Cómo la inteligencia artificial transformará la investigación de usuarios

Si de alguna manera te has perdido el enorme revuelo en torno a ChatGPT, GPT-3 y los avances en IA en general, entonces supongo que has estado viviendo bajo una roca. Aunque no es nada nuevo, el desarrollo de la inteligencia artificial para la investigación de usuarios está ganando impulso día a día. Para los equipos de producto y los investigadores de usuarios, la potencia que desata GPT-3 es realmente atractiva.

Incluso Tom está sintiendo el impacto de la IA:

La investigación de usuarios impulsada por la IA revolucionará la forma en que las personas interactúan con la tecnología y llevan a cabo sus rutinas diarias. Incluso influirá en la forma de crear productos. La IA puede ayudar a las empresas a comprender mejor las necesidades de los usuarios, automatizar tareas específicas e incluso proporcionar información basada en datos sobre el comportamiento de los clientes.

Aunque en Internet se habla mucho de personas preocupadas por la posibilidad de que sustituya a los puestos de trabajo, también hay otras tantas entusiasmadas por la forma en que puede ayudar a apoyar y desarrollar la tecnología en nuestra vida cotidiana.

Entonces, ¿cómo transformará la inteligencia artificial la investigación de usuarios? El proceso de investigación de usuarios presenta muchos retos, oportunidades de sesgo y otras partes móviles que pueden dificultar la obtención de datos de usuario reveladores. Al implementar la investigación de usuarios impulsada por IA, las empresas pueden aprovechar el poder del aprendizaje automático para agilizar y mejorar los procesos actuales e incluso idear nuevas formas de recopilar, cotejar y aprovechar los datos.

Nadie quiere que Hal 9000 dirija el espectáculo, pero considera a la IA más como un R2D2. Bonita, compacta, un poco descarada y, a pesar de su diminuta estatura, contribuye en gran medida a salvar el día e impulsar toda la historia.

BIP, BOOP, BLEEP BOOP

¿Qué es la IA?

Simplista, sí, pero se están barajando muchas palabras. ChatGPT, GPT-3, IA abierta. ¿Cuál es la definición de IA?

La IA es un campo de la informática cuyo objetivo es crear máquinas inteligentes que puedan funcionar y reaccionar como los humanos. Se ha convertido en una parte integral de la industria tecnológica, con el potencial de revolucionar muchas áreas diferentes. Podemos utilizar la IA para diversas tareas, desde el procesamiento del lenguaje natural y el reconocimiento de imágenes hasta la toma de decisiones automatizada y la resolución de problemas.

Últimamente, la mayoría de las noticias giran en torno a ChatGPT, una versión mejorada de ChatBot. La IA puede utilizarse para el procesamiento del lenguaje natural, lo que significa que puede tomar conversaciones humanas como entrada y generar respuestas como lo haría un humano.

ChatGPT es la interfaz de usuario, pero la IA abarca muchas otras áreas. GPT-3, por ejemplo, es un modelo de IA capaz de generar texto a partir de un contexto determinado. Este modelo significa que no sólo entiende el lenguaje natural, sino que puede generar texto a partir de un conjunto determinado de parámetros. Incluso tl;dv es un producto basado en IA con transcripción automática y capacidad para detectar quién habla.

Es cualquier cosa basada en software o tecnología que utiliza la lógica y el razonamiento para crear un resultado que es, por definición, "inteligente".

Las múltiples formas en que la GPT-3 / IA fortalecerá la investigación de la UX

Las repercusiones que tendrán tecnologías como GPT-3 en la investigación de usuarios son múltiples. Estas son las áreas en las que creemos que la IA tendrá un mayor impacto en la forma en que los investigadores de UX y los equipos de producto realizan su trabajo.

Predefinición de supuestos, temas y tópicos

Hoy en día hay muchos datos que estudiar y analizar. La IA puede ayudar a darles sentido clasificando, organizando y analizando los datos para descubrir perspectivas críticas. 

Si bien esto será útil más adelante en el proceso de investigación de usuarios, justo al principio de la investigación de usuarios, la IA también puede ayudar a poner en orden las suposiciones y los prejuicios.

Y, aunque muchos investigadores pueden tener ideas preconcebidas sobre un tema concreto en un primer momento, el uso de una IA basada en el lenguaje humano puede ser un buen punto de partida para disipar algunas de ellas. Haciendo preguntas, confirmando lo que consideran "cierto" y formulando preguntas directas a la IA, los investigadores pueden hacerse una idea más precisa de las pruebas y el contexto, lista para iniciar el ciclo de investigación.

La IA también puede ayudar a los investigadores de UX a tomar mejores decisiones proporcionando predicciones fiables basadas en datos sobre el comportamiento de los usuarios para fundamentar las decisiones de desarrollo de productos.

Uno de los problemas más importantes de la investigación de UX son las preguntas que se formulan en las entrevistas a los usuarios. Incluso con las mejores intenciones, la forma en que están redactadas y formuladas puede dar lugar a sesgos en la conversación.

Los investigadores de usuarios y los investigadores de UX pueden aprovechar la IA para ayudar con esto mediante la automatización de pasos específicos del proceso y la creación de preguntas y escenarios de entrevistas de usuarios imparciales. Esto ayudará a minimizar el sesgo potencial de los investigadores y a reducir el tiempo dedicado a analizar manualmente los datos recogidos en las entrevistas.

Si un investigador de la experiencia del usuario puede introducir conceptos, consultas e inspiración en un programa como GPT-3 y obtener de él preguntas sólidas, podrá acceder a las respuestas con mayor rapidez y precisión.

Captar los pensamientos, sentimientos e ideas de los clientes

Además del proceso de investigación, la IA también puede mejorar la propia recogida de datos.

In the future, researchers can use AI-powered sentiment analysis tools to detect customers’ feelings and opinions about a product or service by analyzing text they provide in surveys or other feedback sources. This allows UX researchers to spot trends quickly and gain deeper insights into customer thoughts and feelings. There is one of these that many people use right now, in the form of Grammarly. While not directly for UX research, the Grammarly AI can detect “tone” and identity if it sounds confident, friendly, aggressive, etc.

Another way that AI can help improve data collection is by using tl;dv. As an AI-driven user research tool, tl;dv can already record and transcribe meetings while automatically recognizing the speakers. This not only saves HOURS of manually transcribing, taking notes, and more, but it totally removes the human error element of it all. 

Limpieza y organización de los datos recopilados

Los asistentes de reuniones con IA no son nada nuevo, pero con los recientes avances en GPT-3 han experimentado una importante mejora. Una herramienta de reuniones GPT como tl;dv puede etiquetar automáticamente las ideas con un sistema de etiquetado predefinido. Aunque puedes seguir etiquetando manualmente los momentos (y te animamos a que lo hagas), tl;dv puede recopilar, agrupar y consolidar al instante la información de tus reuniones. Esto incluye la identificación de puntos de acción, perspectivas y preguntas en tiempo real. A continuación, puedes aceptar o rechazar estos puntos de vista identificados por la IA y compartirlos con tus compañeros en forma de clips o vídeos.

La IA también puede utilizarse para limpiar y organizar los datos recopilados en la investigación de UX. Mediante algoritmos de IA, los investigadores pueden organizar rápidamente la información clasificando grandes cantidades de datos y destacando los puntos de vista más importantes. Esto les ayudará a ahorrar tiempo en trabajo manual y a garantizar que se presenta la información correcta de forma sencilla. Aunque esto es obvio en tl;dv, también está disponible en otras formas de IA.

Identificación de temas, pautas y tendencias

Una gran parte de la formulación de preguntas en la investigación de usuarios consiste en evitar la parcialidad. Sin embargo, a medida que la IA se desarrolla, puede ir en la otra dirección para leer y descubrir los sesgos de sus encuestados. Y esto, bueno, ¡puede ayudar mucho! No se necesita visión psíquica, ni tener que cuestionar a los encuestados. La IA será capaz de detectar un sesgo cuando lo "vea". 

La IA puede ayudar a identificar temas y patrones en los datos recogidos en la investigación. Esto permite a los investigadores descubrir ideas ocultas y encontrar tendencias en el comportamiento de los clientes que habrían pasado desapercibidas sin la IA. Al igual que un segundo par de ojos, aquí no hay lugar para el error humano; en todo caso, puede hacerse demasiado sensible si le preocupa.

Los programadores también pueden diseñar la IA para intentar detectar el sentimiento (el tono emocional) en las respuestas de los usuarios. Mediante el procesamiento del lenguaje natural, los algoritmos de IA pueden analizar rápidamente el texto, comprender el significado subyacente e incluso identificar si un encuestado dice la verdad o no está seguro. Aunque esto suene un poco orwelliano, no te equivocas, pero en términos de investigación de UX, tiene un valor incalculable. 

El análisis del sentimiento podrá ayudar a los investigadores de UX a entender cómo se sienten los clientes respecto a un producto o servicio y fundamentar las decisiones sobre la mejora de la experiencia del usuario. 

La propia naturaleza de la IA implica que se recopilan datos cuantitativos en lugar de cualitativos, lo que significa que se obtiene una visión basada en datos y hechos y no en sentimientos.

Dar sentido a los datos

Nuevo señor de la IA

Así que ya has recopilado todos los datos e incluso los has analizado hasta el punto de la emoción utilizando la IA. La IA también puede ayudarte a darle sentido.

Gracias a los algoritmos de IA, los investigadores de UX pueden determinar rápidamente las necesidades, los puntos débiles y las hipótesis a partir de los datos recopilados. Esto puede hacerse de varias maneras: agrupando y categorizando los comentarios de los clientes para identificar patrones y tendencias subyacentes o realizando un análisis de sentimiento de las respuestas de los usuarios.

En esencia, la IA puede leer todos tus datos y exponerlos de forma sencilla y digerible para ti y para cualquier otra persona que necesite conocerlos. 

A continuación, puede formular preguntas basadas en estos datos, patrones, percepciones y conocimientos, y solicitar recomendaciones a ChatGPT. Esto ahorra tiempo en la formulación de ideas o soluciones a las necesidades de los clientes, al tiempo que le permite explorar múltiples soluciones a través de la experimentación basada en datos.

Recopilación de pruebas

Una vez reunidas todas las pruebas, los equipos de investigación pueden utilizar esta información para crear una imagen más amplia de lo que está ocurriendo. Mediante algoritmos, la IA podrá algún día ayudar a crear mapas del recorrido del cliente y personajes a partir de los datos. Una vez recopilados en un paquete ordenado, estos datos podrán ofrecerse como prueba para respaldar las ideas de los investigadores y los equipos de producto y para comprender mejor al cliente.

La IA también puede ayudar a cruzar múltiples recursos, repositorios y fuentes de datos para recopilar las pruebas más convincentes y perspicaces de las percepciones. Esto hace que los informes y las presentaciones sean más completos, fiables y pertinentes.

Presentación de pruebas

Los investigadores de UX podrán dedicar menos tiempo a tareas manuales monótonas y recopilar datos más precisos, perspicaces y fiables con mayor rapidez utilizando la IA.

Y, lo que es más, ¡también será mucho más fácil presentarlo!

La IA crea un amplio abanico de posibilidades para la investigación de la experiencia del usuario, incluida la capacidad de comprender el sentimiento del cliente, detectar tendencias de comportamiento en los clientes, proporcionar informes totalmente respaldados por datos y comunicar a las partes interesadas perspectivas basadas en datos. 

Esto significa que las presentaciones pueden prepararse más fácilmente, con herramientas basadas en la IA para extraer información, y la IA puede incluso ofrecer comentarios sobre aspectos como la ortografía, la gramática, la prosa, y responder a preguntas sobre lo que es relevante y lo que no, para la narrativa general de la investigación.

La inteligencia artificial y los resultados del diseño UX convivirán en perfecta armonía.

¿Cuáles son las limitaciones de la IA en la investigación de usuarios?

Como cualquier tecnología emergente, gran parte de la IA está aún en pañales. Tampoco sustituye a la investigación en la vida real y debería considerarse, en todo caso, una fantástica herramienta de apoyo. 

La cuestión es que la IA depende de datos de calidad, y los resultados pueden ser imprecisos. También está increíblemente limitada por su acervo finito de conocimientos o, en el futuro, por los datos a los que puede acceder. 

El tan alabado ChatGPT incluso te dice que, aunque hará todo lo posible, sólo es tan bueno como la información de su programación. De hecho, la IA se presenta a menudo como una forma excelente de evitar los prejuicios; sin embargo, su propia programación y creación pueden tener prejuicios incorporados en el sistema. No intencionadamente, pero como sabemos, los prejuicios siempre están ahí, en alguna parte.

En palabras del propio ChatGPT:

Sí, como todos los sistemas de IA, ChatGPT está sujeto a sesgos en los datos con los que fue entrenado. Los datos de entrenamiento reflejan los sesgos y prejuicios de las personas y la sociedad que los produjeron, y estos sesgos pueden reflejarse en los resultados del modelo. Sin embargo, OpenAI ha tomado medidas para mitigar estos sesgos mediante diversas técnicas, como algoritmos de eliminación de sesgos, datos de entrenamiento diversos y una cuidadosa revisión humana. No obstante, es importante seguir controlando los resultados del modelo y abordar cualquier sesgo que pueda surgir.

La capacidad de la IA también es limitada en el sentido de que no puede evaluar honestamente aspectos cualitativos como las emociones o preferencias del usuario. Aunque hay señales, PNL y otros puntos de referencia que puede destacar, sin conocer la personalidad, las experiencias y las preferencias de un individuo, en el mejor de los casos se trata de una suposición basada en una cantidad fija de puntos de referencia y datos. Además, cuando se utiliza la IA entran en juego consideraciones éticas.

Y por último, la IA, aunque podemos hacerle preguntas y nos dará respuestas basadas en datos y hechos, no es una persona. Puede decirnos cómo se siente un usuario o cliente, cuáles son sus emociones y qué le frustra. La esencia misma de la IA, al ser un recipiente no emocional, casi imparcial, significa que nunca podrá responder realmente a las GRANDES preguntas. Puede ayudarnos, incluso puede escribir e implementar gran parte del trabajo, pero el elemento humano es una parte tan integral de la investigación de usuarios que no puede eliminarse por completo. 

¿Es la IA el futuro de la investigación de usuarios?

Nosotros creemos que sí. En general, la IA puede ahorrar mucho tiempo durante la investigación de usuarios, ya que automatiza tareas y permite a los investigadores centrarse en las percepciones y los datos subyacentes. Sin embargo, es esencial conocer los límites y los inconvenientes del uso de la IA en la investigación de usuarios. No se debe confiar totalmente en ella, sino utilizarla junto con los métodos de investigación tradicionales para garantizar la precisión y fiabilidad de los resultados.

Por último, para sacar el máximo partido de la IA en la investigación de usuarios, hay que planificar cuidadosamente y comprender qué se quiere que haga la IA y cómo se puede utilizar. Es necesario contar con una estrategia eficaz para no esperar que la IA haga milagros, pero también para que asuma gran parte de la carga de trabajo. 

Así pues, mientras los señores de los robots se acercan cada vez más a nuestra existencia, y tenemos la ligera sospecha de que la IA *puede* estar ya sentenciada y sólo finge, esperando su momento, al menos la investigación de los usuarios se beneficiará mucho de ello.

Esto significa que todo el proceso de gestión de productos puede racionalizarse y hacerse más ágil, eliminando gran parte de las fricciones de los modelos "tradicionales" de proceso de investigación de usuarios y desarrollo de productos. Los productos, las mejoras y los nuevos avances pueden salir al mercado más rápidamente, lo que permite un mayor crecimiento y expansión.

Es un momento apasionante para dedicarse a la investigación de usuarios. 

Beep, boop, bleep. 🤖🤖 🤖 🤖 🤖 

¿Por qué no te unes a la revolución de la IA y echas un vistazo a tl;dv hoy mismo?

tl;dv para Ventas
Dedica tu tiempo a lo que más importa. Descubra la inteligencia de ventas y haga un seguimiento de cómo su equipo sigue su Playbooks. tl;dv es un asistente de reuniones de IA que le ayuda (por fin) a obtener información de todas sus reuniones, directamente en las herramientas favoritas de su equipo.
Grabaciones y transcripciones (+30 idiomas)
Incorpore nuevos representantes con facilidad
Evalúe sus reuniones comparándolas con marcos populares como MEDDIC, BANT, etc.
Cree su propio marco
Envía automáticamente las notas de tus reuniones a tu CRM favorito
Ideas de los ponentes para ayudarle a controlar sus reuniones
  • Participa en tus reuniones, aunque tú no lo hagas.
  • Graba y transcribe en más de 30 idiomas.
  • Toma notas en la estructura que prefieras.
  • Resuma una o varias reuniones.
  • Actualiza automáticamente tus herramientas favoritas (Slack, Notion, CRM, etc).
  • Proporciona información de coaching sobre su estilo de reunión.
¿Llegas tarde a tu próxima reunión?
Envíe tl;dv y déjate sorprender.