La IA resume entrevistas, agrupa verbatims y te entrega un cluster con nombre de insight en doce minutos. Eso es útil. No es research. Research es haber estado en la habitación —o en la llamada— cuando el usuario calló, dudó o hizo una cosa distinta de la que dijo.
El riesgo no es usar IA en UX research. El riesgo es delegar el criterio: quién es el usuario, qué problema es de verdad, qué evidencia basta para cambiar una pantalla. Eso no lo puede firmar un modelo que no vio la sesión.
En Truman usamos IA como acelerador de síntesis, no como sustituto de campo. Este artículo marca el perímetro: dónde sí acelera un proyecto de diseño UX/UI y dónde el oficio sigue siendo innegociable.
Para qué sirve la IA en UX research (y para qué no)
Sirve para trabajo de texto: transcribir, limpiar, etiquetar, agrupar citas, redactar un primer mapa de temas. No sirve para observar, para moderar, para decidir si un hallazgo es un caso aislado o un patrón, ni para sustituir a un usuario que no has reclutado.
En un producto como Weddle la research no es un informe de tendencias: es ver cómo alguien completa un flujo con prisa, con datos reales y con un objetivo que no es «probar la app». La IA puede ordenar las notas de esas sesiones. No puede decirte qué pantalla rediseñar si no has definido la tarea ni has mirado el vídeo.
En una web como Ceylan el campo es otro: catálogo, ficha, duda de compra. Un modelo puede agrupar verbatims de un test de guerrilla. No puede inventar que «el usuario quiere más storytelling» si lo que viste es que no encontraba la talla. El insight lo pone la observación; la IA, como mucho, lo empaqueta.
5
usuarios en un test cualitativo bien moderado bastan para ver la mayoría de problemas graves de una interfaz. La IA no reduce esa muestra: resume lo que ya grabaste.
Nielsen Norman Group, Why You Only Need to Test with 5 Users
Dónde sí acelera: transcripción, clustering y primer borrador
El cuello de botella de la research no es «pensar». Es el tiempo entre la última sesión y un documento que el equipo puede usar. Ahí la IA gana horas, no criterio.
Si el presupuesto de research es bajo, la IA no sustituye al test. Te deja más tiempo para moderar y para mirar. Los métodos baratos que sí funcionan —guerrilla, tests remotos no moderados, shadowing de media hora— están en tests de usabilidad con métodos baratos. La IA entra después, no en lugar de reclutar.
Dónde no puedes delegar: observación, moderación y prioridad
Observar es un oficio. Ves si el usuario lee el label o lo salta, si busca el precio con el ratón, si acepta un error porque no quiere quedar mal delante de ti. Un modelo que solo tiene texto no tiene ese canal. Si solo le das la transcripción, perderás el 40% de la sesión que no se verbalizó. Ese 40% no es una métrica de cliente: es la parte que cualquier moderador con horas de campo reconoce.
Moderar tampoco se delega. La IA no puede decidir cuándo callar, cuándo pedir «enséñame cómo lo harías», cuándo no rescatar al usuario. Un protocolo generado por un chat tiende a ser educado y exhaustivo. Un buen test es corto, táctico y un poco incómodo.
| Tarea | IA | Humano |
|---|---|---|
| Transcribir y etiquetar | Acelera | Revisa jerga y errores |
| Moderar la sesión | No | Innegociable |
| Decidir qué es un patrón | No sola | Criterio + evidencia |
| Reclutar usuarios reales | No | Tú y el cliente |
| Borrador de informe | Útil | Firma y recorta |
Priorizar es el otro muro. El modelo te devolverá cinco hallazgos al mismo nivel porque no sabe cuánto cuesta arreglar cada uno ni qué métrica mueve tu negocio. «El menú confunde» y «el checkout pierde el IVA» no pesan igual. Eso lo decide el estudio con el cliente, no un cluster.
Si apagas el resumen de la IA, ¿puedes señalar en un vídeo el momento exacto en que el usuario se perdió? Si no, no tienes un hallazgo. Tienes un texto.
El riesgo de las conclusiones inventadas
Los modelos están entrenados para ser útiles y coherentes. En research, coherente es peligroso. Completan el patrón: si tres usuarios mencionan el precio y dos no, el resumen puede hablar de «preocupación generalizada por el precio». Si un verbatim es ambiguo, el modelo elige la lectura más limpia. La lectura más limpia suele ser la que el equipo ya quería oír.
Hay un segundo riesgo, más prosaico: confidencialidad. Subir entrevistas con nombres, historiales o datos de pacientes o de clientes B2B a un chat público es un problema legal, no solo metodológico. Usa herramientas con contrato, anonimiza antes, y no pegues un CSV de usuarios «para que te saque personas».
La IA de diseño (generar pantallas, variantes, copy) es otra conversación. Ahí el riesgo es estético y de deuda. En research el riesgo es epistemológico: crees que sabes algo que no has visto. Si te interesa el lado de herramientas de interfaz, está en IA en diseño web: herramientas. No mezcles los dos usos en el mismo entregable.
Un flujo de research que usa IA sin perder el oficio
El flujo que nos funciona en proyectos de estudio es corto y rígido. La IA tiene un sitio. No tiene voto.
Tip técnico: no le pidas a la IA que «saque insights»
Pídele un inventario: temas, citas literales, conteo de cuántas sesiones mencionan cada tema, contradicciones. La palabra «insight» la pones tú cuando hay un porqué y una consecuencia de diseño. Si el prompt pide insights, el modelo te los fabricará con prosa de agencia. Si pides contradicciones, te obliga a mirar el material otra vez.
La IA nos ha quitado horas de transcripción. No nos ha quitado ni una hora de sentarnos a ver a alguien usar el producto. Esa hora sigue siendo el trabajo. Lo demás es archivo.
Si estás eligiendo equipo, pregunta cómo hacen research, no qué herramienta de IA tienen. Un estudio que solo te enseña mocks generados no ha hablado con tus usuarios. El criterio para elegir está en cómo elegir agencia UX/UI en València.
Antes de usar IA en un plan de research
- ¿La pregunta de research está ligada a una decisión de diseño concreta?
- ¿Hay usuarios reales reclutados, no solo un prompt de «persona de 34 años urbana»?
- ¿Alguien del equipo va a moderar y a ver las sesiones, no solo a leer el resumen?
- ¿Cada hallazgo que publiques tiene un verbatim o un momento de vídeo, no solo un bullet de la IA?
- ¿Has anonimizado el material antes de subirlo a una herramienta con contrato adecuado?
- ¿El informe prioriza por impacto y coste, no por lo redondo que suena el cluster?
- ¿Has prohibido personas y journeys generados como evidencia de este proyecto?
Preguntas frecuentes sobre IA en UX research
¿Para qué sirve de verdad la IA en UX research?
Para acortar el tramo sucio: transcribir, etiquetar, agrupar citas y montar un primer índice del informe. No sirve para observar, moderar, reclutar ni decidir qué se rediseña. Si solo haces esa segunda lista con un chat, no estás haciendo research.
¿Cuándo no deberías usar IA en las entrevistas?
Cuando el material es sensible (salud, menores, datos laborales internos) y no tienes un encaje legal, o cuando el equipo va a tomar el resumen como verdad sin ver ni una sesión. En esos casos, notas humanas y un synthesis workshop de dos horas ganan a un PDF automático.
¿La IA puede sustituir a los tests de usabilidad?
No. Puede predecir fricciones evidentes de una interfaz («este botón no tiene label») como haría un checklist. No puede decirte qué hace tu usuario con tu contenido, tu precio y tu jerga. Eso sigue saliendo de ver a cinco personas del segmento.
¿Cómo elijo herramienta de IA para research?
Por contrato y por dónde viven los datos, no por el número de plantillas de informe. Que permita exportar transcripciones, que no entrene con tu material si no lo aceptas, y que no te obligue a un formato de «insight» cerrado. La herramienta no es el método.
