¿Qué tan confiables y válidos son los datos sintéticos para comprender el comportamiento humano en la investigación de mercados? Esa fue una de las preguntas que guió el segundo encuentro conjunto del Comité IA y del Comité Académico de la Asociación de Investigadores de Mercado y Opinión Pública (AIM Chile) titulado “Datos Sintéticos: ¿Realidad o Ficción?”.
El seminario se realizó este 2 de julio en la sede Las Condes del programa de Alta Dirección de la Facultad de Economía y Negocios (FEN) de la Universidad de Chile, y también se transmitió en vivo en formato online.
Investigadores, académicos y profesionales de la industria se reunieron en esta actividad para debatir sobre las oportunidades, limitaciones y desafíos metodológicos que esta tecnología plantea para la investigación de mercados. La jornada fue moderada por Christian Melzer, vicepresidente de AIM Chile, y contó con las exposiciones de Cristian Buzeta, profesor asistente de la Facultad de Economía y Negocios de la Universidad de Chile; Darwin López, Client Officer & Champion AI de Ipsos; René Nanjarí, director comercial de Datos Claros; y Joao Acharán, director de Data Analytics de Datavoz.
Desde distintas aproximaciones, los cuatro expositores coincidieron en un punto clave: la discusión ya no es si utilizar o no datos sintéticos, sino comprender para qué sirven, cuáles son sus límites y bajo qué estándares deben aplicarse.
¿De qué hablamos cuando hablamos de datos sintéticos?
La primera exposición estuvo a cargo de Cristian Buzeta, profesor asistente de la Facultad de Economía y Negocios de la Universidad de Chile y socio persona de AIM Chile, quien explicó que los datos sintéticos son datos artificiales generados a partir de datos originales y de un modelo entrenado, cuyo objetivo es replicar la estructura y las características de los datos existentes.
Su principal uso, señaló, es complementar muestras existentes, proteger información sensible o simular escenarios de investigación, aunque advirtió que no es lo mismo utilizarlos para ampliar una muestra real que generar una base de datos completamente sintética. A partir de esa distinción, Cristian Buzeta abordó uno de los principales desafíos de esta tecnología: su validez. “La verdadera pregunta siempre es la validez. ¿Vamos a estar midiendo de manera confiable y válida si usamos data sintética en vez de data real?”, planteó.
Si bien mostró evidencia que demuestra buenos resultados en ciertos contextos, llamó a fortalecer la transparencia metodológica. “El llamado de atención a la industria es no esconder el método, no esconder el procedimiento”, afirmó, destacando la importancia de explicar cómo fueron generados y validados estos datos.
Cuando la inteligencia artificial pierde la riqueza de lo humano
Desde la experiencia de Ipsos, Darwin López presentó un estudio realizado con 146 mujeres japonesas sobre experiencias y actitudes durante el ciclo menstrual, a partir del cual se construyeron AI Twins o gemelos digitales. El objetivo era evaluar si estos modelos eran capaces de reproducir las respuestas humanas.
Los resultados mostraron que, aunque los gemelos digitales identificaban correctamente las tendencias generales, presentaban un 72% menos de variabilidad emocional que las participantes reales. “Las respuestas que entrega el humano tienen esas contradicciones… y el bot es más racional en lo que te va a entregar”, explicó.
Para Darwin López, este fenómeno —conocido como vanillafication— refleja el riesgo de que la inteligencia artificial tienda a homogeneizar las respuestas y a perder los matices que permiten descubrir insights relevantes dentro del mercado. Aun así, destacó que su mayor potencial está en acelerar procesos creativos y explorar hipótesis. “La fórmula de la inteligencia humana con la inteligencia artificial no es negociable”, concluyó.
Evidencia para complementar, no reemplazar
La tercera presentación estuvo a cargo de René Nanjarí, quien mostró un caso práctico que comparó una muestra completamente humana con una muestra híbrida, integrada por dos tercios de participantes reales y un tercio de participantes sintéticos, en un test de producto.
El ejercicio obtuvo un 95,8% de similitud y una correlación de 0,962 con la muestra original, resultados que, según explicó, demuestran que este tipo de herramientas puede complementar los estudios tradicionales cuando existe una metodología robusta y procesos de validación adecuados.
Ajustar sin perder representatividad
El cierre estuvo a cargo de Joao Acharán, director de Data Analytics de Datavoz, quien presentó el uso de datos sintéticos para mejorar la calidad de encuestas web no probabilísticas mediante técnicas de ajuste post-encuesta.
A través de herramientas de imputación y ajuste como hot deck, CART y synthpop, mostró cómo es posible estabilizar segmentos con baja representación y obtener resultados con diferencias inferiores a 1,5 puntos porcentuales respecto de distribuciones probabilísticas de referencia. Joao Acharán enfatizó que estas metodologías no reemplazan el trabajo de campo, sino que constituyen una herramienta útil para determinados contextos, siempre que su aplicación responda al objetivo del estudio y esté correctamente validada.
Un debate que recién comienza
Más que entregar respuestas definitivas, el encuentro dejó una conclusión compartida: los datos sintéticos representan una herramienta con gran potencial para la investigación de mercados, pero su valor depende del propósito con que se utilicen, de la evidencia que respalde sus resultados y de la transparencia metodológica con que sean aplicados.
En ese contexto, AIM Chile continúa impulsando espacios de diálogo entre la academia y la industria para promover un uso responsable de la inteligencia artificial y contribuir al desarrollo de mejores estándares para la investigación de mercados.
Revisa el conversatorio completo aquí.
