¿Qué son los usuarios sintéticos y cómo funcionan?
Los usuarios sintéticos son perfiles creados con IA para simular comportamientos y preferencias de personas o grupos, a los que se puede hacer preguntas en cualquier momento, como si se tratara de humanos reales a las que se está entrevistando en profundidad.
La metodología que se usa para crearlos se basa en grandes modelos de lenguaje (LLM) como ChatGPT, Claude o Gemini; pero se usan bases de conocimiento externas para garantizar que la información es más precisa. Semilattice, por ejemplo, ofrece modelos entrenados con datos y estadísticas oficiales, ajustando el público objetivo a las macrotendencias sociales. Otros, como Synthetic Users, usa el modelo OCEAN —el más común para medir y describir los rasgos de personalidad humana—, para generar a los perfiles, otorgándoles distintos niveles de extraversión, amabilidad, apertura a nuevas experiencia… La mayoría de ellos incluso ofrece la posibilidad de importar tu propia documentación (entrevistas reales, encuestas), para afinar aún más el comportamiento de los usuarios simulados.
Con toda esa información, estos sistemas son capaces de llevar a cabo tareas como generar preguntas de investigación, realizar entrevistas, testear productos o redactar informes con hallazgos clave y recomendaciones estratégicas. Algunos, como Artificial Societies, incluyen una capa social que permite analizar cómo una acción afecta a distintos grupos de una misma sociedad simulada. Todo en cuestión de minutos y a bajo coste
Las promesas de la investigación sintética
Los argumentos a favor de los usuarios sintéticos se basan en la inmediatez, la reducción de costes y el acceso a datos que a menudo son difíciles de conseguir. Podríamos resumirlos en:
- Eficiencia. La investigación tradicional es compleja y reclutar a los participantes adecuados puede llevar semanas. Todos los servicios de usuarios sintéticos prometen resolver estos problemas en cuestión de horas.
- Escalabilidad y control. Se pueden generar tantas variaciones de usuarios sintéticos como se quiera, y hacerles preguntas u obtener feedback en cualquier momento, no solo cuando se lleva a cabo la investigación.
- Reducción de lagunas y nuevas perspectivas. Estos sistemas permiten explorar audiencias a las que a veces es difícil acceder. Con los usuarios sintéticos se pueden tener datos que no se han podido observar, pero que se basan en patrones que la IA ha detectado previamente.
Los límites de la empatía artificial
Pese a las facilidades que ofrecen los usuarios sintéticos, no todo son ventajas. Los grandes estudios y consultorías de diseño como IDEO o Nielsen Norman Group han señalado los riesgos de sustituir investigación cualitativa real por simulaciones algorítmicas. Estos son sus argumentos principales:
- Falta de contexto y pérdida de oportunidades. Un LLM solo responde a lo que se le pregunta, usando el contexto que se le proporciona. La investigación real, en cambio, se nutre de información del entorno que un investigador humano puede detectar, consiguiendo resultados de valor inesperados.
- Sesgos propios de la IA. Los LLM tienen sesgos discriminatorios y están entrenados para ser útiles y complacientes. Por eso sus respuestas pueden ser tendenciosas y su feedback puede ser más halagador que el que daría una persona real.
- Falta de emoción auténtica. Los usuarios sintéticos son entidades sin emociones reales. No muestran sentimientos de manera sutil, aspectos que un investigador humano puede detectar. El comportamiento humano es complejo, algo que la simulación, por muy sofisticada que sea, no puede replicar.
El equilibrio necesario
Los defensores de los usuarios sintéticos aportan múltiples estudios académicos que resaltan la utilidad de esta herramienta. Sus detractores no niegan sus ventajas, pero aportan otros tantos informes que relativizan su efectividad.
En realidad, los propios creadores de este tipo de sistemas no pretenden restar valor a la investigación tradicional. En declaraciones a Nielsen Norman Group, Hugo Alves de Synthetic Users enfatizaba que su servicio no pretende reemplazar por completo la investigación de usuarios. “Nunca vas a dejar de hablar con personas reales, y no deberías”, alertaba. “Hay decisiones en las que ni siquiera deberías recurrir a usuarios sintéticos. Deberías hablar directamente con humanos.”
Como está ocurriendo con todo lo relacionado con la IA generativa, la mejor postura es probablemente la híbrida, en la que los usuarios sintéticos pueden ser una herramienta complementaria para tareas como:
- Exploración inicial. Cuando se inicia una investigación, los usuarios sintéticos pueden servir para obtener información que permita a los investigadores entender mejor el contexto en el que van a trabajar.
- Generar hipótesis. Identificar posibles necesidades y dificultades que luego puedan comprobarse con métodos tradicionales de investigación con usuarios. En ese sentido, los LLM pueden actuar como asistentes de los investigadores y no réplicas de usuarios.
- Procesamiento de información. Más allá de los usuarios sintéticos, los LLM son útiles para sintetizar grandes cantidades de datos, por lo que pueden usarse para extraer patrones de información y presentarlos de forma digerible, siempre teniendo en cuenta que pueden perderse matices.
En definitiva, hablar de conocimiento de usuario sin conversar con los usuarios es una contradicción, pero todas las herramientas que faciliten este diálogo deberían considerarse útiles. Solo hay que recordar que empatizar con las personas requiere, inevitablemente, sentarse con ellas para entender la complejidad, la contradicción y la profundidad de la experiencia humana.
