Las simulaciones con IA buscan anticipar cómo podrían reaccionar los consumidores ante productos, precios, empaques o mensajes antes de que lleguen al mercado. Para conocer el alcance de esta tecnología y sus posibilidades en Perú, Mercado Negro conversó con Rodrigo Chanamé, experto en IA, quien estudió en Harvard y viene haciendo su carrera en Silicon Valley.
Desde hace décadas, las empresas llevan intentando reducir la incertidumbre antes de lanzar un producto, definir un precio o aprobar una campaña. Encuestas, entrevistas y los bien conocidos focus groups han permitido recoger opiniones de consumidores y convertirlas en insumos para tomar decisiones. Sin embargo, estos procesos también requieren tiempo, presupuesto y acceso a personas que representen al público al que una marca quiere llegar.
En ese escenario, la inteligencia artificial abre ahora una nueva posibilidad para esa etapa de prueba. Los llamados consumidores sintéticos o simulados buscan replicar respuestas y comportamientos a partir de información previamente recopilada, con el objetivo de explorar distintos escenarios antes de recurrir necesariamente a una investigación con consumidores reales. Hoy, el interés por esta tecnología crece: un estudio de Qualtrics realizado a finales de 2024 a más de 3.000 investigadores de mercado en 14 países encontró que el 71% consideraba que para 2027 o 2028 más de la mitad de la recopilación de datos podría realizarse mediante respuestas sintéticas.
La evolución de la IA en el mercado: de la automatización básica a la simulación humana
La integración de la inteligencia artificial en la investigación de mercado abarca más que la creación de consumidores virtuales. De acuerdo con el informe global de tendencias de Qualtrics, el sector ha adoptado la tecnología de manera progresiva: inició como un soporte operativo para los equipos de Consumer Insights —acelerando tareas como transcripciones, resúmenes y procesamiento de datos— y evolucionó hacia la automatización de interacciones directas, como entrevistas guiadas por bots o pruebas de experiencia de usuario en sitios web.
Sin embargo, el salto más disruptivo se encuentra en su siguiente fase. Para Rodrigo Chanamé, experto en IA entrevistado por Mercado Negro, la industria transiciona de optimizar tareas a transformar radicalmente la toma de decisiones.
«Nos estamos moviendo hacia una última etapa: las simulaciones. En dos o tres años va a despegar con fuerza este campo, donde se construyen modelos especializados que toman decisiones como personas», explica Chanamé.
La propuesta consiste en alimentar estos sistemas con información de consumidores reales para simular respuestas ante distintas variables de negocio. «El objetivo es poder definir precios, evaluar productos y medir intenciones de compra con intervalos de confianza reales», señala el especialista.
Aunque la tecnología aún se encuentra en una etapa incipiente, donde los grandes modelos de lenguaje (LLM) actúan como un motor provisional mientras se diseñan arquitecturas dedicadas, el paso hacia la simulación promete acortar drásticamente los tiempos de desarrollo e innovación en las empresas.
Casos de uso actual: ¿qué se puede probar hoy con IA?
A pesar de que la simulación de decisiones de compra todavía tiene camino por recorrer, existen aplicaciones operativas en investigación y experiencia de usuario. Chanamé señala que hoy es común desplegar agentes virtuales para recorrer sitios web y evaluar flujos de navegación, carritos de compra y usabilidad. Asimismo, identifica un uso extendido en el testeo de comunicación y publicidad.
«En creativos de ads, por ejemplo, sí se está utilizando bastante. Pones un mensaje en la plataforma y obtienes opiniones de distintos perfiles», comenta. En cambio, considera que la tecnología aún debe madurar para aplicarse con precisión en variables complejas como fijación de precios, análisis de categorías y segmentación poblacional.
El gran atractivo de estas pruebas tempranas es acortar procesos que antes tomaban semanas a solo horas o días. Sin embargo, la velocidad no elimina la necesidad de validar los resultados con consumidores reales.
Por ejemplo, diversos estudios señalan que las respuestas sintéticas generadas por modelos de lenguaje generalistas pueden reproducir sesgos y perder diversidad frente a las opiniones humanas. Una investigación del Nürnberg Institut für Marktentscheidungen (NIM) comparó a 500 consumidores reales con 500 participantes virtuales generados por IA en estudios sobre vestimenta, bebidas y opinión pública. Los resultados mostraron que la IA tendía a favorecer marcas conocidas, ofrecer respuestas más complacientes y mostrar menor variedad de criterios que los humanos.
Por esta razón, la asociación global de investigación de mercados (ESOMAR) y diversos especialistas coinciden en que los datos sintéticos deben utilizarse como un filtro preliminar de hipótesis y no como un sustituto definitivo de la voz del consumidor.
El dilema local: el valor estratégico de la data peruana
Si los modelos buscan simular consumidores, la pregunta crítica para mercados como el peruano es inevitable: ¿de quiénes aprende la IA? Para Rodrigo Chanamé, la respuesta reside estrictamente en la información local. «Este sistema simplemente no funciona si no se alimenta con datos de personas reales y locales», afirma.
El riesgo principal aparece cuando una empresa toma decisiones locales basándose en herramientas entrenadas con datos globales. Chanamé advierte que buena parte de las soluciones actuales utiliza modelos de lenguaje (LLM) desarrollados con información de Estados Unidos o Europa, los cuales ignoran las particularidades del consumidor nacional y pueden generar sesgos al evaluar escenarios reales. «En este mercado, la compañía que ganará será la que posea la mejor data local», sostiene.
Por ello, el reto en Perú no es comprar un software, sino construir bases de datos locales que se actualicen de manera periódica mediante muestreos pequeños. Para las marcas, esto significará acortar drásticamente los ciclos de innovación: «En lugar de hacer diez estudios tradicionales en un lanzamiento, las marcas probarán con simulación y reservarán el contacto con personas reales solo para los momentos clave«, explica Chanamé.
Más que eliminar empleos, esta transición redefinirá el perfil del investigador. «La IA asume la carga operativa para que los equipos de Consumer Insights se conviertan en consultores estratégicos«, concluye Chanamé. Si bien la tecnología acelerará las pruebas, el criterio final seguirá siendo humano, enfocado en comprender el significado de los datos recolectados y en cómo transformarlos con éxito en decisiones reales de negocio.
