NeuroBait: una IA que enciende el impulso para empezar tareas con TDAH

Origen: una necesidad observada en casa

NeuroBait nació de una observación íntima: el autor vivía con su pareja, quien tiene TDAH, y veía una situación recurrente. No se trataba de desconocimiento sobre qué hacer, sino de una incapacidad para comenzar: quedarse paralizado frente a una tarea conocida. Ese fenómeno —llamado a menudo “parálisis de inicio” dentro del marco de la disfunción ejecutiva— no se soluciona con una lista de tareas más bonita; para muchas personas con TDAH, esa lista es simplemente otra opción que genera culpa.

A partir de esa experiencia, el proyecto tomó una decisión consciente: diseñar una herramienta que estimule un pequeño impulso emocional o cognitivo, algo capaz de desbloquear la acción inmediata, en lugar de ofrecer más planes o checklists.

¿Qué hace NeuroBait?

NeuroBait busca encender una chispa, no reemplazar un plan. Cuando detecta que alguien está atascado, procesa la conversación para identificar lo que realmente importa: un plazo real, una persona significativa o un objeto de interés. Responde con interven­ciones cortas y cálidas —entre 3 y 6 oraciones— que se leen como un empujón humano y cercano. La idea es reconectar a la persona con algo que le importe y proponer una única acción minúscula y realizable ahora mismo: “Tira una sola camiseta del montón. Solo una.” Sin culpa ni sermones, colocando al usuario como protagonista activo.

El objetivo práctico es provocar una pequeña liberación de dopamina asociada a la acción, suficiente para romper la inercia y permitir que el cerebro con TDAH pase de la intención a la ejecución.

Cómo se construyó (la pila técnica)

NeuroBait es un proyecto de bajo presupuesto pero con decisiones técnicas claras para mantener la eficiencia y la reproducibilidad:

• Modelo base: google/gemma-3-12b-it (Gemma 3 12B en su versión densa, compatible con Gemma3ForConditionalGeneration). Elegido por su fiabilidad en transformers y soporte para despliegue PEFT.
• Método de afinado: LoRA en 16 bits (no QLoRA), usando Unsloth. Parámetros LoRA: r=16, alpha=16, dropout=0.
• Entrenamiento: 3 épocas, tasa de aprendizaje 2e-4, batch efectivo 1 con grad_accum 8, secuencia máxima 2048.
• Plantilla de chat: basada en gemma-3 con marcadores de turno <start_of_turn>user\n y <start_of_turn>model\n y save_strategy=“no” para evitar un bug conocido del checkpoint pickle de Unsloth/TRL.
• Infraestructura de entrenamiento: modal.com con GPU H100 80GB.
• Datos: conjunto pequeño, curado a mano y sintético, construido a partir de fricciones reales observadas en TDAH, evitando los tropos genéricos de productividad.
• Despliegue: Hugging Face Space en ZeroGPU (zero-a10g) usando Gradio + transformers + peft; el modelo base se carga en 4-bit (bitsandbytes NF4) y aplica el adaptador LoRA en tiempo de ejecución.

Una lección del proyecto fue que, para definir una voz empática y efectiva, la calidad del dataset específico supera el aumento de tamaño del modelo.

Diferencia entre el modelo por defecto y el afinado

El modelo base ya es competente y produce respuestas útiles, pero su salida tiende a estructurarse como una lista de tareas más empática: encabezados en negrita, viñetas, etiquetas clínicas y párrafos largos. Para alguien congelado, esa pared de “ayuda” resulta abrumadora y contraproducente.

El modelo afinado cambió no solo en tono sino en naturaleza. Eliminó estructuras rígidas y adoptó un lenguaje cálido y fluido: respuestas más cortas, preguntas antes de asumir, y la habilidad de entretejer el contexto del usuario para que la respuesta se sienta dirigida personalmente. En resumen, aprendió una voz, no un guion.

No es solo para TDAH

Aunque NeuroBait fue pensado inicialmente para personas con TDAH, una sorpresa positiva del experimento es su aplicabilidad más amplia. En la era del exceso de información —pantallas, feeds sobrecargados y hábitos de desplazamiento continuo— muchas personas experimentan momentos de bloqueo o incapacidad para comenzar tareas sencillas. La estrategia de ofrecer un impulso cálido y una acción mínima puede servir a cualquiera que suela sentirse paralizado por la sobrecarga.

En ese sentido, el público latinoamericano —donde las soluciones tecnológicas a menudo llegan tardías o sin localización adecuada— puede beneficiarse de herramientas que prioricen la experiencia humana y el perfeccionamiento por observación directa, no solo por métricas de productividad.

Hacia dónde va el proyecto

NeuroBait empezó como un proyecto casero con un impacto íntimo. La intención ahora es expandirlo de manera abierta y colaborativa. Los siguientes pasos señalados por el autor incluyen:

• Liberar los pesos del modelo y el pipeline completo.
• Expandir la oferta idiomática (menciona inglés e indonesio en la hoja de ruta), lo que sugiere un enfoque en internacionalización.
• Construir con la comunidad: incorporar escenarios reales, reacciones y retroalimentación de personas con TDAH, no diseñar únicamente desde fuera.

El autor subraya un punto crítico: muchas herramientas para TDAH han sido creadas por personas que no viven la condición. Por eso, la retroalimentación directa de quienes usan la herramienta es central para mejorar y afinar el comportamiento del modelo.

Cómo probarlo y colaborar

El proyecto ya está accesible como Space en Hugging Face. Quienes tengan TDAH, convivan con alguien que lo tenga, o simplemente sientan que se bloquean con frecuencia, están invitados a probar NeuroBait y compartir dónde resulta útil o molesto. Esa retroalimentación es, según el autor, el núcleo del proyecto.

Puede verse y probarse aquí: https://huggingface.co/spaces/build-small-hackathon/NeuroBait

Cierre: el valor de diseñar para la experiencia real

NeuroBait ilustra una lección útil para equipos de producto y responsables de decisión en tecnología: no siempre la respuesta es más automatización o interfaces más complejas. A veces la intervención necesaria es pequeña, empática y contextual. Para mercados latinoamericanos, donde las soluciones deben ajustarse a diversidad cultural y de experiencias, proyectos como NeuroBait muestran el potencial de construir tecnología desde la observación directa y con la comunidad como coautora.

Si su organización diseña herramientas de productividad o salud digital, vale la pena considerar no solo qué hace su producto, sino cómo hace sentir a quien lo usa en el momento en que más lo necesita.