Resumen Técnico: Reflecti-Mate

Enunciado del Problema

La toma de decisiones personales de alto riesgo implica una interacción compleja de procesos cognitivos, emocionales e intuitivos. Aunque integrar estas diversas fuentes de juicio conduce a decisiones más efectivas, los individuos a menudo luchan por hacerlo debido a una limitada conciencia metacognitiva. Los sistemas actuales de apoyo a la decisión se centran predominantemente en el razonamiento cognitivo (Sistema 2), tratando a menudo las entradas emocionales e intuitivas (Sistema 1) como sesgos heurísticos que deben minimizarse o ignorarse. En consecuencia, los sistemas adaptativos existentes tienden a producir interacciones homogeneizadas que dirigen a todos los usuarios hacia la elaboración cognitiva, fallando en respetar los perfiles de pensamiento individuales o en apoyar la integración de perspectivas no cognitivas. Existe una falta de sistemas que modelen los patrones de pensamiento del usuario a lo largo de un diálogo reflexivo para apoyar adaptativamente el razonamiento integrativo sin imponer un único estilo de razonamiento "ideal".

Metodología

Arquitectura del Sistema: Reflecti-Mate

Los autores proponen Reflecti-Mate, un agente conversacional diseñado para apoyar la reflexión pre-decisoria integrativa. El sistema opera bajo un marco de doble proceso, buscando aplicar una elaboración a nivel de Sistema 2 a todos los tipos de pensamiento (interno/emocional, externo/cognitivo y experiencial/intuitivo) sin privilegiar uno sobre los otros.

1. Modelado de Usuario y Perfil de Reflexión:
El sistema construye una representación computacional de la reflexión del usuario, denotada como $R = (T, G)$, donde $T$ es un conjunto de pensamientos principales y $G$ representa las relaciones padre-hijo entre pensamientos y sus elaboraciones.

• Categorías de Pensamiento: Los pensamientos se clasifican en cuatro categorías basadas en el marco "cabeza-corazón-intestino": Interno (sentimientos, valores), Externo (restricciones factuales, partes interesadas), Experiencial (experiencias pasadas) y Otro.
• Métricas: El agente calcula dos dimensiones clave para cada categoría $k$:
  • Amplitud ($B_k$): El número de pensamientos principales distintos en una categoría.
  • Profundidad ($D_i$): La riqueza elaborativa de un pensamiento, definida como $1 + |E_i|$ (donde $E_i$ es el conjunto de elaboraciones).
  • Indicador de Fijación ($S_k$): Una medida acumulativa de la atención sobre una categoría, combinando amplitud y profundidad.
  • Profundidad Promedio ($\bar{D}_k$): El nivel promedio de elaboración dentro de una categoría, independiente del número de pensamientos.

2. Algoritmo de Adaptación:
El agente emplea una estrategia de compensación exploración-explotación guiada por un estado interno $s_t$ que se actualiza después de cada turno.

• Interrupción de la Fijación (Exploración): Si un usuario se fija en una categoría específica (alta $S_k$), el agente prioriza la exploración haciendo preguntas dirigidas a categorías subrepresentadas (análogo al muestreo basado en incertidumbre).
• Interrupción del Razonamiento Superficial (Explotación): Si los pensamientos son superficiales (baja $\bar{D}_k$), el agente prioriza la explotación generando preguntas de seguimiento socráticas para profundizar pensamientos específicos subdesarrollados.
• Política de Decisión: El agente utiliza una política $\epsilon$-greedy para seleccionar entre exploración (probabilidad $\epsilon$) y explotación (probabilidad $1-\epsilon$).
• Implementación: El sistema utiliza un modelo Phi-4 14B alojado localmente (cuantización Q4_K_M) para generar seguimientos socráticos y clasificar las entradas del usuario. Las preguntas de exploración se extraen de un conjunto curado y revisado por pares para controlar las variables de redacción.

Diseño del Estudio con Usuarios

Se realizó un estudio entre sujetos ($N=128$) para comparar el agente experimental (Reflecti-Mate) con un Agente de Línea Base.

• Procedimiento: Los participantes participaron en dos fases: (1) Reflexión sin Ayuda, donde articularon pensamientos libremente; y (2) Reflexión Asistida, donde interactuaron con el agente asignado.
• Condiciones:
  • Experimental: El agente utilizó el perfil adaptativo y el algoritmo descritos anteriormente.
  • Línea Base: El agente compartía los mismos objetivos de alto nivel (ampliar y profundizar la reflexión) y el mismo LLM subyacente, pero carecía del perfil de usuario explícito y la lógica adaptativa, dependiendo únicamente del historial conversacional e instrucciones fijas.
• Medidas:
  • Lenguaje Reflexivo: Analizado mediante LIWC-22 para cuantificar marcadores lingüísticos cognitivos, emocionales e intuitivos.
  • Apoyo Percibido: Evaluado mediante escalas Likert sobre la integración holística y la profundidad de la elaboración.
  • Heterogeneidad: El agrupamiento post-hoc analizó si los efectos variaban según los perfiles reflexivos iniciales de los usuarios (Reservado, Dominante en Intuición, Dominante en Emoción).

Resultados Clave

1. Lenguaje Reflexivo e Integración (RQ1)

El agente experimental fomentó con éxito un perfil de lenguaje reflexivo más integrador en comparación con la línea base.

• Línea Base: Produjo un perfil homogeneizado dominado por marcadores lingüísticos cognitivos, suprimiendo la expresión emocional e intuitiva en relación con la fase sin ayuda de la línea base.
• Experimental: Facilitó la participación multimodal. Los usuarios mostraron una dominancia cognitiva significativamente menor y una mayor expresión de marcadores emocionales e intuitivos en comparación con la línea base. Crucialmente, los marcadores cognitivos se mantuvieron robustos; el agente no suprimió la cognición, sino que permitió que los marcadores emocionales e intuitivos coexistieran en niveles comparables.

2. Apoyo Percibido (RQ2)

Los participantes percibieron al agente experimental como significativamente más efectivo para apoyar la integración holística (72% de acuerdo frente al 44% en la línea base). Sin embargo, ambos agentes fueron calificados altamente en profundidad de elaboración (72% frente al 79%), lo que indica que, aunque la línea base podía profundizar pensamientos, falló en integrar diversos tipos de pensamiento.

3. Preservación de Estilos de Razonamiento (RQ3)

El estudio investigó si el agente preservaba los estilos de razonamiento dominantes de los usuarios.

• Efecto de la Línea Base: El agente de línea base actuó como un "homogeneizador". Independientemente de si los usuarios comenzaban como Reservados, Dominantes en Intuición o Dominantes en Emoción, la interacción de la línea base desplazó a todos los grupos hacia un perfil similar, pesado en cognición.
• Efecto Experimental: El agente adaptativo produjo efectos heterogéneos. Expandió selectivamente modos subrepresentados mientras mantenía la prominencia del modo inicialmente dominante del usuario. Por ejemplo, los usuarios dominantes en intuición permanecieron dominantes en intuición pero ganaron andamiaje en emoción; los usuarios dominantes en emoción permanecieron dominantes en emoción pero ganaron andamiaje en intuición. Esto demuestra que el agente apoyó trayectorias personalizadas sin forzar la convergencia a un único estilo de razonamiento.

Significado y Contribuciones

El artículo afirma que Reflecti-Mate ofrece un enfoque novedoso para el apoyo a la decisión al ir más allá del "empujón" cognitivo de "talla única". Sus contribuciones principales son:

1. Integración Adaptativa: Demuestra que los agentes conversacionales pueden apoyar la integración de procesos cognitivos, emocionales e intuitivos equilibrando dinámicamente la exploración y la explotación basándose en el modelado de usuarios en tiempo real.
2. Respeto por la Individualidad: A diferencia de sistemas anteriores que a menudo equiparan el apoyo a la reflexión con la racionalización, este enfoque respeta diversas preferencias de razonamiento. Permite a los usuarios mantener su estilo de razonamiento dominante mientras amplían su perspectiva, evitando la imposición de un único perfil "ideal".
3. Conciencia Computacional: El estudio destaca que el apoyo efectivo a la reflexión requiere una adaptación principista fundamentada en un modelado de usuario estructurado, en lugar de depender únicamente de la ingeniería de prompts o del historial conversacional. Las instrucciones por sí solas fueron insuficientes para evitar que el agente de línea base homogeneizara las respuestas de los usuarios.
4. Diseño Ético: Al evitar consejos directivos y centrarse en la indagación facilitadora, el sistema busca preservar la agencia y la autonomía del usuario en decisiones de alto riesgo, abordando el riesgo de que los LLM influyan o sesgen excesivamente las decisiones del usuario.

Los autores concluyen que, aunque el sistema elicita con éxito un lenguaje integrador y es percibido como de apoyo, se necesita trabajo futuro para explorar preguntas de exploración personalizadas y validar estos hallazgos con estudios longitudinales y medidas conductuales más allá de los proxies lingüísticos.