de las más activamente involucradas en los procesos de transformación digital y adopción de herramientas de inteligencia artificial, participando en distintos entrenamientos y capacitaciones digitales orientados al uso de Copilot, M365 y otras plataformas colaborativas. Esta exposición sistemática a la IA convierte a sus equipos en un caso especialmente relevante para comprender cómo la incorporación de estas tecnologías impacta en la productividad percibida, la autonomía y la carga cognitiva en contextos laborales reales.

Etapa 2: Convocatoria y envío de cuestionarios

A los colaboradores que cumplieron con los criterios de inclusión se les envió una invitación por correo electrónico corporativo, adjuntando el enlace de acceso al cuestionario. La participación fue totalmente voluntaria, y la aceptación del consentimiento informado se realizó en línea con una botonera de “Acepto” que representó la firma de la persona, previo a contestar los instrumentos. A quienes aceptaron participar, se les aplicó el cuestionario autoadministrado en formato digital, descrito anteriormente, con escala tipo Likert de cinco puntos y un tiempo estimado de respuesta entre 3 y 5 minutos.

Etapa 3: Recolección y análisis de datos

La recolección de datos se llevó a cabo de manera remota, mediante la aplicación del cuestionario estructurado orientado a medir, por una parte, la productividad laboral percibida y las percepciones y el uso declarado de herramienta de inteligencia artificial en el trabajo. Una vez concluida la recolección, los datos fueron procesados y analizados estadísticamente según el plan de análisis establecido, con el propósito de dar respuesta al objetivo general y a los objetivos específicos del estudio.

Instrucciones/consentimiento informado a los participantes: Al inicio del cuestionario, los colaboradores recibieron las siguientes instrucciones.

“Estimado/a colaborador/a:

Está invitado/a responder este cuestionario cuyo objetivo es conocer la experiencia de los trabajadores/as sobre diferentes aspectos relacionados con el trabajo y el uso de tecnologías. Le tomará no más de 5 minutos completar el cuestionario.

Su participación en este estudio ha sido recomendada por su organización. No hay riesgos previsibles asociados con este proyecto. Sin embargo, si no se siente cómodo/a al responder alguna pregunta, puede retirarse del cuestionario en cualquier momento.

Lea cada afirmación y seleccione la opción de respuesta que mejor represente su experiencia u opinión. No hay respuestas buenas ni malas. Es muy importante para nosotros conocer sus opiniones.

Sus respuestas al cuestionario serán estrictamente confidenciales y los datos de esta investigación se informarán solo en conjunto. Su información estará codificada y permanecerá confidencial. Si tiene preguntas en cualquier momento sobre el cuestionario o los procedimientos, puede comunicarse con la investigadora a cargo.

Muchas gracias.

“La expansión de la IA hacia sectores como salud, finanzas, marketing, recursos humanos y operaciones ha generado un cambio estructural en muchos países latinoamericanos: la tecnología ya no solo optimiza procesos rutinarios, sino que redefine la organización del trabajo, los roles profesionales y las expectativas sobre el desempeño individual.”

“El cuestionario a responder se encuentra protegido por derecho de autor a nombre de la Universidad del Desarrollo, por lo que ninguna persona, natural o jurídica, puede reproducirlo, en forma total o parcial, sin previa autorización por escrito de la Universidad del Desarrollo. En este mismo sentido, se solicita guardar confidencialidad frente a su contenido escrito, gráfico, diseño, proceso o metodología”.

Medida para minimizar sesgos:

Para minimizar posibles sesgos de respuesta o medición, la investigación implementó diversas estrategias complementarias. En primer lugar, los cuestionarios fueron autoadministrados en modalidad remota, de manera que los participantes pudieron responder en un entorno privado reduciendo así la influencia del investigador o tercero. En segundo lugar, se realizó una aplicación simultánea de los instrumentos dentro de un mismo periodo de tiempo, con el propósito de evitar variaciones asociadas a eventuales cambios en las condiciones laborales. Asimismo, se garantizó la anonimización de la información, evitando la recolección de datos personales identificables y asegurando que las respuestas se codificaron previamente a su análisis. Finalmente, se revisó la consistencia de las respuestas para asegurar la calidad de los datos antes del análisis.

Directrices Éticas

Durante el desarrollo de la investigación resulta fundamental resguardar principios éticos que garanticen la integridad y el respeto de todos los participantes. Ello implica cumplir con lineamientos establecidos, que destacan el respeto por la autonomía, asegurando que cada persona puede decidir de forma libre e informada su participación; la beneficencia, que busca maximizar los beneficios y reducir al mínimo los posibles riesgos, evitando cualquier daño o malestar innecesarios; y la justicia, que exige una selección equitativa de los sujetos y un acceso igualitario a los resultados del estudio (Kaczmarek et al., 2025) En coherencia con estos principios se solicitará consentimiento informado a cada participante, se realizará una valoración de riesgos y beneficios, y se garantiza una selección justa de los colaboradores involucrados (World Medical Association, s. f.).

En concordancia con estos lineamientos, la Declaración de Helsinki de la Asociación Médica Mundial (2013) establece que el bienestar, la dignidad y los derechos de las personas participantes deben prevalecer sobre los intereses de la ciencia y la sociedad. El estudio se adhiere a un marco ético reconocido globalmente que garantiza la protección de la integridad y los derechos de los colaboradores, fortaleciendo la validez científica y la responsabilidad social de la investigación (World Medical Association, s. f.).

Análisis de datos

El procesamiento y análisis de los datos se realizó utilizando el software JASP y contempló varias etapas sucesivas.

En primer lugar, se efectuó la revisión de calidad de la base de datos, identificando y excluyendo registros incompletos, duplicados o inconsistentes, con el fin de asegurar la confiabilidad de la información antes de proceder con los análisis. No se registraron datos perdidos en las variables principales, por lo que los 61 casos válidos fueron incluidos en todos los análisis.

En segundo lugar, se realizó un análisis descriptivo de las variables del estudio, incluyendo variables demográficas (edad, género y antigüedad laboral), el porcentaje de uso y todos los usos que se les da a las herramientas de inteligencia artificial en su trabajo habitual y los ítems asociados a la productividad percibida. Este análisis permitió describir la distribución, tendencia central, dispersión y frecuencias de las variables centrales, en línea con los objetivos específicos 1 y 2.

Posteriormente, para evaluar la relación entre el nivel de Uso de IA y la productividad Percibida (objetivo específico 3), se verificaron los supuestos estadísticos, específicamente la normalidad de ambas variables, mediante la prueba de Shapiro-Wilk. Los resultados indicaron que ninguna de las dos variables presentaba una distribución normal, por lo que no era adecuado utilizar técnicas paramétricas como la correlación de Pearson.

Dado lo anterior, se optó por aplicar por el coeficiente de correlación de Spearman, apropiado para datos ordinales y distribuciones no normales. Este análisis permitió estimar la magnitud y dirección de la relación entre ambas variables. El nivel de significancia utilizado fue α = 0.05, y se reportaron los valores de p, así como el coeficiente rho (ρ), considerando una medida de tamaño del efecto para correlaciones. Cuando correspondió, también se incluyeron intervalos de confianza.

Es importante señalar que, previo al análisis correlacional, la variable de Productividad Percibida debió ser transformada mediante un proceso de “baremización”. Para ello se calculó el promedio de los seis ítems Likert asociados a esta variable para cada participante. Posteriormente, se tomó este valor para elaborar una nueva escala ordinal de cinco niveles, definida de la siguiente manera:

= 1.00–1.79 (muy bajo) = 1.80–2.59 (bajo) = 2.60–3.39 (medio) = 3.40–4.19 (alto) = 4.20–5.00 (muy alto)

Una vez creada esta nueva variable categorizada, denominada Nivel de Productividad, se procedió a realizar el análisis correlacional con el Nivel de Uso de IA, permitiendo evaluar empíricamente la asociación planteada en el objetivo específico 3.

RESULTADOS

A partir del análisis de los datos recolectados, se presentan los resultados organizados en función de los objetivos del estudio. En primer lugar, se describen las características generales de la muestra y los patrones de uso de herramientas de inteligencia artificial; posteriormente, se presentan los niveles de productividad percibida y, finalmente, la relación entre el uso de inteligencia artificial y la productividad laboral.

Características de la muestra

La muestra estuvo compuesta por trabajadores/as de una empresa multinacional del rubro de consumo masivo, pertenecientes a dos áreas administrativas de la organización. En términos generales, la distribución de la muestra permitió observar diversidad en género, rango etario y antigüedad laboral, lo que favorece una aproximación amplia a las percepciones sobre el uso de inteligencia artificial en el contexto organizacional.

1: Distribución según género de los participantes

1: La mayoría de los participantes se identificó como femenino (57,4%)

2: El grupo etario predominante fue el de 25 a 45 años (63.9%)

3: Distribución por antigüedad laboral

Figura 3: Antigüedad laboral en Nestlé un (42,6%) reportó más de 7 años en la empresa

Nota. La figura presenta la distribución porcentual de la muestra en función de variables sociodemográficas relevantes.

Uso de inteligencia artificial en el trabajo

Respecto del uso de herramientas de inteligencia artificial en el contexto laboral, los resultados muestran distintos niveles de adopción entre los/as participantes. Una proporción relevante reportó un uso frecuente de este tipo de herramientas, mientras que un grupo menor indicó un uso ocasional o incipiente.

En cuanto a los usos específicos, se observa que las herramientas de inteligencia artificial son utilizadas principalmente para apoyar tareas relacionadas con la generación de contenidos, organización de información, análisis de datos y apoyo a la toma de decisiones. Estos resultados sugieren que la inteligencia artificial cumple un rol transversal en diversas funciones laborales, más allá de tareas altamente técnicas.

Nivel de uso percibido y las características de utilización de herramientas de inteligencia artificial

No utilizo herramientas de IA

Redacción de documentos, correos o presentaciones

Análisis de información o datos

Automatización de tareas rutinarias o administrativas

Comunicación o coordinación con equipos

Generación de ideas o soluciones creativas

Elaboración de informes o reportes

Organización y planificación del trabajo

Figura 4: El uso de IA presenta una variabilidad amplia, sin concentración marcada en un nivel específico. Sin embargo el nivel medio es el con mayor porcentaje (21,3%)

Figura 5: El uso más extendido por los participantes es la redacción de documentos, correos o presentaciones (93.4%)

Nota. Se muestran los porcentajes de participantes según nivel de uso de inteligencia artificial y los principales tipos de uso reportados.

Productividad percibida

En relación con la productividad laboral percibida, los resultados indican que la mayoría de los/ as participantes se ubica en niveles medios a altos de productividad. Esto sugiere una percepción generalizada de desempeño adecuado en el contexto laboral, independientemente de las diferencias individuales en el uso de inteligencia artificial.

6: La distribución mostró una concentración en los niveles superiores de productividad el 41% de los participantes se ubicó en el nivel alto (4) y el 39.3% en el nivel muy alto (5)

Nota. La figura muestra la proporción de participantes según nivel de productividad percibida.

Relación

entre el uso de inteligencia artificial y la productividad

Finalmente, se analizó la relación entre el nivel de uso de inteligencia artificial y la productividad percibida. Los resultados evidencian una correlación positiva de magnitud baja a moderada, lo que indica que, a mayor uso de herramientas de inteligencia artificial, tiende a observarse una mayor percepción de productividad laboral. Sin embargo, la magnitud de esta relación sugiere que la productividad no depende exclusivamente del uso de estas herramientas, sino que también está influida por otros factores organizacionales e individuales.

Figura 7: Relación entre Productividad Pecibida y Uso de herramientas de IA

En relación a la tabla 7:

La productividad laboral percibida presentó una media alta (M=4.14) con una desviación estandar (DE=0.85) indicando alta productividad con variabilidad moderada.

El nivel de uso de IA presentó una media (M=3.0) uso percibido medio, pero con mayor dispersión reflejada en una desviación estándar (DE=1.41).

Normalidad: se evaluó mediante prueba de Shapiro - Willk, en ambas variables los resultados indicaron que no siguen una distribución normal (p<.001).

Correlación de Spearman: al no seguir una distribución normal, se justifica el uso de una prueba no paramétrica.

Nota. Se presenta la relación entre ambas variables mediante un gráfico de dispersión y el coeficiente de correlación correspondiente.

DISCUSIÓN

Evaluación de las hipótesis

Los resultados del estudio permiten evaluar de manera clara el cumplimiento de las hipótesis planteadas. En primer lugar, la Hipótesis 1 es rechazada, ya que no se observa una concentración del nivel de uso de herramientas de inteligencia artificial en rangos altos o muy altos, tal como se había planteado inicialmente. No obstante, los resultados muestran que la utilización de la IA se orienta predominantemente a tareas de análisis, procesamiento y gestión de información, lo que aporta antecedentes relevantes para interpretar la forma en que la tecnología está siendo incorporada en el trabajo. En segundo lugar, la Hipótesis 2 es aprobada, dado que los colaboradores reportan niveles consistentemente altos de productividad laboral percibida. Finalmente, la Hipótesis 3 también es aprobada, al evidenciarse una relación positiva, moderada y estadísticamente significativa entre el nivel de uso de IA y la productividad percibida, aun cuando dicho uso se sitúe mayoritariamente en rangos medios. A partir de estos resultados, se desarrollan a continuación las principales interpretaciones e implicancias del estudio.

Uso de la inteligencia

artificial en el trabajo

En relación con el Objetivo Específico 1, orientado a describir el nivel de uso percibido y las características de utilización de herramientas de IA en los colaboradores de las áreas administrativas/estratégicas de la empresa escogida, los resultados evidenciaron una distribución prácticamente uniforme entre los distintos niveles de uso. Como se mencionó anteriormente, este hallazgo permite rechazar la Hipótesis 1, ya que no se observa concentración del uso de IA en niveles altos o muy altos, tal como se había planteado inicialmente. Pero las características de utilización aportan a comprender que la adopción de la IA no puede interpretarse únicamente en función de la intensidad de uso, sino que requiere considerar el tipo de tareas y funciones específicas en las que la tecnología es integrada dentro de la actividad laboral.

En términos organizacionales, esta combinación de heterogeneidad en el nivel de uso y convergencia en el tipo de tareas sugiere que la adopción de la IA no se produce como una práctica homogénea ni transversal. Por el contrario, los resultados indican que la IA se integra de manera selectiva, activándose principalmente cuando las demandas del trabajo requieren apoyo cognitivo. Esto implica que la tecnología no se utiliza de forma constante o

intensiva, sino en la medida en que resulta funcional para resolver tareas concretas. En este sentido, el valor de la IA parece definirse más por su aporte situado a determinadas tareas que por su frecuencia de uso general, lo que permite comprender que niveles moderados de utilización, cuando son efectivos y pertinentes, pueden asociarse a altos niveles de productividad percibida, introduciendo así una distinción relevante entre el acceso a la tecnología y su apropiación efectiva.

Desde la Teoría de la Actividad, la variabilidad observada puede interpretarse como un indicador de que el sistema organizacional se encuentra en un proceso de reconfiguración parcial, es decir, al ajuste estructural en curso del sistema organizacional, impulsado por las inconsistencias que surgen al intentar alcanzar el objetivo de la actividad (Cong-Lem, 2022).

Engeström (2012) plantea que la incorporación de nuevos artefactos mediadores suele generar contradicciones internas antes de estabilizarse como práctica institucionalizada. En este estudio, la IA parece operar aún como un artefacto no completamente integrado en las reglas y flujos de trabajo colectivos. Esto significa que su uso depende más de decisiones individuales

que de lineamientos organizacionales explícitos, lo que permite flexibilidad y experimentación, pero también implica que la tecnología todavía no forma parte del núcleo normativo del sistema de actividad.

Los aportes de Cong-Lem (2022) permiten profundizar esta interpretación, al señalar que la apropiación tecnológica depende del grado de coherencia entre las herramientas disponibles, las necesidades laborales y la identidad profesional. A partir de los resultados, es posible inferir que la adopción diferenciada de IA no solo responde a habilidades digitales, sino también a cómo los colaboradores conciben su rol y el tipo de trabajo que realizan. En términos prácticos, esto implica que algunos colaboradores perciben la IA como una extensión legítima de su quehacer profesional, mientras que otros la consideran menos pertinente para sus tareas habituales, aun cuando tengan acceso a ella. De este modo, la IA no solo introduce una herramienta nueva, sino que también redefine el alcance del trabajo humano en el rol profesional, particularmente en funciones asociadas al análisis y la toma de decisiones.

“Se vuelve imperativo ampliar el análisis del impacto de la inteligencia artificial más allá de los indicadores objetivos de eficiencia, incorporando la experiencia subjetiva de los trabajadores y su percepción del desempeño laboral.”

Productividad laboral percibida

En relación con el Objetivo Específico 2, los resultados mostraron niveles consistentemente altos de productividad laboral percibida, lo que permite afirmar de manera explícita que la Hipótesis 2 fue aprobada. Este hallazgo adquiere especial relevancia al contrastarse con la heterogeneidad en el uso de IA, ya que indica que la productividad percibida no depende exclusivamente de la incorporación de esta tecnología. Desde la literatura sobre la productividad subjetiva, esto puede interpretarse como evidencia de un entorno laboral que ofrece condiciones favorables para el desempeño, tales como claridad de rol, recursos adecuados y una organización del trabajo relativamente estable ( Cequea et al., 2011; Warr, 2007).

Un hallazgo particularmente significativo es que la productividad percibida se mantiene elevada incluso entre colaboradores que reportan un uso bajo de IA. Esto permite inferir que el efecto de la IA se encuentra condicionado por factores organizacionales preexistentes, y que la tecnología opera como un recurso complementario que se integra sobre una base organizacional ya funcional. Desde el enfoque de Person- Organization Fit, este resultado sugiere que el buen ajuste entre las capacidades individuales, las demandas del rol y los recursos organizacionales actúa como un factor protector, amortiguando las diferencias en el uso de tecnología (Kristof-Brown et al., 2023).

Relación entre uso de

IA

y productividad percibida

En relación con el Objetivo Específico 3, la correlación positiva, moderada y estadísticamente significativa entre el uso de IA y la productividad percibida confirma que la Hipótesis 3 fue aprobada. No obstante, la magnitud moderada de esta relación resulta clave para la interpretación de los resultados ya que indica que la IA contribuye a la productividad percibida, pero no la explica por completo. En términos prácticos, esto significa que la tecnología potencia el desempeño, pero su efecto depende de cómo se articula con otros factores organizacionales, como la cultura, el diseño del trabajo y el apoyo disponible. Esta interpretación es coherente con lo planteado por Parker y Grote (2020), quienes sostienen que la tecnología debe entenderse como parte de un ecosistema organizacional amplio.

Un cruce adicional entre los resultados permite inferir que la IA podría estar amplificando diferencias funcionales entre roles más analíticos y roles más operativos, sin generar necesariamente brechas en la productividad percibida. Esto implica que, aunque todos los colaboradores se perciban productivos, el tipo de esfuerzo cognitivo que realizan podría estar cambiando de manera desigual, concentrando los beneficios de la IA en aquellas funciones donde el análisis y la toma de decisiones son centrales. A largo plazo, este fenómeno podría plantear desafíos en términos de diseño de roles, desarrollo de competencias y equidad funcional dentro de la organización.

Desde la Teoría de la Actividad, estas tensiones pueden entenderse como contradicciones internas que impulsan el cambio organizacional (Engeström, 2012). La coexistencia de prácticas tradicionales con nuevas formas de trabajo mediadas por IA configura un escenario de expansión del sistema de actividad, donde los objetos de trabajo, estrategias cognitivas y las formas de colaboración comienzan a transformarse gradualmente. En este sentido, la diversidad observada no solo refleja un estado transitorio, sino un punto crítico que puede influir en la trayectoria futura de integración de la IA en la organización.

Características de la muestra y contexto organizacional

A la luz de los resultados obtenidos, las características demográficas de la muestra permiten enriquecer la discusión al situar los hallazgos en un contexto de trayectorias laborales consolidadas. La predominancia de colaboradores entre 25 y 45 años, junto con una proporción relevante de personas con más de siete años de antigüedad en la organización, sugiere que los resultados reflejan mayoritariamente la experiencia de colaboradores con un alto grado de socialización organizacional.

Este perfil podría asociarse a una mayor capacidad de autorregulación frente a procesos de cambio tecnológico, donde la incorporación de nuevas herramientas no se vive necesariamente como una disrupción, sino como un recurso adicional que se evalúa críticamente en función de su aporte real al trabajo. En este sentido, la composición de la muestra permite inferir que la adopción de IA ocurre en un contexto de estabilidad laboral y dominio del rol, lo que favorece una relación más reflexiva y menos reactiva con la tecnología. Asimismo, la coexistencia de trayectorias extensas con rangos etarios intermedios sugiere que la IA se inserta en prácticas ya sedimentadas, reforzando la idea de que su impacto no se manifiesta en cambio abruptos en la productividad percibida, sino en ajuste graduales en la forma de organizar el trabajo y distribuir el esfuerzo cognitivo. Este contexto resulta relevante al momento de considerar los alcances y límites de los resultados obtenidos.

Fortalezas y limitaciones del estudio

En cuanto a las fortalezas del estudio, destaca en primer lugar la medición rigurosa de la productividad laboral percibida, la cual fue evaluada mediante un instrumento validado por la Universidad del Desarrollo, lo que aporta solidez metodológica y confiabilidad en los resultados obtenidos. Asimismo, la investigación se desarrolló en un contexto organizacional real, lo que otorga un alto valor aplicado a los hallazgos y refuerza su pertinencia para la psicología organizacional. Otra fortaleza relevante corresponde a la participación completa de todos los casos considerados, sin presencia de datos perdidos en las variables principales, lo que permitió realizar los análisis sin necesidad de imputaciones ni ajustes adicionales. Finalmente, el carácter pionero del estudio dentro del contexto de esta empresa en Chile, constituye un aporte significativo, al tratarse de la primera investigación que aborda empíricamente la relación entre el uso de herramientas de inteligencia artificial y la productividad laboral percibida en esta organización.

A pesar de los aportes y fortalezas del estudio, es importante reconocer ciertas limitaciones que permiten contextualizar el alcance de los resultados obtenidos. En primer lugar, el uso de un muestreo no probabilístico restringe la posibilidad de generalizar los hallazgos a la totalidad de la organización o a otros contextos laborales, dado que la muestra no es representativa en términos estadísticos. En segundo lugar, el diseño transversal de la investigación impide establecer relaciones de causalidad entre el uso de herramientas de IA y la productividad laboral percibida, permitiendo únicamente identificar asociaciones entre ambas variables en un momento específico del tiempo. Asimismo, el empleo de instrumentos de autorreporte podría introducir sesgos asociados a la deseabilidad social o a la percepción subjetiva de los participantes, tanto en la estimación del nivel de uso de IA como en la evaluación de la productividad percibida. Finalmente, la investigación no consideró variables organizacionales adicionales que podrían incidir en la relación observada, tales como la carga laboral, los estilos de liderazgo o características específicas del puesto de trabajo, lo que sugiere que otros factores no evaluados podrían estar influyendo en los resultados obtenidos.

“Los resultados evidencian una correlación positiva de magnitud baja a moderada, lo que indica que, a mayor uso de herramientas de inteligencia artificial, tiende a observarse una mayor percepción de productividad laboral.”

Proyecciones para futuras investigaciones

A partir de las limitaciones identificadas, se abren diversas líneas de investigación que permitirán profundizar y complementar los hallazgos del presente estudio. En este sentido, futuras investigaciones podrían desplazar el foco desde la medición del nivel de uso de inteligencia artificial hacia el análisis de las trayectorias de integración tecnológica en el trabajo, explorando cómo estas herramientas se incorporan progresivamente en las prácticas laborales y cómo las personas resignifican su rol en interacción con la tecnología. Asimismo, los resultados invitan a examinar cómo la adopción heterogénea de la IA incide en la coordinación entre equipos y en la articulación de tareas independientes, particularmente en contextos donde coexisten distintos estilos de trabajo y niveles de experticia. En esta línea, sería relevante indagar si la IA contribuye a generar nuevas formas de diferenciación funcional dentro de las organizaciones o si, por el contrario, favorece procesos de estandarización cognitiva. Finalmente se plantea como un desafío investigativo analizar de qué maneras las decisiones organizacionales respecto al uso, regulación y legitimación de la IA influyen en la experiencia subjetiva de autonomía, control y sentido del trabajo, permitiendo comprender la transformación digital no sólo como un fenómeno tecnológico, sino como un proceso que reconfigura las relaciones entre personas, tareas y estructuras organizacionales.

Contribuciones del estudio

En términos de contribuciones, la presente investigación aporta evidencia empírica relevante al campo de la psicología organizacional al examinar el vínculo entre el uso de herramientas de inteligencia artificial y la productividad laboral percibida en un contexto organizacional real. Uno de los principales aportes del estudio consiste en mostrar que la IA no opera como un motor primario de la productividad, sino como un recurso que potencia dinámicas organizaciones ya consolidadas, desplazando enfoques simplistas que asocian automáticamente la adopción tecnológica con incrementos directos en el desempeño. Asimismo, al integrar la Teoría de la Actividad, el Modelo de Aceptación Tecnológica, el enfoque de Person-Organization Fit y los modelos de productividad subjetiva, la investigación contribuye a una comprensión más situada, compleja y no lineal del rol de la tecnología en el trabajo contemporáneo. En este sentido, el estudio permite comprender la adopción de la inteligencia artificial desde una perspectiva más humana y contextual, mostrando que su impacto no es uniforme, sino que depende de cómo las personas integran la tecnología en su trabajo cotidiano. Finalmente, los resultados ofrecen elementos para orientar decisiones organizacionales y futuras investigaciones interesadas en analizar cómo la IA se incorpora y se experimenta en la vida laboral.

CONCLUSIÓN

En síntesis, la transformación digital que emerge de este estudio no puede entenderse únicamente como un proceso de adopción tecnológica, sino como una experiencia que se construye en el trabajo cotidiano. La inteligencia artificial adquiere sentido no por sus capacidades técnicas, sino por la forma en que las personas la integran, la evalúan y la hacen parte de su manera de trabajar.

“La IA no opera como un motor primario de la productividad, sino como un recurso que potencia dinámicas organizaciones ya consolidadas, desplazando enfoques simplistas que asocian automáticamente la adopción tecnológica con incrementos directos en el desempeño.”

Inteligencia artificial y selección de talentos

Inteligencia artificial generativa en procesos de selección: beneficios, límites y dilemas éticos en su implementación organizacional

Proyecto de seminario de habilitación profesional (SHP) Lucas Pacheco

inteligencia artificial generativa; reclutamiento y selección; psicolaboral; consultores. PALABRAS CLAVE

generativa; selección; entrevista consultores.

RESUMEN

La incorporación de inteligencia artificial generativa (IAGen) en procesos de reclutamiento y selección está transformando la entrevista psicolaboral, particularmente a través de funcionalidades de registro automático, síntesis de información y generación de retroalimentación evaluativa. Este estudio analiza la implementación de una herramienta de IAGen aplicada a entrevistas de selección en una empresa del rubro forestal con operación nacional e internacional. Se desarrolló una investigación cualitativa con diseño fenomenológico, mediante entrevistas semiestructuradas a siete consultores/as que utilizaban la herramienta. Los hallazgos evidencian una valoración positiva como soporte administrativo, destacando la reducción de carga cognitiva asociada al registro manual y una mayor disponibilidad atencional durante la entrevista. No obstante, emergen fricciones operativas vinculadas a latencia en el procesamiento, baja credibilidad de indicadores predictivos automatizados y dilemas éticos relacionados con la gobernanza de datos y la ausencia de protocolos estandarizados de consentimiento informado. Se concluye que la IAGen puede aportar eficiencia y apoyo al proceso de selección, pero su implementación requiere supervisión experta, calibración contextual y lineamientos institucionales claros en materia de transparencia y protección de datos.

INTRODUCCIÓN

Dentro del ámbito de la gestión de personas, particularmente en los procesos de reclutamiento y selección (R&S), la incorporación de inteligencia artificial generativa (IAGen) representa un punto de inflexión significativo. Tradicionalmente, estos procesos han dependido del juicio humano, la experiencia profesional y el uso de técnicas de evaluación estandarizadas. Sin embargo, la creciente disponibilidad de datos, el desarrollo de algoritmos cada vez más sofisticados y la necesidad de gestionar procesos de selección de alto volumen han impulsado a las organizaciones a explorar soluciones tecnológicas que complementen —y en ciertos aspectos transformen— sus prácticas tradicionales.

En Chile, especialmente en organizaciones de gran envergadura y con procesos de atracción de talento masivos, se ha comenzado a integrar herramientas de IAGen en los subsistemas de gestión de talento. Estas soluciones, inicialmente desarrolladas para funciones comerciales o analíticas, han sido adaptadas para apoyar entrevistas psicolaborales, incor-

porando funcionalidades orientadas al registro automático de información, generación de resúmenes conversacionales, evaluación preliminar de competencias organizacionales y análisis de indicadores técnicos de conducción de entrevista.

Entre las capacidades más relevantes de estas herramientas se encuentran la transcripción automática de entrevistas, la síntesis estructurada de contenidos, la evaluación del uso de metodologías conductuales (como el modelo STAR), el análisis de la distribución del tiempo de habla entre entrevistador y candidato, y la generación de sugerencias sobre idoneidad basadas en análisis semántico y ajuste cultural. Este último concepto refiere a la congruencia entre los valores individuales y las normas organizacionales (Chatman, 1989). Adicionalmente, algunas plataformas incorporan módulos de retroalimentación personalizada que buscan fortalecer las habilidades de entrevista de los profesionales mediante recomendaciones automatizadas.

No obstante, pese al creciente interés por estas herramientas, existe escasa evidencia sistematizada respecto a cómo se experimenta su implementación desde la perspectiva de quienes las utilizan directamente. Se desconoce cómo son evaluadas sus funcionalidades en la práctica cotidiana, qué fricciones técnicas emergen, qué impactos generan en el rol profesional y qué dilemas éticos se configuran en torno a su uso, particularmente en materias vinculadas a privacidad, gobernanza de datos y transparencia frente a los candidatos.

Esta brecha resulta especialmente relevante considerando que la IAGen no solo automatiza tareas administrativas, sino que introduce elementos de evaluación algorítmica en un proceso históricamente sustentado en el juicio experto. En este escenario, los consultores de selección se posicionan como actores clave, ya que operan como mediadores entre la herramienta tecnológica y los candidatos, integrando —o tensionando— los outputs automatizados con su criterio profesional.

Comprender la implementación de IAGen en procesos de selección implica, por tanto, anali-

zar no solo su eficiencia operativa, sino también sus límites técnicos y sus implicancias éticas. En un contexto organizacional donde estas herramientas suelen representar inversiones estratégicas significativas, contar con evidencia empírica sobre su uso real permite evaluar su aporte efectivo, identificar oportunidades de mejora y orientar decisiones respecto a su continuidad y expansión.

En las últimas décadas, el mundo laboral ha experimentado transformaciones profundas impulsadas por el avance tecnológico, siendo la inteligencia artificial uno de los desarrollos más disruptivos de los últimos años. Más allá de su dimensión instrumental, la IA está reconfigurando prácticas organizacionales, redefiniendo tareas profesionales y planteando nuevos desafíos en torno a responsabilidad, supervisión y regulación. En este marco, analizar su incorporación en procesos de selección constituye un aporte relevante para comprender las dinámicas contemporáneas de interacción entre tecnología y juicio humano en contextos organizacionales.

“Dentro del ámbito de la gestión de personas, particularmente en los procesos de reclutamiento y selección (R&S), la incorporación de inteligencia artificial generativa (IAGen) representa un punto de inflexión significativo.”

ANTECEDENTES TEÓRICOS

Para comprender la incorporación de inteligencia artificial generativa (IAGen) en procesos de reclutamiento y selección (R&S), resulta necesario contextualizar tanto el funcionamiento de estos procesos como las transformaciones tecnológicas que los atraviesan. El reclutamiento y selección constituye un subsistema central de la gestión de personas, orientado a atraer, evaluar e identificar candidatos idóneos para determinados cargos (Naranjo, 2025). Tradicionalmente, este proceso ha estado sustentado en el juicio profesional, entrevistas estructuradas y técnicas de evaluación estandarizadas.

En los últimos años, la creciente disponibilidad de grandes volúmenes de datos y el avance en el desarrollo de algoritmos de aprendizaje automático han favorecido la integración de soluciones de inteligencia artificial en la gestión del talento (Tenelema et al., 2025). La IA puede definirse como sistemas capaces de ejecutar tareas que normalmente requerirían inteligencia humana, mediante el procesamiento de datos y el reconocimiento de patrones (Naranjo, 2025). En su versión generativa, estas herramientas no solo analizan información, sino que producen contenido original, procesan lenguaje natural y generan inferencias automatizadas.

Si bien la idea de automatizar aspectos del reclutamiento no es nueva, la aplicación de IA en este subsistema ha evolucionado significativamente. Desde los años 80 y 90, la automatización se limitaba a tareas administrativas como mantenimiento de registros o procesamiento de nómina. El punto de inflexión se produce con el desarrollo de algoritmos capaces de procesar lenguaje natural y grandes bases de datos, lo

que permite integrar análisis semántico, clasificación automatizada y generación de contenido en procesos organizacionales (Brynjolfsson & McAfee, 2014, en OECD, 2023).

Actualmente, la IAGen puede apoyar procesos de selección mediante la revisión curricular automatizada, la generación de resúmenes de entrevistas, el análisis de competencias y la estimación de ajuste cultural. Este último concepto refiere a la congruencia entre los valores individuales y los valores organizacionales (Chatman, 1989). Asimismo, algunas plataformas incorporan retroalimentación automatizada sobre la conducción de entrevistas, incluyendo indicadores técnicos como uso de metodologías conductuales, distribución del tiempo de habla o profundidad de indagación.

No obstante, la incorporación de estas tecnologías no implica necesariamente la sustitución total del rol profesional, sino una reconfiguración del conjunto de tareas que lo componen. Desde el enfoque basado en tareas, Acemoglu y Restrepo (2019) plantean que la automatiza-

“La confianza en la inteligencia no depende exclusivamente desempeño funcional, existencia de una gobernanza haga trazables los delimite responsabilidades.”

ción permite sustituir determinadas tareas humanas, generando efectos de desplazamiento cuando funciones previamente ejecutadas por personas pasan a ser realizadas por tecnología. Sin embargo, también puede producir efectos de productividad que incrementen la demanda por tareas no automatizadas donde persiste una ventaja comparativa humana (Acemoglu & Restrepo, 2018). En este marco, la discusión no se centra en si la tecnología reemplaza empleos completos, sino en qué tareas automatiza, cuáles acelera y cuáles complementa (Acemoglu, Autor & Johnson, 2023).

inteligencia artificial exclusivamente de su funcional, sino de la gobernanza clara que los flujos de datos y responsabilidades.”

El Centro Nacional de Inteligencia Artificial (CENIA) et al. (2024) introduce el concepto de “oportunidad de aceleración”, entendido como la reducción significativa del tiempo de ejecución de tareas sin comprometer la calidad del resultado. Esta noción resulta particularmente relevante para el análisis de la IAGen en entrevistas, donde la automatización del registro y síntesis podría liberar recursos cognitivos del profesional, permitiendo mayor focalización en la interacción humana.

Sin embargo, junto a los beneficios operativos emergen desafíos éticos sustantivos. Mori et al. (2025) proponen tres perspectivas para abordar la ética de la IA en selección: la visión utilitaria, centrada en eficiencia y resultados; la visión de justicia, orientada a equidad e imparcialidad; y la visión de derechos, vinculada a transparencia y protección de datos. Aunque la IA suele promoverse como herramienta para reducir sesgos humanos, los algoritmos pueden replicar sesgos históricos si son entrenados con datos discriminatorios, perpetuando desigualdades en función de género, etnia o edad (Tenelema et al., 2025).

Asimismo, la denominada “opacidad algorítmica” o efecto caja negra (Bankins, 2021) plantea interrogantes respecto a la explicabilidad de las decisiones automatizadas. Cuando los usuarios no comprenden cómo un sistema llega a determinadas recomendaciones, se tensiona la transparencia del proceso y la responsabilidad profesional. A ello se suma la problemática de privacidad y gobernanza de datos, dado que estos sistemas requieren grandes volúmenes de información personal para operar (Tenelema et al., 2025).

Por otra parte, estudios recientes han identificado que profesionales del ámbito psicológico se encuentran entre los grupos ocupacionales más “expuestos” a la IA, entendiendo exposición como la probabilidad de que determinadas tareas sean impactadas por herramientas automatizadas (Felten et al., 2023). No obstante, esta exposición no implica necesariamente desplazamiento laboral, sino que puede traducirse en complementariedad o transformación del rol profesional.

En este contexto, analizar la implementación de inteligencia artificial generativa en procesos de selección implica examinar tanto sus aportes en eficiencia y aceleración de tareas como sus límites técnicos y dilemas éticos. Más allá de su potencial instrumental, la IAGen introduce una nueva capa de mediación algorítmica en un proceso históricamente sustentado en el juicio experto.

A partir de estos antecedentes, la presente investigación se orienta a responder la siguiente pregunta:

¿Cómo se experimenta y evalúa la implementación de una herramienta de inteligencia artificial generativa en entrevistas de selección, en términos de beneficios operativos, límites técnicos y dilemas éticos en el contexto organizacional?

Desde un diseño cualitativo de tipo fenomenológico, se busca acceder a las experiencias y significados construidos por profesionales que utilizan directamente estas herramientas, con el fin de aportar evidencia empírica sobre su implementación real en contextos organizacionales chilenos. Este estudio contribuye al campo de la psicología organizacional y la gestión de personas al examinar de manera situada la interacción entre inteligencia artificial generativa y juicio profesional en procesos de selección contemporáneos.

Objetivo general:

Describir la experiencia vivida por los consultores de selección respecto de la implementación de una herramienta de inteligencia artificial generativa en su labor profesional.

Objetivos específicos:

1) Explorar las percepciones de los consultores respecto a la implementación de esta herramienta tecnológica dentro de los procesos de entrevistas de selección.

2) Describir las experiencias que relatan los consultores respecto al uso de la inteligencia artificial generativa en su labor, identificando sus ventajas y desventajas.

3) Analizar la relación entre las experiencias y expectativas de los consultores de reclutamiento y selección respecto al uso de la inteligencia artificial generativa.

OBJETIVOS MÉTODO

Diseño de investigación

Se desarrolló un estudio de enfoque cualitativo con un diseño fenomenológico, orientado a describir y comprender la vivencia subjetiva de los consultores de reclutamiento y selección frente a la incorporación de una herramienta de inteligencia artificial generativa en su labor cotidiana. Este enfoque permitió explorar los significados que los participantes atribuyen a la herramienta, considerando tanto sus percepciones como su experiencia práctica en el uso de la misma.

Participantes

La muestra estuvo compuesta por siete consultores/as de reclutamiento y selección pertenecientes a una organización del sector productivo con operación nacional e internacional. La totalidad de profesionales que utilizaban activamente la herramienta correspondía a nueve personas, de las cuales siete accedieron a participar en el estudio.

Los criterios de inclusión fueron: (a) experiencia directa en el uso de la herramienta de inteligencia artificial generativa aplicada a entrevistas de selección durante al menos un mes, y (b) disposición voluntaria y consentimiento informado para participar en la investigación. La selección se realizó mediante un muestreo intencional.

Instrumentos

Se utilizó como instrumento principal la entrevista semiestructurada, diseñada con preguntas abiertas orientadas a indagar en la percepción de los consultores sobre la implementación de la herramienta de inteligencia artificial generativa. La pauta de entrevista fue sometida a juicio de dos expertos con el fin de validar su pertinencia y claridad conceptual.

Las preguntas estuvieron orientadas a explorar aspectos tales como: ventajas y limitaciones percibidas, posibles resistencias frente al uso de la IA, aprendizajes derivados de la experiencia, inquietudes éticas asociadas a su utilización y significados atribuidos a la incorporación de esta tecnología en la práctica profesional.

Procedimiento

En una primera etapa se estableció contacto formal con la organización para obtener la autorización institucional correspondiente. Posteriormente, se solicitó a los participantes el consentimiento informado, asegurando la confidencialidad de los datos y el carácter voluntario de su participación.

Las entrevistas se realizaron de manera individual, con una duración aproximada de entre 45 y 60 minutos, en modalidad presencial o virtual según disponibilidad de los participantes. Todas fueron grabadas con autorización previa y posteriormente transcritas de forma literal para su análisis.

Análisis de datos

Se realizó un análisis temático mediante un proceso de codificación iterativa orientado a identificar patrones y categorías emergentes en los discursos de los participantes. Las categorías fueron definidas y refinadas progresivamente a través de la comparación constante entre segmentos de texto, hasta lograr una estructura temática coherente con los objetivos del estudio.

Para resguardar la rigurosidad metodológica, se consideró revisión por pares en el proceso de análisis y, cuando fue pertinente, se realizó devolución parcial de hallazgos a los participantes como forma de validación.

RESULTADOS

A continuación, se presentan los hallazgos obtenidos a partir de la información recopilada mediante entrevistas realizadas a consultores del equipo de selección de una organización del sector productivo, con el propósito de responder a los objetivos de la presente investigación.

A partir del análisis temático realizado sobre las transcripciones, los resultados se estructuraron en cinco dimensiones que abordan la transformación de la práctica profesional, la usabilidad técnica de la herramienta, la credibilidad del juicio algorítmico, las tensiones éticas asociadas a su implementación y las oportunidades de mejora identificadas por los participantes:

1) Reconfiguración de la praxis profesional

2) Usabilidad percibida: agilización y fricción operativa

3) Credibilidad del juicio evaluativo de la IA

4) Dilemas éticos: gobernanza de datos y consentimiento

5) Brechas de expectativas y oportunidades de mejora de la IA

Estas cinco categorías contienen aspectos clave de las percepciones de los consultores en torno a la herramienta de inteligencia artificial generativa, permitiendo comprender de manera integral su valoración y experiencia de uso en el ejercicio de su labor.

Reconfiguración de la Praxis Profesional

Esta categoría reúne las experiencias relacionadas con la transformación de la dinámica de la entrevista laboral a partir de la implementación de la inteligencia artificial generativa. Los relatos describen un desplazamiento desde el registro manual hacia una escucha activa centrada en el vínculo —conceptualizada por algunos participantes como una “liberación cognitiva”— así como la emergencia de nuevas estrategias de trabajo donde los consultores combinan múltiples herramientas tecnológicas simultáneamente para potenciar su desempeño y monitorear su propia labor.

Tabla 1

Reconfiguración de la praxis profesional

Categoría

Reconfiguración de la praxis profesional

Subcategoría

Liberación cognitiva y atención plena

Andamiaje digital

Autosupervisión

Cita

“La herramienta me da la tranquilidad de repente de poder enfocarme y estar pensando en qué preguntas para profundización voy a hacer, en vez de estar con esa doble tarea de estar escuchando y tomando apuntes.” (E5)

“Yo no ocupo solo [la herramienta], como que igual voy combinando [la herramienta] con… la IA corporativa… el asistente digital… y ahora con esos dos anda súper bien.” (E4)

“Si hay alguna pregunta que se me ocurra, le escribo al tiro, no sé, al asistente… me tira un par de preguntas para poder orientar o indagar… y así aprovecho al tiro durante la entrevista.” (E7)

“Igual hace una evaluación mía como entrevistadora… me ha servido para poder darme cuenta de algunas cosas que tengo que ir mejorando… por ejemplo… indagar más desde la metodología STAR.” (E6)

“El feedback que me dio fue súper… no sé, fue impresionante igual porque era tema de competencias, era feedback mío, de cómo indagar más en las preguntas.” (E2)

La reconfiguración de la práctica no implica una sustitución del consultor, sino una evolución del rol hacia una función más estratégica y analítica. La automatización del registro libera recursos atencionales que permiten profundizar en la indagación cualitativa, ajustar la conducción de la entrevista en tiempo real y reflexionar sobre el propio desempeño profesional.

Usabilidad Percibida: Agilización y Fricción Operativa

Esta categoría agrupa las percepciones de los participantes respecto a la facilidad de uso de la herramienta y a los obstáculos operativos que emergen en su implementación cotidiana. Si bien los consultores valoran la integración automática y el carácter intuitivo del sistema, también reportan tensiones derivadas de la latencia en el procesamiento de datos y de la “intrusión” no deseada de la herramienta en espacios sensibles, como reuniones con jefaturas o clientes internos. Estas experiencias contrastan con las expectativas iniciales de contar con un asistente plenamente funcional en tiempo real.

“La automatización del registro libera recursos atencionales que permiten profundizar en la indagación cualitativa, ajustar la conducción de la entrevista en tiempo real y reflexionar sobre el propio desempeño profesional.”

Tabla 2

Usabilidad percibida: agilización y fricción operativa

Categoría Subcategoría

Usabilidad percibida: agilización y fricción operativa

Agilización y eficiencia administrativa

Gestión de la intrusión en espacios con jefaturas

Latencia y ruptura del flujo de trabajo

Cita

“Yo tenía una alta expectativa porque dije, esto va a ser más rápido para hacer el informe. Y sí, pues, hoy en día lo hago más rápido.” (E1)

“Es una herramienta que nos facilita bastante el trabajo y que nos agiliza, aunque sean unos minutos… por todos los candidatos que avanzan semanalmente, igual va sumando.” (E4)

“Se hace tedioso igual el sacar a [la herramienta]… yo confieso que igual se me ha pasado en algunos casos y después veo que se conectó y es como, ay, tengo que sacarla.” (E4)

“Cuando agendo entrevistas a mis clientes internos con los candidatos, tengo que estar preocupado de manualmente meterme y desactivar la herramienta… se me pasa sí o sí en entrevistas con jefaturas.” (E5)

“Lo primero que quizás no me gustó tanto era que tengo que esperar entre 30 y 45 minutos en recibir el análisis… de repente se me van acumulando informes… voy como desfasado.” (E5)

“Yo no veo una optimización en tiempo. Yo creo que me demoro lo mismo, incluso a veces un poco más por lo que te comentaba, porque ahora tengo que esperar a que analice.” (E5)

Si bien la herramienta cumple su propósito de reducir la carga administrativa manual —especialmente en la transcripción de antecedentes y recuperación de información específica—, la eficiencia percibida no resulta homogénea entre los participantes. Mientras algunos consultores reportan una aceleración significativa en sus procesos, otros experimentan “cuellos de botella” asociados a los tiempos de espera del procesamiento algorítmico. Esto sugiere que la ganancia de eficiencia depende en gran medida del flujo de trabajo individual y de la integración contextual de la herramienta en la dinámica cotidiana de cada profesional.

Credibilidad del Juicio Evaluativo de la IA

Esta categoría aborda la valoración crítica que realizan los consultores respecto a la capacidad de la herramienta de inteligencia artificial generativa para emitir un juicio válido sobre la idoneidad de los postulantes. Se observa un consenso generalizado en torno a la limitada fiabilidad del indicador automatizado de “predicción de éxito”, principalmente debido a una tendencia del algoritmo a sobrevalorar competencias —lo que los participantes describen como un “sesgo de benevolencia”— o a malinterpretar perfiles operativos y técnicos que no se ajustan a la lógica conversacional predominante del sistema. Estas percepciones refuerzan la centralidad del criterio humano como instancia decisional final.

Tabla 3

Credibilidad del juicio evaluativo de la IA

Categoría Subcategoría

Credibilidad del juicio evaluativo de la IA

Sesgo de positividad

Brechas de interpretación en perfiles específicos

Soberanía del criterio humano

Cita

“Siento que la herramienta sigue siendo muy amable… destaca mucho lo positivo de los candidatos… tiende a ser muy benevolente.” (E5)

“Siento que de repente como que sube mucho a los candidatos… la primera vez era como impresionante, era como todo lo mejor, los candidatos eran lo mejor de lo mejor.” (E1)

“El predictor quedó en tres… súper bajo, cuando en realidad, a pesar de eso era muy buen candidato… a perfiles concretos les cuesta igual ahondar a veces, como que les cuesta hasta saber qué es una fortaleza.” (E4)

“Me dejó mucho más baja la proyección de éxito… netamente porque la candidata dijo que no tenía enseñanza media completa… pese a que en competencias sí cumplía.” (E7)

“No tiene la capacidad para poder evaluar las competencias que hacemos nosotros, como psicólogos.” (E3)

“La parte descriptiva súper bien… pero lo que no me sirve tanto es cuando me dice que la persona se ajustaría bien o no… porque la herramienta no estuvo en la reunión donde yo levanté el perfil.” (E5)

La herramienta es percibida como eficaz en la dimensión descriptiva —particularmente en la síntesis de información—, pero deficiente en su dimensión prescriptiva o evaluativa. Los consultores identifican que el algoritmo opera bajo una lógica conversacional que privilegia fluidez y elaboración discursiva, lo que puede penalizar injustamente a perfiles más concretos y operativos, al tiempo que sobrevalora la elocuencia por sobre la competencia técnica real.

Esta disonancia lleva a que los profesionales desestimen con frecuencia las recomendaciones automatizadas, reafirmando la soberanía del juicio experto como mecanismo de corrección frente a lo que describen como una IA “excesivamente optimista”. En consecuencia, la herramienta no reemplaza la evaluación profesional, sino que tensiona y redefine los límites entre automatización y criterio humano en el proceso de selección.

Dilemas Éticos: Gobernanza de Datos y la Construcción del Consentimiento

Esta categoría examina las valoraciones morales y legales que construyen los consultores en torno al uso de la inteligencia artificial generativa. Los relatos evidencian una polarización: mientras algunos profesionales normalizan la vigilancia digital, amparados en el respaldo corporativo, otros manifiestan una “sospecha activa” hacia el proveedor tecnológico externo, asociado a la lógica de “caja negra” del sistema.

Asimismo, se observa precariedad procedimental en la solicitud del consentimiento, ya que la ausencia de un protocolo estandarizado obliga a los consultores a improvisar explicaciones para legitimar la grabación y el procesamiento automatizado de datos frente a los candidatos.

Tabla 4

Dilemas Éticos: gobernanza de datos y la construcción del consentimiento

Categoría

Dilemas éticos: gobernanza de datos y construcción del consentimiento

Normalización vs. desconfianza en la “caja negra” (proveedor externo)

Improvisación del consentimiento y ausencia de protocolo

“No tengo temas éticos con esto… esto lo está pagando la empresa, los datos están protegidos… Si me decís que la información está protegida… no tengo temas éticos.” (E1)

“Yo le estoy dando así mi información a la empresa, pero no a la herramienta… A mí me genera un poco de malestar el tema de que la herramienta se quede con la información… yo como candidato, no sé si me sentiría tan cómodo.” (E3)

“Yo no sé el tratamiento que le da la otra parte, los dueños del sistema… igual me genera curiosidad.” (E4)

“Siento que igual se fue creando mucho como en el boca a boca el discurso de lo que decimos… deberíamos tener algún formato más estándar… si nos preguntan más antecedentes, yo tampoco sabía cómo responder.” (E4)

“En esa entrevista me di cuenta de que no había un speech… yo lo hice… le dije al candidato que era una herramienta piloto.” (E7)

Incertidumbre sobre privacidad y retención de datos

“Igual me dio una sensación de inseguridad… tenía que haber un resguardo legal de cómo se iba a almacenar la información, cuánto tiempo, en dónde.” (E7)

“Igual hay una parte que la persona no está viendo… que es que eso igual va a quedar en carpeta para nosotros… y no sé cuánto tiempo quede.” (E6)

En síntesis, se observa una diferenciación clara entre la confianza depositada en la organización empleadora y la incertidumbre respecto al proveedor tecnológico externo, cuyo manejo de datos no resulta completamente transparente para los usuarios. Esta ambivalencia se ve intensificada por la ausencia de lineamientos formales para la solicitud de consentimiento informado.

Al no contar con un protocolo institucional definido, los consultores deben improvisar explicaciones frente a los candidatos, lo que dificulta garantizar una comunicación estandarizada sobre almacenamiento, tratamiento y duración de los datos registrados. En este sentido, el dilema ético no radica únicamente en la tecnología en sí, sino en la falta de gobernanza clara que acompañe su implementación.

Brechas de Expectativa y Oportunidades de Mejora de la IA

Esta categoría reúne las propuestas concretas de mejora planteadas por los consultores para optimizar la utilidad de la herramienta de inteligencia artificial generativa. Las demandas no apuntan a una mayor sofisticación tecnológica, sino a lo que podría denominarse un “ajuste ecológico”: adaptar el sistema genérico a la realidad cultural y operativa de la organización.

Las principales solicitudes se centran en la integración del modelo de competencias interno, la calibración del algoritmo para evitar la sobrevaloración o subvaloración de candidatos, y la implementación de políticas claras de gobernanza temporal que aseguren la eliminación automática de datos tras un período definido.

“La automatización permite sustituir determinadas tareas humanas, generando efectos de desplazamiento cuando funciones previamente ejecutadas por personas pasan a ser realizadas por tecnología.”

Tabla 5

Brechas de Expectativa y Oportunidades de Mejora de la IA

Categoría Subcategoría

Brechas de expectativa y oportunidades de mejora de la IA

Ajuste cultural y automatización del informe final

Calibración del realismo (menor sobrevaloración)

Gobernanza temporal y caducidad de datos

Cita

“Siento que se me haría más fácil teniendo las competencias descritas como tal… nos ahorraría un poco más de tiempo.” (E2)

“Que nos entregue un informe psicolaboral con el formato interno sería maravilloso… listo para subir a plataforma.” (E6)

“Siento que de repente como que sube mucho a los candidatos… hay que bajarle un poquito más a la realidad… que no lo suba tanto.” (E1)

“La predicción de éxito quedó en tres… súper bajo, cuando en realidad era muy buen candidato.” (E4)

“Quizás podría ser que la herramienta no tenga acceso después de un mes a la información, que tenga fecha de expiración.” (E3)

En resumen, los consultores no demandan mayor automatización, sino mayor contextualización. Plantean la necesidad de una herramienta que dialogue con el modelo de competencias interno, que ajuste sus métricas evaluativas a la realidad organizacional y que incorpore garantías explícitas sobre el almacenamiento y eliminación de datos.

Estas propuestas revelan que las brechas detectadas no se relacionan únicamente con limitaciones técnicas, sino con la falta de alineación entre el diseño genérico del sistema y las particularidades culturales y normativas del contexto organizacional en el que se implementa.

DISCUSIÓN

El propósito de esta investigación fue describir y analizar la experiencia vivida por los consultores de selección frente a la implementación de una herramienta de inteligencia artificial generativa en su práctica profesional. Los hallazgos sugieren que, en términos generales, la incorporación de esta tecnología ha sido valorada como una experiencia positiva y funcional. A diferencia de las resistencias clásicas asociadas a procesos de automatización, ningún participante reportó que la herramienta fuese inútil o entorpeciera su labor. Por el contrario, se reconoce su valor como soporte administrativo que optimiza la gestión del tiempo, en línea con lo planteado por Naranjo (2025) respecto a la evolución de la IA hacia la resolución de tareas de registro y procesamiento de datos que permiten mayor eficiencia operativa.

Esta valoración es coherente, además, con una comprensión basada en tareas de los efectos de la automatización. Más que sustituir ocupaciones completas, la tecnología tiende a sustituir o acelerar tareas específicas dentro del rol, reconfigurando el “contenido de tareas” del trabajo (Acemoglu & Restrepo, 2019). En este marco, la automatización puede desplazar ciertas funciones previamente realizadas por personas, pero también incrementar la productividad y reorientar el trabajo hacia tareas no automatizadas que requieren juicio experto (Acemoglu & Restrepo, 2019). En el caso analizado, la automatización del registro de información permitió a los consultores liberar recursos atencionales y focalizarse en la interacción cualitativa con el candidato.

Uno de los hallazgos más relevantes se vincula con la categoría de reconfiguración de la

praxis profesional, particularmente la denominada “liberación cognitiva”. La automatización de la toma de notas facilita que el profesional redirija su atención hacia la escucha activa, el vínculo y el análisis conductual. Esto confirma lo señalado por Tenelema et al. (2025) sobre el potencial transformador de la tecnología en el subsistema de recursos humanos. En términos complementarios, CENIA et al. (2024) conceptualizan el impacto de la IA generativa como una “oportunidad de aceleración”, entendida como la disminución significativa del tiempo de ejecución de tareas sin pérdida de calidad. En este sentido, la herramienta puede interpretarse como una tecnología que acelera tareas admi-

“La IA No tiene la capacidad para poder evaluar las competencias que hacemos nosotros, como psicólogos.” (E3)

nistrativas, permitiendo que el juicio profesional se concentre en dimensiones relacionales y evaluativas.

No obstante, los resultados también evidencian un fenómeno de hibridación tecnológica no ampliamente descrito en la literatura inicial: los consultores no utilizan únicamente la herramienta designada, sino que triangulan información con otras aplicaciones de IA generativa en tiempo real. Esta práctica sugiere que la IA no opera como un sustituto autónomo del profesional, sino como un andamiaje que requiere supervisión constante. En lugar de una automatización total, emerge una lógica de complementariedad dinámica, donde el juicio humano continúa siendo la instancia decisional final. En la dimensión ética, se observa una polaridad significativa. Mientras algunos participantes normalizan el uso de datos bajo una lógica de confianza organizacional, otros manifiestan incertidumbre respecto al tratamiento de la información por parte del proveedor tecnológico externo. Esta tensión se vincula con el concepto de “opacidad algorítmica” o efecto caja negra descrito por Bankins (2021), quien advierte que la falta de explicabilidad en los sistemas automatizados puede erosionar la confianza de los usuarios. Asimismo, la improvisación en la solicitud del consentimiento informado tensiona la “visión de los derechos” planteada por Mori et al. (2025), que exige transparencia y resguardo efectivo de la privacidad.

En términos interpretativos, la experiencia descrita muestra que la confianza en la inteligencia artificial no depende exclusivamente de su desempeño funcional, sino de la existencia de una gobernanza clara que haga trazables los flujos de datos y delimite responsabilidades. Cuando esta gobernanza es difusa, la carga explicativa recae en el profesional, generando una brecha entre el avance tecnológico y la institucionalización ética necesaria para sostener su uso.

Respecto a las oportunidades de mejora, si bien herramientas de este tipo utilizan análisis semántico para identificar ajuste o fit cultural (Correa & Frate, 2021), los hallazgos evidencian que aún carecen de suficiente sensibilidad contextual para capturar adecuadamente las particularidades del modelo de competencias interno. Los consultores identifican un “sesgo de benevolencia” en el algoritmo, que tiende a sobrevalorar candidatos o a interpretar de manera limitada perfiles más técnicos u operativos. Esto refuerza la idea de que, aunque la IA puede procesar grandes volúmenes de información, la interpretación cualitativa situada continúa siendo un dominio central del juicio humano.

En consecuencia, se sugiere trabajar en la calibración del criterio evaluativo del sistema con el diccionario de competencias organizacional, así como en la formalización de protocolos éticos que garanticen transparencia en el consentimiento y claridad respecto al almacenamiento y eliminación de datos.

Finalmente, esta investigación presenta ciertas limitaciones. En primer lugar, se accedió exclusivamente a la perspectiva de los consultores, sin incorporar la visión de candidatos ni desarrolladores de la herramienta. En segundo lugar, la rápida evolución de la tecnología implica que los hallazgos corresponden a una configuración específica (herramienta, versión, políticas internas y nivel de entrenamiento), lo que limita su generalización. Desde un punto de vista metodológico-interpretativo, esta variabilidad es coherente con lo señalado por Felten et al. (2023), quienes advierten que la “exposición” de una ocupación a la IA es sensible tanto a los cambios tecnológicos como a los arreglos organizacionales que determinan si predominará la sustitución o la complementariedad.

CONCLUSIÓN

Al finalizar este estudio, es posible responder a la pregunta central señalando que la experiencia de los consultores frente a la implementación de una herramienta de inteligencia artificial generativa en procesos de selección se caracteriza por una adopción crítica, más que por rechazo o aceptación acrítica. La tecnología ha sido integrada como un soporte que permite disminuir la carga asociada al registro manual de información, favoreciendo una mayor presencia atencional durante la entrevista y un análisis más profundo del contenido discursivo y conductual de los postulantes.

Uno de los principales aportes percibidos corresponde a la denominada “liberación cognitiva”: al delegar la toma de notas a la herramienta, los profesionales reportan una mejora en la calidad de la interacción con el candidato. No obstante, esta integración también genera nuevas exigencias, tales como la supervisión constante de los resultados automatizados y la gestión de los tiempos de procesamiento del sistema.

En términos funcionales, la herramienta cumple eficazmente un rol administrativo y de sistematización de información. Sin embargo, presenta limitaciones relevantes cuando intenta emitir juicios evaluativos sobre competencias. Los participantes identifican una tendencia del algoritmo a sobrevalorar o simplificar atributos de los candidatos, lo que refuerza la centralidad del criterio profesional como instancia final de interpretación. En este sentido, la tecnología no sustituye el juicio experto, sino que opera como complemento bajo supervisión humana. Asimismo, se identificó una brecha ética significativa vinculada a la gobernanza de datos y al consentimiento informado. La implementación tecnológica antecedió la formalización de protocolos claros, lo que llevó a los consultores a improvisar explicaciones respecto al tratamiento de la información. Esto evidencia que la adopción de herramientas de inteligencia artificial requiere no solo ajustes técnicos, sino también marcos procedimentales y éticos que acompañen su despliegue.

Desde una perspectiva disciplinar, los hallazgos sugieren que la integración de inteligencia artificial en Psicología Organizacional no garantiza eficiencia automática, sino que exige calibración contextual, supervisión experta y claridad en la gobernanza de datos. La tecnología puede potenciar el desempeño profesional, pero también implica riesgos si se delega en exceso la evaluación en métricas automatizadas sin validación contextual.

En consecuencia, la incorporación de herramientas de inteligencia artificial en procesos de selección debe comprenderse como un proceso de co-construcción entre tecnología y criterio profesional. Más que competir con la IA, el desafío radica en regular su uso, delimitar su alcance y resguardar los principios éticos que orientan la práctica psicológica.

“La incorporación de herramientas de inteligencia artificial en procesos de selección debe comprenderse como un proceso de co-construcción entre tecnología y criterio profesional.”

SOLUCIONES

DIFUSIÓN Y APORTE SOCIAL

Difusión digital para la salud mental

Artículos de interés

Esta sección reúne trabajos orientados a aplicaciones prácticas y difusión del conocimiento, explorando cómo la psicología y la tecnología pueden contribuir a enfrentar desafíos actuales. Se incluyen artículos sobre el uso de inteligencia artificial en contextos organizacionales y de intervención, junto con infografías diseñadas para acercar evidencia psicológica a la comunidad de manera clara y accesible.

DIFUSIÓN DIGITAL PARA LA SALUD MENTAL

RADIOGRAFÍA DE LA PRIMERA INFANCIA EN CHILE: Hallazgos de la Encuesta Longitudinal de Primera Infancia2017

Autores: Francisca Muñoz, Mijal Fodor, Magdalena Hernandez, Valentina De la Barra, Andrea Soto

¡ESTAS SEÑALES NO LAS IGNORES!

Cuida a tus hijos desde el conocimiento, atención a estos signos

¡OJO CON TU ADOLECENTE!

Autores: Valentina Retamal, Ana Gutiérrez Luis Romo, Antonieta Pozas, Milagros Laborda ¡OJO CON TU ADOLECENTE!

¿NOTAS A TU HIJO/A RETRAÍDO O TEMEROSO/A EN SU ENTORNO ESCOLAR? El apoyo psicológico es clave

NIÑOS Y ADOLESCENTES EN CHILE CON DEPRESIÓN O ANSIEDAD POST PANDEMIA

¿Cuando consultar?

SALUD MENTAL EN LA INFANCIA TEMPRANA

Los primeros años importan

Autoras: Luana Rodriguez y Agustina Escala

SALUD MENTAL MATERNA

Indicadores de alerta durante el embarazo post parto.

Autoras: Catalina Aliste, Belén Azzam, Sofía Barbieri, Luz Barros y Martina Weber

INFANCIA TEMPRANA Y SALUD MENTAL

Detectar a tiempo puede marcar la diferencia

Autores: Alex Barboza, Leonor Letelier, Ignacia Mandiola, Antonia Martínez, Leonardo Moreno, Micaela Papic.

ARTÍCULOS DE NTERÉS

“Diálogos que salvan”

Simulación de crisis con IA para entrenar contención emocional mediante juegos de rol y feedback automático Fundación Katy Summer

Autores: Sofia Millacaris, Sofia Orellana, Max Urzua, Amanda Wolff

Aplicaciones de inteligencia artificial en procesos de selección organizacional: una umbrella review del estado del arte Seminario de habilitación profesional

Autora: Antonia Millaray Mendoza Rivas

Percepciones de colaboradores de una empresa industrial sobre el proceso de onboarding y su optimización mediante inteligencia artificial Seminario de habilitación profesional

Autor: Romualdo Sebastián Tassara Vargas

Revista Psicología & Tecnología

Universidad del Desarrollo Tercera edición, 2026