La inteligencia artificial ya permite realizar encuestas, organizar grupos de discusión y probar conceptos con consumidores simulados, sin necesidad de reclutar participantes reales. Sin embargo, ¿hasta qué punto pueden las empresas confiar en esas respuestas para tomar decisiones de negocio? Un análisis realizado por Andersen Consulting sobre las denominadas poblaciones sintéticas concluye que estas herramientas pueden identificar tendencias y preferencias de consumo, pero presentan limitaciones importantes a la hora de determinar qué porcentaje de consumidores comparte una opinión o adoptaría un determinado comportamiento.
Las poblaciones sintéticas se construyen a partir de perfiles generados mediante inteligencia artificial y calibrados con datos reales para reproducir las características de un grupo de consumidores. Su principal atractivo es la posibilidad de consultar miles de perfiles en poco tiempo, explorar diferentes segmentos y obtener respuestas sin organizar un trabajo de campo tradicional.
Para Andersen Consulting, su utilidad depende tanto de la calidad de los datos utilizados como del objetivo de la investigación. No es lo mismo emplearlas para identificar posibles preferencias antes de diseñar un estudio que utilizar sus resultados para calcular cuántas personas comprarán un producto o cuánto estarán dispuestas a pagar por él.
Una precisión del 95% no siempre significa una respuesta fiable para el negocio
Para realizar este análisis, Andersen Consulting ha examinado las promesas de fiabilidad de esta nueva metodología y las ha contrastado con sus propios ejercicios de investigación. Los resultados muestran que las poblaciones sintéticas pueden acertar qué opciones prefieren los consumidores y en qué orden, pero no necesariamente la proporción de personas que elegiría cada una. Una diferencia que puede resultar determinante cuando una empresa necesita estimar la demanda de un producto, calcular el tamaño de un mercado o decidir una inversión.
Uno de los principales riesgos identificados por Andersen Consulting es la dificultad para interpretar las cifras de precisión que anuncian algunas plataformas de investigación sintética, que en determinados estudios y comunicaciones comerciales alcanzan valores de entre el 85% y el 95%. Estos porcentajes no siempre responden a los mismos criterios: unos miden la coincidencia entre respuestas, otros la similitud de las conclusiones o la capacidad de reproducir el orden de las preferencias.
Por ello, antes de aceptar una cifra de fiabilidad, la firma recomienda comprobar qué se ha medido, con qué datos reales se ha comparado el resultado, a qué nivel se ha realizado el análisis y cuántos casos se han utilizado para validarlo.
«Una cifra elevada de precisión puede resultar atractiva, pero carece de valor si no sabemos qué está midiendo y si responde realmente a la pregunta de negocio», explica José Manuel Brell, Partner de Andersen Consulting y responsable de Estudios y Modelos Cuantitativos. Y añade: «Las poblaciones sintéticas ya están al alcance de cualquier empresa y resultan útiles como una herramienta más del toolkit de la investigación de mercados, pero siempre con una persona experta al mando. Su valor depende menos de la tecnología que hay detrás y más de quién sabe cuándo usarla y cuándo no».
Un ejemplo hipotético permite ilustrar por qué una cifra elevada de precisión no siempre garantiza resultados útiles para una empresa. Si una entidad financiera quiere identificar a los clientes que han cambiado de banco durante el último año y solo cinco de cada cien lo han hecho, una herramienta de IA que predijera que ninguno ha cambiado obtendría un 95% de aciertos. Es decir, la IA alcanzaría un 95% de precisión, pero fallaría en el 100% de los casos que realmente interesaban al banco. Esta aparente contradicción demuestra que la fiabilidad de una herramienta no puede valorarse únicamente por su porcentaje global de aciertos, sino por su capacidad para responder a la pregunta concreta que plantea la investigación.
Por qué las respuestas de la IA no siempre reflejan el comportamiento real
El análisis de Andersen Consulting identifica varios factores que explican las diferencias entre las respuestas sintéticas y las obtenidas de consumidores reales. Entre ellos se encuentran la tendencia de los modelos de IA a ofrecer respuestas complacientes o socialmente aceptables, la simplificación de la diversidad de opiniones, la reproducción de estereotipos aprendidos a partir de los datos con los que han sido entrenados y la dificultad para reflejar decisiones condicionadas por emociones, experiencias personales o circunstancias imprevistas.
A ello se añade que las poblaciones sintéticas se construyen con información disponible en un momento determinado, mientras que las preferencias y comportamientos de los consumidores evolucionan continuamente.
La fiabilidad depende, sobre todo, de cómo se construye cada población. Andersen Consulting recomienda partir de estadísticas oficiales, como las del INE o Eurostat, incorporar información sectorial procedente de fuentes públicas y respetar las relaciones que existen entre características como la edad, los estudios, los ingresos o el lugar de residencia.
Asimismo, advierte de otro riesgo en la construcción de la población, que depende de cómo se utiliza la información previa de la propia empresa. Gabriel Pagola Domec, Partner de Andersen Consulting y responsable de Soluciones IA, explica la diferencia entre inferencia y circularidad:
«Enriquecer la población con estudios anteriores resulta útil cuando permite inferir: el modelo parte de lo que sabe de cada perfil para deducir cómo respondería a algo que no se le ha contado. Pero si esa información se parece demasiado a lo que después se pregunta, la población se limita a devolver lo que se le dio. Es lo que se conoce como circularidad: si una marca carga la población con lo que ya conoce o cree conocer sobre sus clientes y luego le consulta por lo mismo, las respuestas pueden terminar reproduciendo esas mismas hipótesis, en lugar de aportar una visión independiente».
Una herramienta de apoyo a la investigación de mercados, no para sustituir a los consumidores reales
Pese a estas limitaciones, Andersen Consulting considera que las poblaciones sintéticas pueden aportar valor a la investigación de mercados, especialmente en sus fases iniciales, cuando el objetivo es explorar hipótesis y determinar qué cuestiones merece la pena contrastar posteriormente con consumidores reales.
Estas herramientas pueden ser útiles cuando lo que importa es la dirección y no la cifra exacta. Sirven para probar y filtrar conceptos antes de invertir en su desarrollo, detectar preguntas ambiguas en un cuestionario, explorar segmentos de consumidores difíciles de investigar mediante métodos tradicionales o anticipar posibles reacciones negativas ante una marca o campaña, identificando asociaciones o interpretaciones que convendría analizar con mayor profundidad.
Por el contrario, a día de hoy la firma desaconseja utilizarlas como única fuente para estimar el tamaño de un mercado, prever ventas, fijar precios o validar definitivamente un producto. También recomienda especial cautela en usarlas para la toma de decisiones de alto impacto, como las relacionadas con la salud o determinadas actividades reguladas, y en mercados nuevos o colectivos sobre los que existe poca información.
«Las poblaciones sintéticas pueden ayudarnos a formular mejores preguntas, explorar hipótesis y orientar una investigación. Pero identificar una tendencia no equivale a medir con precisión su alcance. Cuando una decisión depende de cuántos consumidores actuarán de una determinada manera, sigue siendo necesario contrastar los resultados con personas reales”, señala José Manuel Brell, Partner de Andersen Consulting y responsable de Estudios y Modelos Cuantitativos.
La firma defiende, por tanto, un modelo de investigación en el que las poblaciones sintéticas sirvan para generar y explorar hipótesis, mientras que los estudios con consumidores reales permitan contrastarlas y validarlas antes de tomar decisiones empresariales. De esta forma, la inteligencia artificial se incorpora como una metodología complementaria que puede mejorar los procesos de investigación de mercados, pero no sustituir la participación de personas reales cuando se necesita información fiable para adoptar decisiones de alto impacto.
Andersen Consulting presentó este análisis en sus oficinas en Madrid, como parte del foro de reflexión y debate «IA real para negocios reales» que organiza la firma de forma periódica.
