En este trabajo analizamos una de las medidas más conocidas para detectar la aleatoriedad, y que se conoce como complejidad algorítmica de Kolmogorov-Chaitin. La complejidad algorítmica ayuda a capturar propiedades relacionadas con la aleatoriedad, como la impredecibilidad o la ausencia de regularidades, pero no es computable. Dada su utilidad, presentamos dos maneras de aproximarla: por un lado, por medio de la complejidad de Lempel-Ziv, por otro lado, por medio de la probabilidad algorítmica de Solomonoff-Levin. La primera se basa en algoritmos de compresión sin pérdida de datos, pero resulta insuficiente para evaluar la complejidad de objetos pequeños. La segunda aproximación consiste en simular un universo digital donde se ejecutan programas al azar de modo que cuanto más frecuente es una salida menor es su complejidad. Vamos a centrarnos en una de las aplicaciones que tiene aproximar la complejidad algorítmica y que consiste en estudiar la capacidad personal de “aleatoriedad cognitiva” que permite capturar la complejidad del comportamiento evaluando habilidades cognitivas por medio de tareas de generación de elementos aleatorios (RIG).