Aportes de la IA en UX Research: mirada crítica, ética y práctica

Punto de partida

Trabajar con un asistente de IA es cómo incorporar a alguien que se suma al equipo: propone, facilita, pero también se equivoca y necesita guía. Está aprendiendo. Mi intención es contarte cómo integro la IA a mi día a día haciendo UX Research sin perder el oficio ni la voz de las personas usuarias.

Ni humo ni miedo: criterio y trazabilidad.

Qué cuido del oficio cuando uso IA

• Primero, la evidencia: la IA ordena, no debe inventar.
• El contexto manda: los matices, silencios y contradicciones siguen siendo humanos.
• Rastro claro: cada hallazgo tiene que estar enlazado a su fuente, citas, audios o videos.
• Consentimiento y privacidad: al igual que cuando ponemos a grabar una sesión con usuario, siempre se debe avisar cuándo entra la IA y qué datos se guardarán.

Con este marco, la IA suma sin desvirtuar el trabajo de investigación.

Dónde aporta hoy la IA (y dónde no) en el ciclo de investigación

Preparación y encuadre

👍Lo positivo: me acorta la exploración inicial y me ayuda a armar primeros borradores de planes, guiones, objetivos y preguntas.

Si le doy mis plantillas y criterios, reduce errores.😉

✓✓ El cuidado: reviso tono, lenguaje y coherencia. No se entrega nada sin la lectura final.

Reclutamiento y facilitación

👍Lo positivo: me sirve para revisar sesgos en el cuestionario de selección (por ejemplo, apuntar a perfiles ideales en vez de reales).

✓✓ El cuidado: no delego moderación ni entendimiento del comportamiento. Una transcripción no es comprensión; confundir eso lleva a conclusiones pobres.

Registros y resúmenes

👍Lo positivo: los resúmenes automáticos ahorran tiempo y señalan momentos clave.

✓✓ El cuidado: pueden olvidarse del contexto de cada caso y ser certeros en el quién dijo qué; vuelvo a las citas y a las grabaciones para chequear que no haya inventos y alucinaciones de la IA.

Análisis

👍 Lo positivo: para un análisis cualitativo es útil para un primer barrido, propone agrupaciones y etiquetas intuitivas.

Para un análisis cuantitativo, es bueno para checks posteriores y controles comparativos.

✓✓ El cuidado: la velocidad arma la estructura, no el juicio. Depuro categorías, renombro con el lenguaje del negocio y conecto con decisiones reales.

Comunicación y relato en entregable

👍 Lo positivo: me da esquemas iniciales de perfiles, recorridos y resúmenes atados a evidencia.

✓✓ El cuidado: elimino cualquier adorno sin respaldo. Prefiero menos brillo y más calidad en enlaces a citas y fragmentos.

Ética aplicada (para obtener un buen resultado)

Sesgos y equidad

La IA ayuda a detectar patrones que yo después afino, pero evito que “aplane” el discurso y borre voces minoritarias. Si el análisis queda completo pero sin pulso, regreso a la evidencia (citas y video).

Ejemplo práctico: sentimientos a partir de reseñas en tiendas de aplicaciones

Le pedí a la IA que analizara reseñas recientes de acceso público sobre la la app Tarjeta de El Corte Inglés que se encuentran en la App Store y Play Store. Y que brindara conclusiones relacionadas a sentimientos. Mi objetivo: un primer ordenamiento para llegar más rápido a los puntos de dolor y preparar pruebas con personas usuarias.

Cómo lo trabajo (paso a paso):

1. Tomo las categorías preliminares (frustración, decepción, indignación, desconfianza, abandono).
2. Valido con citas y separo problemas mezclados (acceso, rendimiento, soporte).
3. Conecto cada sentimiento con hechos observables del producto (errores, bloqueos, tiempos de carga) y lo traduzco en oportunidades concretas.
4. Presento resultados con enlaces a evidencia para que cualquiera del equipo pueda verificar.

Resultado: paso del ruido a pistas claras sin perder rigor; la IA acelera el orden, yo decido la interpretación y la priorización.

Lo que no delego (todavía)

• Priorización de hallazgos: ordenar puede, priorizar requiere alinear valor, riesgo y viabilidad con negocio.
• Estrategia de investigación: la IA no conoce las dinámicas políticas y culturales de cada organización.
• Relato que moviliza: la historia que conecta evidencia y decisión sigue siendo artesanal.

Costo, velocidad y calidad: la ecuación honesta

La IA habilita investigación donde antes había “cero investigación”. Pero lo rápido y barato sin control sale caro después. Por eso sostengo una calidad mínima viable con registro de decisiones, sobre todo cuando entra la IA.

Cómo arrancar a incorporar IA en 30 días

• Semana 1 — Enfoque: elegí tres tareas a experimentar (ej. exploración documental, documentos del estudio, primer barrido de análisis).
• Semana 2 — Lineamientos: estandarizá plantillas y políticas (consentimiento, anonimización, instrucciones seguras).
• Semana 3 — Piloto: aplicá el método anterior en un estudio real; registrá entendimiento y calidad del contenido en la respuesta.
• Semana 4 — Evaluación: compará con tu proceso anterior; ajustá y documentá lecciones.

Key Take-away

★IA para acelerar, yo para entender.

★Busco velocidad sin perder criterio, escala y humanidad. Cada vez que pensamos “¿lo hacemos con IA?”, vuelvo a la base: qué decisión queremos destrabar y qué evidencia necesitamos para sostenerla.

En hiberus, contamos con un equipo experto en UX Research que analizará tus necesidades y te asesorará para ayudarte a crear un producto o servicio teniendo en cuenta las características de tu negocio y de tus personas usuarias. ¡No dudes en contactarnos!