Hace más de 30 años que trabajo en investigación de mercados y vi cambiar muchísimo nuestra profesión.
Pasamos de las encuestas en papel y las bases cargadas a mano a tener resultados casi en tiempo real. Llegaron internet, las redes sociales, el big data, las comunidades online, los dashboards y ahora la inteligencia artificial.
La pregunta es qué viene ahora.
Porque probablemente estemos entrando en una etapa en la que el cambio no sea solamente tecnológico. Lo que puede cambiar es nuestro propio rol como investigadores.
De producir información a encontrar sentido
Durante muchos años una parte importante de nuestro valor estuvo asociada a producir información que las empresas no tenían.
Hoy pasa casi lo contrario. Las compañías tienen CRM, transacciones, redes sociales, reviews, búsquedas, comportamiento digital, estudios, dashboards y enormes cantidades de información disponible.
La inteligencia artificial va a potenciar enormemente esa capacidad. Vamos a poder procesar miles de comentarios, entrevistas o conversaciones en segundos. Cruzar fuentes distintas, encontrar patrones y generar hipótesis.
Entonces aparece una pregunta bastante incómoda para nuestra profesión:
si producir y procesar información va a ser cada vez más fácil, ¿dónde vamos a aportar valor los investigadores?
Creo que la respuesta está justamente en algo que las máquinas todavía no resuelven tan fácilmente: encontrarle sentido a todo eso.
Más información no significa necesariamente más conocimiento
Hoy podemos saber qué compró una persona, cuánto gastó o qué escribió sobre una marca.
Pero saber qué hizo alguien no siempre significa entender por qué lo hizo.
Nuestro trabajo probablemente tenga cada vez menos que ver con recolectar datos y cada vez más con conectar información, comportamiento y contexto para entender qué está pasando realmente.
Pasar del dato al insight. Y, sobre todo, del insight a la decisión.
La IA no nos reemplaza. Pero sí nos obliga a cambiar
Ya la estamos usando para analizar entrevistas, trabajar respuestas abiertas, diseñar cuestionarios, buscar patrones, resumir información o generar hipótesis.
Seguramente aparecerán agentes capaces de ejecutar buena parte de un proyecto, consumidores sintéticos más sofisticados, simulaciones de mercados y análisis instantáneos de enormes volúmenes de información.
Muchas tareas que históricamente fueron parte central del trabajo del investigador se van a automatizar.
Porque si podemos dedicar menos tiempo a procesar información, quizás podamos dedicar más tiempo a pensar.
Menos metodólogos. Más consultores
Nuestra industria siempre tendió a ena morarse de las metodologías.
Cuali, cuanti, focus groups, entrevistas, conjoint, segmentaciones, modelos estadísticos, neurociencia, social listening…
Todo eso sigue siendo muy importante. Pero son herramientas. El cliente no se levanta pensando: “Necesito hacer ocho focus groups”.
Se levanta pensando: “¿Lanzo este producto?”, “¿Por qué estoy perdiendo consumidores?” o “¿Cuál de estas ideas tiene más potencial?”.
Quizás el investigador del futuro tenga que parecerse menos a alguien que vende una metodología y más a alguien que ayuda a resolver un problema.
Eso implica entender más del negocio, integrar fuentes, discutir hipótesis, cuestionar interpretaciones y, sobre todo, animarse a recomendar.
Porque entregar información es relativamente fácil.
Decir qué significa y qué haríamos a partir de ella es bastante más difícil.
.png)
Nuestra ventaja puede estar en saber preguntar
Cuantas más respuestas pueda darnos la tecnología, más importantes van a ser las preguntas.
Y acá creo que los investigadores tenemos una ventaja.
¿Quiénes están mejor preparados para conversar con una inteligencia artificial que quienes llevan años aprendiendo a preguntar?
Gran parte de nuestro trabajo consiste justamente en eso. Saber qué preguntar, cómo preguntar, cuándo profundizar, cuándo repreguntar porque una respuesta es demasiado obvia y cuándo cambiar el enfoque porque no estamos llegando a ningún lado.
En definitiva, bastante parecido a hacer un buen prompt.
Por eso creo que los investigadores podemos convertirnos en usuarios especialmente sofisticados de la IA. No porque sepamos más de tecnología, sino porque sabemos cómo construir una conversación para llegar a una respuesta mejor.
Y sabemos algo igualmente importante:desconfiar de las respuestas.
Estamos acostumbrados a preguntarnos si lo que alguien dice coincide con lo que hace o si una respuesta está sesgada.
Con la IA tendremos que hacer exactamente lo mismo: preguntar, repreguntar, contrastar y desafiar.
¿Qué investigador imagino para los próximos años?
Imagino un perfil bastante más híbrido.
.png)
Alguien que entienda de investigación, pero también de negocio. Que pueda trabajar con información cualitativa y cuantitativa sin verlas como mundos separados. Que entienda qué puede hacer la IA y también cuáles son sus límites.
Que pueda pasar de una conversación con consumidores a mirar datos de comportamiento y después sentarse con un gerente de marketing a discutir qué decisión tomar. Y, sobre todo, alguien con criterio.
Porque cuando todos tengamos acceso a herramientas similares, el diferencial no va a estar tanto en la herramienta. Va a estar en qué hacemos con ella.
Lo que no cambia
Sí, algunas tareas van a desaparecer. Otras se van a automatizar. Y aparecerán formas de investigar que hoy probablemente ni imaginamos.
Pero no creo que eso haga menos relevante a la investigación. Puede hacerla mucho
más relevante. Siempre que entendamos que nuestro trabajo ya no consiste solamente en producir estudios. Consiste en ayudar a comprender.
En un mundo con cada vez más datos, más velocidad y más inteligencia artificial, quizás el valor del investigador esté justamente en aportar algo que será cada vez más escaso: criterio para hacer las preguntas correctas, capacidad para entender qué hay detrás de las respuestas y claridad para transformar todo eso en mejores decisiones.
Cambió casi todo.
Por suerte, lo más importante todavía depende bastante de nosotros.
.png)