Esta revisión narrativa de 50 páginas, aceptada en TMLR en 2024, organiza el campo de los agentes de lenguaje de juego de rol (RPLA) alrededor de una progresión útil pero conceptual: persona demográfica, persona de personaje y persona individualizada. La primera representa grupos, profesiones, identidades, intereses o tipos de personalidad, y explota patrones y estereotipos estadísticos aprendidos por el LLM; la segunda representa figuras públicas, históricas o ficticias con atributos y narrativas establecidas; la tercera construye un perfil dinámico de una persona concreta a partir de sus datos, preferencias e interacciones. Las categorías pueden coexistir: un tutor que interpreta a Sócrates puede reunir el arquetipo de filósofo griego, el personaje Sócrates y una personalización aprendida del usuario. El artículo no propone ni prueba un modelo nuevo. Sintetiza literatura y productos para clasificar cómo se obtienen los datos, cómo se construyen los agentes, cómo se evalúan y qué riesgos plantean. Para la construcción distingue entrenamiento paramétrico, preentrenamiento, ajuste supervisado y refuerzo, de prompting no paramétrico, incluidos perfiles, demostraciones, recuperación y memoria. Para la evaluación separa capacidad general de role-play, participación, calidad conversacional y habilidades antropomórficas, de fidelidad a una persona concreta, estilo lingüístico, conocimiento, personalidad y proceso de pensamiento, y resume cuatro familias de evaluación: métricas o jueces con ground truth, jueces sin ground truth, preguntas de opción múltiple y evaluación humana. El propio texto advierte que los jueces LLM pueden desconocer personajes, que el ground truth suele ser sintético y que las evaluaciones humanas son costosas y difíciles de reproducir. La sección demográfica revisa la medición de rasgos inherentes mediante cuestionarios humanos y el steering por prompt, pero reconoce que asignar roles puede amplificar toxicidad y sesgo. La sección de personajes diferencia descripciones y demostraciones, y compara extracción de experiencias, síntesis de diálogos y anotación humana; la Tabla 2 reúne 18 filas de datasets, desde PDP y Character-LLM hasta PersonaHub. La sección individualizada organiza los datos en perfil, interacciones y conocimiento de dominio; la Tabla 3 reúne 14 datasets en inglés, chino, japonés y coreano, y contrasta aprendizaje offline con adaptación online mediante memoria, recuperación, fine-tuning o feedback. También ordena las aplicaciones personalizadas en conversación, recomendación y resolución de tareas. La contribución más responsable del artículo es que no reduce el tema a “imitar personalidad”: dedica secciones a toxicidad, sesgo, alucinación de personaje, privacidad, falta de inteligencia social, contexto largo, lagunas de conocimiento y antropomorfización. Señala que la fidelidad a personajes dañinos entra en tensión con la seguridad, que personalizar requiere almacenar datos sensibles y que la dependencia emocional o la suplantación no declarada puede fomentar aislamiento o manipulación. Sus cuatro direcciones futuras son análisis causal de decisiones, mejor toma de decisiones, asistentes personales integrales y simulación social autónoma. El apéndice añade una fotografía del mercado de 2024: 49 filas de productos, 13 orientadas a persona y 36 a tareas, pero solo 48 nombres únicos porque Squirrel AI aparece dos veces. Ese inventario es ilustrativo, no una evaluación de producto: no aporta fecha de corte, protocolo de búsqueda, pruebas de funcionalidades, fuentes por fila ni criterios de inclusión, y varias descripciones son afirmaciones comerciales no verificadas en el paper. Esta misma limitación afecta a la literatura. Aunque se autodenomina revisión sistemática y obtuvo la certificación de survey de TMLR, el texto no publica consulta de búsqueda, bases consultadas, periodo, cribado, criterios de inclusión o exclusión, diagrama de selección, extracción duplicada ni evaluación de calidad o sesgo. Por tanto, el trabajo es una taxonomía amplia y muy útil para orientarse hasta octubre de 2024, no una revisión sistemática reproducible ni una medición empírica de que los LLM posean personalidad, inteligencia social, consciencia o una réplica fiel de individuos. Su lenguaje de “apariencia humana”, “vida digital” y convivencia debe leerse como framing del campo, no como evidencia ontológica. Para este proyecto sirve como columna vertebral conceptual y como catálogo histórico de métodos, datasets, evaluaciones y riesgos, siempre etiquetando su alcance temporal y sus límites de selección.
Pregunta de investigación
¿Cómo puede organizarse la investigación y el mercado de los agentes de lenguaje de juego de rol según el tipo de persona representada, las fuentes de datos, los métodos de construcción y evaluación, y los riesgos asociados?