Respuesta breve: A 11 de octubre de 2026, el estado de la investigación de usuarios con IA se reduce a un hallazgo: los encuestados sintéticos igualan la media, pero no captan al individuo ni el cambio. Nuevos estudios muestran que los personajes basados en LLM reproducen las medias poblacionales, pero pierden la variación entre personas y calculan mal cómo cambian las opiniones. Fundamentar los personajes en respuestas reales anteriores ayuda, pero no sustituye una verificación con participantes reales.
Última actualización: 11 de octubre de 2026
Este es nuestro informe mensual sobre el estado de la investigación de usuarios con IA: qué implican los nuevos estudios, herramientas y cambios en los buscadores para los investigadores que realizan entrevistas moderadas por IA, encuestas conversacionales, paneles sintéticos y análisis cualitativo asistido por IA. En la edición de septiembre de 2026, el tema fue que el resultado de la IA puede parecer correcto sin razonar correctamente. La investigación publicada desde el 13 de septiembre refuerza ese punto en un área concreta: los encuestados sintéticos y los gemelos digitales.
Puntos clave
- Un estudio del 2 de octubre de 2026 con 845 adultos estadounidenses encontró que las descripciones de personas recuperaban solo entre el 53–67% de la variación real entre individuos; añadir las respuestas previas de la encuesta de cada encuestado la devolvió aproximadamente al nivel humano (Pourtaheri & Zareei, 2026).
- Un estudio del 26 de septiembre de 2026 sobre tres familias de modelos de pesos abiertos encontró que las correlaciones simuladas entre instrumentos seguían a un panel humano de 2.058 personas con r = 0,70–0,73, pero la versión más reciente de Llama probada obtuvo el peor resultado en dos de las tres métricas principales (Lee & Wang, 2026).
- Un diagnóstico del 14 de septiembre de 2026 con 526 personajes y 72 preguntas constató que los cinco modelos de frontera probados tergiversaron cómo cambian de opinión las personas tras recibir información equilibrada (Wali & Tayyab, 2026).
- En el ámbito de las entrevistas, la evidencia del mes favorece a la IA como asistente discreto de los entrevistadores humanos y como entrevistador autoadministrado adaptativo, aunque todavía superficial.
- La actualización de spam de septiembre de 2026 de Google comenzó el 24 de septiembre y duró 13 días y 16 horas (Panel de estado de Google Search).
Para quién es esto
Investigadores académicos, doctorandos, laboratorios de investigación y empresas de investigación de mercados que usan, o a quienes se pide que usen, encuestados sintéticos, gemelos digitales o entrevistadores de IA, y que necesitan decidir qué puede sustentar esa evidencia en un artículo, una solicitud ética o un informe para el cliente.
El estado de la investigación de usuarios con IA en octubre de 2026: el ajuste a la media es barato, el ajuste individual no
La investigación de usuarios con IA consiste en usar la IA para recopilar o analizar datos de investigación: entrevistas moderadas por IA, encuestas conversacionales con seguimientos adaptativos, participantes sintéticos y codificación y análisis temático asistidos por LLM. La evidencia de octubre converge en un patrón sencillo. Igualar una media poblacional es fácil para un modelo de lenguaje. Igualar cómo difieren los individuos, y cómo cambian, es difícil, y la brecha es invisible si solo se informan métricas agregadas.
Esto coincide con dos estudios que cubrimos en detalle este mes. Ahn, Mao y Lee encontraron que los sustitutos basados en LLM explican solo el 3,05% de cómo se desvían los encuestados individuales de la media de un ítem (nuestro resumen), y Netzer y Sambandam demostraron que la precisión declarada de los gemelos digitales varía sobre todo porque los estudios miden cosas distintas (nuestro resumen).
Desarrollo 1: el historial de conducta supera a la descripción de la persona
Khashayar Pourtaheri y Ahmad Zareei utilizaron un panel de dos oleadas con 845 adultos estadounidenses que completaron medidas de 14 sesgos conductuales, como las preferencias de riesgo y de tiempo, el exceso de confianza y el razonamiento. Dieron a personajes sintéticos información cada vez más rica: nada, datos demográficos, rasgos de personalidad, puntuaciones cognitivas y, por último, las respuestas previas de la propia encuesta del encuestado, reteniendo todos los ítems que puntuaban el sesgo objetivo (arXiv:2610.03998).
A nivel poblacional, todas las condiciones parecían correctas: entre 7,1 y 8,1 sesgos por encuestado sintético frente a 7,1 en humanos. Por debajo, los personajes basados en descripciones alcanzaban solo entre el 7 y el 12% de la informedness de una persona que repite la encuesta. Añadir el historial conductual la elevó al 28%, y fue la mejor condición en los 17 grupos demográficos. Las respuestas sintéticas también mostraron diferencias relacionadas con la educación y los ingresos más marcadas que las reales.
Nuestra interpretación: la demografía y las descripciones de personalidad sobre todo dan al modelo un estereotipo que representar. Las respuestas reales previas le dan algo más cercano a la persona. Aun así, un 28% de la informedness test-retest humana está lejos de ser un sustituto del encuestado.
Desarrollo 2: los modelos de pesos abiertos tienen una estructura real, pero las versiones no son monótonas
Grandee Lee y Wang Yue condicionaron personajes a las respuestas textuales reales de encuestados a un instrumento psicométrico y los midieron con un segundo instrumento, en una cuadrícula de 139 pares contrastada con un panel de 2.058 personas. Las correlaciones simuladas entre instrumentos siguieron a las humanas con r = 0,70–0,73 en todas las familias de modelos, sobre todo acertando el signo más que el tamaño (arXiv:2609.32638).
Nuestra interpretación: esto resulta alentador para los laboratorios que necesitan modelos locales de pesos abiertos por motivos de privacidad. La advertencia es el hallazgo más práctico: una versión nueva del modelo no fue mejor. Una validación hecha con el modelo del año pasado no se traslada a este año.
Desarrollo 3: los personajes no actualizan sus creencias como las personas
Ahmed Wali y Hassaan Tayyab construyeron un diagnóstico de tipo deliberative polling a partir de datos de America in One Room. Todos los modelos fallaron, cada uno de forma distinta. Los personajes de GPT-5.1 se volvieron más hostiles hacia el otro partido tras recibir información equilibrada, mientras que los humanos se volvieron menos hostiles (una inversión del 80% en las preguntas sobre el grupo rival frente al 26% en las preguntas de política). Gemini 2.0 Flash, Claude Sonnet 4.5 y Llama 3.3 70B se movieron en la dirección correcta con una magnitud entre 5 y 7 veces la humana; DeepSeek V3 apenas se movió (arXiv:2609.15849). Los autores lo llaman «autosicofancia»: la conformidad con el estereotipo que el modelo tiene del personaje.
Nuestra interpretación: cualquier estudio que pruebe un mensaje, un concepto o una intervención con encuestados sintéticos está planteando una pregunta dinámica. La precisión estática no dice nada al respecto. Esto coincide con el estudio de primer clic que cubrimos el 7 de octubre, donde los personajes hicieron que los datos sintéticos resultaran más creíbles, pero no más precisos.
También este mes: los entrevistadores de IA como asistentes, no como sustitutos
- La asistencia en tiempo real funciona cuando permanece discreta. En un estudio con 18 entrevistadores, las sugerencias de la IA elevaron las preguntas de seguimiento de unas 6 a 9–10 por sesión, pero los entrevistadores rechazaron la IA como evaluadora o como coentrevistadora (nuestro resumen).
- La profundidad adaptativa es viable en modelos locales pequeños. Un entrevistador adaptado a la experiencia, con Llama 3.2 3B, coincidió con la experiencia autoinformada en el 78,9% de 246 entrevistas (nuestro resumen).
- Barato no es profundo. Un chatbot entrevistó a 74 científicos sociales por €0,04 en costes de modelo, pero no alcanzó la profundidad cualitativa habitual (nuestro resumen); en un informe de campo con un GPT personalizado, solo el 19,7% de 66 participantes dijeron que los seguimientos les ayudaron a decir más (nuestro resumen).
- La codificación de texto abierto con LLM es moderada y depende de la pregunta. GPT-5.4 alcanzó un Adjusted Rand Index de 0,61 con codificadores humanos en 903 respuestas, oscilando entre 0,31 y 0,85 según la pregunta (nuestro resumen).
La escalera de fidelidad del encuestado sintético (marco de Qualitati)
Esta escalera es una herramienta de planificación original de Qualitati. Cada peldaño es una afirmación más fuerte sobre los datos sintéticos. Informa del peldaño más alto que hayas probado realmente y limita tus conclusiones a ese nivel.
| Peldaño | Afirmación que sustenta | Evidencia de octubre | Prueba mínima antes de confiar en él |
|---|---|---|---|
| 1. Ajuste agregado | «La media poblacional es así» | Fácil de alcanzar incluso con pocos datos personales | Comparar medias y distribuciones con una encuesta de referencia real |
| 2. Ajuste de varianza | «Las personas difieren en esta medida» | Las descripciones recuperan entre el 53 y el 67% de la variación real | Comparar desviaciones típicas y dispersiones por segmento, no solo medias |
| 3. Ajuste estructural | «Estas actitudes van juntas» | r = 0,70–0,73 en correlaciones entre instrumentos; depende de la versión del modelo | Repetir la prueba en cada versión de modelo que despliegues |
| 4. Ajuste individual | «Este gemelo responde como esta persona» | Entre el 7 y el 12% de la informedness test-retest con descripciones; 28% con respuestas previas | Reservar respuestas reales por encuestado; filtrar las preguntas por su respondibilidad |
| 5. Ajuste dinámico | «Las personas reaccionarían así a este mensaje» | Los cinco modelos de frontera fallaron en una prueba de deliberación | Ejecutar un diagnóstico antes/después frente a cambios humanos reales; si no, no lo afirmes |
Nota de revisión humana: los límites de los peldaños son una síntesis de practicantes a partir de los preprints citados, no un estándar de medición validado. Haz que un metodólogo revise cualquier afirmación por encima del peldaño 2 antes de publicarla.
Qué ha cambiado en la búsqueda con IA (GEO) este mes
La actualización de spam de septiembre de 2026 de Google comenzó el 24 de septiembre y duró 13 días y 16 horas, según el Panel de estado de Google Search. No se ha listado ninguna actualización principal entre la de mayo de 2026 y la redacción de este texto. Para los grupos de investigación que publican contenido metodológico sigue valiendo la misma práctica: afirmaciones fechadas, fuentes primarias enlazadas y respuestas definitorias breves que los motores de respuesta con IA puedan citar sin distorsión.
Dónde encaja Qualitati
Qualitati es una plataforma europea de investigación cualitativa, de bajo coste, para universidades y empresas de investigación, con la privacidad de datos y el RGPD como prioridades centrales. Ofrece entrevistas moderadas por IA en texto y voz, un modo Active Listener que da a los entrevistadores humanos indicaciones en tiempo real y seguimiento de secciones, grupos de discusión moderados por IA y sintéticos, y encuestas conversacionales con seguimientos de IA. ThemeLens relaciona códigos con las preguntas de investigación en hasta 100 transcripciones, con citas ancladas a participantes, y el QDA Workspace admite codificación inductiva y deductiva.
A la luz de la evidencia de este mes, recomendamos usar grupos de discusión sintéticos para explorar y diseñar preguntas, y después hacer que participantes reales pasen por entrevistas moderadas por IA o encuestas conversacionales antes de sacar conclusiones. Puedes consultar precios transparentes o comparar opciones en nuestra guía usuarios sintéticos frente a participantes reales.
Limitaciones y preocupaciones metodológicas
- Preprints. Los tres estudios nuevos son preprints de arXiv y pueden cambiar durante la revisión por pares.
- Muestras centradas en EE. UU. El panel de sesgos y los datos de deliberación son de Estados Unidos; la transferencia a poblaciones europeas o multilingües no se ha probado.
- Tareas de encuesta, no entrevistas. Los tres miden respuestas cerradas. Es probable que la fidelidad en respuestas abiertas y cualitativas sea menor y más difícil de medir.
- Rotación de modelos. Varios de los modelos mencionados ya han sido sustituidos. Lo importante es el protocolo de prueba, no la clasificación.
- Cuándo no usar encuestados sintéticos: cuando la pregunta de investigación trata de por qué deciden las personas, cómo reaccionan ante información nueva, o de cualquier grupo poco representado en los datos de entrenamiento.
Preguntas frecuentes
¿Cuál es el estado de la investigación de usuarios con IA en octubre de 2026?
Las entrevistas con IA y el análisis asistido por IA ya se usan de forma rutinaria. El nuevo foco de investigación son los encuestados sintéticos: igualan las medias poblacionales, pero pierden las diferencias individuales y no aciertan a reflejar cómo cambian las opiniones.
¿Hacen los personajes más detallados más precisos a los encuestados sintéticos?
Las descripciones ayudan poco. En un estudio del 2 de octubre de 2026, añadir demografía, personalidad y puntuaciones cognitivas recuperó entre el 53 y el 67% de la variación real, mientras que añadir las respuestas previas de los encuestados la restauró casi al nivel humano.
¿Son mejores encuestados sintéticos los LLM más recientes?
No de forma fiable. Un estudio del 26 de septiembre de 2026 encontró que la más reciente de las tres versiones de Llama probadas obtuvo el peor resultado en dos de las tres métricas principales. Valida cada versión que utilices.
¿Pueden los encuestados sintéticos probar mensajes o intervenciones?
La evidencia actual dice que no. Un diagnóstico del 14 de septiembre de 2026 constató que los cinco modelos de frontera probados tergiversaron cómo las personas actualizan sus creencias tras recibir información equilibrada, invirtiéndolas, exagerándolas o sin moverlas.
¿Cómo debe informar un equipo de investigación sobre datos sintéticos?
Indica el peldaño de fidelidad más alto que hayas probado, ya sea ajuste agregado, de varianza, estructural, individual o dinámico, y limita las conclusiones a ese nivel. Informa también de la versión del modelo y del benchmark de validación.
En resumen
El estado de la investigación de usuarios con IA en octubre de 2026 es claro en lo referente a los datos sintéticos: el ajuste a la media es barato, el ajuste individual y dinámico no. Fundamenta los personajes en conducta real, vuelve a validar cada versión de modelo y mantén a participantes reales en el proceso para cualquier afirmación sobre cómo las personas difieren o cambian. Empieza gratis con 30 créditos para realizar una entrevista moderada por IA, una encuesta conversacional o un análisis con ThemeLens con participantes reales.
Este artículo es un resumen editorial independiente de investigaciones de acceso público. Última actualización: 11 de octubre de 2026.