Un estudio de mercado en condiciones cuesta entre cinco y quince mil dólares y tarda de seis a diez semanas. Por eso, en la práctica, la mayoría de las decisiones de marketing en las empresas medianas de la región se toman sin él: con la intuición del gerente, tres conversaciones con clientes conocidos y lo que se recuerda del año pasado.
La pregunta interesante no es si la IA puede sustituir ese estudio. No puede. Es si puede sustituir lo que de verdad se está usando en su lugar, que es la intuición sin datos. Y ahí la respuesta cambia por completo.
Lo que la IA no puede hacer, dicho primero
Que quede claro antes de lo demás, porque es donde más gente se pierde.
No sabe qué piensan tus clientes. Puede generar un texto plausible sobre qué piensa «una mujer de 35 años de clase media de Guayaquil», y ese texto sonará convincente, y estará construido sobre patrones estadísticos de lo que se ha escrito en internet — no sobre tus clientes. Es una hipótesis con buena redacción, y tratarla como dato es el error más caro que se puede cometer con estas herramientas.
No conoce tu mercado local con precisión. Cuanto más específico y más local es el dato —cuota de mercado de una categoría en Ecuador, precios de la competencia en Cuenca, hábitos de compra de un canal concreto—, más probable es que se lo invente con total seguridad. Los números que da hay que verificarlos siempre; con frecuencia no existen.
No sustituye hablar con gente. Ninguna simulación reemplaza una conversación de cuarenta minutos con un cliente que te explica por qué dejó de comprarte. Nunca la ha reemplazado y no la va a reemplazar.
Con eso encima de la mesa, viene lo que sí.
Uno: convertir en información lo que ya tienes y no lees
Casi todas las empresas están sentadas sobre material que nadie ha analizado nunca porque analizarlo era carísimo en horas.
Los comentarios de las publicaciones. Las conversaciones de WhatsApp con clientes. Las reseñas de Google. Los correos de reclamo. Las notas del equipo de ventas. Los motivos de devolución. Todo eso son cientos de textos que contienen exactamente lo que un estudio cualitativo intentaría averiguar preguntando.
Leer trescientas reseñas y agruparlas por tema era una semana de trabajo de alguien. Ahora es un rato. Y lo que sale suele ser incómodo en el mejor sentido: la queja recurrente que todo el mundo daba por resuelta, la palabra que los clientes usan para tu producto y que no es la que usa tu marca, el motivo real de la devolución que no coincide con el que está en el formulario.
Esto es lo más valioso que puedes hacer con IA en investigación, y es lo que menos se hace, porque no parece futurista. Es solo leer lo que ya tenías.
Dos: usar la simulación para lo que sirve, que no es predecir
Se ha puesto de moda pedirle a un modelo que actúe como un panel de clientes y reaccione a un lanzamiento. Es útil, pero no para lo que la gente cree.
No sirve para predecir. Los agentes de este tipo tienden a exagerar el consenso: si el primer perfil simulado dice que le gusta, los siguientes tienden a estar de acuerdo. Eso hace que una idea mediocre reciba un entusiasmo unánime que en la vida real no va a existir.
Sirve para encontrar objeciones antes de la reunión. Pedirle que argumente en contra de tu campaña desde el punto de vista de cinco perfiles distintos —incluido el escéptico y el que no es tu cliente— produce la lista de peros que van a salir en la sala. Sabiéndolos de antemano, se llega con respuesta.
Sirve para redactar mejor las preguntas. Antes de una encuesta o un grupo focal, pasarle el cuestionario y preguntar qué preguntas están sesgadas, cuáles se pueden responder de una sola forma y cuáles no se entienden. Es control de calidad barato sobre el instrumento, y el instrumento es lo que decide la calidad de todo lo demás.
La regla, entonces: la simulación es un escenario para pensar, no una bola de cristal. Sirve para prepararte, no para decidir.
Tres: la competencia, que sí está toda escrita
Este es el uso con mejor relación entre esfuerzo y resultado, y curiosamente el menos glamuroso.
Todo lo que tus competidores dicen públicamente es analizable: su web, su catálogo, sus precios, sus publicaciones, las reseñas de sus clientes, sus ofertas de empleo —que dicen muchísimo sobre hacia dónde va una empresa—. Nada de eso requiere adivinar nada.
Y la pregunta que más rinde no es «qué hace mi competencia», sino qué dicen todos y qué no dice nadie. Cuando cinco competidores de un sector repiten los mismos tres argumentos, ese espacio está saturado y competir ahí es caro. Lo que ninguno afirma —y que tú sí puedes sostener— es donde hay posición disponible.
Esa lectura antes costaba una semana de becario con una hoja de cálculo. Ahora es una tarde.
Cómo no engañarte a ti mismo
La trampa de todo esto es que la IA produce material que parece investigación. Está bien escrito, está estructurado, tiene apartados y conclusiones. Y una parte puede no tener nada detrás.
Tres preguntas que conviene hacerse ante cualquier resultado, y que separan lo que sirve de lo que solo lo parece:
¿Esto sale de un dato mío o de un patrón general? Analizar tus reseñas es lo primero. Preguntarle qué opina el mercado es lo segundo. La primera vale; la segunda es una hipótesis.
¿Puedo comprobarlo? Si el resultado es «el 40 % de tus clientes menciona el precio», debe poder verificarse contando. Si el resultado es «el consumidor ecuatoriano valora la cercanía», no es verificable y no es un hallazgo: es una frase.
¿Me está diciendo lo que ya pensaba? Esta es la más importante. Si toda la investigación confirma la idea con la que empezaste, no has investigado: has pedido confirmación, y estas herramientas son extraordinariamente buenas dándola. Cuando eso pase, pídele explícitamente el argumento contrario y mira si se sostiene.
Lo que cambia de verdad
El cambio no es que la investigación de mercado sea gratis. Es que deja de ser un evento.
Antes se investigaba una vez al año, cuando había presupuesto, y esa foto se usaba durante doce meses aunque el mercado se moviera. Ahora se puede leer lo que dicen los clientes cada mes, revisar a la competencia cada trimestre, y probar las preguntas antes de gastarse el dinero en preguntarlas de verdad.
Eso no sustituye al estudio serio cuando la decisión es grande. Pero sustituye a lo que había cuando no había estudio, que era nada.
Este artículo forma parte de la biblioteca de PROFESIAN. Las herramientas cambian cada trimestre; el criterio para usarlas, no. Por eso aquí se habla de lo segundo.