ASPECT usa OpenAI o1 para buscar evidencia en 90 días de reuniones y mensajes de trabajo, puntuar 92 ítems del Communication Styles Inventory y mostrar al usuario un perfil revisable con citas. En 20 empleados de una sola organización, el perfil inicial coincide de forma modesta con el autoinforme: 23,8% exacto, MAE 1,39, kappa ponderado 0,34 y correlación media intrapersona 0,39. En 200 tríadas de respuestas a escenarios hipotéticos, la condición Profiled queda primera 42,5% de las veces, frente a 32,5% Generic y 25% Self-Report; las valoraciones medias son 3,33, 3,09 y 2,95 sobre cinco. Solo Profiled frente a Self-Report es significativo en rangos; frente a Generic, el modelo mixto estima una mejora pequeña de 0,24 puntos con p=0,045 y gran heterogeneidad individual. El diseño no permite atribuirla al perfil psicométrico porque Profiled recibe además fragmentos de evidencia conductual, y nunca evalúa el perfil corregido por el participante. La ausencia de conducta observada se convierte por defecto en una puntuación baja, los análisis de rangos tratan 200 escenarios repetidos como bloques independientes y hay contradicciones internas en dos conteos cualitativos. El trabajo demuestra una interfaz prometedora para auditar y negociar inferencias, no un clon personal validado, una medida objetiva de personalidad ni un sistema listo para decisiones reales.
Pregunta de investigación
Si un LLM puede inferir un perfil detallado de estilo comunicativo desde comunicación laboral, cómo difiere del autoinforme y es negociado por el usuario, y si respuestas condicionadas por ese perfil parecen más propias que alternativas genéricas o basadas en autoinforme.