El avance de la inteligencia artificial generativa ha dado lugar a una nueva herramienta en la investigación de usuarios: el buyer persona sintético. Este concepto promete acelerar la obtención de insights, reducir costes y mejorar la escalabilidad en la toma de decisiones estratégicas. Sin embargo, ¿es realmente una revolución o un atajo arriesgado que puede comprometer la calidad de la investigación? En este artículo, exploramos los beneficios y limitaciones de esta metodología, evaluamos su impacto en la industria y argumentamos por qué un enfoque híbrido puede ser la clave para equilibrar innovación y autenticidad en la investigación de usuarios.
Hace unas semanas estuve facilitando junto a mi compañera Laura Polls una sesión en un Runroom LAB, el evento mensual que organizamos en Runroom, sobre las posibilidades que nos brinda la IA generativa en la investigación de usuarios y en concreto en la creación del buyer persona sintético.
Fue una sesión en la que expusimos nuestra visión sobre la situación y el impacto que ello podría tener en nuestra industria.
El buyer persona, como prácticamente todo el mundo sabe hoy en día, es una herramienta fundamental en marketing y desarrollo de productos. Representa un arquetipo del cliente ideal, basado en investigaciones y datos, que ayuda a las empresas a entender mejor a su audiencia y a tomar decisiones más informadas.
En este último año, hemos sido testigos de la aparición de una nueva variante: el "buyer persona sintético". Impulsado por los avances en la inteligencia artificial, este concepto promete transformar la forma en que las empresas realizan la investigación de usuarios. Deloitte, en su reporte “The Generative AI Dossier”, señala que uno de los casos de uso más interesantes para la industria enfocada en consumidores será proveer de inteligencia de mercado de siguiente nivel a través de investigación de mercado realizada por IA. Esta promete generar datos sintéticos, simular escenarios de mercado, desvelar insights, identificar preferencias de clientes y crear perfiles detallados, como por ejemplo perfiles Persona.
El Buyer Persona sintético promete transformar la investigación de usuarios mediante la generación de datos sintéticos, simulación de escenarios de mercado e identificación de insights.
También el uso de la IA en la investigación de usuarios está creciendo rápidamente, con el 70% de los investigadores incorporándola en sus flujos de trabajo, según el informe The 2024 AI in UX Research Report de User Interviews, lo que refleja una tendencia creciente hacia la optimización de los procesos de investigación.
¿Estamos ante una verdadera revolución o ante un atajo que podría llevarnos por el camino equivocado?
A continuación intentaré explorar los pros y los cons del uso de la IA como core de la investigación, centrándonos en los buyer persona sintéticos.
¿Qué es un Buyer Persona Sintético?
Un buyer persona sintético se podría definir como un modelo de lenguaje (LLM) que ha sido entrenado para actuar como una persona real. Estos modelos de lenguaje han aprendido a actuar como personas. Inclusive, investigadores/as de la Universidad de Pekín (Jiang et al., 2023), afirman que estos desarrollan una personalidad que guía su comportamiento, la que puede ser inducida por "prompting". A través de la IA, estos modelos aprenden a simular comportamientos, preferencias e incluso personalidades, lo que permite a los investigadores interactuar con ellos como si fueran usuarios reales.
Los datos que impulsan su desarrollo incluyen datos demográficos y psicográficos, historial de compras, comportamiento online o actividad en las redes sociales por ejemplo.
Los datos sintéticos, es decir no creados por humanos, imitan datos del mundo real. Se crean mediante algoritmos y simulaciones basadas en IA generativa. Un conjunto de datos sintéticos tiene las mismas propiedades matemáticas que los datos reales en los que se basa, es decir que están diseñados para replicar las características estadísticas de un conjunto de datos auténtico, manteniendo la misma distribución, correlaciones y patrones que los datos reales en los que se basan, pero no contienen la misma información, lo que les permite ser utilizados en análisis sin comprometer la privacidad ni depender de la recopilación directa de información de usuarios.
Estos modelos de lenguaje pueden actuar como sujetos “virtuales” a los que se les asignan preferencias, información o situaciones concretas (por ejemplo, cuánto valoran la equidad, si tienen cierta ideología política, etc.). Luego, se puede observar cómo “responden” en distintos juegos y experimentos clásicos de economía. En diferentes experimentos, los modelos responden de manera parecida a como lo hacen los humanos, aunque con matices dependiendo de la versión del LLM o de la forma en que se “configura” la personalidad simulada, según el estudio de John J. Horton, Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus? (Cornell University, 2023).
Si bien los buyer personas sintéticos ofrecen rapidez y escalabilidad, su falta de matices y el riesgo de sesgos pueden comprometer la autenticidad de los insights.
Beneficios del uso de BP 100% sintéticos
- Rapidez y flexibilidad: Un buyer persona 100% sintético puede crearse con rapidez, sin depender de encuestas o entrevistas con usuarios reales. Esto permite probar diferentes escenarios, atributos o hipótesis de mercado en mucho menos tiempo. La IA permite generar "datos sintéticos" y "simular escenarios de mercado", lo que lleva a una comprensión profunda y rápida del mercado, proveyendo inteligencia de mercado avanzada que permite obtener insights más profundos y rápidos a través de investigación de mercado realizada por IA.
- Ahorro de costos y tiempo: Al no tener que reclutar ni coordinar grupos de estudio, se reducen los costos asociados a la investigación tradicional (focus groups, entrevistas, etc.). Además, se optimiza el tiempo para explorar múltiples variantes de perfiles. Uno de los mayores obstáculos en la investigación de usuarios sigue siendo el reclutamiento de participantes, con el 97% de los investigadores enfrentando dificultades. Los problemas principales incluyen encontrar participantes que cumplan con los criterios necesarios (70%) y la lentitud en los tiempos de reclutamiento (45%). Los buyer personas sintéticos pueden mitigar este problema.
- Iteración y refinamiento continuo: Al ser un perfil "vivo" y ajustable, es fácil actualizarlo con nueva información u opiniones de expertos, lo que permite refinar continuamente la estrategia de marketing o el desarrollo de productos. Esto fomenta la toma de decisiones basada en datos y mejora la adaptación a cambios en el mercado.
- Escala y variedad de escenarios: Se pueden generar uno o varios buyer personas sintéticos con características distintas (diferentes motivaciones, ubicaciones, etc.) para cubrir diversos segmentos de mercado. Esto facilita la validación de nuevas estrategias de marketing o producto sin inversión adicional en investigación de campo.
El 70% de los investigadores ya están incorporando la IA en sus flujos de trabajo, reflejando una tendencia creciente hacia la optimización de los procesos de investigación.
Contras y Limitaciones
A pesar de sus ventajas, el uso de Buyer Persona sintéticos también presenta una serie de inconvenientes y limitaciones que deben tenerse en cuenta:
- Falta de matices y perspectivas auténticas: Al realizar investigación directa con personas reales, se obtienen matices que la IA o los datos simulados podrían pasar por alto (por ejemplo, miedos específicos, anécdotas relevantes, lenguaje auténtico y expresiones no convencionales).
- Riesgo de sesgos en la generación: Cualquier modelo o método de IA puede incorporar sesgos presentes en la base de datos o en los algoritmos usados para crearlo. Entrevistar usuarios de carne y hueso permite contrastar datos de múltiples fuentes y reducir el riesgo de perpetuar prejuicios o supuestos alejados de la realidad.
- Menor validación empírica: Con investigación "en terreno" se recaba evidencia directa sobre el modo en que la audiencia percibe, utiliza o valora un producto o servicio. Eso brinda una validación mucho más sólida de las hipótesis de marketing o diseño.
- Imposibilidad de captar la espontaneidad y la improvisación humanas: En la investigación cualitativa tradicional, las conversaciones abiertas, las preguntas de seguimiento y la interacción espontánea ayudan a descubrir necesidades latentes o "dolores" ocultos que no se habían contemplado.
Viendo los beneficios y los contras de tener un BP 100% sintético, nos quedamos con la sensación de que nos puede funcionar en algunos casos pero no en muchos otros. Por ello creemos que la solución ideal pasa por un modelo híbrido.
La clave no está en elegir entre buyer personas sintéticos o tradicionales, sino en adoptar un enfoque híbrido que combine eficiencia con profundidad y autenticidad.
Metodologías Híbridas
Ante este panorama, una solución prometedora es adoptar metodologías híbridas que combinen lo mejor de ambos ámbitos. Esto rompería con los límites convencionales entre la investigación cualitativa y cuantitativa, dando paso a una metodología que no es ni puramente cualitativa ni puramente cuantitativa.
Aunque se pueden alimentar los modelos con datos, también es posible explorar los matices y la calidad de las experiencias a un nivel más profundo y cualitativo.
Estos datos podrían provenir de estudios tanto cualitativos como cuantitativos realizados previamente con personas reales.
Un enfoque híbrido permite aprovechar la eficiencia y la escalabilidad de los buyer personas sintéticos, al mismo tiempo que se mantiene la profundidad y la autenticidad de la investigación tradicional.
Por tanto, hablaríamos de crear un Buyer Persona sintético, también de forma relativamente rápida, en base a datos previamente recopilados con investigaciones con personas reales. Éste BP estaría dotado de la misma flexibilidad y rapidez y podría responder con un comportamiento supuestamente validado con personas reales.
Los Buyer Persona sintéticos representan una innovación prometedora, pero su uso exclusivo podría llevarnos por el camino equivocado si no se combinan con investigación real.
En conclusión, los Buyer Persona 100% sintéticos representan una innovación prometedora en el campo de la investigación de usuarios. Ofrecen beneficios innegables en términos de velocidad, coste y escalabilidad. Sin embargo, es crucial reconocer sus limitaciones y los riesgos asociados a su uso exclusivo. La falta de matices, el riesgo de sesgos y la menor validación empírica son aspectos que no pueden pasarse por alto.
En nuestra opinión, el presente y futuro inmediato de la investigación de usuarios, probablemente radique en un enfoque híbrido, donde los Buyer Persona sintéticos se utilicen como complemento a las metodologías tradicionales. Al adoptar este enfoque mixto, las empresas pueden aprovechar el poder de la IA para optimizar sus procesos de investigación, sin sacrificar la profundidad y la autenticidad que sólo la interacción humana puede proporcionar.
Pero no descartamos que en algún momento las IAs generativas puedan sustituir de forma completa las investigaciones de usuarios reales en determinados contextos. Estaremos atentos a los siguientes pasos :))