Cómo analizar encuestas con IA y comprobar lo que te dice

Para analizar encuestas con IA, divide el trabajo en dos. Deja que las fórmulas calculen todos los números y usa un modelo de lenguaje donde de verdad rinde: leer respuestas abiertas y codificarlas en temas. Después revisa al modelo antes de que algo llegue al informe. Esta guía trae el flujo en cinco pasos, cuatro prompts listos para copiar y una tabla de verificación que cabe en una tarde.

La división importa porque un modelo de lenguaje escribe con fluidez aunque lo que diga esté mal. Un resumen de temas que suena convincente puede apoyarse en un conteo equivocado, en dos categorías fusionadas o en una cita que nadie escribió. El flujo de abajo mantiene al modelo en la tarea que hace bien y pone una revisión barata después de cada paso.

Dónde ayuda la IA en el análisis de encuestas y dónde no

El análisis de encuestas con IA rinde más en el texto libre. Leer 600 respuestas a «¿Qué deberíamos mejorar?» puede llevarle a una persona casi todo el día; un modelo propone temas y etiqueta cada respuesta en minutos. Los números son otro trabajo. Un promedio, el porcentaje de calificaciones altas o la diferencia entre dos grupos tienen un solo valor correcto, y una fórmula de Excel o Google Sheets lo acierta siempre. Un modelo de lenguaje produce números prediciendo texto, así que puede devolver un porcentaje que parece razonable y está mal.

En pocas palabras, el modelo lee y etiqueta, y las fórmulas cuentan.

Cómo analizar encuestas con IA en cinco pasos

El flujo sigue el orden que usaría cualquier analista cuidadoso. La IA entra recién en el tercer paso.

1. Limpia los datos y quita los datos personales.
2. Calcula las preguntas cerradas con fórmulas.
3. Codifica las respuestas abiertas en temas con IA.
4. Revisa a la IA con la tabla de verificación.
5. Redacta conclusiones que junten números, temas y citas comprobadas.

Paso 1: Limpia los datos y quita los datos personales

Exporta las respuestas a CSV o XLSX y trabaja sobre una copia. Elimina los envíos de prueba, los duplicados exactos y las filas incompletas que no vas a usar. Luego busca respuestas de baja calidad: quien terminó en noventa segundos una encuesta de diez minutos, quien marcó la misma columna en todas las matrices o quien escribió «asdf» en cada caja de texto. La calculadora de limpieza de datos de encuestas te ayuda a fijar umbrales para respuestas rápidas y patrones en línea recta, y muestra cuántas filas quita cada regla. Anota las reglas: las vas a necesitar cuando alguien pregunte por qué la muestra bajó de 480 a 452.

Antes de pegar cualquier respuesta en una herramienta de IA externa, quita los datos personales. Borra las columnas de nombre, correo y teléfono. Después revisa las propias respuestas abiertas, porque la gente escribe cosas como «pregúntenle a Lupita de cobranza, ella sabe» o pega su número de pedido. Reemplaza a cada persona por un ID (R001, R002…) y guarda la clave en un archivo aparte que no salga de tu computadora. En equipos chicos, un puesto y un área bastan para identificar a alguien, así que quítalos también si la encuesta prometía anonimato. Lo mismo vale para respuestas que mencionan salud, religión, una discapacidad o datos parecidos: quítalos o generalízalos. Para ti, que guardas la clave de los ID, los datos siguen siendo personales, así que revisa también la herramienta: usa una que tu organización apruebe, averigua si guarda lo que pegas o lo usa para entrenar y confirma que tu aviso de privacidad cubre compartir respuestas con un servicio así. Las leyes de protección de datos tienen reglas para esto; revisa las que aplican en tu caso.

Paso 2: Calcula las preguntas cerradas con fórmulas

Haz los números antes de tocar el texto. En cada pregunta de calificación u opción calcula el conteo, el porcentaje de cada opción, el promedio y, en las escalas, el porcentaje de las dos opciones más altas. En una hoja de cálculo eso es CONTAR.SI, PROMEDIO y una tabla dinámica. Nuestra guía de análisis descriptivo explica qué estadístico corresponde a cada tipo de pregunta.

Si vas a comparar grupos, por ejemplo clientes nuevos contra recurrentes, calcula el promedio de cada grupo y el tamaño de la diferencia. Una brecha de 0.3 puntos puede importar o no, según qué tan dispersas estén las respuestas. La calculadora del tamaño del efecto convierte dos medias y su dispersión en la d de Cohen, que dice si la diferencia es pequeña, moderada o grande. Para elegir la prueba adecuada, consulta la guía sobre el tratamiento estadístico de los datos.

Estos números son el marco de las respuestas abiertas. Cuando la IA diga después «la entrega es la queja principal», ya sabrás cuánta gente calificó mal la entrega y podrás ver si las dos historias coinciden.

Paso 3: Codifica las respuestas abiertas en temas con IA

Codificar es asignar a cada respuesta abierta una o más etiquetas de una lista fija, el libro de códigos. La entrada de codificación de datos del glosario explica los términos y la guía de análisis temático cubre el método manual. Con IA el método es el mismo y cambia la velocidad. Trabaja en dos vueltas: primero arma el libro de códigos con una muestra y después aplícalo a todas las respuestas.

Pega las respuestas con su ID, una por línea. Si tienes más de unos cientos, mándalas en tandas de 100 a 200 y usa el mismo libro de códigos en todas. Los cuatro prompts de abajo están escritos para copiarse tal cual; cambia lo que está entre corchetes. Si tus respuestas están en español, deja el prompt en español también.

Prompt 1: Arma un libro de códigos con una muestra

Ayúdame a codificar respuestas abiertas de una encuesta. La pregunta fue: «[texto de la pregunta]». Abajo hay [número] respuestas, cada una con su ID.<br />Propón un libro de códigos de 6 a 12 temas. Para cada tema da: un nombre corto, una definición de una oración, qué entra y qué no, y los ID de 2 respuestas que sean ejemplos claros.<br />Que los temas sean concretos: «entrega tardía» y «costo de envío» son temas distintos, no un solo tema «entrega». Agrega un tema «Otro» para lo que no encaje en ninguno.<br />No cuentes respuestas ni des porcentajes.<br />[respuestas]

Lee el libro de códigos con ojo crítico. Junta los temas que se traslapan, separa los que mezclan dos problemas y renombra lo que quede vago. Un buen libro de códigos es uno que un colega puede aplicar sin hacerte preguntas.

Prompt 2: Etiqueta cada respuesta

Aplica este libro de códigos a cada respuesta de abajo. [pega el libro de códigos final]<br />Devuelve una tabla con una fila por respuesta y estas columnas: ID, tema (uno o más nombres de tema del libro de códigos, separados por punto y coma), sentimiento (positivo, negativo, mixto o neutral), confianza (alta o baja).<br />Usa solo nombres de tema del libro de códigos. Si una respuesta no encaja en ninguno, usa «Otro». Si la respuesta está vacía o no tiene sentido, usa «Sin contenido».<br />No resumas ni cuentes. Devuelve todos los ID, en el orden original.<br />[respuestas]

Pega la tabla en tu hoja de cálculo junto a las respuestas originales. A partir de aquí, contar es una fórmula: CONTAR.SI sobre la columna de tema o una tabla dinámica de tema por calificación.

Prompt 3: Encuentra lo que el libro de códigos dejó fuera

Estas son las respuestas codificadas como «Otro» o con confianza baja. [respuestas]<br />¿Alguna comparte un tema que merezca su propio código, aunque lo mencionen pocas personas? Enumera posibles temas nuevos con los ID que les corresponden.<br />Señala también cualquier respuesta que mencione seguridad, discriminación, problemas legales, cobros indebidos o algo igual de grave, aunque sea la única.

Prompt 4: Saca citas con su ID

Para el tema «[nombre del tema]», elige 3 respuestas que lo muestren con más claridad y 1 que muestre otra cara del tema.<br />Copia cada respuesta exactamente como está escrita, carácter por carácter, con su ID. No la acortes, no la corrijas y no combines respuestas. Si no encuentras una respuesta adecuada, dilo.<br />[respuestas codificadas con este tema]

Pedir «carácter por carácter» reduce las citas parafraseadas, pero no las elimina. Por eso las citas tienen su propia revisión en el siguiente paso.

Paso 4: Revisa a la IA antes de confiar en ella

¿Qué tan bien codifican los modelos de lenguaje las respuestas de una encuesta? Bien en tareas claras, con grandes diferencias entre modelos. En un estudio de 2024 publicado en Research & Politics, Mellon y sus colegas pidieron a seis modelos clasificar respuestas abiertas del British Election Study sobre «el problema más importante» en 50 categorías. El mejor modelo quedó cerca de un segundo codificador humano (93.9% de precisión contra 94.7%), mientras que otros modelos rindieron bastante peor. En una segunda prueba, con respuestas nuevas, la distancia creció: 80.9% para el mejor modelo contra 88.6% del humano. Fíjate también en la cifra humana: dos personas entrenadas que codifican las mismas respuestas siguen sin coincidir en algunas. No puedes saber en qué caso estás sin revisar, y las revisiones de abajo toman alrededor de una hora en una encuesta de unos cientos de respuestas.

Los umbrales de la tabla son reglas de trabajo, no normas. Lo importante es fijarlos antes de ver los resultados, para no aceptar un libro de códigos solo porque cuenta la historia que te conviene.

Una nota sobre el sentimiento. Es la parte menos estable de la codificación con IA, porque respuestas cortas como «bien» o «podría ser más rápido» quedan entre dos categorías. Úsalo como una clasificación aproximada para leer, y recurre a las preguntas cerradas de calificación cuando necesites un número para reportar. La entrada del glosario sobre análisis de sentimiento explica el método y sus límites.

Paso 5: Redacta conclusiones que se sostengan

Una conclusión que aguanta las preguntas de tu jefe tiene cuatro partes: un número calculado con fórmulas, un tema con su conteo, una o dos citas comprobadas y un límite. Así se ve en un ejemplo: la encuesta de una tienda en línea en México con 480 respuestas, 452 después de la limpieza.

Calcula los porcentajes de cada tema sobre quienes contestaron la pregunta abierta, no sobre el total, y di qué base usaste. Cuando compares grupos, reporta el tamaño del efecto del paso 2 y no la descripción que haga el modelo de la diferencia. Y guarda el libro de códigos, los prompts y la fecha en un anexo: si alguien repite el análisis el próximo trimestre, podrá comparar peras con peras. Si la encuesta prometía anonimato, no publiques grupos, conteos ni citas tan pequeños que apunten a una persona.

Errores comunes al analizar encuestas con IA

• Pegar toda la exportación, preguntas cerradas incluidas, y pedirle al modelo «insights». Recibes prosa con números que no puedes rastrear.
• Dejar que el modelo cuente temas o calcule porcentajes en vez de contar sus etiquetas con fórmulas.
• Saltarte el libro de códigos y pedir los temas en un solo paso, con lo que cada tanda termina con una lista distinta.
• Publicar citas sin buscarlas en los datos originales.
• Tratar «Otro» como ruido. Los grupos chicos suelen decir las cosas más concretas.
• Pegar nombres, correos o detalles que identifican a alguien en una herramienta externa.
• Presentar temas de 30 respuestas con la misma seguridad que temas de 3,000.

Cómo analizar encuestas con IA en SurveyNinja

Si solo necesitas los temas de un conjunto de respuestas abiertas, pégalas en el resumen de encuestas con IA, que es gratis. Agrupa las respuestas en temas, separa las señales positivas y negativas y sugiere acciones, y funciona sin cuenta. Quita antes los datos personales, como en el paso 1, y usa el resumen como un primer libro de códigos que después revisas.

En las encuestas que corres en SurveyNinja, el informe con IA (Smart Analytics, Beta) de los planes Premium y Enterprise arma el análisis con tus respuestas cuando la encuesta tiene al menos 5 completas. Tiene tres secciones: análisis de texto de las respuestas abiertas, una comparación de los dos grupos más grandes con el tamaño de la diferencia medido con la d de Cohen, y una sección cuantitativa para las preguntas cerradas. Los promedios y las distribuciones del informe los calcula código, que es justo la división que recomienda esta guía. El sentimiento de las respuestas abiertas lo estima el modelo, así que la revisión de sentimiento del paso 4 sigue valiendo unos minutos. Con pocas respuestas, léelo como una primera mirada: comparar dos grupos de cinco personas da una pista, no una conclusión. Y el paso 1 empieza aquí desde el diseño: si la encuesta no necesita nombres ni contactos, no los pidas. Puedes compartir el informe en PDF o con un enlace público. Las respuestas también se exportan a CSV y XLSX para el trabajo con fórmulas del paso 2.

Preguntas frecuentes

¿Se pueden analizar encuestas con IA?

Sí, repartiendo el trabajo. La IA es buena para leer respuestas abiertas, proponer temas y etiquetar cada respuesta. Los promedios, porcentajes y diferencias entre grupos deben salir de fórmulas o código, porque un modelo de lenguaje puede dar números que parecen razonables y están mal. Revisa la codificación de la IA contra una muestra codificada a mano antes de reportarla.

¿Cómo se analizan respuestas abiertas con IA?

Quita los datos personales y pídele al modelo un libro de códigos a partir de una muestra de respuestas. Edítalo, haz que el modelo etiquete cada respuesta con tema y sentimiento, y cuenta las etiquetas con fórmulas de la hoja de cálculo. Termina revisando a mano una muestra al azar y comprobando que cada cita que vas a usar exista en los datos.

¿La IA debe calcular los porcentajes de una encuesta?

No. Pídele al modelo una etiqueta por respuesta y cuenta esas etiquetas tú mismo con CONTAR.SI o una tabla dinámica. Los modelos de lenguaje generan los números como texto, así que un porcentaje en un resumen puede estar muy desviado sin que nada lo delate. Las fórmulas dan siempre el mismo resultado correcto y cualquiera puede revisarlas.

¿Cómo reviso si el análisis de la IA tiene errores?

Codifica tú entre 40 y 50 respuestas al azar y compáralas con las etiquetas de la IA. Contrasta los conteos por tema con un conteo de palabras clave, busca cada cita en los datos originales y cruza el sentimiento con la calificación que dio cada persona. Vuelve a correr la codificación con otro prompt y lee el grupo «Otro» en busca de temas chicos que se fusionaron.

¿Es seguro pegar respuestas de una encuesta en una herramienta de IA?

Solo después de quitar los datos personales y en una herramienta aprobada por tu organización. Borra nombres, correos, teléfonos y números de pedido, cambia a cada persona por un ID y busca en las respuestas abiertas detalles que identifiquen a alguien. Revisa si la herramienta guarda lo que pegas o entrena con ello. Si la encuesta prometía anonimato, quita también puestos y otros datos que señalen a una persona.

¿Cuántas respuestas se necesitan para analizar una encuesta con IA?

No hay un mínimo fijo para codificar, pero los temas se vuelven más estables a medida que crecen las respuestas. Con unas decenas puedes leerlo todo tú y usar la IA solo para etiquetar más rápido. Con cientos, la IA ahorra más tiempo. El informe con IA de SurveyNinja, en Premium y Enterprise, empieza a funcionar desde 5 respuestas completas; con tan pocas, tómalo como una primera mirada.