«¿Y no puedo dejarle el estudio de mercado a una persona de IA?»
Cada vez suena más en las reuniones. Alguien propone crear una persona de IA y preguntarle a ella antes de gastar en un estudio de verdad.
Y se entiende. Cuando quieres validar una hipótesis rápido, tener a un «cliente» que responde en segundos es una tentación enorme.
A Hex-ko también le pasó. Para tantear una campaña, montas un perfil de IA, le lanzas cuatro preguntas y sacas un titular en diez minutos.
Pero aquí está el nudo: ¿hasta dónde te puedes creer esa respuesta? Porque una cosa es orientarte y otra muy distinta es decidir un precio con ella.
Así que hoy junté dos estudios que dibujan bien la frontera: uno mide cuánto acierta la persona de IA, y el otro revisa por qué a veces parece que responde cualquier cosa.
1.052 personas, dos horas de entrevista y un 85% de acierto
Empecemos por el estudio de Park y su equipo (Stanford University y Google DeepMind, estudio).
Entrevistaron a 1.052 personas durante unas dos horas cada una. Con esa conversación crearon, para cada una, un agente de IA: un modelo que intenta responder como respondería ella.
Para comprobar el clon, le pasaron las preguntas de la , la gran encuesta social de Estados Unidos. Y el listón era exigente: la referencia era la propia persona respondiendo otra vez, dos semanas después.
Y esto es lo que salió:
- El agente reproducía sus respuestas en un 85%.
- Los agentes hechos con entrevista mostraban menos sesgo entre grupos que los hechos solo con datos demográficos.
Fíjate en el segundo dato. Lo que sube la precisión no es «usar una persona de IA», sino la profundidad de lo que le metes dentro.
El acierto no lo pone la IA, lo pones tú
Aquí se cuela el malentendido más caro.
El montaje de Park no es la típica persona de tres líneas: «mujer, 35 años, urbanita, sensible al precio». Es el volcado de una entrevista de dos horas.
Con una ficha de tres etiquetas, el modelo no tiene de dónde agarrarse y te devuelve un promedio genérico con pinta de cliente. Y ese promedio engaña, porque suena convincente.
La realidad es que la persona de IA no elimina la investigación: la amplifica. Coge lo que ya sabes de tu cliente y lo pone a hablar.
Por eso, si quieres que sirva, dale materia prima de verdad: entrevistas antiguas, motivos de las ventas que se cayeron y la voz del cliente (VOC, lo que dicen tus clientes con sus palabras en reseñas y soporte). Sin ese material, no simulas a tu mercado: encuestas a un promedio de internet.
¿Y si le preguntas lo mismo dos veces?
Queda una duda muy razonable: cambias un poco cómo formulas la pregunta y la respuesta baila. ¿No la invalida eso?
Aquí ayuda el estudio de Hua y su equipo (EMNLP 2025, estudio). Su hallazgo es incómodo y liberador a la vez: buena parte de esa inestabilidad no viene del modelo, sino del método con el que la medimos.
¿Cómo puede ser? Muchas evaluaciones comparan respuestas como cadenas de texto. Si el modelo dice «sí, sin duda» y luego «claro que sí», el corrector las cuenta como distintas, aunque signifiquen lo mismo. La variabilidad parece mayor de lo que es: el termómetro tiembla más que la temperatura.
Así que, antes de tomarte una respuesta al pie de la letra, haz tres cosas:
- No leas una sola respuesta como si fuera la verdad.
- Repite la ejecución y mira la tendencia, no la foto suelta.
- Antes de decidir, contrasta con datos humanos.
Y si quieres afinar cómo medir esa variación sin que te engañe el instrumento, lo desarrollo en ¿La IA responde distinto cada vez por defecto suyo… o porque medimos mal?.
Conclusión: la persona de IA es para las hipótesis, no para el veredicto
La persona de IA es una puerta de entrada estupenda a tu cliente. Con material rico reproduce a una persona hasta el 85%, y en segundos te da ángulos que tardarías semanas en reunir.
Pero su papel tiene un límite. Sirve para sacar hipótesis y ordenar los temas, no para firmar la decisión final. El precio, el reparto del presupuesto y el posicionamiento vuelven siempre al mismo sitio: estudios con personas y datos reales.
Así que la regla cabe en una frase. Aliméntala bien, úsala para el borrador y guarda el veredicto para los humanos.
Escribe esa frontera y déjala a la vista del equipo. Es lo que te deja aprovechar la velocidad de la IA sin abaratar el peso de tus decisiones.
Fuentes
- Park et al. (Stanford University, Google DeepMind) (2024), “Generative Agent Simulations of 1,000 People”, arXiv:2411.10109, arXiv
- Hua et al. (2025), “Flaw or Artifact? Rethinking Prompt Sensitivity in Evaluating LLMs”, EMNLP 2025, arXiv:2509.01790, arXiv
Artículos relacionados
