ELIZA, creada por Joseph Weizenbaum en el MIT y publicada en 1966, fue uno de los primeros programas capaces de simular una conversación con un ser humano. Su funcionamiento era muy simple: reconocía palabras clave, aplicaba reglas y reformulaba frases. Aun así, muchos usuarios llegaron a atribuirle comprensión, empatía e inteligencia. De ahí nació el llamado efecto ELIZA, una lección fundamental para entender nuestra relación actual con los chatbots y la inteligencia artificial.
Mucho antes de ChatGPT, Claude o Gemini, existió ELIZA. Este programa no comprendía realmente lo que decía el usuario, no tenía memoria profunda ni razonamiento. Sin embargo, logró producir una ilusión poderosa: la sensación de estar hablando con una entidad que escuchaba. Esa paradoja convierte a ELIZA en una pieza esencial de la historia de la IA conversacional.
Su historia sigue siendo sorprendentemente actual. En una época en la que los modelos de lenguaje pueden responder con fluidez, empatía aparente y gran seguridad, ELIZA nos recuerda una idea incómoda: una conversación convincente no siempre implica comprensión real.
ELIZA: los orígenes de la inteligencia artificial conversacional
Uno de los primeros programas conversacionales de la historia
ELIZA fue creada por Joseph Weizenbaum en el MIT durante los años sesenta y presentada en 1966. Aunque el término “chatbot” se popularizó mucho más tarde, ELIZA se considera hoy uno de los primeros grandes antecedentes de los asistentes conversacionales modernos.
Su nombre hacía referencia a Eliza Doolittle, el personaje de Pigmalión, de George Bernard Shaw. La elección no era casual: al igual que Eliza Doolittle aprende a modificar su forma de hablar, el programa parecía transformar las palabras del usuario en una conversación aparentemente inteligente.
Pero la inteligencia era una ilusión. ELIZA no entendía el lenguaje. Solo reconocía ciertos patrones y generaba respuestas mediante reglas de sustitución.
Joseph Weizenbaum y el MIT en los años sesenta
Joseph Weizenbaum era profesor e investigador en el MIT. Creó ELIZA en un contexto de gran entusiasmo por la informática, el procesamiento del lenguaje natural y la inteligencia artificial simbólica.
La versión original de ELIZA fue escrita en MAD-SLIP, no en Lisp, aunque más tarde circularon versiones e implementaciones inspiradas en Lisp. Esta confusión histórica duró décadas porque las copias más difundidas no siempre correspondían al código original.
El programa funcionaba mediante guiones, o scripts, que definían cómo debía responder ante determinadas palabras o estructuras. El más famoso fue DOCTOR, que imitaba el estilo de un psicoterapeuta rogeriano.
El objetivo inicial: mostrar la superficialidad del diálogo máquina-humano
Weizenbaum no creó ELIZA para demostrar que las máquinas podían pensar. Más bien quería mostrar lo contrario: que un programa muy simple podía producir una ilusión de conversación sin comprender nada.
El resultado le sorprendió. Algunos usuarios reaccionaban como si ELIZA los comprendiera de verdad. Compartían información personal, se implicaban emocionalmente y atribuían intenciones al programa.
ELIZA no demostró que las máquinas pudieran comprendernos. Demostró lo rápido que los humanos podemos proyectar comprensión en una máquina.
Esta reacción preocupó profundamente a Weizenbaum. Años después, en Computer Power and Human Reason, criticó la tendencia a delegar juicios humanos complejos en sistemas informáticos y defendió que ciertas decisiones requieren responsabilidad moral, no solo cálculo.
Cómo funcionaba ELIZA: una ilusión construida con reglas simples
Reconocimiento de patrones y palabras clave
ELIZA funcionaba mediante reconocimiento de patrones. El programa buscaba palabras clave en la frase del usuario y, según la prioridad asignada a esas palabras, aplicaba una regla de transformación.
Por ejemplo, si el usuario decía “mi madre me preocupa”, ELIZA podía detectar la palabra “madre” y responder con una frase del tipo “háblame más de tu familia”. Si el usuario escribía “me siento triste”, podía reformular la frase como “¿por qué te sientes triste?”.
Este mecanismo era eficaz porque no intentaba resolver el problema del usuario. Solo lo devolvía en forma de pregunta o comentario abierto.
El famoso script DOCTOR
El script DOCTOR imitaba una conversación con un psicoterapeuta rogeriano. Este tipo de terapia se apoya mucho en la escucha, la reformulación y las preguntas abiertas. Para un programa sin comprensión real, era el contexto perfecto: podía parecer empático sin tener que aportar información externa ni diagnósticos.
Si el usuario decía:
“Me siento solo.”
ELIZA podía responder:
“¿Por qué te sientes solo?”
La respuesta parece atenta, pero no demuestra comprensión. Es una transformación formal de la frase del usuario.
Ejemplos de funcionamiento
| Entrada del usuario | Palabra o patrón detectado | Respuesta posible de ELIZA |
|---|---|---|
| Mi padre no me entiende. | padre | Háblame más de tu familia. |
| Me siento solo. | me siento | ¿Por qué te sientes solo? |
| Todo el mundo está contra mí. | todo el mundo | ¿Puedes poner un ejemplo concreto? |
| Creo que necesito ayuda. | creo que | ¿Por qué crees que necesitas ayuda? |
Estos ejemplos muestran el secreto de ELIZA: la respuesta parece personalizada porque reutiliza el lenguaje del usuario. Pero el programa no interpreta el sentido profundo de la frase.
El efecto ELIZA: cuando atribuimos inteligencia a una máquina
Definición del efecto ELIZA
El efecto ELIZA describe la tendencia humana a atribuir comprensión, intención, empatía o inteligencia a un sistema informático que solo produce respuestas mediante mecanismos automáticos.
Este fenómeno no se limita a ELIZA. Sigue presente hoy cuando hablamos con asistentes virtuales, chatbots de atención al cliente, modelos de lenguaje o incluso sistemas muy simples que parecen “responder” de forma social.
Por ejemplo, cuando una máquina muestra “gracias” después de una acción, sabemos que no siente gratitud. Aun así, podemos percibir la interacción como educada o incluso amable.
Por qué ocurre este fenómeno
Los seres humanos estamos acostumbrados a interpretar el lenguaje como una señal de mente. Cuando alguien responde de forma coherente, tendemos a asumir que entiende. Esa intuición funciona bien con otras personas, pero puede engañarnos con sistemas automáticos.
ELIZA explotaba involuntariamente esa tendencia. Sus respuestas eran simples, pero suficientes para activar nuestra disposición a ver intención donde solo había reglas.
- Atribuimos intención a respuestas generadas automáticamente.
- Proyectamos emociones en frases neutras o reformuladas.
- Confundimos fluidez con comprensión.
- Compartimos más información cuando sentimos que alguien nos escucha.
- Subestimamos los límites técnicos de la máquina.
La reacción de Weizenbaum
Weizenbaum quedó preocupado al ver la facilidad con la que algunas personas se vinculaban emocionalmente al programa. Para él, ELIZA era una demostración de superficialidad, no una promesa de terapia automatizada.
Su crítica fue clara: una máquina puede manipular símbolos, pero no posee juicio humano, experiencia vivida ni responsabilidad moral. Esa distinción sigue siendo clave en la era de la IA generativa.
El efecto ELIZA nos recuerda que una máquina puede parecer empática sin sentir empatía, y puede parecer inteligente sin comprender realmente.
ELIZA y los chatbots modernos: lo que ha cambiado y lo que no
De las reglas fijas a los modelos de lenguaje
Los chatbots actuales son incomparavelmente más potentes que ELIZA. Los grandes modelos de lenguaje pueden redactar textos complejos, resumir documentos, traducir, programar, razonar sobre problemas y mantener conversaciones largas.
La diferencia técnica es enorme. ELIZA seguía reglas explícitas. Los modelos actuales aprenden patrones a partir de enormes cantidades de datos y generan respuestas probabilísticas en función del contexto.
Sin embargo, la lección psicológica sigue siendo parecida: una respuesta fluida puede crear una fuerte impresión de comprensión.
Lo que ELIZA ya había anticipado
ELIZA anticipó varios debates actuales:
- la facilidad con la que los usuarios atribuyen inteligencia a una interfaz conversacional;
- el riesgo de confundir simulación lingüística con comprensión;
- la necesidad de transparencia sobre los límites del sistema;
- el peligro de usar máquinas en contextos emocionalmente sensibles;
- la importancia de mantener responsabilidad humana en decisiones importantes.
En ese sentido, ELIZA no es solo una curiosidad histórica. Es una advertencia temprana sobre nuestra relación con las máquinas conversacionales.
La diferencia esencial con los LLM
Los modelos modernos no funcionan como ELIZA. No se limitan a buscar palabras clave y aplicar reglas escritas a mano. Pero eso no significa que comprendan como una persona.
Un modelo de lenguaje puede producir explicaciones brillantes y cometer errores absurdos. Puede sonar seguro y estar equivocado. Puede parecer empático sin tener experiencia emocional. Ahí está la continuidad con ELIZA: la forma puede convencernos más de lo que debería.
ELIZA en la historia de la prueba de Turing
ELIZA se asocia a menudo con la prueba de Turing porque fue uno de los primeros programas capaces de sostener una conversación suficientemente convincente como para confundir a algunos usuarios.
Sin embargo, conviene matizar. ELIZA no “pasó” la prueba de Turing en sentido moderno y robusto. Su efecto dependía mucho del contexto, del tipo de conversación y de las expectativas del usuario.
En estudios recientes se ha vuelto a comparar ELIZA con modelos más modernos. Algunos resultados muestran que ELIZA podía ser sorprendentemente persuasiva en ciertas condiciones, pero los modelos avanzados como GPT-4 obtienen resultados superiores en pruebas interactivas más actuales.
La conclusión importante no es que ELIZA sea más inteligente que los modelos modernos. La conclusión es que la ilusión conversacional puede surgir incluso con sistemas muy simples.
La recuperación del código original
Un hallazgo importante para la historia de la informática
Durante mucho tiempo, el código original de ELIZA fue difícil de estudiar en su forma auténtica. Circularon muchas versiones posteriores, imitaciones y reimplementaciones, pero no siempre correspondían exactamente al sistema original de Weizenbaum.
El código fuente MAD-SLIP original fue recuperado y puesto a disposición en archivos históricos, lo que permitió estudiar con más precisión cómo funcionaba realmente ELIZA.
La restauración de ELIZA
Trabajos recientes han permitido restaurar y ejecutar ELIZA en entornos emulados, reconstruyendo parte de la experiencia original. Este tipo de recuperación es una forma de arqueología informática: no solo se conserva el código, sino también el contexto técnico en el que funcionaba.
Esto permite comprender mejor los primeros pasos del procesamiento del lenguaje natural y desmontar algunos mitos históricos, como la idea de que ELIZA fue originalmente un programa Lisp.
Por qué importa todavía
Recuperar ELIZA no es nostalgia tecnológica. Sirve para entender de dónde vienen los chatbots, qué problemas ya estaban presentes desde el principio y por qué la interacción conversacional puede ser tan persuasiva.
También ayuda a enseñar una lección esencial: la historia de la IA no es una línea recta hacia máquinas cada vez más “humanas”. Es también una historia de ilusiones, expectativas, malentendidos y límites.
Lecciones de ELIZA para las empresas
Transparencia: decir claramente que el usuario habla con una IA
La primera lección es la transparencia. Si una empresa usa un chatbot, debe dejar claro que el usuario interactúa con un sistema automatizado. No conviene diseñar la interfaz para que parezca más humana de lo necesario.
Esto es especialmente importante en banca, seguros, salud, educación, recursos humanos y servicios públicos, donde las personas pueden compartir información sensible o tomar decisiones importantes.
No exagerar la empatía del chatbot
Un asistente conversacional puede responder con tono amable. Pero no siente preocupación, no comprende el sufrimiento humano y no tiene responsabilidad moral.
Diseñar chatbots que simulan demasiada empatía puede ser problemático si los usuarios acaban confiando en ellos para cuestiones delicadas.
La buena práctica consiste en usar un tono claro, útil y respetuoso, sin crear la impresión de que el sistema tiene emociones reales.
Definir límites y escalamiento humano
Todo chatbot profesional debería tener límites claros. Debe saber cuándo no responder, cuándo pedir más contexto y cuándo derivar a una persona.
Esto es especialmente importante cuando se tratan:
- reclamaciones complejas;
- datos financieros;
- situaciones médicas o psicológicas;
- decisiones legales;
- incidencias de seguridad;
- clientes vulnerables;
- conflictos contractuales.
ELIZA nos enseña que una conversación puede parecer más profunda de lo que realmente es. Por eso la supervisión humana sigue siendo indispensable.
ELIZA y la confianza en los servicios digitales
La confianza no se construye haciendo que una máquina parezca humana a toda costa. Se construye explicando bien qué hace el sistema, qué no hace, qué datos utiliza y cuándo interviene una persona.
En sectores regulados, esta claridad no es solo una buena práctica. Es una condición para evitar malentendidos, reclamaciones y riesgos reputacionales.
Un chatbot debe ser útil, pero también honesto sobre sus límites.
La mejor interfaz de IA no es necesariamente la que parece más humana, sino la que ayuda mejor al usuario sin engañarlo sobre su naturaleza.
Buenas prácticas inspiradas en ELIZA
- Informar claramente de que el usuario está interactuando con una IA.
- Evitar promesas excesivas sobre comprensión, empatía o precisión.
- No pedir datos sensibles si no son necesarios para la tarea.
- Permitir la intervención humana en casos complejos o sensibles.
- Registrar límites y errores conocidos del sistema.
- Diseñar respuestas prudentes cuando haya incertidumbre.
- Revisar periódicamente el comportamiento del chatbot.
- Formar a los equipos para entender el efecto ELIZA y sus riesgos.
Estos principios son útiles tanto para pequeñas empresas como para grandes organizaciones. Cuanto más convincente sea la IA, más importante será explicar sus límites.
Preguntas frecuentes
¿Qué era ELIZA?
ELIZA fue un programa conversacional creado por Joseph Weizenbaum en el MIT y publicado en 1966. Simulaba una conversación mediante reglas simples de reconocimiento de patrones y reformulación de frases.
¿ELIZA fue el primer chatbot?
Se suele describir como uno de los primeros chatbots de la historia, aunque el término “chatbot” apareció mucho después. Es uno de los programas conversacionales más influyentes de la historia de la IA.
¿Qué era el script DOCTOR?
DOCTOR fue el guion más famoso de ELIZA. Imitaba el estilo de un psicoterapeuta rogeriano, reformulando las frases del usuario en preguntas abiertas.
¿ELIZA entendía realmente lo que decía el usuario?
No. ELIZA no comprendía el significado de las frases. Detectaba palabras clave y aplicaba reglas de transformación para generar respuestas plausibles.
¿Qué es el efecto ELIZA?
Es la tendencia humana a atribuir comprensión, inteligencia o empatía a un sistema informático que solo produce respuestas automáticas.
¿Por qué ELIZA sigue siendo importante?
Porque anticipó uno de los grandes problemas de la IA conversacional moderna: los usuarios pueden confundir una respuesta fluida con comprensión real.
¿Qué relación tiene ELIZA con ChatGPT?
ELIZA y ChatGPT son tecnologías muy distintas. ELIZA seguía reglas simples; ChatGPT usa modelos de lenguaje avanzados. Pero ambas muestran cómo una interfaz conversacional puede generar una fuerte impresión de inteligencia.
¿Qué lección deben aprender las empresas de ELIZA?
Que deben diseñar chatbots transparentes, explicar sus límites, evitar falsas expectativas de empatía o comprensión y ofrecer intervención humana cuando la situación lo requiera.
Conclusión
ELIZA fue técnicamente simple, pero históricamente enorme. No entendía el lenguaje, no razonaba y no sentía empatía. Aun así, logró que muchas personas sintieran que estaban siendo escuchadas.
Esa es su gran lección. La inteligencia artificial conversacional no solo plantea un desafío técnico, sino también psicológico y ético. Cuanto más natural suena una máquina, más fácil es olvidar que sigue siendo una máquina.
ELIZA nos recuerda que una simulación no es comprensión. Y en la era de los grandes modelos de lenguaje, esa advertencia es más importante que nunca.
