En marketing y en producto, el estudio de consumidores pesa. Cuesta tiempo, cuesta dinero, y siempre llega tarde.
Así que la pregunta cae sola: ¿y si la IA se encarga, por lo menos, de la primera mitad?
A Hex-ko también le tienta, para qué disimular. La promesa de saltarse seis semanas de campo suena demasiado bien.
Pero ahí dentro hay dos ideas metidas en la misma frase, y no son la misma. Una es sustituir el estudio con IA. La otra es comprimir la fase previa con IA.
Se parecen. Y no lo son en nada: piden otra precisión y otras reglas de uso.
Vamos a poner encima de la mesa los tres enfoques que más se usan, y a mirar dónde encaja cada uno sin que acabes con un dato roto.
«¿Sustituimos el estudio, o solo aceleramos la primera mitad?»
Esta es la raya que conviene no borrar.
Sustituir significa que la salida de la IA entra directa en la decisión de negocio. Acelerar significa que la IA te deja un material que después alguien valida.
¿Y por qué importa tanto la diferencia? Porque cambia el listón. Para descartar diez ideas de posicionamiento te vale con «aproximadamente bien». Para decidir el lanzamiento, no.
Con eso en la cabeza, los tres enfoques.
Enfoque 1: que la IA haga de encuestada
El primero es el más llamativo. Que la IA responda como si fuera tu cliente.
El equipo de Park se lo tomó en serio (R1). Construyeron agentes de IA a partir de los datos de entrevistas a 1.052 personas, midieron hasta dónde reproducían las respuestas de esas mismas personas, y replicaron hasta un 85%. Visto en frío, el número impresiona.
Pero mira de dónde sale ese 85%: de una entrada muy gruesa, con entrevistas largas, con matices, con biografía.
Con una persona de comprador de tres líneas (edad, cargo, poco más) no esperes lo mismo. Es como pedirle a alguien que imite a tu mejor amigo dándole solo su ficha de LinkedIn: va a decir cosas plausibles, pero no va a acertar. A Hex-ko le pasó con una persona de manual: respuestas redonditas, y ni una sola cosa que no supiéramos ya.
Por eso el sitio natural de este enfoque no es la decisión final, sino lo de antes: cribar ejes de mensaje y poner a prueba hipótesis cuando todavía tienes veinte y necesitas quedarte con tres.
Enfoque 2: que la IA escriba las preguntas
El segundo es menos vistoso y bastante más útil en el día a día.
Mburu y su equipo (R2) plantearon SQRA, un marco para validar las preguntas que genera la IA antes de que salgan a la calle.
La parte buena es real: ajustar las preguntas al contexto en minutos, no en tardes.
Pero el mismo trabajo reporta el reverso. Los borradores salen con frases redundantes y con la clásica pregunta de doble intención, esa que mete dos temas en un solo ítem y luego no sabes a cuál te respondieron. Suelen venir juntas, y son las que un revisor pilla en treinta segundos, si alguien se molesta en mirarlas.
Es decir: la generación con IA es un arma para bajar horas, no un sustituto del control de calidad. Solo funciona si das por hecho que una persona la revisa antes de enviar.
Enfoque 3: los prompts reales como objeto de estudio
El tercero cambia la pregunta. En vez de simular al cliente, mira lo que el cliente ya escribe.
El análisis de Otterly AI (R3) comparó los prompts reales con los que se supone que la gente escribe. Los reales eran más largos, más personales y mucho más centrados en el problema.
Lo valioso está justo ahí: convertir en dato cómo consulta la gente de verdad, sin pasar por el filtro de lo que tú imaginas que consulta.
Aunque tiene su pega, y no es menor. Si la de lo que recoges es floja, el sesgo se cuela entero en la lectura.
Así que trátalo como lo que es: una señal extra que completa tu estudio, no una verdad universal que lo reemplaza.
Conclusión: no son tres candidatos a sustituto, son tres herramientas de fase distinta
La IA encuestada, la IA que redacta preguntas y los datos de comportamiento digital no compiten entre sí por reemplazar al estudio humano. Cada una rinde en un punto distinto del proceso: abrir hipótesis, sacar el primer borrador del cuestionario, añadir una señal de conducta.
Por eso la primera decisión no es «qué método adopto». Es «en qué fase lo meto». Cribado de hipótesis con la IA encuestada, borrador del cuestionario con la IA generadora, y la decisión de verdad de vuelta al estudio con personas.
Y ponle al final una única puerta común, la que revisa una persona: ¿el material de entrada es lo bastante grueso? ¿La calidad de los ítems aguanta? ¿La muestra representa a alguien? Con esa puerta puesta, ganas velocidad sin comprarte un dato bonito que no dice nada.
Fuentes
- [R1] Park et al. (Stanford / Google DeepMind), “Generative Agent Simulations of 1,000 People”, arXiv:2411.10109, 2024, enlace
- [R2] Mburu et al., “Methodological foundations for artificial intelligence-driven survey question generation”, Journal of Engineering Education, 2025, enlace
- [R3] Thomas Peham (Otterly AI), “Real vs Estimated Prompts: I Analyzed 100s of Real ChatGPT Queries”, 2026-02-03, enlace
