El preprint estudia si una conversación guiada puede producir perfiles Big Five comparables con el IPIP-50. Treinta y tres participantes de conveniencia completan primero veinte conversaciones breves con Gemini 2.5 Flash, cuatro preguntas por rasgo y normalmente cero o un follow-up, y después el cuestionario IPIP-50. Otro componente LLM recibe los veinte diálogos, asigna scores 0-120 y confianza a los cinco rasgos y el sistema normaliza ambos métodos a 0-100. Al final, cada participante valora la precisión percibida de cada resultado y elige su método preferido. El orden de métodos, bloques de rasgo y preguntas es fijo; no hay contrabalanceo, cegamiento, perfil falso, entrevistador humano ni condición conversacional no adaptativa.
El paper reporta correlaciones entre los scores conversacionales e IPIP de 0,38 en amabilidad, 0,42 en responsabilidad, 0,58 en extraversión, 0,44 en neuroticismo y 0,46 en apertura. Con N=33, sus intervalos de Fisher recalculados son amplios, aproximadamente [.042,.640], [.090,.667], [.296,.770], [.114,.681] y [.139,.694], y la varianza compartida observada queda entre 14% y 34%. Las comparaciones pareadas de score dan p=.002, .036, .084, .485 y .441 para amabilidad, extraversión, responsabilidad, apertura y neuroticismo; las de precisión percibida dan p=.745, .144, .297, .586 y .686. Los participantes puntúan ambos métodos alrededor de 4/5 y la mayoría prefiere conversar, pero no se publican medias exactas, desviaciones, diferencias, intervalos o datos emparejados.
La afirmación de equivalencia del abstract no está sustentada: no se ejecuta TOST ni otra prueba de equivalencia, no existe margen y un resultado no significativo no demuestra igualdad. Tras Bonferroni para los cinco tests de score, solo la diferencia de amabilidad conserva significación a alfa=.01; extraversión no. La tabla solo muestra p-values, sin t, grados de libertad, efectos, intervalos ni diagnósticos. Tampoco se reportan fiabilidad del IPIP en esta muestra, test-retest, repetición del scorer, validez factorial o discriminante, calibración o criterio externo. Las ratings de precisión son impresiones no cegadas, expuestas a demanda y efecto Barnum. El análisis PCA usa aproximadamente 21 variables con 33 personas y el clustering omite escalado, distancia, linkage y estabilidad, por lo que sus perfiles y asociaciones con edad son exploratorios.
No hay datos, transcripciones, código, salidas, scripts, logs de llamadas, preregistro ni artefacto público; tampoco se especifican snapshot del modelo, parámetros, fórmula de normalización, reverse scoring o tratamiento de missingness. El anexo ético declara consentimiento, acceso restringido y eliminación de identificadores, pero no identifica comité o aprobación ni explica el procesamiento de narrativas potencialmente sensibles por Gemini o cómo se aplica la afirmación de no compartir PII con terceros. La contribución defendible es un piloto pequeño que muestra asociación moderada y buena aceptación de una interfaz conversacional para recabar autodescripciones. No valida sustitución del IPIP-50, medición de conducta observada, equivalencia entre métodos ni uso en contratación, terapia, educación, citas u otras decisiones de alto impacto.