La IA en la innovación de productos: ¿en qué medida simula un grupo objetivo artificial a los clientes reales?

•  
• La científica Monika Imschloß sobre la simulación del comportamiento de compra
• El desarrollador Paulo Salem habla de la interacción en los grupos de personas con IA
• El innovador Julian Mangold habla del uso de la IA generativa para probar prototipos
• Cinco aspectos a tener en cuenta
•  

Utilice la IA para crear el gemelo digital de su público objetivo con el fin de comprender las necesidades más rápidamente, sondear ideas antes o probar prototipos de forma más realista. Esto es lo que recomienda el experto Joe Pulizzi en el episodio"Unconventional Content Marketing Strategies" del podcast "This Old Marketing" a finales de 2024. Pulizzi es una luminaria del mundillo, con más de 250.000 personas siguiéndole en LinkedIn.

Pulizzi cuenta con el apoyo de unos 3.000 investigadores de mercado de 14 países. Dicen que pronto ya no serán las personas las que prueben sus productos, sino sus copias de inteligencia artificial. Para 2027, "más de la mitad de los estudios de mercado tradicionales podrían realizarse con la ayuda de personas sintéticas creadas por IA", escriben los autores del informe Market Research Trend 2025.

Pero, ¿hasta qué punto funciona bien el llamado muestreo de silicio? ¿Y hasta qué punto son realistas las previsiones? ISPO ha investigado para usted qué hay detrás de esta tendencia, cómo puede beneficiarse de ella ya hoy y por qué el uso de grupos objetivo sintéticos puede darle una clara ventaja en el mercado.

Monika Imschloß es catedrática de Marketing en la Universidad Leuphana de Luneburgo, lleva años investigando el marketing multisensorial y ahora también lo hace con inteligencia artificial.

ispo.com: ¿Qué sabe la ciencia sobre las personas sintéticas?

Monika Imschloss: Estamos investigando si los grandes modelos lingüísticos (LLM) pueden reproducir efectos conocidos de la investigación de marketing. Por ejemplo, utilizamos ChatGPT 4.0 para comprobar si el comportamiento de respuesta humano puede reproducirse en encuestas sintéticas. Un ejemplo es el efecto "Rojo excitante y azul competente", en el que las marcas con logotipos rojos parecen más excitantes y las marcas con logotipos azules parecen más competentes. Si promocionamos los logotipos por separado en ChatGPT, los resultados son menos claros. Si, por el contrario, mostramos ambos logotipos al mismo tiempo en ChatGPT, el efecto, que también conocemos por los sujetos humanos de pruebas de estudios de marketing anteriores, se hace más visible.

¿Cuál es la conclusión de este experimento con los dos logotipos?

Una pregunta clave es: ¿cómo indico correctamente? El marketing sensorial demuestra que la IA puede reconocer patrones coherentes, pero la estrategia correcta es crucial. Los mensajes comparativos como "Aquí hay dos logotipos, ¿cuál parece más competente?" funcionan mejor que los juicios individuales, al menos tal y como están las cosas hoy en día.

¿Hasta qué punto puede la IA simular grupos objetivo?

Eso depende de la pregunta de investigación. Por ejemplo, hemos investigado si los efectos de las reducciones de precios, que conocemos por estudios con participantes humanos, se reflejan también en muestras sintéticas. Un método consiste en crear un personaje sintético a partir de datos de una muestra humana -como la edad, los ingresos o las preferencias de producto- y comparar el comportamiento de respuesta de esta muestra gemela artificial con la muestra real. Los efectos principales se mantuvieron en su mayoría, pero algunas variables, como el historial de compras, influyeron más en el comportamiento humano que en el de las simulaciones de IA.

¿Hay casos en los que la IA puede reproducir un grupo objetivo de forma engañosamente realista?

Esto funciona bien con el aprendizaje asociativo, como las asociaciones de colores. También hay enfoques prometedores en las encuestas cualitativas, en las que la IA encarna a personas con características predefinidas.

¿Y cuáles son los límites de la simulación de IA?

Hay efectos psicológicos que son difíciles de representar en una IA, por ejemplo, cuando muchos factores inobservables que controlan el comportamiento de compra humano no aparecen en los corpus de texto de la IA. Se trata de un campo de investigación abierto.

Por tanto, si indicas a la IA con precisión, en algunos casos puedes simular buenos representantes de tu grupo objetivo. Pero, ¿y si alguien quiere entrevistar a más de una persona? Paulo Salem, doctor en Informática, trabaja como científico principal de datos y aplicaciones. En 2024, tiene la idea de un sistema multiagente basado en personas, que primero presenta a sus colegas de Microsoft y más tarde pone a disposición en línea como versión de código abierto.

ispo.com: TinyTroupe simula personas controladas por inteligencia artificial con sus propias personalidades, intereses y objetivos, para reproducir el comportamiento humano en escenarios empresariales.

Paulo Salem: Sí. Queremos probar si los personajes simulados pueden ser útiles en las sesiones de brainstorming. ¿Reflejan las opiniones reales de los clientes? ¿Proporcionan información valiosa a los desarrolladores de productos?

Su herramienta adopta un enfoque lúdico y simulativo. ¿Cuál es el punto fuerte de este método?

Las simulaciones permiten una experimentación rápida. Las empresas pueden estudiar diferentes escenarios, probar hipótesis e iterar ideas sin tener que recurrir a grupos de discusión reales. Además, en la simulación se pueden cometer errores. Ayudan a mejorar productos y estrategias en una fase temprana, antes de que lleguen al mundo real.

En TinyTroupe, las TinyPersonas interactúan en un TinyWorld. ¿Cómo funciona este sistema?

Se basa en potentes modelos lingüísticos de gran tamaño. Nuestro marco complementa estos modelos con una infraestructura que facilita el trabajo con ellos. En lugar de escribir código detallado o prompts, un usuario puede definir: "Necesito un director de marketing de 35 años de Múnich al que le gusten los precios". TinyTroupe genera entonces un personaje adecuado y le permite actuar en una simulación. Los personajes también recuerdan interacciones pasadas, que es una forma de memoria.

Un caso de uso es el ensayo de prototipos. ¿Hay empresas que ya lo estén utilizando?

Sí, una empresa del sector educativo está probando TinyTroupe para sesiones de brainstorming sobre nuevas funciones de software. La IA simula discusiones con los clientes para averiguar qué ideas son populares. Los primeros resultados muestran que estas discusiones simuladas suelen acercarse a las reuniones reales. Pero aún se trata de una fase experimental, no hay validación científica.

Otro caso de uso es el análisis de la publicidad.

Tomamos anuncios reales de Bing y se los presentamos a personas de TinyTroupe, que luego dieron su opinión sobre ellos. El principio: los anunciantes prueban los anuncios en la simulación antes de gastar dinero real en pruebas A/B. Además del marketing y el desarrollo de productos, vemos potencial en la investigación de mercados, el diseño de servicios, los procesos de innovación y el análisis de cómo utilizan los clientes los productos digitales.

Un reto importante: muchos factores inconscientes del comportamiento humano son difíciles de modelizar.

Este es un problema clave. Los LLM están optimizados para ser amables, justos y serviciales, lo que provoca distorsiones. Un personaje de la IA tenderá a ser amable, aunque un cliente real se sienta molesto. Estamos trabajando para que el comportamiento sea más realista desarrollando las reglas de interacción de los personajes.

¿Cuáles son los próximos pasos en el desarrollo de TinyTroupe?

En primer lugar, estamos trabajando en modelos de comportamiento aún más realistas. En segundo lugar, queremos facilitar la simulación de grupos objetivo más amplios al no tener que definir cada personaje individualmente. En tercer lugar, TinyTroupe debería ser más flexible, con sus propias herramientas de simulación para los personajes de IA. Así, las personas con IA tendrán sus propios clientes de correo electrónico, un calendario o una lista de tareas, por ejemplo.

¿Cuál es su visión?

Las personas no siempre actúan racionalmente. Cambian de opinión espontáneamente, actúan por emociones o influidas por experiencias personales. Apenas estamos empezando a modelizar estos matices en la inteligencia artificial. Dentro de unos años, sin embargo, estas simulaciones podrían acercarse mucho más, y quizá incluso aportar ideas sorprendentes sobre el comportamiento humano.

Conclusión provisional: estamos viviendo el inicio de un desarrollo. ¿Cuáles son las experiencias de los primeros usuarios en la industria? Julian Mangold puede responder a esta pregunta. Trabaja en ZEISS Digital Business Innovation, que desarrolla nuevos productos junto con unidades de negocio internas, desde tecnología médica hasta producción de semiconductores. El equipo utiliza IA generativa y personas sintéticas, entre otras cosas.

ispo.com: ¿Cómo es su proceso de innovación basado en IA?

Julian Mangold: Combinamos el conocimiento real de los clientes a partir de entrevistas cualitativas con simulaciones asistidas por IA. Nuestro equipo de investigación entrevista periódicamente a clientes y usuarios, por ejemplo médicos. Utilizamos estos datos para crear personajes sintéticos realistas. La IA adopta entonces una especie de juego de roles: reacciona a las ideas de producto como si fuera un cliente real.

¿Puede darme un ejemplo?

Tomemos un nuevo producto médico, como una pantalla holográfica para el quirófano. Sin IA, preguntaríamos directamente a los cirujanos qué opinan de ella. Hoy, además, hemos creado un panel de diez médicos virtuales. Simulan distintos niveles de experiencia, desde jóvenes a experimentados. Entonces presentamos la idea y recibimos comentarios inmediatos: ¿Qué características son relevantes? ¿Qué aspectos nos preocupan y en cuáles debemos hacer un seguimiento con usuarios reales?

¿Qué información sobre los grupos destinatarios se obtiene con la IA?

El ejemplo anterior es apasionante: Vemos diferencias entre grupos de usuarios. Los jóvenes quieren más apoyo visual, los médicos experimentados más control. Otros valoran la interacción con el paciente o la eficiencia. La IA nos ayuda a reconocer y dirigirnos a estos segmentos.

Informes científicos: La IA no puede mapear los factores inconscientes del comportamiento humano.

La IA no sustituye a las entrevistas reales con los clientes. Seguimos haciendo investigación de usuarios tradicional porque la gente suele tener necesidades que no expresa activamente. En la interacción humana vemos comportamientos que nunca habrían sido tema de conversación. Un ejemplo: una enfermera documenta a mano tres veces el mismo procedimiento en tres lugares distintos. Es su rutina. Pero nunca lo habría mencionado como un problema si no lo hubiéramos descubierto a través de la IA. Nuestra solución es una mezcla: entrevistas humanas para profundizar en la información y la IA para realizar pruebas de hipótesis más rápidas.

Uno de los problemas de la IA es que es demasiado educada para ser la opinión de un cliente real. ¿Cómo solucionarlo?

Mi colega y desarrollador Devran "Cosmo" Ünal lo ha probado con su propia copia de IA. Consiguió enseñarle a ser crítica y a adoptar su propia perspectiva. Hemos aprendido de ello. Al fin y al cabo, los clientes no deben adaptarse a nuestro producto. Sino al revés.

¿Y en el futuro?

Haremos que la IA sea aún más crítica y más diversa. De momento, sigue pensando en términos muy germano-europeos. Por último, estamos trabajando en una plataforma escalable para que otros equipos también puedan utilizarla, no solo los departamentos de innovación, sino también los de marketing o comunicación interna.