Cuando aceptamos el desafío de integrar IA cualitativa en nuestros proyectos, hicimos un scouting de múltiples herramientas y plataformas. Buscábamos solidez tecnológica y metodológica en medio de un hype en el que muchas soluciones intentan posicionarse ya no como vanguardia, sino como verdad establecida y experiencia acumulada. Algo llamativo si consideramos que hablamos de tecnologías que hace apenas unos meses no existían y que, hasta hace muy poco, eran directamente impensables.
Nuestra búsqueda era clara. No queríamos —ni nos creíamos— la promesa de “una herramienta que reemplaza la experiencia humana”, sino una IA capaz de dialogar con nosotrxs como equipo de investigadores y, al mismo tiempo, de conversar de manera genuina con las personas consumidoras.
No buscábamos una máquina de hacer insights ni apostábamos a la automatización total. Buscábamos una herramienta que potenciara nuestra sensibilidad humana.
Con esas ideas en mente salimos a probar herramientas y desarrollar pilotos en distintos escenarios y categorías. Jugamos a explorar, a evaluar conceptos, a relevar hábitos, a identificar pains & gains de nuevos productos.
Hicimos todo esto con un criterio de evaluación técnica muy concreto. Exploramos cómo las distintas herramientas traducían nuestro brief en una propuesta de diseño de investigación; qué nivel de flexibilidad y precisión ofrecían al momento de definir preguntas repreguntas y profundización; qué grado de coherencia narrativa mantenían —no solo dentro de cada tópico explorado, sino a lo largo de toda la conversación—; cómo interpretaban las respuestas; cómo reaccionaban ante los emergentes; y qué tipo de experiencia conversacional ofrecían.
En el proceso aprendimos mucho.
Aprendimos que, incluso cuando la promesa es cualitativa, a muchas plataformas les cuesta desprenderse del espíritu cuantitativo. Así opr ejemplo, en la mayoría de los casos la profundización y la repregunta no se definen en función de las respuestas y los emergentes, sino que responden a lógicas estáticas: pocas herramientas permiten definir bajo qué , cuándo y cómo repreguntar. La mayoría se limita a establecer cuántas repreguntas hacer por tópico.
Porque detrás de este detalle que parece casi de diseño de interfaz hay una consideración que define la experiencia de usuarix: promptear una inteligencia artificial cualitativa no es armar un cuestionario. Es volver al ejercicio original de la guía de pautas.
No se trata de listar preguntas ni de definir pases y condiciones mecánicas, sino de pensar el contexto de la persona, el problema de negocio y la pregunta de investigación.
No se trata de preparar un script rígido, sino de anticipar recorridos posibles de la conversación. De diseñar preguntas disparadoras y estar preparadxs para profundizar sobre los emergentes. Se trata de de dar lugar a lo espontáneo y traducir esa receptividad en criterios que orienten a la IA sobre cómo reaccionar frente a aquello que —por definición— no se puede prever.
No alcanza con dar lineamientos generales y confiar en el “criterio” de la IA. En un contexto atravesado por la búsqueda constante de atajos, promptear una IA cualitativa nos obliga a volver a la precisión, la minuciosidad y la especificidad propias de un instrumento de investigación bien pensado.
En otras palabras: la IA no nos ahorra —ni nos quita— trabajo. No piensa por nosotrxs. No achata la profundidad del cualitativo ni convierte a los abordajes cualitativos en paquetes replicables. Por el contrario, nos obliga a reconectarnos con la complejidad metodológica propia de lo cualitativo.
Y por eso, trabajar con IA en investigación cualitativa no se trata de simplificar el trabajo. Se trata de hacerlo bien. Y cuando lo hacemos bien, se trata de hacerlo mejor.
Ese es, para nosotrxs, el verdadero valor de trabajar con una inteligencia artificial cualitativa que se puede briefear con criterio investigador.
