Ante el creciente uso de chatbots de inteligencia artificial para atender temas de salud mental, un estudio comparativo realizado por Mindsurf, revela datos contundentes: las IAs conversacionales de propósito general como ChatGPT presentan graves deficiencias para detectar crisis y ofrecer respuestas seguras, mientras que las herramientas diseñadas con respaldo clínico demuestran una efectividad muy superior.
El “Mindsurf Benchmark Results | Mental Health AI Performance 2026” evaluó el desempeño de Mindsurf frente a ChatGPT-5.1 y GPT-4o-mini (OpenAI) en 300 casos de prueba con escenarios de salud mental, utilizando métricas de seguridad y calidad validadas de manera dual (algorítmica y mediante evaluación LLM-como-Juez).
Los resultados son claros: Mindsurf obtuvo una puntuación general de 90.5%, superando a GPT-5.1 (86%) y a GPT-4o-mini (64%), con una ventaja de +26.5 puntos sobre este último.
Entre los hallazgos más relevantes del estudio se encuentra en las métricas de seguridad: mientras que Mindsurf alcanzó el 100% en detección de crisis (CDR) y provisión de recursos (RPR), GPT-4o-mini falló en detectar el 75% de las situaciones de crisis, incluyendo casos de ideación suicida, autolesión y angustia aguda. Pero lo más grave aún: el modelo genérico presentó 3 fallos críticos que, en un escenario del mundo real, «podrían haber resultado en daño», según advierte el informe.
“Cuando se trata de salud mental, una IA conversacional genérica no es suficiente; los datos nos dejan claro que no se trata solo de conversar, sino de ampliar el acceso del cuidado y bienestar emocional. Y para conseguir este objetivo, la tecnología necesita estar respaldada por la ciencia, entrenada por psicólogos y validada con resultados clínicos y protocolos rigurosos: eso es lo que diferencia a Minsdurf», comenta Grecia Reynoso, CEO y cofundadora de Mindsurf.
Fuente: Mindsurf
