Entrevistas por voz para la investigación cualitativa: cómo funcionan las entrevistas por voz con IA (2026)

Escrito por Fengming Liu (UCL) · Revisado por Prof. Shubin Yu (HEC Paris) · October 2026 · Actualizado: 2026-10-12 · 8 min read

Respuesta corta: en una entrevista por voz con IA, los participantes dicen sus respuestas en voz alta en lugar de escribirlas, en el navegador y sin ninguna app. QualiTaTi transcribe cada respuesta y hace repreguntas a partir de tu guion de entrevista. También puedes hacer que la IA lea sus preguntas en voz alta o mantener una conversación hablada en tiempo real.

Cuatro formas de hacer una entrevista por voz

Modo	Participante	Entrevistador de IA	Créditos por minuto
Voz a texto	Habla	Escribe	1
Texto a voz + texto	Escribe	Habla y escribe	1
Voz a voz + texto	Habla	Habla y escribe	1
Modo de voz en tiempo real (experimental)	Habla libremente	Responde en tiempo real	5

Una entrevista solo de texto también cuesta 1 crédito por minuto. Los tres primeros modos funcionan por turnos, como un chat con sonido. La voz en tiempo real es una conversación hablada continua que el participante puede interrumpir. Es más reciente y tiene su propio enlace y su propia configuración.

Cuándo es mejor la voz

Participantes a quienes escribir les resulta lento: personas mayores, quienes usan el móvil y quienes se expresan mejor hablando que por escrito.
Temas en los que los relatos importan más que los datos precisos.
Estudios en los que necesitas oír cómo se dice algo, no solo qué se dice.

Cuándo es mejor el texto

Preguntas delicadas. Schober et al. (2015) encontraron que las entrevistas de texto en smartphones generaban más revelación de información delicada y respuestas más precisas que las entrevistas por voz, tanto con entrevistadores humanos como automatizados.
Participantes que prefieren escribir. En Lenzner y Höhne (2022), las personas que no querían responder por voz dijeron con más frecuencia que preferían la comunicación escrita. La disposición a usar la voz era mayor entre los usuarios jóvenes y frecuentes de smartphone.
Entornos ruidosos o espacios compartidos, donde los participantes no pueden hablar con libertad.

Si tienes dudas, haz un piloto de ambos modos con algunos participantes de tu población. Nuestra propia comparación de entrevistas con IA por voz y por texto analiza las ventajas e inconvenientes con más detalle.

Configurar una entrevista por voz

Crea un proyecto de entrevistador de IA y escribe o genera tu guion.
En la configuración del proyecto, elige el modo de interacción. Para la voz en tiempo real, abre el panel Modo de voz en tiempo real y usa su propio enlace.
Elige una voz y escucha la vista previa en el idioma de tu entrevista.
Activa Grabar audio si quieres las grabaciones además de las transcripciones. Los participantes verán entonces que la entrevista se está grabando.
Haz tú una entrevista de prueba en un móvil y en un portátil antes de compartir el enlace.

Qué experimentan los participantes

Sin app ni cuenta. La entrevista se abre en el navegador de un móvil o un ordenador.
Una comprobación del micrófono antes de la primera pregunta y un paso de consentimiento en la pantalla de entrada.
En iPhone, el audio empieza después de que el participante toque el botón de inicio, tal como pide la pantalla de entrada.

La transcripción y sus límites

Cada respuesta hablada se transcribe automáticamente, y la transcripción es lo que codificas. La transcripción automática comete errores, sobre todo con nombres, acentos, términos técnicos y ruido de fondo. Los errores de transcripción y la calidad desigual de las repreguntas son límites conocidos de los entrevistadores de voz con IA (Tirumala et al., 2025). Lee cada transcripción y corrige los pasajes clave antes de citarlos.

Consentimiento, grabación y datos

Indica a los participantes en tu hoja informativa que la entrevista la realiza una IA, que su voz se transcribe y si el audio se conserva. El kit de aprobación ética incluye textos para cada uno de estos puntos. Los datos se almacenan en la Unión Europea. La página de confianza explica dónde se procesan el audio y las transcripciones y enumera los proveedores implicados.

Analizar entrevistas por voz

Las transcripciones de voz van al mismo espacio de trabajo QDA que las entrevistas de texto. Codifícalas a mano o con sugerencias de la IA que revises, invita a un segundo codificador y exporta a NVivo, ATLAS.ti o MAXQDA con un archivo .qdpx si prefieres terminar allí. Consulta la guía para pasar a NVivo.

Preguntas frecuentes

¿Los participantes tienen que instalar algo?

No. Basta con un navegador con acceso al micrófono.

¿Qué idiomas funcionan por voz?

Las entrevistas por voz se realizan en el idioma de entrevista que configures para el proyecto. Escucha la voz en ese idioma antes de lanzar el estudio, porque la calidad de la voz varía entre idiomas.

¿Es más cara una entrevista por voz?

No en los tres modos estándar, que cuestan 1 crédito por minuto, igual que el texto. La voz en tiempo real cuesta 5 créditos por minuto, así que una entrevista en tiempo real de 30 minutos consume 150 créditos. Consulta la página de precios.

¿Son las entrevistas por voz con IA tan buenas como las entrevistas con personas?

Los primeros estudios son alentadores, pero pequeños. Wuttke et al. (2024) encontraron que las entrevistas dirigidas por IA eran comparables en calidad de datos a las dirigidas por personas en una muestra de estudiantes. Tirumala et al. (2025) concluyen que su idoneidad depende del contexto. Haz un piloto con tu propia población.

Fuentes, comprobadas el 12 de octubre de 2026: Schober et al. (2015), Precision and Disclosure in Text and Voice Interviews on Smartphones, PLOS ONE 10(6); Lenzner y Höhne (2022), Who Is Willing to Use Audio and Voice Inputs in Smartphone Surveys, and Why?, International Journal of Market Research 64(5); Tirumala, Jain, Leybzon y Buskirk (2025), Mic Drop or Data Flop? Evaluating the Fitness for Purpose of AI Voice Interviewers, arXiv:2509.01814; Wuttke et al. (2024), AI Conversational Interviewing: Transforming Surveys with LLMs as Adaptive Interviewers, arXiv:2410.01824.