IA en UX research: síntesis, entrevistas y los límites que conviene conocer

La primera vez que usamos IA para sintetizar entrevistas en el estudio, el resultado nos impresionó y nos dejó intranquilos a partes iguales. En diez minutos teníamos un resumen ordenado de ocho conversaciones con clientes de una clínica de fisioterapia: temas principales, frases destacadas, oportunidades. Todo muy limpio. Hasta que una compañera, que había hecho tres de esas entrevistas, levantó la mano: «Esto no es lo que dijo Carmen. Carmen dijo justo lo contrario, pero con ironía». El modelo había leído literal una frase que en la sala todos entendimos al revés.

Ese momento nos enseñó dónde está la IA en la investigación con usuarios. Es una ayuda enorme para todo lo mecánico (transcribir, ordenar, etiquetar, buscar) y un riesgo cuando se le delega la comprensión. Investigar es escuchar, y escuchar sigue siendo trabajo de personas.

En esta guía te contamos cómo usamos la IA en cada fase de un estudio con usuarios, el método que seguimos para que la síntesis sea fiable, qué opinamos de los usuarios sintéticos y qué hay que cuidar con los datos personales. Si estás empezando con la investigación, te conviene leer antes nuestra guía de investigación de usuarios para pymes, que explica las técnicas básicas.

01Dónde ayuda la IA en cada fase de la investigación UX

Una investigación con usuarios tiene cinco momentos: planificar, reclutar, recoger, analizar y comunicar. La IA tiene algo que aportar en casi todos, con distinta intensidad.

Planificar mejor el guion

Uno de los usos más rentables es pedirle a un asistente que revise tu guion como lo haría un investigador exigente: preguntas que inducen la respuesta, preguntas dobles, preguntas sobre el futuro («¿usarías…?») en lugar de sobre comportamientos pasados. Es un control de calidad rápido y muy útil, sobre todo para equipos pequeños.

Transcribir y traducir

La transcripción automática ha llegado a un nivel excelente en español, incluso con acentos andaluces o conversaciones con ruido de fondo. Lo que antes eran horas de trabajo por entrevista hoy son minutos. Conviene, eso sí, revisar nombres propios, términos del sector y los fragmentos que vas a citar literalmente.

Analizar grandes volúmenes de texto

Donde la IA brilla es en volumen: cientos de respuestas abiertas de una encuesta, reseñas de Google, conversaciones del chat de soporte. Agrupar todo eso por temas a mano lleva días. Con IA, en una hora tienes un primer mapa que luego revisas y corriges.

02Un método de síntesis trazable con IA

El riesgo principal de sintetizar con IA es que el resultado suene convincente aunque sea falso. Los modelos pueden inventar citas, mezclar lo que dijeron dos personas o generalizar lo que solo mencionó una. La solución es la trazabilidad: que cada conclusión se pueda seguir hasta un fragmento literal de una persona concreta.

Este es el proceso que seguimos en el estudio:

1. 01Preparar las transcripciones. Revisadas, anonimizadas (P1, P2, P3 en lugar de nombres) y con marcas de tiempo.
2. 02Lectura humana previa. Antes de usar la IA, quien hizo las entrevistas lee las transcripciones y anota sus primeras impresiones. Así tiene un criterio propio con el que contrastar.
3. 03Codificación asistida. Pedimos al modelo que etiquete fragmentos según un libro de códigos (la lista de temas que nos interesan) y que proponga códigos nuevos si aparecen. Cada etiqueta, con su cita literal y su participante.
4. 04Verificación de citas. Comprobamos una muestra de citas contra la transcripción original. Si alguna no aparece tal cual, revisamos todo el lote.
5. 05Agrupación en temas. Con los fragmentos verificados, agrupamos en temas en una pizarra (FigJam o Miro), a mano o con ayuda del modelo, al estilo de un diagrama de afinidad.
6. 06Interpretación en equipo. Los hallazgos, las causas y las oportunidades se discuten en una sesión con las personas que estuvieron en las entrevistas. Aquí es donde aparecen las ironías, los tonos y los silencios.
7. 07Contraste final. Pedimos al modelo que busque en las transcripciones evidencias en contra de cada hallazgo. Es un ejercicio de humildad muy útil.

Este es un ejemplo de instrucción para el paso de codificación. Pedir la cita literal y el participante es lo que hace posible la verificación:

Tienes 8 transcripciones de entrevistas (P1 a P8) con pacientes de una clínica
de fisioterapia. Objetivo del estudio: entender por qué abandonan el tratamiento
antes de terminarlo.
Libro de códigos inicial: reserva de citas, coste, dolor y progreso, relación
con el fisioterapeuta, ejercicios en casa, horarios.
Tarea: para cada transcripción, extrae los fragmentos relevantes y asigna uno o
varios códigos. Si aparece un tema que no encaja, crea un código nuevo y márcalo
como NUEVO.
Formato: tabla con columnas Participante | Código | Cita literal | Minuto.
Reglas: copia las citas palabra por palabra; no resumas ni parafrasees. Si un
fragmento es ambiguo o irónico, márcalo como REVISAR. No saques conclusiones.

03Investigación continua con lo que ya tienes

Muchas pymes creen que investigar exige montar un estudio formal. En realidad, casi todas tienen ya una mina de información sin explotar: reseñas de Google, correos de clientes, conversaciones de WhatsApp Business, preguntas que se repiten en el mostrador, respuestas abiertas de encuestas de satisfacción. El problema siempre había sido el tiempo para leerlo todo. Ahí la IA cambia las reglas.

Un ejercicio que proponemos a menudo a nuestros clientes, con resultados muy reveladores:

1. 01Reúne las fuentes. Exporta las reseñas del último año, las preguntas frecuentes que recibe el equipo y los comentarios abiertos de encuestas. Anonimiza nombres y datos de contacto.
2. 02Pide una clasificación con evidencias. Temas principales, con número de menciones y dos o tres citas literales por tema.
3. 03Separa elogios de fricciones. Lo que la gente valora te dice qué proteger y qué contar en la web; lo que le cuesta te dice qué rediseñar.
4. 04Revisa a mano una muestra. Lee al menos veinte comentarios originales de los temas principales para confirmar que la clasificación tiene sentido.
5. 05Convierte las fricciones en preguntas de investigación. Si muchos comentarios hablan de lo difícil que es reservar, eso merece cinco entrevistas o un test de usabilidad.

Repetido cada trimestre, este ejercicio se convierte en una forma ligera de investigación continua. No sustituye a hablar con usuarios, pero te dice muy bien dónde merece la pena hacerlo.

04Lo que conviene seguir haciendo en persona

Hay partes de la investigación en las que la IA no aporta lo que aporta una persona, y tenerlo claro protege la calidad del estudio.

Conducir entrevistas. Una buena entrevista es improvisación sobre un guion: notar que alguien duda, pedir un ejemplo concreto, quedarse en silencio para que la otra persona siga. Los moderadores automáticos existen y pueden servir para encuestas conversacionales, pero en entrevistas en profundidad la presencia humana genera la confianza que hace que la gente cuente lo que importa.

Observar. En un test de usabilidad, lo que dice una persona y lo que hace no siempre coinciden. Detectar esa diferencia exige mirar. En nuestra guía de test de usabilidad paso a paso explicamos cómo prepararlo.

Interpretar en contexto. Saber que una queja sobre el precio es en realidad una queja sobre el valor percibido, o que un «está bien» significa «no me convence», requiere conocer el contexto, la cultura y a veces el tono de voz.

Decidir qué importa. Un modelo puede contar cuántas veces aparece un tema, pero lo más mencionado no siempre es lo más importante. Un problema que solo cita una persona puede ser el que explica por qué abandonan todos.

Clave: la IA ordena lo que se dijo; las personas entienden lo que significa. Un hallazgo que no puedes rastrear hasta la voz de un usuario real es una hipótesis, no un hallazgo.

05Usuarios sintéticos: para qué sirven y para qué no

Una de las propuestas más llamativas es la de los usuarios sintéticos: perfiles simulados por un modelo a los que entrevistas como si fueran clientes. La idea es tentadora, porque son rápidos y baratos. La realidad es más modesta.

Un modelo responde con lo que es estadísticamente probable que diga alguien con ese perfil, según lo que ha leído. Eso produce respuestas razonables, educadas y previsibles. Lo que no produce son las sorpresas, las contradicciones y los detalles concretos de la vida de tu cliente, que es justo lo que buscas en una investigación. Nielsen Norman Group ha analizado estas herramientas y concluye que pueden ayudar a generar hipótesis, pero no sustituyen a la investigación con personas.

Usos razonables que sí les damos:

• →Ensayar un guion de entrevista para detectar preguntas confusas.
• →Generar hipótesis iniciales que luego se comprueban con usuarios reales.
• →Preparar al equipo antes de un estudio, como un ejercicio de empatía previo.

Lo que no hacemos nunca es presentar al cliente conclusiones basadas en usuarios sintéticos como si fueran investigación.

06Datos personales y RGPD en la investigación con IA

Las grabaciones y transcripciones de entrevistas contienen datos personales: voz, imagen, opiniones, a veces datos de salud. El RGPD se aplica a todo el proceso, también cuando una herramienta de IA los procesa. Lo que funciona en la práctica:

• →Información y consentimiento. El formulario de consentimiento menciona que la grabación se transcribirá y analizará con herramientas automatizadas, y quién es el proveedor.
• →Herramientas con garantías. Planes de empresa con contrato de encargado del tratamiento, opción de no usar los datos para entrenar y, si es posible, procesamiento en la Unión Europea.
• →Minimización. Anonimizar nombres, empresas, lugares y cualquier dato que no haga falta para el análisis antes de enviarlo al modelo.
• →Plazos. Borrar grabaciones y transcripciones cuando el estudio termina, salvo que el participante haya aceptado otra cosa.
• →Datos sensibles. En sectores como la salud, valorar con el responsable de protección de datos si conviene una herramienta local o evitar ciertas partes del análisis automatizado.

La Agencia Española de Protección de Datos tiene materiales específicos sobre tratamientos que incorporan inteligencia artificial que merece la pena consultar.

07De la síntesis a las decisiones de diseño

Una investigación vale lo que valen las decisiones que provoca. Con la IA, el tiempo que antes se iba en transcribir y ordenar se puede dedicar a la parte que más valor genera: traducir los hallazgos en personas, recorridos y prioridades de diseño. Si quieres ver cómo se convierte la investigación en arquetipos útiles, la guía de user personas que sirven de verdad lo explica paso a paso, y el customer journey map te ayuda a situar cada hallazgo en el recorrido del cliente.

En el caso de la clínica de fisioterapia del principio, la ironía de Carmen resultó ser la pista más valiosa: los pacientes no abandonaban por el precio, como sugería el primer resumen automático, sino porque dejaban de notar progreso entre la tercera y la quinta sesión y nadie se lo explicaba. La solución no fue una rebaja, sino un pequeño informe de evolución por paciente. Eso salió de escuchar, no de resumir.

En SIMA la investigación con usuarios forma parte de nuestros proyectos de diseño web y experiencia digital, con la IA como ayudante en lo mecánico y personas al frente de la escucha. Si quieres entender mejor a tus clientes antes de rediseñar tu web o tu producto, escríbenos y lo planteamos juntos.