¿Cómo la inteligencia artificial te ayuda a investigar mejor?

Inteligencia artificial en investigación ¿Cómo aplicarla?
Ignasi Fernández 9m de lectura

La inteligencia artificial ha llegado para quedarse en la investigación de mercados. El estado actual de la tecnología permite llevar a cabo muchas tareas con la ayuda de la IA, y conforme se vaya desarrollando, podrá aplicarse todavía más para hacer la investigación más fácil, rápida y de mayor calidad.

Para que eso ocurra, los investigadores tenemos que aprender a usarla sabiendo en qué áreas aporta valor y en cuáles no. Para arrojar luz sobre el uso de la IA en la práctica, hemos realizado un estudio que nos ha permitido recoger muchos aprendizajes interesantes.

Research on research

En We are testers somos investigadores, así que no nos gusta apoyarnos en datos para tomar decisiones. Por eso, para comprender el valor de la inteligencia artificial en la investigación, quisimos hacer un estudio «research on research» llevando a cabo una misma investigación de tres formas distintas:

  • Mediante inteligencia artificial: viendo a ver hasta dónde nos llevaba la IA (sin la intervención de personas más que para hacer los «prompts»).
  • Mediante investigadores expertos. Haciendo todo el proceso a través de personas sin emplear la inteligencia artificial en ningún paso.
  • Combinando el uso de expertos e inteligencia artificial.

En todos los casos, hemos evaluado la calidad de los resultados y medido el tiempo que hemos tardado en completar las tareas. Nuestro objetivo era responder a tres preguntas:

  • ¿Puede ayudarnos la IA a investigar sin perder calidad?
  • ¿Puede ayudarnos a ser más rápidos y eficientes?
  • ¿Cuánto más exactamente?

Para hacer el test hemos usado un briefing de un estudio relativamente sencillo fácil de resolver a través de una encuesta cuantitativa online. Para realizar tareas con inteligencia artificial hemos usado soluciones como Chat GPT, DeepL hix.ai y Copilot; y las hemos usado en tres fases de la investigación: creación del cuestionario, traducción del cuestionario y análisis de preguntas abiertas.

Creación del cuestionario

El primer paso fue emplear el briefing para crear un cuestionario usando inteligencia artificial. Probamos diferentes «prompts» que fuimos puliendo y combinando para ver a qué resultado llegábamos. En un primer momento, los resultados nos parecieron espectaculares. En cuestión de minutos teníamos un cuestionario que a primera vista daba respuesta a los objetivos de información. Las preguntas eran correctas y cuando la pregunta implicaba componer listas de opciones – listas de marcas o lista de los principales medios para informarse de la categoría – la IA nos creaba listas acertadas. Las escalas de valoración estaban bien construidas. Viendo las preguntas una a una, no había nada incorrecto.

Sobre ese borrador, una de nuestras investigadoras senior revisó el cuestionario en detalle y realizó tres mejoras importantes.

  • La inteligencia artificial se ciñó a la literalidad de las preguntas y creó una pregunta para cada punto del briefing, en el mismo orden y sin plantearse nada más. En la revisión, la investigadora interpretó el briefing de manera más abierta, usó su experiencia para imaginar lo que el cliente buscaba tras la literalidad de la lista de objetivos y se anticipó a debilidades en el briefing completando lo que hubiera sido insuficiente para tomar decisiones de forma efectiva.
  • Otra mejora importante fue la reorganización del cuestionario. Un investigador experto sabe situar las preguntas más sencillas al principio y deja las más complicadas para cuando el encuestado está más metido en el tema. Y también las ordena para evitar que haya preguntas que puedan sesgar otras que se harán posteriormente.
  • Nuestra investigadora además añadió textos que mejoraban la experiencia del entrevistado ayudándole a comprender mejor en qué bloque del cuestionario estaba y valorando su participación. Motivar a los encuestados y ayudarles a responder es clave para obtener respuestas de calidad.

Mientras todo esto pasaba, otra investigadora de nuestro equipo realizó el cuestionario sin la ayuda de la inteligencia artificial. Esta vía proporcionó un cuestionario todavía de mayor calidad. Al partir de cero, dado que la base de la inteligencia artificial no influía en el juicio de la investigadora, ella pudo ser más creativa para ir más allá en la aportación de valor añadido. Por contra, tardó 60 minutos en completar el cuestionario, frente a los 40 que se tardó usando la IA y revisando su cuestionario. Esos 20 minutos de ganancia no nos parecieron suficientes para compensar la pérdida de calidad en el cuestionario, un componente con gran influencia en la calidad de los resultados.

Sin embargo, hubieron aspectos en los que la aportación de la inteligencia artificial sí nos pareció relevante. Por ejemplo, en el estudio a realizar había que componer una lista de marcas y otra de los medios para informarse sobre la categoría de productos. A la investigadora le llevó un tiempo relevante la búsqueda de información, mientras que la IA compuso las listas en pocos segundos.

Por eso creemos que el óptima se encuentra en la combinación de trabajo humano e inteligencia artificial. El investigador es hoy por hoy mejor para crear un cuestionario bien estructurado y de mayor valor. Y a la vez, puede ahorrar tiempo recurriendo a la inteligencia artificial para componer piezas específicas del cuestionario, como por ejemplo las que implican conocimiento contextual del mercado y la categoría.

Traducción del cuestionario

La segunda tarea para la que probamos el uso de la inteligencia artificial fue la traducción del cuestionario. Ensayamos diferentes soluciones de traducción automática mientras en paralelo enviábamos nuestro cuestionario a una empresa de traducción externa. El resultado fue que la traducción de la agencia y la de una de las solución de IA fueron prácticamente idénticas, pero el uso de la agencia de traducción incorporó coste y retrasó dos días el inicio de campo. Con una calidad equivalente y coste prácticamente cero, el uso de la inteligencia artificial en este campo nos pareció inapelable.

Análisis de preguntas abiertas

El tercer caso de uso de la inteligencia artificial fue el análisis de preguntas abiertas. Esta es una tarea que consume mucho tiempo de los investigadores. Su análisis requiere leer todas las respuestas para hacerse una idea de los temas principales. El tiempo es todavía mayor si se desea codificar las respuestas para obtener resultados numéricos. En nuestro caso, una investigadora experta empleó 45 minutos para hacer un resumen de las conclusiones por cada pregunta abierta (sin codificación). Usando la inteligencia artificial obtuvimos un borrador en segundos. Este borrador fue puesto a prueba por una de nuestras investigadoras que certifico su calidad con una revisión de un porcentaje de la respuestas de los entrevistados. Esa tarea, que creemos que es importante para validar que no hay ninguna fallo de comprensión de las respuestas por parte de la IA, le llevó 15 minutos por pregunta abierta.

Si la calidad es equivalente y se ganan 30 minutos por pregunta abierta, nos parece muy útil la incorporación de la inteligencia artificial por dos motivos.

  • Ganancia de tiempo y eficiencia. dependiendo del número de preguntas abiertas en el cuestionario, pueden ganarse varias horas, lo que resulta relevante, especialmente en estudios que requieren rapidez. Además se reduce trabajo manual que generalmente se incorpora al precio del estudio.
  • Mayor valor. Las preguntas abiertas proporcionan muchísimo valor en una investigación y sin embargo se usan de forma muy limitada en los cuestionarios cuantitativos. Y eso es porque dan mucho trabajo manual…..hasta ahora. Gracias a la inteligencia artificial ahora podemos usar las preguntas abiertas con mayor frecuencia y acceder a una información más profunda que antes, en la práctica, no era accesible.

Conclusiones

Viendo los resultados en perspectiva, llegamos a las siguientes conclusiones:

  • La inteligencia artificial es útil. Ahorra tiempo y recursos, lo que permite que los clientes puedan sacar más partido a su presupuesto, puedan tomar decisiones más rápido y puedan adelantarse a sus competidores. Y además abre la puerta a una investigación de mayor calidad gracias a la posibilidad de usar más preguntas abiertas en los cuestionarios. La aportación que la IA hace a la investigación es positiva.
  • La IA no sustituye a los investigadores. Hay tareas en las que a día de hoy el investigador es superior, como el planteamiento de la investigación, la estructuración del cuestionario de calidad y en el diseño de la experiencia de los encuestados. Por eso el investigador debe retener el control del estudio y supervisar el trabajo de la inteligencia artificial allí donde le merezca la pena emplearla.
  • Hay que tener un punto de vista claro sobre dónde la IA aporta valor (y dónde no). Es importante experimentar para comprender en qué tareas nos aporta beneficios. Y a al vez debemos ser exigentes para continuar reservando a los humanos esas tareas en las que todavía no aporta mayor valor.
  • La IA mejora la experiencia del investigador. Usar la IA para automatizar las tareas más tediosas – como analizar preguntas abiertas – permite mejorar la experiencia del investigador y por tanto hacer la profesión más interesante. Eso ayuda a que la investigación atraiga a mejores profesionales, lo que es bueno para el sector y para los clientes de servicios de investigación.

La inteligencia artificial en We are testers

La plataforma de investigación de We are testers fue pionera en la introducción de la inteligencia artificial para el análisis de preguntas abiertas en 2023. Esta funcionalidad disponible no sólo en encuestas online, sino también en comunidades online.

A la luz de los resultados del estudio, hemos introducido la traducción automática de cuestionarios en nuestro roadmap de desarrollo. Esta nueva funcionalidad estará disponible durante 2024.

Además, estamos ya trabajando en un asistente de cuestionarios que utiliza la IA para ayudar a componer el cuestionario de forma más rápida. Esta nueva funcionalidad está prevista para 2025.

En el roadmap de desarrollo de We are testers hay otras muchas mejoras tecnológicas como la introducción de técnicas de neuromarketing – eyetracking y codificación facial – que estarán disponibles en los próximos meses.

Síguenos en LinkedIn o suscríbete para conocer antes que nadie todas nuestras novedades. Y si echas algo en falta, ponte en contacto con nosotros para conocer más detalles sobre la disponibilidad de cualquier tecnología en nuestra plataforma.

Fecha de actualización 14 junio, 2024

Contacta con nuestros expertos y encuentra cómo llevar tu investigación más allá

Contactar