El reciente lanzamiento de Drugbot, una nueva herramienta de Inteligencia Artificial (IA) de la organización benéfica británica Cranstoun para el tratamiento de adicciones, ha destacado cómo estas tecnologías emergentes podrían beneficiar al mundo de la reducción de daños. Si se utiliza correctamente, y se combina con el conocimiento experto y la intervención humana, la reducción de daños por IA podría convertirse en una herramienta clave para la reducción de daños.
¿Cómo funciona Drugbot?
Drugbot se desarrolló en un proceso iterativo entre Cranston y SustanciaTrabajando juntos, crearon una versión inicial de un Modelo de Lenguaje Grande (LLM) de IA basado en fuentes de datos cuidadosamente seleccionadas, garantizando que la información esté basada en evidencia. La herramienta de IA se basa en estas fuentes para proporcionar respuestas personalizadas a las preguntas de los usuarios sobre las drogas, sus interacciones y las leyes británicas que rigen su uso.
Antes de su lanzamiento al público, Cranstoun realizó pruebas exhaustivas de los resultados de los bots, distribuyendo su versión inicial entre expertos en consumo de drogas y reducción de daños para validarlos y evaluarlos. Según Cranstoun, Drugbot se probó con más de 20,000 XNUMX mensajes para validar sus recomendaciones sobre diferentes drogas, trastornos relacionados con el consumo de drogas y cualquier inquietud que pudiera surgir a los usuarios. Actualmente, Drugbot solo funciona en inglés y en el Reino Unido.
Refinando la IA para la reducción de daños
Josh Torrance, consultor de Cranstoun que trabajó en Drugbot, explicó a TalkingDrugs que el desarrollo de un modelo de IA para la reducción de daños requirió un ajuste exhaustivo para garantizar su precisión. Proporcionar información sobre el uso seguro de drogas deja poco margen de error.
Un factor clave para garantizar la precisión de las respuestas de Drugbot fue obtener sus consejos únicamente de un número limitado, pero confiable, de fuentes. Actualmente, la base de datos de Drugbot incluye recursos de Crew 2000, Drugs and Me, DrugScience, Drugwatch, Exchange Supplies, Psychonautwiki, Reagent Tests UK, UCC Today y Wikipedia.
“Los recursos en línea que utiliza son excelentes. Son recursos de muy alta calidad. Son creíbles. Abordan las cosas desde un enfoque reduccionista de daños”, comentó Torrance.
Los bots de IA tienen una gran capacidad para proporcionar resultados útiles: en un estudio, donde los médicos analizaron las respuestas de IA a preguntas sobre el consumo de drogas, los médicos juzgaron que sus respuestas eran de alta calidad.
“La base de datos de Drugbot se basa en una amplia gama de fuentes confiables, desde información colaborativa hasta análisis elaborados por expertos en la materia”, comentó el Dr. Ivan Romano, fundador de Substancy. Explicó que Drugbot funciona como un árbol de decisiones de modelos de IA, cada uno especializado en una tarea. Cuando un usuario pregunta algo, un modelo de IA analiza la pregunta, la envía a su categoría (por ejemplo, compra de medicamentos, dosis o método de consumo), que proporciona una respuesta basada en su base de datos de fuentes.
Es crucial que los modelos de reducción de daños de IA limiten los datos que extraen al responder preguntas para reducir la posibilidad de desinformación relacionada con las drogas. Los investigadores han destacó Que la información derivada de la IA podría minimizar los daños del consumo de ciertas drogas, amplificar la desinformación existente o no identificar combinaciones peligrosas. Para que las personas confíen en la IA para la reducción de daños, esta debe generar respuestas basadas en la evidencia y sin prejuicios; esto requiere modelos de entrenamiento con datos específicos.
Otros bots de reducción de daños siguen el mismo camino: DIB, creado por la Fundación Australiana de Alcohol y Drogas (ADF) en mayo de 2025, obtiene su información únicamente del sitio web de ADF. En declaraciones a Dotahn Caspi, gerente digital de ADF, este destacó que DIB fue probado exhaustivamente por profesionales clínicos en el campo de las drogas y personas con experiencia directa en el consumo de drogas para perfeccionar su tono y precisión.
¿La IA reemplazará a los humanos en la reducción de daños?
Dada la labor histórica de reducción de daños en la construcción de comunidades y la ayuda mutua, existen algunos temores de que las herramientas de IA puedan llegar a reemplazar la necesidad de interacciones humanas.
Sin embargo, este no es un resultado que Cranstoun desea ni prevé.
“Sabemos que para muchas personas puede requerir mucha confianza venir a hablar con alguien en uno de nuestros servicios de drogas y alcohol sobre su consumo de drogas y alcohol”, dijo Megan Jones, directora de nuevos negocios y servicios en Cranstoun.
“El Drugbot busca derribar algunas de esas barreras y podrá sugerir que las personas también busquen ayuda en persona”.
Torrance respaldó esto, destacando que ciertas consultas de los usuarios a menudo activaban respuestas de la IA que recomendaban contactar con una persona. Para este artículo, probé los consejos de Drugbot sobre la inyección de drogas, la reducción gradual de la heroína y el apoyo a la salud mental para el consumo de drogas. En todos los casos, la IA ofreció un consejo inicial y también recomendó buscar apoyo en ciertas organizaciones. En situaciones de emergencia (por ejemplo, dificultad para respirar), Drugbot sugirió contactar con los servicios de emergencia.
Como lo expresó Torrance, “este es un humilde LLM” que no debería verse como nada más que eso.
No veo en absoluto un futuro en el que esto sustituya a cualquier tipo de reduccionista del daño humano. No sustituye a consultar a colegas con una década de experiencia.
A pesar de ser excelentes herramientas para recopilar y analizar parcialmente la información, es necesario ser cauteloso con cualquier consejo que se dé. Como editor del foro de reducción de daños Bluelight destacóLa IA nunca podrá reemplazar el valor del conocimiento y el apoyo de la comunidad. Tampoco puede comprender completamente los contextos de consumo de las personas ni reemplazar las experiencias directas de acceso a los mercados de drogas (como los carteles de adulterantes). Las nuevas herramientas digitales se integran mejor con la atención y el apoyo humanos, no para reemplazarlos. Esto es especialmente importante, ya que algunas herramientas de IA... se ha mostrado a priorizan la maximización de la participación y posiblemente manipulan los sentimientos de los usuarios en lugar de proporcionar información imparcial y precisa.
Otras aplicaciones de la IA en la reducción de daños
Al otro lado del Atlántico, se ha desarrollado otra herramienta de IA con resultados prometedores. Toxibot, organizado por la Asociación Argentina de Reducción de Daños (ARDA), fue creado por Pablo Ferreyra y Aníbal Sacco para brindar información rápida a los consumidores de drogas. Toxibot es un bot hispanohablante que funciona en WhatsApp: es básicamente un número de teléfono que ofrece consejos para la reducción de daños, información sobre medicamentos e interacciones, así como acceso a los resultados de las pruebas de drogas de ARDA. En su primer año, alrededor de 30,000 personas usaron Toxibot; su uso se dispara durante los fines de semana, especialmente cuando hay grandes fiestas o festivales.
Mediante varios comandos, Toxibot también actúa como interfaz para una versión de ChatGPT entrenada en reducción de daños, donde los usuarios pueden hacerle preguntas a Toxibot, que son respondidas por IA. Además, proporciona otros recursos provenientes de otras organizaciones de reducción de daños de renombre en español (como ARDA, Argenpills, Energy Control y Echele Cabeza). No obstante, ARDA advierte que su modelo de IA aún es experimental, que no ofrece asesoramiento legal y que no controla sus respuestas.
Donde Toxibot destaca es en su integración con el mundo de las fiestas y los controles de drogas en Argentina. El bot cuenta con comandos específicos que utilizan las organizaciones de control de drogas para enviar los resultados de los kits de reactivos de las sustancias analizadas, especialmente pastillas. Recopilan sus fotos, peso, color y ubicación, así como el resultado del reactivo; esta información puede ser consultada por cualquier persona que contacte con Toxibot o ARDA. registro de los resultados de los reactivos.
Ferreyra y Sacco creen que las herramientas de IA son una gran herramienta anónima para apoyar a quienes trabajan en entornos criminalizados, donde brindar públicamente recursos de reducción de daños podría terminar con la licencia de una parte o conducir a arrestos.
“El bot no reemplaza, sino que complementa el trabajo de reducción de daños. Las leyes de drogas argentinas se encuentran entre las más regresivas de Latinoamérica”, dijeron ambos. “Cuanto más facilitemos el trabajo de los reduccionistas de daños, para que los promotores de fiestas puedan mantener a la gente segura sin tener que mostrar muchos documentos ni información a la vista, mejor”.
