¿Qué pasaría si pudieras validar ideas, mensajes o journeys en horas, sin esperar semanas de investigación en campo? Eso es lo que permiten los Synthetic Users: perfiles digitales generados por IA que replican respuestas humanas con un 85% de precisión, alcanzando niveles comparables a las propias personas al repetirlas semanas después.
Aun así, la industria sigue debatiendo cómo integrarlos sin perder calidad en los aprendizajes ni desplazar el foco en las personas reales. En este proceso, los equipos de research asumen un rol decisivo al equilibrar el valor de estos perfiles digitales con la mirada humana necesaria para interpretar y accionar los insights.
En Multiplica estamos lanzando nuestra nueva plataforma de Synthetic Users y conversamos con Jessica Martínez, Lead UX Researcher, y Razyel Martínez, Head of Design, para que nos cuenten más sobre este enfoque y su impacto.
¿Qué son los Synthetic Users?
Son representaciones digitales interactivas creadas a partir de datos reales de investigación cualitativa. Funcionan como avatares consultables que conservan las características, motivaciones y patrones de comportamiento de usuarios reales, y con los que puedes interactuar en tiempo real mediante comandos conversacionales.
¿Qué ventajas ofrecen frente a la investigación tradicional?
Sobre todo, los Synthetic Users nos permiten tener una amplia cobertura con rapidez: pasamos de semanas a horas en la exploración de múltiples variables, incluso en perfiles difíciles de reclutar o en ideas sensibles de exponer a clientes reales.
Esto abre la puerta a iteraciones tempranas y a detectar, en fases iniciales de los proyectos, posibles errores que de otro modo costarían tiempo y dinero de producción.
Además, optimizamos los recursos del área de investigación al reutilizar los datos, que permanecen vivos más allá del proyecto inicial y están disponibles en tiempo real para distintos equipos de la organización, democratizando el acceso a los insights.
¿Cómo funciona nuestra plataforma de Synthetic Users by Multiplica?
En primer lugar, debemos considerar que no hablamos de un modelo generativo puro, sino de una plataforma construida sobre datos reales obtenidos en investigación con personas orgánicas. Estudios recientes muestran que los Synthetic Users pueden predecir con hasta un 30% más de precisión que los LLMs. No se trata de la opinión del modelo, sino de lo que realmente reflejan los hallazgos de la investigación.
Además, podemos extender la vida útil de las investigaciones y reutilizar los datos obtenidos. Lo que antes servía solo para un proyecto puntual, ahora responde nuevas preguntas, llega a más stakeholders dentro de la empresa y acelera tanto la toma de decisiones como el paso del insight a la acción.
Y mencionar algo que ya hemos comentado: nuestro enfoque parte de que el humano debe seguir en el centro. Buscamos humanizar la información desde la mirada del investigador, cuidando que la voz sea auténtica gracias a protocolos de tono y guardrails que evitan desviaciones y alucinaciones. Además, cada respuesta puede ir acompañada de citas textuales del corpus que la respalda.
¿Cómo se integran los Synthetic Users en una área de investigación?
Es importante resaltar que los Synthetic Users funcionan como fotografías conversacionales de un momento específico, no como videos en tiempo real de experiencias dinámicas y cambiantes. Por eso deben verse como un complemento y no como un sustituto de la investigación con personas reales ni de la observación directa y continua.
Tenemos que diferenciar entre lo que implica hacer investigación en sí y lo que supone utilizar usuarios sintéticos. Estos representan un ejercicio que da nueva vida a la data acumulada para responder preguntas tácticas. De este modo, se optimizan los recursos y se reservan los estudios con humanos para decisiones estratégicas de mayor alcance.
¿Qué diferencia hay entre Synthetic Users y Digital Twins?
Un Digital Twin busca replicar a un individuo o sistema específico, mientras que los Synthetic Users representan arquetipos o subsegmentos con sus motivaciones y lenguaje.
En nuestra plataforma usamos Synthetic Users cuando queremos agrupar y sintetizar respuestas comunes de múltiples entrevistas. Por ejemplo, podemos construir perfiles como “tenderos abiertos a la tecnología” o “jóvenes con baja bancarización”. El sistema genera inferencias generales de un grupo y no pretende replicar a una persona concreta, sino a un perfil promedio representativo.
En cambio, hablamos de Digital Twins cuando invocamos a una persona específica a partir de la transcripción completa de su entrevista. En ese caso, el modelo responde de manera coherente con los datos de ese individuo. Por ejemplo, si entrevistamos a Gisela dentro del segmento de jóvenes con baja bancarización, luego podemos preguntarle a la plataforma cosas como ‘¿usarías una app para hacer pagos?’ y obtendremos una respuesta alineada con lo que ella realmente piensa y haría.
¿Te gustaría entender mejor cómo funciona nuestra plataforma de Synthetic Users by Multiplica?
Fuentes: arxiv.org/pdf/2411.10109 y www.societies.io