¿Pueden los datos sintéticos, impulsados por IA, reemplazar la opinión de las personas?

La industria de investigación de mercado tiene un problema: la gente ya no contesta el teléfono. Según el Pew Research Center, ocho de cada diez personas no responden a llamadas de números desconocidos, un cambio que ha afectado negativamente la capacidad de los encuestadores para obtener nuestra opinión. Las encuestas en línea también son fáciles de manipular y, dado que requieren que los participantes accedan a ellas visitando un sitio web, pueden ser incluso más fáciles de ignorar que las telefónicas. Es ahí donde el concepto de datos sintéticos se hace presente y la inteligencia artificial resulta útil.

En los sectores de encuestas e investigación de mercado, las compañías utilizan inteligencia artificial para generar respuestas sintéticas a encuestas. Así, crean respuestas plausibles a partir de personas ficticias para sustituir o complementar las contestaciones reales.

Datos sintéticos igual a ¿rapidez sin sesgos?

Qualtrics, multinacional de gestión de la experiencia, ahora ofrece paneles sintéticos que toman una encuesta como entrada y generan respuestas a nivel récord, diseñadas para ser modeladas estadísticamente de la misma manera que las respuestas de mil personas, según Ali Henriques, director ejecutivo de investigación de mercado de la compañía.

El sistema se basa en gran medida en los datos propios de Qualtrics: un modelo base disponible públicamente aporta entre 5% y 10% del resultado final, mientras que 95% restante proviene de la investigación encargada a la empresa y de datos de clientes agregados y anónimos, sin marcas y con una antigüedad máxima de entre 18 meses y dos años para mantener su relevancia.

No se trata solo de Qualtrics. En mayo, Gallup, la empresa de encuestas con 90 años de historia, anunció una alianza con Simile, una compañía de IA fundada por investigadores de Stanford, para crear “agentes” a partir de entrevistas exhaustivas con aproximadamente 1000 miembros de su panel probabilístico. Sin embargo, Gallup, que no respondió a la solicitud de entrevista, ha aclarado que las respuestas simuladas no se utilizarán para elaborar sus estimaciones de población publicadas y se ha comprometido a no presentarlas jamás como respuestas humanas. “Nuestro trabajo con respuestas simuladas no se aparta de ese compromiso”, afirmó la compañía en la entrada de su blog donde anunciaba la alianza.

Según Jason Miklian, profesor investigador del Centro para la Sostenibilidad Global de la Universidad de Oslo (Noruega), quien estudia el ámbito de la investigación sintética, es necesaria esta cautela. “Si bien los datos sintéticos pueden ofrecer una visión general increíble de las ideas preconcebidas sobre lo que la gente ha creído generalmente a lo largo del tiempo, son muy ineficaces para generar algo sorprendente”. Las sorpresas, señala, son lo valioso: el nuevo conocimiento que impulsa la investigación académica o las decisiones empresariales.

Miklian considera que los datos sintéticos son útiles para poner a prueba una encuesta antes de invertir dinero en administrarla a personas reales, o para preguntas cuyas respuestas habrían sido las mismas hace cinco o diez años.

Pero a algunos les preocupa que la misión se desvíe cada vez más. Sean Westwood, politólogo del Dartmouth College y director de su Laboratorio de Investigación sobre Polarización, teme que las empresas que venden muestras de silicio rara vez revelen el modelo o las métricas de éxito con las que deberían compararse. “Las muestras de silicio disfrazan los sesgos como datos”, explica Westwood, además de argumentar que los estereotipos incorporados a los datos de entrenamiento pueden convertirse rápidamente en opiniones generalizadas al ampliarse.

Algunas empresas están utilizando la IA para ampliar sus sistemas: la encuestadora francesa Ifop ofrece un producto llamado DataBoost AI, que, según afirma, puede “transformar pequeñas submuestras en bases sólidas mediante herramientas estadísticas”. En un ejemplo reciente, criticado por estadísticos franceses en Bluesky, Ifop utilizó esta tecnología para convertir una muestra de 116 entrevistas reales con profesores de secundaria y bachillerato en un grupo de 580 docentes. Ifop no respondió a la solicitud de entrevista.

Westwood argumenta que, dado que los modelos de inteligencia artificial funcionan de manera no determinista e introduce errores aleatorios en cada ejecución, y los investigadores no pueden usar técnicas estadísticas tradicionales para calcular la incertidumbre en una muestra real. Según él, aumentar el tamaño de las muestras compromete la capacidad de comprender qué es lo que realmente se está midiendo.

Miklian, de la Universidad de Oslo, teme una infiltración de respuestas y datos sintéticos en lo que antes eran encuestas políticas realizadas por humanos, y un posible círculo vicioso en el que las encuestas sintéticas amplifiquen las suposiciones existentes y se conviertan en argumentos para cualquiera que quiera cuestionar los resultados electorales reales que no coincidan con ellas.

Qualtrics, por su parte, está muy interesada en evitar que esto suceda en sus áreas de investigación. “Estamos haciendo un esfuerzo conjunto para informar al mercado de que esto no es un sustituto”, afirma Henriques, director de investigación de mercado de la empresa.

Ha dedicado el último año y medio a reflexionar sobre los participantes sintéticos y percibe una clara distinción entre modelar el comportamiento y reproducir la vida. “Todas estas piezas empiezan a encajar de una forma muy interesante que nos permite comprender al ser humano. Pero no creo que podamos simular por completo esas experiencias vividas en la realidad”, afirma.