Encuestados sintéticos y entrevistas con IA frente a encuestas: cuándo usar cada uno
Métodos de investigación
Mike Taylor 17 nov. 2026 Tiempo de lectura ≈ 18 min
Contenidos
- Encuestados sintéticos y entrevistas con IA: qué es cada uno
- Qué hacen bien los encuestados sintéticos
- Dónde fallan los encuestados sintéticos
- Para qué sirven las entrevistas con IA
- Entrevistas con IA, encuestas o encuestados sintéticos: cuál usar en cada tarea
- Un flujo híbrido: personajes, entrevistas y después encuesta
- Reglas para usar respuestas sintéticas con honestidad
- Cómo planear la investigación en SurveyNinja
- Preguntas frecuentes
Los encuestados sintéticos son personajes simulados por un modelo de lenguaje que responden preguntas de investigación en lugar de personas. Las entrevistas con IA son lo opuesto: responden personas reales y una IA hace las preguntas y las repreguntas. Las dos ayudan al inicio de un proyecto, y ninguna puede medir lo que piensa un mercado. Esta guía cubre qué dice la investigación sobre cada una, una tabla de decisión por tarea y un flujo híbrido que termina en una encuesta con personas reales.
Los tres métodos se confunden porque muchos proveedores los venden todos como «investigación con IA». Pero responden preguntas distintas, y esa diferencia decide si un resultado puede entrar en una decisión de precio o solo en una lluvia de ideas.
Puntos clave
- Los encuestados sintéticos son personajes simulados por un modelo de lenguaje que responden en lugar de personas, y en las entrevistas con IA responden personas reales mientras una IA pregunta.
- Los estudios muestran que las respuestas sintéticas pueden acercarse a los promedios de grupos muy estudiados, pero varían menos que las humanas y representan mal a algunos grupos.
- Usa encuestados sintéticos para generar ideas, entrevistas con IA para entender a las personas y una encuesta con personas reales para medirlas.
- Marca lo sintético como sintético, nunca lo mezcles con respuestas reales en la misma base y nunca presentes porcentajes sintéticos como datos de mercado.
Encuestados sintéticos y entrevistas con IA: qué es cada uno
Los encuestados sintéticos (también llamados muestras de silicio, gemelos digitales o personas de IA) son respuestas que genera un modelo de lenguaje al que se le pidió actuar como cierto tipo de persona: «Eres una enfermera de 34 años en Guadalajara que compra en línea dos veces al mes». Puedes aplicarle un cuestionario a mil de ellos en minutos. Ningún ser humano responde nada.
Las entrevistas moderadas por IA son conversaciones con participantes reales en las que una IA hace de entrevistador. Sigue una guía de discusión, repregunta según la respuesta y después resume las transcripciones. Las personas y sus opiniones son reales; lo automatizado es el moderador y la primera pasada del análisis.
Una encuesta con personas reales hace las mismas preguntas cerradas a una muestra definida, de modo que las respuestas se pueden contar, comparar entre grupos y, cuando la muestra representa a la población, proyectar a ella con un margen de error conocido.
| Encuestados sintéticos | Entrevistas con IA | Encuesta con personas reales | |
|---|---|---|---|
| Quién responde | Un modelo de lenguaje que interpreta un personaje | Participantes reales | Participantes reales |
| Qué obtienes | Respuestas verosímiles en segundos | Profundidad y motivos, de decenas de personas | Números comparables, de cientos o miles |
| Punto fuerte | Velocidad y cero reclutamiento | Repreguntas a escala | Una medición que puedes defender |
| Riesgo principal | Las respuestas reflejan al modelo, no a tu mercado | Muestras chicas y autoseleccionadas; repreguntas que no se hacen | Preguntas mal hechas o una muestra sesgada |
Qué hacen bien los encuestados sintéticos
La idea ganó credibilidad con un artículo de 2023 en Political Analysis, «Out of One, Many: Using Language Models to Simulate Human Samples», de Argyle y colegas. Condicionaron GPT-3 con miles de perfiles sociodemográficos tomados de participantes reales de grandes encuestas de Estados Unidos y crearon lo que llamaron «muestras de silicio». Las respuestas simuladas reprodujeron muchos de los patrones de respuesta de los subgrupos humanos, incluida la forma en que las actitudes se relacionan entre sí. Los autores llamaron a esa propiedad «fidelidad algorítmica» y sostuvieron que un modelo con suficiente fidelidad puede ser una herramienta útil para la investigación social.
Trabajos posteriores mostraron que los datos detrás de cada personaje pesan mucho. Park y colegas construyeron agentes para 1,052 estadounidenses a partir de entrevistas de dos horas con cada uno (preprint en arXiv, publicado por primera vez en 2024). En preguntas de la General Social Survey que no se usaron para construirlos, los agentes basados en entrevistas alcanzaron el 83% de la consistencia que mostraron esas mismas personas al responder otra vez dos semanas después. Los agentes que solo tenían datos demográficos llegaron al 74%.
O sea, las respuestas sintéticas pueden acercarse a los promedios de poblaciones muy estudiadas en temas muy estudiados, sobre todo cuando cada personaje se apoya en datos de una persona real. Es una afirmación mucho más estrecha que «ya no hace falta hablar con clientes».
Dónde fallan los encuestados sintéticos
La misma investigación documenta límites que pesan en las decisiones de negocio.
Las respuestas varían menos que las de la gente real. Bisbee, Clinton, Dorff, Kenkel y Larson pidieron a personajes de ChatGPT calificar a grupos sociales y políticos y compararon los resultados con la American National Election Study (Political Analysis, 2024). Los promedios quedaron cerca. La dispersión fue más estrecha que en los datos humanos, las relaciones entre variables muchas veces no coincidieron con las de la encuesta, pequeños cambios en la redacción del prompt movieron los resultados y el mismo prompt dio respuestas distintas con tres meses de diferencia. Una dispersión estrecha es justo lo que esconde a los clientes que aman o detestan un producto.
Algunos grupos quedan mal representados. Santurkar y colegas compararon las opiniones de modelos de lenguaje con 1,498 preguntas del American Trends Panel de Pew Research en 60 grupos demográficos de Estados Unidos («Whose Opinions Do Language Models Reflect?», ICML 2023). Encontraron un desajuste considerable que seguía ahí incluso cuando se le indicaba al modelo a qué grupo representar. Las personas de 65 años o más, las personas viudas y quienes van seguido a servicios religiosos estuvieron entre los grupos que ningún modelo representó bien.
Los personajes pueden aplanar y distorsionar identidades. Wang, Morgenstern y Dickerson hicieron estudios con 3,200 personas de 16 identidades demográficas y cuatro modelos de lenguaje (aceptado en Nature Machine Intelligence, 2025). Los personajes generados tendían a sonar como la mirada de alguien de fuera sobre el grupo y a borrar las diferencias dentro de él. Los segmentos minoritarios, que suelen ser los que un equipo de producto más necesita entender, son donde esto duele más.
Los productos nuevos son difíciles de simular. Brand, Israeli y Ngwe probaron modelos de lenguaje en estudios de disposición a pagar («Using LLMs for Market Research», documento de trabajo de Harvard Business School). Los modelos sin ajustar reprodujeron la disposición a pagar por funciones existentes en una categoría, pero necesitaron ajuste fino con resultados humanos previos para simular reacciones a funciones nuevas, y ese ajuste puede no servir en categorías distintas. Un producto completamente nuevo es justo el caso en que no hay datos humanos en los que apoyarse.
En conjunto, estos estudios sugieren que los encuestados sintéticos reproducen lo que es típico en los textos con los que aprendió el modelo. Tu próximo segmento, tu función nueva y tu precio rara vez son típicos.
Para qué sirven las entrevistas con IA
Las entrevistas moderadas por IA mantienen reales a las personas y automatizan al moderador. Su atractivo es la profundidad a una escala que a un equipo humano le cuesta: cincuenta entrevistas en una semana, en varios idiomas, cada una con repreguntas, y transcripciones codificadas el mismo día.
La evidencia sobre su calidad todavía es poca. En un estudio chico presentado en el taller LaTeCH-CLfL 2025, Wuttke y colegas asignaron al azar a estudiantes a un entrevistador de IA o a uno humano con el mismo cuestionario. Reportan una calidad de datos comparable a la de las entrevistas humanas, y los participantes dieron respuestas más largas a la IA. Pero el entrevistador de IA muchas veces no repreguntó después de una respuesta sorprendente o poco clara, que es justo el momento en que un buen moderador humano se gana su sueldo. El estudio abarcó once entrevistas, así que tómalo como una señal temprana.
Hay tres límites que aplican a cualquier estudio con entrevistas de IA. Los participantes siguen siendo un grupo chico y autoseleccionado, así que los resultados describen motivos y patrones, no proporciones de un mercado. La calidad de la guía de discusión decide la calidad de las repreguntas. Y el resumen que hace la IA de las transcripciones necesita las mismas revisiones que cualquier codificación de respuestas abiertas con IA: lee tú una muestra y confirma cada cita. Nuestra guía para analizar encuestas con IA trae una tabla de verificación que también sirve para transcripciones, y la guía de análisis temático cubre el método manual.
Las entrevistas también recogen datos personales: la voz, a veces la cara en video y lo que cada persona cuenta de su vida. Antes de empezar, avisa a los participantes que una IA hará las preguntas, que la conversación se graba y se transcribe, quién procesa las grabaciones (incluida la plataforma de entrevistas) y cuánto tiempo las guardas, y pide su consentimiento. Recoge solo lo que necesita tu pregunta de investigación y revisa las reglas de privacidad del país donde viven los participantes, como la LFPDPPP en México o la LGPD en Brasil.
Entrevistas con IA, encuestas o encuestados sintéticos: cuál usar en cada tarea
Dicho en corto, usa encuestados sintéticos para generar ideas, entrevistas con IA para entender a las personas y una encuesta con personas reales para medirlas. La tabla lo aplica a tareas de investigación frecuentes.
| Tarea | Encuestados sintéticos | Entrevistas con IA | Encuesta con personas reales |
|---|---|---|---|
| Generar hipótesis | Sí, como primer borrador rápido | Sí, para encontrar hipótesis que no se te ocurrieron | Después, para probar las finalistas |
| Probar un cuestionario antes de lanzarlo | Sí, para detectar redacción confusa y opciones faltantes | Sí, como entrevistas cognitivas con personas reales | Sí, como piloto chico antes del lanzamiento |
| Explorar motivos y contexto | Solo para armar la guía de entrevista | Lo más adecuado | En parte, con preguntas abiertas |
| Dimensionar un mercado o un segmento | No | No, las muestras son demasiado chicas | Sí, con una muestra que represente a la población |
| Medir satisfacción o NPS | No, el modelo nunca usó tu producto | Para explicar las calificaciones, no para obtenerlas | Sí |
| Fijar un precio | Solo para proponer precios a probar | Para entender cómo juzgan el valor y las alternativas | Sí, con preguntas de precio a compradores reales |
| Decidir si se lanza o no | No | Como evidencia de apoyo | Sí, como evidencia principal |
Una encuesta solo mide lo que piensa una población si la muestra se parece a esa población. La entrada del glosario sobre representatividad explica qué significa en la práctica, y la calculadora de tamaño de muestra te dice cuántas respuestas necesitas para un margen de error dado.
Un flujo híbrido: personajes, entrevistas y después encuesta
Los métodos funcionan mejor en secuencia. Cada paso reduce lo que el siguiente tiene que responder, y solo el último produce números que puedes reportar. Imagina una cafetería de especialidad en la Ciudad de México que evalúa lanzar una suscripción mensual de café en grano.
1. Haz un borrador de hipótesis y personajes con IA
Empieza por escribir la decisión que tienes que tomar y deja que la IA te ayude con el primer borrador. Bosqueja buyer personas para los segmentos que esperas, por ejemplo oficinistas que toman café en casa o restaurantes chicos, haz una lista de hipótesis sobre lo que necesita cada uno y pide a personajes sintéticos que reaccionen al concepto. Etiqueta todo lo de este paso como «borrador de IA». Su trabajo es ampliar la lista de posibilidades y mostrar huecos en tus supuestos.
2. Pon a prueba el cuestionario con personajes sintéticos
Antes de que una persona real vea tu encuesta, pide a algunos personajes que la respondan y expliquen qué entienden en cada pregunta. Los modelos de lenguaje son buenos para notar preguntas dobles, opciones de respuesta que faltan y jerga. No te van a decir cómo responde la gente real, pero sí te señalan las preguntas que merecen otra revisión.
3. Explora con personas reales en entrevistas
Haz de 10 a 30 entrevistas con personas de tus segmentos, moderadas por una persona o por una IA. Pregunta por conductas recientes y concretas: la última vez que compraron café para la semana, dónde, cuánto pagaron, qué les molestó. Busca motivos y palabras que no esperabas, y descarta las hipótesis que nadie respalda. Esto es investigación primaria, y es el primer paso que te dice algo nuevo sobre tu mercado.
4. Mide con una encuesta a personas reales
Convierte las hipótesis que sobrevivieron en preguntas cerradas, deja una o dos preguntas abiertas para los motivos y envía la encuesta a una muestra del tamaño que exige la precisión que buscas. Nuestra guía de investigación cuantitativa en encuestas cubre el diseño y el análisis. Antes de confiar en los datos, filtra las respuestas automáticas y las escritas con IA, que hoy también llegan a las encuestas en línea; la guía sobre bots y respuestas de IA en encuestas explica cómo.
5. Compara y decide
Si usaste personajes sintéticos en el primer paso, compara sus respuestas con lo que dijo la gente real. Donde no coincidan, ganan los datos reales, y la distancia te dice cuánto confiar en respuestas sintéticas en tu próximo proyecto. Toma la decisión con los resultados de la encuesta, y usa las citas de las entrevistas para explicar los números.
Reglas para usar respuestas sintéticas con honestidad
- Marca lo sintético como sintético en cada documento y cada diapositiva.
- Nunca mezcles respuestas sintéticas con respuestas reales en la misma base.
- Nunca presentes porcentajes sintéticos como datos de mercado.
- Nunca presentes una respuesta sintética como cita u opinión de un cliente real, ni en un informe, ni en una presentación, ni en material de marketing.
- Anota el modelo, el prompt y la fecha, porque los resultados pueden cambiar entre corridas y con el tiempo.
- Contrasta los resultados sintéticos con al menos una referencia real antes de apoyarte en ellos para una pregunta parecida.
- Desconfía más de los resultados en segmentos minoritarios, productos nuevos y precios.
Cómo planear la investigación en SurveyNinja
Las herramientas de IA gratuitas de SurveyNinja cubren los primeros pasos, los de generar ideas. El planificador de investigación convierte un objetivo de negocio en un plan con objetivos, audiencia, tamaño de muestra, preguntas, canales, riesgos y calendario. El generador de hipótesis convierte un problema o un supuesto en hipótesis, hipótesis nulas, ideas de prueba con encuestas y métricas. El generador de buyer personas bosqueja personajes de investigación con metas, problemas, conductas y canales a partir de la descripción de tu producto. Trata esos personajes como esta guía trata a los encuestados sintéticos: como un punto de partida que hay que validar con investigación.
Cuando llega el momento de medir, Ninja AI (Beta) en el editor de encuestas arma la encuesta a partir de una descripción, de un archivo como PDF o DOCX o de una imagen, en todos los planes, incluido el gratuito. También puede editar preguntas, lógica y configuración, y cada cambio espera a que hagas clic en Aplicar. Después la encuesta recoge respuestas de personas reales, que es el paso que ninguna simulación sustituye.
Preguntas frecuentes
¿Qué son los encuestados sintéticos?
Son respuestas generadas por un modelo de lenguaje al que se le pidió actuar como un tipo de persona, por ejemplo un papá primerizo o una gerente de TI. Son rápidas y baratas, pero ninguna persona real responde, así que los resultados reflejan patrones de los datos con los que se entrenó el modelo y no las opiniones de tu mercado.
¿Los encuestados sintéticos pueden reemplazar a las encuestas?
No. Los estudios muestran que las respuestas sintéticas pueden acercarse a los promedios de grupos muy estudiados, pero varían menos que las humanas, cambian con la redacción del prompt y representan mal a algunos grupos. Sirven para generar ideas y probar un cuestionario. Las decisiones sobre mercados, precios y satisfacción necesitan respuestas de personas reales.
¿Qué es una entrevista con IA?
Es una entrevista con un participante real en la que una IA hace las preguntas, repregunta según las respuestas y resume la transcripción. Permite hacer decenas de entrevistas en poco tiempo. Los participantes son reales, pero las muestras son chicas, así que los resultados explican motivos y no miden qué tan comunes son. Los participantes deben saber que una IA hace las preguntas y aceptar la grabación.
¿Son mejores las entrevistas con IA que las encuestas?
Responden a otra pregunta. Las entrevistas con IA sirven para explorar motivos, contexto y lenguaje con decenas de personas. Las encuestas miden qué tan común es una opinión entre cientos o miles y permiten comparar grupos. La mayoría de los proyectos necesita primero entrevistas para encontrar las preguntas correctas y después una encuesta para medir las respuestas.
¿Cuándo conviene usar datos sintéticos en investigación de mercados?
Úsalos para generar hipótesis, bosquejar personajes y guías de entrevista, y encontrar redacción confusa en un cuestionario antes del piloto. Mantenlos etiquetados, separados de las respuestas reales y fuera de los números que reportas. Ten más cuidado con segmentos minoritarios, productos nuevos y precios, donde la investigación muestra que las respuestas sintéticas son menos confiables.
¿Cuántas entrevistas hacen falta antes de lanzar una encuesta?
En entrevistas exploratorias, de 10 a 30 conversaciones dentro de tus segmentos son un punto de partida habitual para encontrar los motivos principales y las palabras que usa la gente. Detente cuando las entrevistas nuevas ya no agreguen temas nuevos. Después convierte lo que aprendiste en preguntas y calcula la muestra de la encuesta con una calculadora de tamaño de muestra.
Publicado: 17 nov. 2026
Límites de Google Forms: respuestas, archivos, temporizador y lógica, con soluciones 

