Agentes de IA para citas: ¿funcionan los gemelos digitales?

Agentes de IA para citas: ¿Puede tu gemelo digital encontrar una pareja para ti?

Un experimento con la plataforma Pixel Societies demuestra: los agentes de IA que imitan la personalidad del usuario pueden buscar parejas compatibles en una simulación pixelada. Pero ¿qué tan fiables son tales recomendaciones, especialmente cuando los agentes tienden a alucinar y fabricar biografías ficticias?

Cómo funcionan las citas con agentes

Pixel Societies es una plataforma social prototipo desarrollada por un equipo de Londres en un hackathon apoyado por Nvidia, HPE y Anthropic. La idea central: en lugar de deslizar perfiles manualmente, el usuario crea su gemelo digital, un agente de IA personalizado basado en un large language model. El agente se entrena con datos públicos (redes sociales, blogs) e información adicional proporcionada por la persona misma.

Dentro de una simulación pixelada al estilo de un campus de oficinas, estos agentes interactúan entre sí en paralelo y mucho más rápido que sus dueños podrían en la vida real. Tras tales «citas virtuales», el sistema sugiere contactos reales de personas cuyos agentes mostraron alta compatibilidad.

La base técnica del proyecto es el concepto de «soul file» de otro framework de agentes, OpenClaw. Este archivo define los rasgos únicos de personalidad del agente, estilo de habla y patrones de comportamiento, evitando respuestas de plantilla y acercándolo a un conversador en vivo.

El problema de las alucinaciones y la fiabilidad

Sin embargo, un experimento de un periodista de Wired reveló una debilidad grave: los agentes son propensos a alucinaciones. Su gemelo digital, Joelbot, inventó informes inexistentes de Suecia y usó tópicos como «el hype es mi pan de cada día». Esto llevó a una imagen distorsionada del dueño, que podría engañar a otros agentes y, por ende, a personas reales.

Las alucinaciones en el contexto de citas son especialmente peligrosas: crean una ilusión de compatibilidad basada en detalles ficticios. Un usuario podría salir con alguien cuyo agente lo presentó como amante del jazz y viajero, aunque no lo sea.

Los riesgos clave incluyen:

• Datos poco fiables — los agentes dependen de fuentes abiertas que pueden estar desactualizadas o distorsionadas intencionalmente.
• Autoproyección — el modelo puede «rellenar» intereses y opiniones basándose en estereotipos o lógica interna, no en hechos.
• Falta de retroalimentación — a diferencia de la comunicación en vivo, el agente no recibe correcciones inmediatas del dueño en tiempo real.

Compatibilidad: ¿Qué funciona de verdad?

La investigación psicológica cuestiona la posibilidad misma de predecir la compatibilidad a partir de datos de cuestionarios. El profesor Paul Eastwick (UC Davis) cita dos grandes experimentos de speed dating donde las coincidencias en aficiones, valores, profesión o opiniones políticas no se correlacionaron con la atracción real.

El único indicador fiable es el tiempo pasado juntos y la respuesta emocional en el primer encuentro. Esto es algo que no se puede simular sin la participación de una persona en vivo.

Para que las citas con agentes sean efectivas, la IA debe:

• Detectar patrones de compatibilidad ocultos inaccesibles a la autorreflexión;
• Tener en cuenta la dinámica de interacción, no solo características estáticas;
• Recibir retroalimentación constante del usuario tras encuentros reales.

Ninguna de estas tareas se ha resuelto en la práctica aún.

Modelo de negocio y dilemas éticos

El equipo de Pixel Societies aún no ha decidido la monetización, pero considera vender personalizaciones de avatares y créditos adicionales de simulación. Sin embargo, esto plantea un paradoxo ético similar al de Tinder: si la plataforma gana con la soledad de los usuarios, no tiene incentivo para llevarlos a relaciones a largo plazo.

Los desarrolladores afirman que su meta es reducir el tiempo frente a la pantalla, no aumentarlo. Critican la cultura de deslizar sin fin orientada a «desliza hasta ganar» y ofrecen un enfoque más significativo a través de interacciones de agentes.

No obstante, la confianza sigue siendo un problema clave. En el experimento de Wired, el periodista rechazó todas las reuniones sugeridas, dudando de la adecuación de los juicios de su agente. Sin mecanismos de verificación y transparencia algorítmica, esta tecnología corre el riesgo de quedarse en un experimento curioso pero impráctico.

Lo importante

• Los agentes de IA para citas usan LLMs personalizados entrenados con datos públicos y del usuario.
• El principal problema técnico son las alucinaciones que llevan a biografías ficticias.
• Estudios psicológicos muestran que la compatibilidad no se puede predecir de datos de perfil.
• La efectividad de las citas con agentes requiere retroalimentación y modelado de dinámicas de comunicación.
• Riesgo ético: conflicto entre monetización y beneficio real para el usuario.

— Editorial Team