ELIZA: el chatbot que inauguró la ilusión de hablar con una máquina

A mediados de los años sesenta, el MIT era uno de los centros neurálgicos de la computación interactiva. El paso desde el procesamiento por lotes hacia sistemas de tiempo compartido estaba cambiando la relación entre humanos y máquinas. Ya no se trataba solo de preparar tarjetas perforadas y esperar resultados: ahora se podía escribir, recibir respuesta y ajustar en ciclos mucho más cortos. Ese cambio de interfaz fue decisivo para que programas como ELIZA resultaran posibles y, sobre todo, socialmente impactantes.

Joseph Weizenbaum, profesor del MIT, no construyó ELIZA como un intento ingenuo de crear una mente artificial equivalente a la humana. En parte, el proyecto funcionó como experimento técnico sobre procesamiento de lenguaje natural muy limitado, pero también como una forma de explorar qué ocurre cuando una máquina adopta el formato externo de una conversación. El resultado fue ambiguo y perturbador: un sistema trivial en comparación con las expectativas humanas podía producir respuestas que muchas personas interpretaban como comprensivas o incluso íntimas.

El éxito cultural de ELIZA no provino de una gran inteligencia interna, sino del acoplamiento entre tres factores: un canal textual que ocultaba muchas limitaciones, una estrategia conversacional que devolvía la carga interpretativa al usuario, y una audiencia lista para sorprenderse ante la idea de que una computadora “escuchara”.

Técnicamente, ELIZA trabajaba buscando palabras clave dentro de la entrada del usuario. Cada palabra clave estaba asociada a un conjunto de reglas. Cuando encontraba una coincidencia, intentaba descomponer la frase según ciertos patrones y luego reconstruir una respuesta a partir de plantillas. Parte del procedimiento incluía sustituciones pronominales simples: “yo” podía transformarse en “usted”, “mi” en “su”, “soy” en “es”, etcétera.

Si el programa detectaba una palabra de alto peso, esa palabra tenía prioridad sobre otras. De ese modo, términos como “madre”, “padre”, “siempre”, “porque” o expresiones emocionales podían disparar estrategias distintas. Si no encontraba nada convincente, recurría a respuestas de reserva: frases abiertas como “Continúe” o “Entiendo” que mantenían el turno conversacional sin aportar contenido.

Lo central es que ELIZA no representaba una comprensión profunda del significado. No construía un modelo del interlocutor, no mantenía una teoría coherente del mundo ni seguía una intención narrativa sostenida. Operaba más bien como un espejo lingüístico: reconocía formas textuales y devolvía variantes plausibles.

DOCTOR fue el guion que transformó a ELIZA en fenómeno. Inspirado libremente en la terapia rogeriana, evitaba confrontaciones precisas, diagnósticos cerrados y afirmaciones comprobables. En lugar de responder “sé por qué se siente así”, devolvía la emoción al hablante: “¿Cree que eso tiene relación con su familia?”, “¿Por qué menciona ahora a su madre?”, “¿Le preocupa con frecuencia ese tema?”.

Ese estilo conversacional hacía dos cosas a la vez. Primero, protegía al programa de errores evidentes: hablar poco y preguntar mucho es una estrategia segura cuando no se posee conocimiento real. Segundo, colocaba al usuario en el rol de intérprete principal: era la persona quien llenaba los huecos, ampliaba el tema y atribuía coherencia a respuestas que, en otro contexto, habrían parecido banales.

Weizenbaum observó que incluso sabiendo cómo funcionaba el sistema, algunos usuarios reaccionaban emocionalmente ante la conversación. Esa respuesta fue decisiva para su posterior crítica a las aplicaciones irresponsables de la computación en dominios humanos delicados.

El concepto más duradero asociado a ELIZA es el “efecto ELIZA”: la tendencia humana a atribuir comprensión, sensibilidad o inteligencia a una salida computacional relativamente simple. El fenómeno no es un detalle anecdótico; es una lección central para el diseño de interfaces conversacionales, asistentes virtuales y sistemas generativos actuales.

Weizenbaum quedó impresionado e incluso alarmado por la facilidad con que los usuarios se involucraban con el programa. En algunos relatos famosos, personas cercanas al proyecto pedían privacidad para hablar con ELIZA, como si detrás del terminal hubiera realmente una instancia de escucha humana. El episodio fue decisivo en su evolución intelectual posterior: pasó de ser un innovador técnico a uno de los críticos más lúcidos sobre el uso irreflexivo de computadoras en contextos éticos y psicológicos.

ELIZA demostró algo fundamental: la percepción pública de inteligencia artificial no depende solo de la potencia interna del sistema, sino también del formato de interacción, la expectativa del usuario y el tipo de tarea.

ELIZA fallaba cuando el usuario exigía memoria consistente, razonamiento explícito o conocimiento factual. Contradicciones, referencias cruzadas, ironía, detalles concretos y cambios bruscos de tema podían exponer rápidamente que el sistema no seguía una representación coherente de la conversación.

Tampoco era un sistema general de lenguaje natural. Funcionaba mejor en dominios acotados, con guiones cuidadosamente elegidos y conversaciones relativamente breves. Lo que hoy llamaríamos “alineación al contexto” dependía más de la habilidad del guionista que de la inteligencia del motor.

Sin embargo, esos límites no reducen su importancia histórica. Al contrario: hacen más notable que un mecanismo tan austero lograra desencadenar una reacción social tan fuerte.

ELIZA es una pieza fundacional porque obligó a pensar la IA no solo como cálculo, sino como relación. Su importancia no está en haber resuelto el lenguaje natural, sino en haber mostrado cuán fácil es para un sistema conversacional adquirir presencia social. A partir de ahí, la historia de la IA aplicada ya no es solamente una historia de técnicas, sino también de expectativas, confianza, proyección emocional y límites.

Si los modelos generativos actuales parecen asombrosos, conviene recordar que el núcleo del problema ya estaba presente en 1966: cuando una interfaz habla con suficiente fluidez, los seres humanos tendemos a atribuirle más comprensión de la que realmente tiene. ELIZA sigue siendo, por eso, el espejo incómodo de toda IA conversacional.