El preprint evalúa cuándo una persona digital puede aproximar respuestas de encuesta reales usando el panel longitudinal holandés LISS. Separa información previa y targets en 2023: en single-wave prediction usa la última respuesta previa de módulos core para predecir encuestas puntuales de 2023-2024; en core prediction usa todo el historial previo de encuestas puntuales para predecir módulos core de 2023. La fortaleza principal es que compara la predicción con respuestas posteriores de la misma persona, no con plausibilidad o promedios de otra muestra.
Parte de 6.276 participantes válidos, 34 variables de background y 2.923 preguntas cerradas únicas, pero evalúa dos muestras separadas de 500. No son muestras aleatorias representativas del panel: tras asignar cupos por edad, género y etapa del hogar, selecciona dentro de cada celda a quienes tienen más respuestas previas y más targets posteriores. Usar disponibilidad post-cutoff para escoger casos produce una muestra de alta participación y observabilidad. Mantiene tres márgenes gruesos, no la distribución completa de LISS ni de las 34 variables. La fórmula fiel es «muestras demográficamente asignadas y priorizadas por cobertura dentro de un panel probabilístico», no «muestras poblacionales representativas».
Compara cuatro contextos: background; un perfil de hasta 1.500 palabras generado por GPT-5.4 desde todo el historial; perfil más retrieval léxico; y perfil más retrieval semántico con text-embedding-3-small. GPT-5.4, Gemini-3-Flash-Preview y Claude Haiku 4.5 predicen bloques de unas 20 preguntas. Todos reciben perfiles GPT-5.4; por ello, las comparaciones de proveedor comparten una representación OpenAI. El baseline sin persona sólo usa GPT-5.4 y consulta cada pregunta 500 veces, pero no documenta temperatura, seeds o revisión exacta. Claude y Gemini carecen de baseline sin contexto del mismo modelo.
La evidencia más sólida es agregada. En core, el mejor exact match individual es 0,536 frente a 0,478 del baseline: +5,8 puntos. En single-wave es 0,467 frente a 0,445: +2,2. El F1 ponderado por pregunta sube 0,306→0,444 y 0,303→0,382. Las distancias de distribución mejoran más: JSD 0,530→0,301 y MMD 0,343→0,155 en core; JSD 0,537→0,394 y MMD 0,292→0,216 en single-wave. Retrieval aparece con frecuencia entre los mejores settings, sobre todo en core, pero no hay un ganador universal por modelo, arquitectura y métrica. La lectura correcta es mejor aproximación de distribuciones, no sustitución fiable de individuos.
Las comparaciones necesitan más contexto. No se publican majority, chance, previous-wave o demographic-cell baselines, aunque podrían servir como referencias descriptivas sin ser deployables. Weighted F1 favorece clases frecuentes. MMD usa un factor 1/2 no explicado y no especifica encoding categórico, bandwidth RBF, normalización o missingness. El índice de equity mide sólo paridad relativa de accuracy para edad, género y hogar; puede ser bajo aunque todos los grupos estén mal predichos y no cubre otras desigualdades. «Statistically tied» se decide por solape de media ± bootstrap SE con sólo 100 resamples: ±1 SE no es un intervalo de confianza ni el solape una prueba pareada, y no hay control por multiplicidad.
El análisis explicativo también está sobrepresentado. La capa behavioral usa variabilidad humana de la pregunta y rareza de la respuesta real calculadas con el target; explica errores retrospectivamente, pero no predice fiabilidad prospectiva sin encuestar antes a humanos. El texto afirma que XGBoost obtiene siempre el mayor AUC, aunque Random Forest lo supera en cinco de seis comparaciones: 0,819>0,817 y 0,744>0,743 en core; 0,773>0,762, 0,737>0,725 y 0,686>0,670 en single-wave. Las tablas aun así ponen AUC de XGBoost en negrita. No se describe split o cross-validation y no aparecen los intervalos AUC prometidos.
La evidencia de clustering no admite cifra definitiva. La figura overall y su texto sitúan la mayoría de ARI single-wave por debajo de 0,035 y core hasta 0,06-0,07. Las tablas dan single-wave 0,044-0,316 y baseline 0,067, y core hasta 0,133. No pueden ser el mismo cálculo sin una transformación o versión no explicada. Se aplica k-means a respuestas categóricas sin detallar encoding, escala o missingness. El texto dice «hasta k=7 según silhouette», mientras un párrafo comentado reconoce que k=2 es mejor y que k=7 no es óptimo; la figura diagnóstica está retirada. La conclusión cualitativa de estructura multivariante débil es coherente, pero los ARI exactos no son confiables.
El apéndice de muestreo contiene otro conflicto. El bloque derecho etiquetado Core reproduce exactamente los márgenes single-wave, 95/101/142/162 por edad, 266/234 por género y 197/175/128 por hogar; el bloque izquierdo etiquetado Single-Wave no coincide con ninguna muestra resumen. Sus disponibles suman 3.867 y 5.727, mientras la tabla siguiente da 4.266 Core y 5.785 Single-Wave, y ambas muestras reciben exactamente el mismo MAD y MaxD. Sin código o IDs no se sabe qué encabezado o resultados están desactualizados.
La privacidad y gobernanza requieren resolución antes de reutilizar el pipeline. El propio paper y la FAQ oficial de LISS dicen que el acceso es personal, que no se pueden distribuir copias y que cada usuario debe registrarse. El método envía background e historiales o perfiles y respuestas recuperadas derivadas de ellos a OpenAI, Google y Anthropic. Un ID numérico no vuelve anónimo un historial longitudinal rico. No se documentan autorización de Centerdata, revisión ética, DPA, retención o entrenamiento de proveedores, residencia, consentimiento, threat model o plan de incidentes. La evidencia pública no prueba una infracción, pero tampoco demuestra que ese procesamiento externo esté permitido y protegido.
La reproducibilidad pública es insuficiente. El source contiene TeX, bibliografía, prompts y 15 figuras, pero no código, entorno, inventario de variables, transformaciones, perfiles, retrieval IDs, parámetros API, outputs, reintentos, bootstraps o resultados por run. El texto dice que materiales acompañantes permiten reproducirlo y después que el repositorio llegará tras aceptación; hoy no hay repositorio enlazado ni localizado por título o ID. El estudio respalda utilidad condicionada para aproximar distribuciones en encuestados LISS de alta cobertura y muestra con honestidad fallos en respuestas raras. No respalda sustituir personas, generalizar a población/culturas, preservar estructura multivariante, declarar fairness amplio ni reproducir independientemente los números publicados.