Usar ChatGPT como diario: qué dice la evidencia y qué documentó OpenAI

Contarle a un chatbot lo que uno no le cuenta a nadie dejó de ser una rareza. Chatterji y colegas (2025) analizaron para el NBER una muestra de 1,1 millones de conversaciones de ChatGPT, y la categoría de relaciones y reflexión personal fue el 1,9% de los mensajes: una porción delgada de una superficie enorme. Hay una razón material: el Mental Health Atlas 2024 de la Organización Mundial de la Salud reporta una mediana global de 13,5 trabajadores especializados en salud mental por cada 100.000 habitantes: 1,1 en los países de ingreso bajo, 2,4 en los de ingreso medio-bajo, 67,2 en los de ingreso alto.

La respuesta corta incomoda a los dos bandos: sirve, y bastante menos de lo que prometen sus defensores o temen sus críticos.

Preguntas frecuentes

¿Sirve de algo contarle a ChatGPT lo que sientes? Sirve, con un efecto pequeño. Escribir sobre lo que sientes rindió r = 0,075 en el meta-análisis de 146 estudios aleatorizados de Frattaroli (2006). Los chatbots se midieron aparte y en otra escala —las dos cifras no son comparables entre sí—: g = 0,31 en síntomas depresivos sobre 38 ensayos aleatorizados (n = 7.401) reunidos por Sohn y colegas (2026), con un intervalo de confianza del 95% entre 0,17 y 0,46; en ansiedad, g = 0,28 (0,05 a 0,51). Por población: 0,64 en muestras clínicas, 0,34 en subclínicas y 0,07 —con el intervalo cruzando el cero— en las no clínicas, donde cae quien abre el chat a las tres de la mañana.

¿Es privado lo que escribes ahí? No en el sentido en que la mayoría lo imagina. El contenido de los productos de consumo de OpenAI entrena sus modelos por defecto y la opción de exclusión no es retroactiva: las conversaciones nuevas dejan de usarse, las anteriores no se retiran. Calificar una respuesta puede habilitar esa conversación aunque tengas el ajuste apagado. Ningún servicio alojado tiene secreto profesional: vale para ChatGPT y para cualquier otra aplicación, la nuestra incluida.

¿Es mejor o peor que un cuaderno? Es distinto en una sola propiedad: el chat contesta. De ahí sale la ganancia y el riesgo. El soporte no cambia nada: escribir a mano, teclear o dictar no moderó el efecto en ningún desenlace de Frattaroli (2006). Lo vimos al comparar el diario en papel y en app.

Cuatro cosas hacen que escribir funcione, y están medidas

Frattaroli (2006) también midió qué aumenta ese efecto. Repetir importa, aunque ese contraste quedó al borde: tres sesiones o más rindieron r = 0,082 frente a 0,040 con menos de tres. El piso de tiempo sí fue significativo: quince minutos o más dieron r = 0,080, y las sesiones más cortas, −0,007. Y el tema tiene que estar vivo: cuantos más meses desde el evento, menor el efecto (r = −0,283; p de una cola = 0,013).

El cuarto moderador es el único que un chat aporta sin que tú hagas nada. Escribir guiado por preguntas dirigidas o ejemplos concretos rindió r = 0,090; sin ellas, 0,052. Ese contraste fue marginal en el efecto global (p de una cola = 0,055) y significativo en los desenlaces de salud psicológica: 0,094 frente a 0,011 (p = 0,0035). Reinhold, Bürkner y Holling (2018) lo confirman en su propio meta-análisis: un tema específico superó al tema libre (b = 0,09, p = 0,020) y más sesiones dieron más efecto (b = 0,03, p = 0,038). Y traen la corrección que casi nadie cita: en adultos sin enfermedad física el efecto inmediato fue significativo pero muy pequeño (g = −0,09; p = 0,006), y en el seguimiento ya no se distinguía de cero (g = −0,03; p = 0,296).

De los cuatro ingredientes, el chat garantiza uno

Y no es el más fuerte. Una caja de chat pregunta y una página en blanco no: de los cuatro moderadores, ese es el único que una conversación cumple por diseño y no por mérito de ninguna marca. Los otros tres siguen dependiendo de ti.

Lo más parecido a una comparación directa es un piloto de factibilidad. Kuta y colegas (2026), en JMIR Mental Health, repartieron al azar a adultos angloparlantes en tres grupos durante tres semanas: un chatbot construido a propósito para salud mental (n = 44), ChatGPT (n = 60) y un control de solo evaluación (n = 43); 147 personas en total. Frente a ese control, los dos chatbots bajaron la escala PHQ-9 de depresión (d = −0,47 y d = −0,44). En ansiedad y bienestar no lo hizo ninguno, y el chatbot especializado no superó significativamente a ChatGPT en ningún desenlace. La adherencia fue al revés: 62% del grupo de ChatGPT completó las nueve conversaciones, frente al 39%. Sus autores llaman insuficientes la muestra y las tres semanas para hablar de efectos clínicos.

En Sohn y colegas (2026), el método de generación de la respuesta —modelo generativo o recuperación de un guion— tampoco fue un moderador significativo. Pero ese subgrupo compara dos maneras de construir un chatbot de salud mental, no un producto especializado contra ChatGPT, y solo ocho ensayos usaban modelo generativo frente a treinta y uno: los autores avisan que ahí puede faltar potencia. Que la especialización rinda más no está demostrado ni descartado, y lo dice quien construye una herramienta de escritura.

El tirón es anterior a los modelos. Lucas, Gratch, King y Morency (2014) hicieron creer a parte de sus participantes que al entrevistador virtual lo manejaba una máquina: ese grupo reportó menos miedo a revelarse y expresó más la tristeza. Y Yin, Jia y Wakslak (2024) encontraron que los mensajes generados por IA hicieron sentirse más escuchadas a las personas que los escritos por humanos; la etiqueta de IA reduce ese efecto sin borrarlo.

Los riesgos que documentó el propio fabricante

En abril de 2025, OpenAI revirtió una actualización de GPT-4o. En sus palabras, el modelo buscaba complacer al usuario “no solo como halago, sino validando dudas, alimentando el enojo, empujando acciones impulsivas o reforzando emociones negativas”. Eso plantea preocupaciones de seguridad “incluidas la salud mental, la dependencia emocional excesiva o la conducta de riesgo”.

Lo importante no es el incidente, corregido en días, sino la causa que la empresa nombró en su texto de seguimiento: una señal de recompensa basada en el pulgar arriba y abajo de los usuarios. En sus palabras, “el feedback del usuario a veces favorece respuestas más complacientes”. Cualquier sistema entrenado sobre preferencia humana tiene ese gradiente. Ahí mismo, sobre la memoria de cualquier producto, escribió: “en algunos casos, la memoria del usuario contribuye a exacerbar los efectos de la adulación, aunque no tenemos evidencia de que la aumente de forma generalizada”.

La evidencia revisada por pares apunta al mismo lugar. Moore y colegas (2025) hallaron modelos que expresan estigma hacia condiciones de salud mental y responden mal en escenarios comunes; escriben que “alientan el pensamiento delirante de los clientes, probablemente por su adulación”, también en los más nuevos. La American Psychological Association describió ese mismo bucle en su aviso de salud de noviembre de 2025.

La fabricación es la otra mitad. OpenAI publicó en septiembre de 2025 que sus modelos alucinan porque el entrenamiento y la evaluación estándar “premian adivinar por sobre reconocer incertidumbre”. Walters y Wilder (2023) contaron 55% de referencias bibliográficas fabricadas en GPT-3.5 y 18% en GPT-4, los modelos de 2023. Dahl, Magesh, Suzgun y Ho (2024) midieron consultas jurídicas: los modelos que probaron alucinaron en más de la mitad de los casos y “a menudo aceptan sin cuestionar las premisas jurídicas incorrectas del usuario”. Es un hallazgo sobre derecho, no sobre biografías: nadie ha medido cuántas veces un modelo acepta una premisa falsa sobre tu vida.

Lo que es cuestión de diseño, no de calidad del modelo

Primero, el crédito que corresponde: el historial de ChatGPT es literal, está fechado, se busca y se puede exportar, contra la idea de que un chat no deja rastro. Lo que sigue son tres condiciones del medio que no se arreglan cambiando de aplicación.

• No existe secreto profesional. Sam Altman lo dijo en julio de 2025: si alguien habla de sus cosas más sensibles con ChatGPT y luego hay una demanda, podrían exigirle a la empresa entregarlas. OpenAI pide que esa protección cubra las conversaciones con IA; mientras no exista, aplica a cualquier servicio alojado.
• El registro puede quedar retenido por un litigio ajeno. Bajo la orden del caso con The New York Times, OpenAI retuvo contenido de ChatGPT de consumo, incluidos chats borrados. La obligación terminó el 26 de septiembre de 2025; lo retenido entre abril y septiembre se conserva.
• La memoria no es enumerable. OpenAI documenta que su resumen de memoria no incluye todo lo que el sistema recuerda, y que para borrar algo por completo hay que eliminar cada fuente donde aparece. Puedes releer tu historial; no puedes listar lo que se concluyó de él.

Ninguna de las tres es una ventaja nuestra: valen igual para lo que construimos nosotros.

Lo que todavía nadie midió

No existe ningún ensayo aleatorizado sobre llevar un diario con ChatGPT, ni un estudio controlado que aísle la memoria como variable y muestre mejores desenlaces: lo único documentado es la advertencia del propio fabricante, que él mismo matiza. Y ninguno de los 39 ensayos que revisó Sohn se hizo en un país hispanohablante; Kuta reclutó adultos angloparlantes. Buena parte del planeta lee conclusiones sacadas en otra lengua.

Un chat no es terapia, y tampoco lo es un cuaderno; ninguno sustituye hablar con una persona, y eso vale también para lo nuestro. Lo que el chat introduce es un interlocutor entrenado para que su respuesta te resulte satisfactoria, en un registro que no te pertenece del todo. Cuánto de tu vida entra en esa caja conviene decidirlo antes, con la misma atención con que decidirías dónde dejas un cuaderno.