¿Qué es la investigación sintética?

La investigación sintética es una metodología de investigación que usa datos generados artificialmente, encuestados simulados o personas impulsadas por IA para producir insights sin recopilar datos de participantes reales en el sentido tradicional.

La palabra "sintética" señala que los inputs de investigación son generados o simulados en lugar de observados directamente del comportamiento humano real. El objetivo, sin embargo, es el mismo que el de la investigación tradicional: entender cómo una población definida piensa, se comporta o respondería a un estímulo dado.

Investigación sintética: Una definición completa

La investigación sintética se refiere a cualquier enfoque de investigación que usa datos o participantes sintéticos (generados artificialmente) para producir insights sobre una población objetivo. Esto incluye:

Encuestados sintéticos. Personas de IA configuradas para representar perfiles demográficos y psicográficos específicos responden a preguntas de investigación de maneras diseñadas para simular cómo responderían miembros reales de esas poblaciones.

Generación de datos sintéticos. Métodos estadísticos o basados en IA generan conjuntos de datos que replican las propiedades estadísticas de datos reales sin contener información personal real. Usado en contextos de analítica y modelado cuantitativo.

Simulación basada en agentes. Modelos computacionales simulan cómo poblaciones de individuos con características definidas se comportarían bajo diversas condiciones. Usado en economía, salud pública e investigación de políticas.

Paneles de personas de IA. Múltiples personas de IA se reúnen en paneles de investigación y se les hacen preguntas estructuradas, simulando dinámicas de focus group o investigación de panel.

En un contexto de investigación de mercado y negocios, la "investigación sintética" se refiere más comúnmente al primero y cuarto de estos: encuestados sintéticos de IA y paneles de personas de IA usados para insights de clientes.

Los orígenes de la investigación sintética

Los datos sintéticos se han usado en estadística y economía durante décadas. La idea de generar datos que se asemejan estadísticamente a un conjunto de datos real sin exponer registros individuales está bien establecida en campos donde la protección de la privacidad es importante.

El desarrollo más reciente, los encuestados sintéticos para investigación cualitativa y actitudinal, surgió de avances en grandes modelos de lenguaje (LLMs). Cuando los LLMs se volvieron capaces de mantener personas consistentes y generar respuestas contextualmente apropiadas en temas complejos, se hizo posible crear encuestados sintéticos que se comportan de manera plausible en una amplia gama de preguntas de investigación.

Este es el desarrollo que impulsa la ola actual de investigación sintética en marketing y negocios: IA que puede simular convincentemente cómo piensan y responden tipos específicos de personas.

Cómo funciona la investigación sintética en la práctica

El flujo de trabajo típico de investigación sintética para aplicaciones de negocio:

1. Define la población objetivo. ¿A quién estás estudiando? Especifica las características demográficas y psicográficas de la audiencia que quieres entender.

2. Configura las personas de IA. Crea personas de IA que representen a la población objetivo. En plataformas como Minds, describes quién debería ser la persona y la plataforma genera un mind de IA interactivo basado en esa descripción.

3. Diseña el instrumento de investigación. Escribe las preguntas o la estructura de la conversación para la sesión de investigación. Las preguntas abiertas funcionan bien para exploración cualitativa. Las preguntas estructuradas funcionan para comparación y priorización.

4. Realiza la sesión de investigación. Involucra a las personas de IA en conversación o sesiones estructuradas. Haz tus preguntas, da seguimiento a respuestas interesantes y explora el tema en profundidad.

5. Analiza y sintetiza. Revisa los outputs de la sesión, identifica temas y patrones, y sintetiza los hallazgos en insight accionable.

6. Valida hallazgos clave. Usa investigación con participantes reales para validar los insights más importantes de las sesiones sintéticas antes de tomar decisiones de alto riesgo.

Para qué es buena la investigación sintética

La investigación sintética es particularmente valiosa en estas situaciones:

Cuando la velocidad importa. La investigación tradicional toma semanas. La investigación sintética produce insight direccional en horas.

Cuando el presupuesto es limitado. La investigación tradicional cuesta miles a decenas de miles de dólares por estudio. Las plataformas de investigación sintética empiezan desde unos pocos dólares al mes.

Cuando la población objetivo es difícil de alcanzar. Algunas audiencias son genuinamente difíciles de reclutar para investigación: ejecutivos ocupados, roles profesionales de nicho, mercados internacionales, segmentos de clientes futuros. Las personas sintéticas pueden representar a estas poblaciones inmediatamente.

Cuando necesitas muchas iteraciones. El desarrollo de producto y marketing involucra muchas preguntas de investigación pequeñas en ciclos de iteración rápidos. La investigación tradicional no puede seguir el ritmo.

Cuando estás explorando, no validando. Las etapas tempranas de cualquier proyecto de investigación están bien adaptadas a métodos sintéticos. La naturaleza direccional de la investigación sintética es una característica, no un error, en esta etapa.

Para qué no es buena la investigación sintética

La investigación sintética tiene limitaciones genuinas que los practicantes responsables reconocen:

Validación estadística. La investigación sintética no puede producir estimaciones de población validadas estadísticamente con intervalos de confianza definidos. Para investigación que necesita probar que X% de un mercado piensa Y, se requiere investigación con participantes reales.

Predicción de comportamiento novedoso. Las personas de IA simulan patrones establecidos de pensamiento. No son predictores confiables de cómo responderán las personas a eventos, productos o situaciones genuinamente sin precedentes.

Decisiones finales de alto riesgo. Las decisiones de asignación de capital importante, las presentaciones regulatorias y la investigación destinada a propósitos legales o de cumplimiento no deberían depender únicamente de la investigación sintética.

Precisión de la investigación sintética

Múltiples estudios han examinado qué tan bien los outputs de la investigación sintética coinciden con la investigación con participantes reales. Los hallazgos publicados generalmente muestran un 75 a 92 por ciento de correlación entre los outputs de encuestados sintéticos de IA y las respuestas reales de encuestas o focus groups, dependiendo de la plataforma, tipo de pregunta y especificidad de la persona.

Este nivel de precisión es apropiado para investigación direccional pero no debe tergiversarse como equivalente a investigación cuantitativa validada.

Investigación sintética y privacidad

Una ventaja subestimada de la investigación sintética es su perfil de privacidad. Debido a que las personas sintéticas son generadas en lugar de estar basadas en individuos reales, las sesiones de investigación sintética no involucran datos personales de la manera que lo hace la investigación tradicional.

Esto significa que muchos de los requisitos de protección de datos que se aplican a la investigación tradicional (consentimiento del participante, obligaciones de almacenamiento de datos, requisitos de procesamiento GDPR para datos personales) no se aplican de la misma manera a las sesiones de investigación sintética.

Para organizaciones con requisitos estrictos de protección de datos, la investigación sintética frecuentemente es más fácil de implementar que los métodos tradicionales basados en participantes. Plataformas como Minds, con sede en Alemania y que cumplen con GDPR, están diseñadas con estos requisitos explícitamente en mente.

Empieza con Minds →