Este survey propone una distinción sencilla y útil para ordenar literatura que suele mezclar significados diferentes de «persona». En el role-playing, la persona se asigna al propio modelo, médico, juez, programador o personaje, para que actúe dentro de un entorno. En la personalización, la persona pertenece al usuario, historial, preferencias, contexto o atributos, y el modelo adapta su respuesta a esa persona. El artículo convierte esa diferencia de propiedad y objetivo en una taxonomía común, añade una sección sobre evaluación de personalidad y reúne tareas, datasets y trabajos representativos publicados hasta 2024.
La rama de role-playing se organiza por entornos, desarrollo de software, juegos, medicina y LLM como evaluador, por esquema de interacción, agente único o multiagente cooperativo/adversarial, y por conductas descritas como voluntarias, conformistas o destructivas. La rama de personalización cubre recomendación, búsqueda, educación, salud y diálogo orientado a tareas o modelado del usuario. Esta cartografía ayuda a no confundir que un modelo interprete un rol con que infiera y satisfaga preferencias de una persona real, aunque ambos mecanismos pueden coexistir en una aplicación.
La sección de personalidad revisa Big Five, MBTI, Machine Personality Inventory y entrevistas evaluadas por LLM para comprobar alineación con personajes. Su formulación más importante es cautelar: que una salida parezca coherente con la persona asignada no demuestra que un cuestionario psicométrico humano sea transferible al modelo. Sin embargo, esta sección es breve y principalmente descriptiva; no evalúa la calidad psicométrica de cada estudio, no compara instrumentos bajo criterios comunes y en ocasiones reproduce conclusiones fuertes de los trabajos citados, por ejemplo, tipos MBTI o «conductas emergentes», sin volver a analizar su evidencia.
Debe leerse como survey narrativo y mapa de diseño, no como revisión sistemática ni metaanálisis. No declara bases consultadas, consulta de búsqueda, fechas de corte, criterios de inclusión/exclusión, número de registros, cribado, extracción, evaluación de sesgo ni valoración de calidad. Tampoco realiza experimentos propios o una comparación homogénea de resultados, y reconoce que la diversidad de métricas impide construir una tabla de eficacia justa. El repositorio asociado funciona como lista de lectura, pero solo contiene README e imágenes, carece de licencia y datos estructurados y su último commit es la versión camera-ready de octubre de 2024, pese a la promesa de mantenimiento continuo. La contribución defendible es, por tanto, una taxonomía introductoria muy útil para distinguir roles del modelo y perfiles del usuario, no evidencia de que role-playing o personalización mejoren de forma general, segura o psicométricamente válida los LLM.