Por: 
Tradicionalmente, las pruebas de personalidad han tendido a encasillar a las personas en perfiles rígidos a partir de reglas simplificadas. Este enfoque, aunque práctico, limita la comprensión de la complejidad del comportamiento humano y reduce la riqueza de matices que influyen en el desarrollo individual y profesional.
Sin embargo, este panorama está evolucionando. Amirhosseini (2026) propone una alternativa innovadora al mostrar cómo el aprendizaje automático puede transformar y optimizar estas evaluaciones. Al disminuir de manera significativa el tiempo requerido para medir rasgos psicológicos, este avance cuestiona las metodologías tradicionales y abre nuevas posibilidades para analizar el comportamiento en los entornos profesionales contemporáneos.
Desarmando las cajas psicológicas
Antes de abordar los aspectos algorítmicos, es pertinente introducir el modelo DISC. Esta herramienta clasifica el comportamiento individual en cuatro estilos principales: Dominancia, Influencia, Estabilidad y Conciencia. En términos prácticos, el DISC puede entenderse como un marco conceptual que facilita la comprensión de las dinámicas de comunicación en entornos laborales, permitiendo identificar patrones de liderazgo y reacciones ante situaciones de presión.
No obstante, la evaluación tradicional del DISC presenta una limitación metodológica relevante: impone la asignación de los individuos a una única categoría a partir de la suma de sus respuestas. Este enfoque reduce la complejidad del comportamiento humano, al intentar describirlo mediante un conjunto restringido de categorías, lo que dificulta capturar la coexistencia de múltiples rasgos en una misma persona.
En este contexto, surge la propuesta del estudio, sustentada en una hipótesis clara: el uso de técnicas de aprendizaje automático podría permitir modelar relaciones complejas y no lineales para ofrecer evaluaciones más flexibles, precisas y eficientes. Para ello, los investigadores diseñaron un experimento orientado a evaluar si la inteligencia artificial es capaz tanto de reproducir los resultados del modelo tradicional como de optimizar el instrumento de medición mediante la identificación de las variables más relevantes.
Hallazgos que redefinen la evaluación
El análisis de las respuestas reveló varios patrones que transforman la manera en que podríamos aplicar la psicometría en el futuro cercano.
La poda inteligente del cuestionario
El avance más llamativo descubierto por Amirhosseini tiene que ver con la pura eficiencia. Utilizando una técnica llamada Eliminación Recursiva de Características, los investigadores descubrieron que un test estándar de 40 preguntas podía reducirse a solo 10 ítems clave. A pesar de recortar el 75 por ciento del test, el modelo retuvo una precisión predictiva superior al 91 por ciento.
Esto significa que los departamentos de recursos humanos podrían evaluar grandes volúmenes de candidatos en una fracción del tiempo, minimizando la fatiga mental de los postulantes sin sacrificar la calidad de los perfiles resultantes.
La precisión matemática supera a las reglas rígidas
Cuando los investigadores probaron seis modelos distintos de inteligencia artificial con las 40 preguntas originales, la Regresión Logística y el modelo XGBoost lograron clasificar los tipos de personalidad con un sorprendente 93.53 por ciento de exactitud.
Este altísimo nivel de concordancia confirma que las máquinas pueden aprender a agruparnos con una eficacia técnica que rivaliza con las fórmulas clásicas, pero sentando las bases tecnológicas para análisis dinámicos mucho más profundos.
El descubrimiento de perfiles híbridos
Quizás el hallazgo conceptual más profundo provino de aplicar técnicas de "agrupamiento" (clustering). Al dejar que la inteligencia artificial organizara a los participantes basándose únicamente en la similitud de sus respuestas, el sistema confirmó la existencia de los cuatro grupos clásicos del DISC, pero también iluminó zonas grises previamente ignoradas. El sistema fue capaz de detectar perfiles híbridos, como individuos que combinan altos niveles de Dominancia con fuertes rasgos de Conciencia.
Al abandonar la necesidad de asignar etiquetas mutuamente excluyentes, la inteligencia artificial nos permite reflejar la verdadera fluidez del comportamiento humano, donde la mayoría de nosotros navegamos entre diferentes estilos dependiendo del contexto.
Detrás de los algoritmos y sus límites
Para llegar a estas conclusiones, el equipo recolectó y analizó las respuestas de más de 1.000 participantes utilizando un diseño riguroso. Emplearon un conjunto diverso de algoritmos, desde Redes Neuronales hasta Máquinas de Vectores de Soporte (SVM), dividiendo los datos cuidadosamente (80 por ciento para entrenar a la máquina y 20 por ciento para ponerla a prueba) para garantizar que los modelos no simplemente memorizaran las respuestas.
Para visualizar cómo se agrupaban las personas, utilizaron el Análisis de Componentes Principales (PCA), una técnica estadística que aplasta datos altamente complejos en un mapa bidimensional fácil de interpretar. Sorprendentemente, al mapear tanto el test de 40 preguntas como la versión reducida de 10, las estructuras de personalidad resultantes fueron notablemente consistentes.
Por supuesto, como en toda investigación rigurosa, debemos ser conscientes de lo que los datos no pueden decirnos. Como el estudio midió las percepciones en un único punto en el tiempo mediante autoinformes, no podemos afirmar con certeza si estas categorizaciones aceleradas predicen el éxito laboral real a largo plazo. Además, la falta de una frontera perfectamente definida en los gráficos de agrupamiento nos recuerda que la mente humana opera en un espectro continuo, no en bloques matemáticos perfectos.
¿El fin de los tests interminables?
Durante décadas hemos operado bajo la premisa de que perfilar la personalidad humana requería sacrificar o bien el tiempo del evaluado, o bien la riqueza de sus matices. Este puente construido por el aprendizaje automático demuestra que la eficiencia operativa y la profundidad psicológica no tienen por qué ser fuerzas opuestas.
Nos quedan preguntas por explorar. ¿Serán estos modelos reducidos igual de efectivos en culturas organizacionales marcadamente diferentes? ¿Es posible que la extrema brevedad de un test de 10 preguntas amplifique nuestros sesgos al momento de autoevaluarnos?
¿Podríamos estar a las puertas de una verdadera revolución en la gestión del talento? Quizás la intervención de la inteligencia artificial en la psicometría no sirva para mecanizarnos, sino para reconocer, respaldados por datos masivos, que nuestra forma de ser es un lienzo demasiado complejo para caber en una sola etiqueta.
Fuentes y recursos de información
Amirhosseini, M. (2026). Reinventing DISC personality assessment: Machine learning approaches for deeper insights and greater efficiency. Journal of Artificial Intelligence & Robotics, 3, (1). DOI: 10.52768/3067-7947/1037
