IA · Evidencia contrastada

OpenAI lanza un banco de pruebas para evaluar respuestas de IA en salud mental

OpenAI presentó MentalHealthBench, un conjunto abierto con 1.215 conversaciones sintéticas y criterios de especialistas para medir seguridad, empatía y orientación práctica en respuestas de IA sobre salud mental, desde consultas cotidianas hasta crisis.

Por ViaMind Radar · Publicado 26.09.2026 · 21:00

Fuente: Diario TI · Ver original ↗

Ilustracion contextual ViaMind · no es fotografia del hecho

Lo reportado

Qué incluye la evaluación

Según Diario TI, el conjunto abarca 1.215 conversaciones sintéticas que representan patrones generales de uso, perfiles y estilos de escritura, creadas con técnicas orientadas a preservar la privacidad. Incluye situaciones de adultos, adolescentes de 13 a 17 años, cuidadores y profesionales clínicos. El 53,5% corresponde a conversaciones no agudas, el 18,2% a gravedad alta y el 28,3% a emergencias.

Criterios y especialistas

Las respuestas se examinan según búsqueda de contexto, orientación práctica, precisión clínica, empatía, respeto por la autonomía, calibración de urgencia, comprobación de la realidad y prevención de daños. OpenAI afirma que participaron más de 80 psicólogos y psiquiatras con licencia.

Cita de la fuente

MentalHealthBench reúne 1.215 conversaciones sintéticas y criterios elaborados por especialistas para evaluar seguridad, empatía y orientación práctica, desde consultas cotidianas hasta situaciones de crisis.

Diario TI

Estado de evidencia: ViaMind comprobó que las afirmaciones materiales publicadas están respaldadas por la evidencia enlazada. Esto no implica confirmación independiente de los hechos.

Mirada ViaMind

OpenAI busca convertirse en el estándar de facto para medir la seguridad de la IA en salud mental, pero la validez clínica de sus conversaciones sintéticas aún no está demostrada.

El movimiento de OpenAI no es solo técnico: al publicar un benchmark abierto para salud mental, la empresa intenta fijar los términos de una conversación regulatoria y de confianza pública que hoy no tiene estándares claros. Si el conjunto se adopta, define qué se considera una respuesta segura y empática, y quién queda fuera.

La inclusión de emergencias y adolescentes es la parte más delicada. Un 28,3% de los casos son emergencias y hay perfiles de menores de 13 a 17 años. Eso convierte el benchmark en una prueba de estrés para el despliegue de asistentes de IA en contextos de alto riesgo, donde un error no es una métrica, sino un daño potencial.

El hecho de que sea abierto sugiere una estrategia de plataforma: OpenAI invita a otros desarrolladores, reguladores y clínicos a usar sus criterios. Si se vuelve referencia, la empresa gana influencia sobre cómo se evalúa a toda la industria, incluidos sus competidores.

La limitación principal es que se trata de conversaciones sintéticas, no de interacciones reales con pacientes. Eso permite control y privacidad, pero deja abierta la pregunta de si el rendimiento en este banco de pruebas se traduce en seguridad clínica efectiva.

Qué seguir

Observar si otros laboratorios o reguladores adoptan MentalHealthBench como referencia y si OpenAI publica resultados de sus propios modelos en este conjunto.