Resumen Técnico: StoryMI: Generación de Diálogos Terapéuticos Multiagente Dirigibles

Declaración del Problema

Aunque los Modelos de Lenguaje Grande (LLM) demuestran fluidez en la generación de diálogos, la investigación previa en Entrevista Motivacional (EM) enfrenta tres barreras críticas:

1. Falta de Anclaje Situacional: Los métodos existentes a menudo dependen de calificaciones abstractas en escalas Likert o de la generación aislada por turno, fallando en capturar el rico contexto narrativo y las intenciones personales centrales a la EM.
2. Controlabilidad Dinámica Insuficiente: Los enfoques actuales luchan por imponer estrategias de consejería a nivel macro (por ejemplo, ratios específicos de reflexiones a preguntas) a lo largo de conversaciones de múltiples turnos, dando lugar frecuentemente a interacciones estáticas o dependientes de guiones.
3. Fidelidad en la Evaluación: Las métricas léxicas estándar y las rúbricas genéricas de LLM como juez fallan en capturar distinciones clínicamente significativas, como la alineación con estrategias terapéuticas a nivel macro y la autenticidad de la postura terapéutica.

Metodología: El Marco StoryMI

StoryMI es un marco de agentes multi-LLM diseñado para generar diálogos de EM controlables y anclados situacionalmente. Opera mediante un flujo de trabajo de tres etapas que involucra a tres agentes distintos: un Agente Cliente, un Agente Terapeuta y un Agente de Gestión de Interacción.

1. Perfilado Basado en Cuestionarios

El sistema comienza generando perfiles de clientes estructurados utilizando cuestionarios estandarizados del DSM-5. Un LLM genera puntuaciones de severidad (0–4) y breves racionalizaciones en primera persona para 23 ítems a través de 13 dominios de síntomas (por ejemplo, depresión, ira, sueño). Esto crea una señal de control psicológicamente consistente e interpretable ($P$) para el diálogo.

2. Contextualización de la Historia Situacional

Para cerrar la brecha entre puntuaciones abstractas y diálogos naturalistas, el sistema expande el perfil del cliente $P$ en una historia situacional ($N$) de aproximadamente 200 palabras. Esta narrativa ancla los síntomas del cliente en experiencias de vida concretas, escenas específicas y texturas emocionales, asegurando la consistencia de la persona a lo largo de interacciones de múltiples turnos sin curaduría manual.

3. Simulación de Diálogo de EM Controlable

La simulación central implica un bucle coordinado:

• Agente Cliente: Genera un enunciado emparejado con un código de EM del cliente (Cambio, Sostenimiento o Neutral) basado en la historia situacional y el historial del diálogo.
• Agente de Gestión de Interacción: Actúa como coordinador. Clasifica la orientación motivacional del cliente, selecciona una estrategia de terapeuta apropiada ($\ell^*_T$) del conjunto de códigos de EM (Reflexión, Pregunta, Insumo) y actualiza el estado compartido del diálogo. Este agente impone restricciones a nivel macro, como mantener un ratio de Reflexión a Pregunta > 2.0.
• Agente Terapeuta: Genera una respuesta condicionada a la estrategia seleccionada y al estado actual del diálogo.

El proceso itera hasta que se cumple una condición de terminación (por ejemplo, señales de cierre natural o un límite máximo de turnos), resultando en una conversación completamente simulada y consistente con la EM.

Contribuciones Clave

1. Flujo de Trabajo Multiagente: El diseño de un flujo de trabajo estructurado que integra la contextualización de historias situacionales con interacciones codificadas en EM dinámicamente controlables, evaluado en seis LLM representativos.
2. Protocolo de Evaluación Específico de EM: La propuesta de un sistema de evaluación de dos niveles que combina métricas léxicas estándar con seis métricas conductuales específicas de EM (por ejemplo, Adherencia a la Estrategia, Ratio de Reflexión Compleja, Ratio de Pregunta Abierta) y una rúbrica de seis dimensiones para jueces humanos y LLM.
3. Construcción de Conjunto de Datos: La creación de un conjunto de datos compuesto por 6.000 diálogos simulados de múltiples turnos anclados en 1.000 pares únicos de cuestionario-historia, cubriendo 12 códigos de EM y 13 dominios de síntomas.

Resultados Experimentales

El estudio evaluó seis LLM (GPT-5-Nano, LLaMA 3.1-8B, Phi-4-14B, OpenChat-7B, Gemma-7B, Qwen 2.5-7B) utilizando el marco StoryMI.

• Adherencia a la Estrategia: El marco permitió exitosamente el control a nivel macro. Modelos como GPT, OpenChat, Gemma y Qwen alcanzaron puntuaciones de Adherencia a la Estrategia >80%, alineándose estrechamente con la distribución objetivo de EM (50% reflexiones, 25% preguntas, 20% insumos). Todos los modelos superaron el umbral recomendado para el Ratio de Reflexión Compleja (>50%).
• Calidad Léxica vs. Clínica: Las métricas léxicas (Perplejidad, Distinto-2) por sí solas fallaron en predecir la calidad terapéutica. Por ejemplo, Phi-4-14B mostró alta diversidad léxica pero baja Adherencia a la Estrategia, mientras que Qwen demostró alta Profundidad de Reflexión y Ratios de Reflexión Compleja a pesar de puntuaciones léxicas moderadas.
• Estudios de Ablación: La eliminación de los códigos de EM causó una caída significativa en la Adherencia a la Estrategia (de 80.9% a 64.2%), confirmando que la codificación a nivel de interacción es esencial para el control macro. La eliminación de las historias situacionales redujo la Entropía de Código, indicando que el anclaje narrativo enriquece la diversidad conductual.
• Alineación Humana: Expertos humanos y jueces LLM mostraron un fuerte acuerdo en "Profundidad" y "Progreso", pero una divergencia significativa en "Naturalidad", "Empatía" y "Adherencia". Notablemente, los modelos con ratios más altos de Pregunta Abierta recibieron puntuaciones humanas más altas de Empatía, validando el principio de EM de que las preguntas abiertas señalan una postura terapéutica aceptante.

Significado y Limitaciones

El artículo postula que la coordinación estructurada multiagente permite la generación de diálogos terapéuticamente coherentes que son tanto situacionalmente anclados como estratégicamente controlables. El trabajo demuestra que la calidad al estilo EM puede moldearse controlando las estrategias de diálogo en lugar de depender únicamente de la escala del modelo.

Los autores enfatizan que su marco de evaluación proporciona una base para investigaciones futuras, particularmente en la extensión de la generación controlable a terapias multimodales y en la validación de sistemas en entornos reales de formación clínica. Reconocen limitaciones, incluyendo la dependencia de normas diagnósticas occidentales del DSM-5, la falta de interacción con clientes reales y la necesidad de estudios longitudinales para establecer vínculos causales entre estrategias específicas de EM y resultados terapéuticos. El trabajo se presenta como una herramienta de investigación para simulación y formación, no como un reemplazo directo de profesionales de salud mental calificados.