Skip to content

Encuestados sintéticos: el futuro del análisis predictivo en marketing

Artículo actualizado: Octubre 2026

Table De Contenidos

¿Cuántas veces una marca nos ha ofrecido justo lo que íbamos a buscar, incluso antes de que lo buscáramos? Parece magia, pero en realidad es algo mucho más real de lo que imaginamos: es análisis predictivo.

Y su versión más reciente, y más polémica, ya está aquí: los encuestados sintéticos, consumidores simulados con inteligencia artificial que prometen responder como personas reales sin que nadie salga a campo. 

¿Son el futuro de la investigación de mercados o un atajo con letra pequeña?

La promesa de anticipar: ¿qué es el análisis predictivo en marketing?

El análisis predictivo usa lo que ya pasó para estimar qué es lo más probable que pase. Es la base de la personalización y de la IA en marketing, pero tener el modelo no garantiza entender al consumidor.

A grandes rasgos, la idea es sencilla: se toma lo que ya pasó (compras, clics, cancelaciones) y se buscan patrones para estimar qué tan probable es lo que viene: qué cliente está por irse, cuál va a comprar, cuánto venderemos el próximo trimestre. 

Y aquí la palabra clave es “probable”: ningún análisis dice qué va a pasar, sino qué es lo más probable que pase bajo ciertas condiciones. 

Esta lógica es la base de todo el aspecto tecnológico del marketing actual: personalización, algoritmos, machine learning e inteligencia artificial.

Hoy ya no basta con decir qué está sucediendo, sino qué es lo más probable que suceda, por ejemplo, entre las empresas que usan la plataforma de datos de clientes de Twilio, el uso de funciones que predicen el comportamiento del consumidor creció un 57% en un solo año, según su informe de 2025.

Sin embargo, este mecanismo no es tan fácil de implementar como parece, pues siempre necesitaremos más datos para hacer predicciones más seguras. 

Eso tiene un costo considerable y, lo más preocupante, no parece dar toda la confianza que promete: en una encuesta de 2022 a directivos de marketing que ya usaban analítica predictiva, el 84% sentía que anticipar a su consumidor seguía siendo como “adivinar”. 

En otras palabras, tener el modelo no es lo mismo que entender a la persona.

El encuestado que nunca se cansa: ¿qué son los encuestados sintéticos?

Los encuestados sintéticos son personas artificiales creadas con IA que simulan a un consumidor específico. Responden encuestas en minutos, mil veces si hace falta, y sin trabajo de campo.

Frente al vacío que deja el análisis predictivo, llegó una promesa muy atractiva, ambiciosa y arriesgada: ¿y si nos saltamos el paso más lento y costoso de todos, que es preguntarle a la gente?

Así funcionan: le dices al sistema “eres una mujer de 38 años, vives en Medellín y compras champú natural”, y responde como si fuera ella… mil veces, en minutos, sin trabajo de campo y esto no es una especulación.

En un estudio de Qualtrics con más de 3.000 investigadores, el 71% cree que en tres años más de la mitad de los datos de investigación serán sintéticos. 

Y el dinero también acompaña: Aaru, una de estas plataformas, levantó inversión con una valoración titular de mil millones de dólares.

Para quienes trabajamos en investigación de mercados, esto suena a sentencia: ¿para qué salir a campo si podemos simular el campo?

El encuestado complaciente: ¿son confiables los encuestados sintéticos?

No del todo. Se acercan a la realidad en los promedios, pero tienden al optimismo y pueden cambiar, o incluso invertir, las conclusiones cuando se mira por segmentos.

Aunque suene como un reemplazo, la situación es más compleja de lo que parece. 

Imaginemos el siguiente escenario: vamos a nuestra primera sesión de terapia con un nuevo psicólogo. ¿Acaso nos mostraríamos realmente como somos desde el primer instante? Seguramente no. Responderíamos rápido y casi siempre lo que creemos que el terapeuta quiere oír. 

Pues bien, los encuestados sintéticos se parecen mucho a este tipo de pacientes.

Investigadores de Harvard y Microsoft probaron clientes sintéticos y los encontraron entusiasmados con una pasta de dientes sabor a pancake. Algo que normalmente encontraríamos, como mínimo, extraño; pero la IA sobrevalora lo novedoso de forma indiscriminada, mientras que una persona real no tanto.

Y el optimismo no es lo más grave, un estudio académico comparó respuestas de ChatGPT con una encuesta real: los promedios se parecían, pero al mirar quién pensaba qué, casi la mitad de las conclusiones cambiaban y, en un tercio de esas, se invertían.

Eso vuelve arriesgadas las segmentaciones y los cruces. El sintético puede decirte que sí cuando la gente dice que no, y con total seguridad: estos modelos, advierte un investigador de la industria, suenan lógicos tengan razón o no.

En Chile, un equipo universitario hizo la misma prueba. En confianza en los partidos políticos (una opinión estable y muy documentada), los sintéticos acertaron más del 90% de las veces; pero en cómo ve la gente la economía del país, más o menos la mitad.

Estudio Qué se probó Qué encontró
Harvard y Microsoft Clientes sintéticos evaluando productos nuevos. Entusiasmo por una pasta de dientes sabor a pancake.
Estudio académico
(Cambridge)
Respuestas de ChatGPT frente a una encuesta real. Promedios similares, pero casi la mitad de las conclusiones por grupo cambiaban.
Equipo universitario en Chile Opiniones políticas y económicas. Más de 90 % de acierto en confianza en partidos; cerca del 50 % en percepción económica.

Detrás del encuestado: ¿por qué aciertan en unas cosas y fallan en otras?

Porque un encuestado sintético es, en el fondo, un modelo predictivo. Acierta donde el pasado está bien documentado y tropieza con lo nuevo, con lo que cambia y con lo que nadie ha dicho todavía.

Lo sintético no es el enemigo de lo predictivo. Todo lo contrario: es su consecuencia.

Un modelo de lenguaje hace, en el fondo, lo mismo que cualquier modelo predictivo: calcula qué tan probable es cada respuesta y elige una, solo que lo hace con una cantidad gigantesca de datos. 

Así, cuando le describimos a esa mujer de Medellín, no creamos una persona nueva, sino que ajustamos probabilidades con más información. Y no por casualidad, el fondo que lideró la inversión en Aaru la presentó como un paso hacia predecir el futuro. 

Sin embargo, en tanto predictivo, lo sintético también tiene los mismos límites.

Si el modelo no tiene mucha información de Medellín (y es bien sabido que los LLM se entrenan mayoritariamente con datos en inglés), puede adjudicarle a ese encuestado artificial características que su contraparte real no tiene. 

Sin embargo si logramos alimentar el modelo con datos de Medellín, con esos mismos datos con los que se harían todos los análisis predictivos imaginables, las respuestas serían más cercanas al perfil real.

Suelen acertar Suelen tropezar
Opiniones estables y muy documentadas. Temas que cambian rápido.
Promedios generales. Segmentaciones y cruces.
Perfiles con muchos datos disponibles. Mercados poco representados, como Latinoamérica.
Descartar ideas. Evaluar lo realmente novedoso.

Detrás del encuestado: ¿por qué aciertan en unas cosas y fallan en otras?

No: dependen de ella. Los investigadores de Harvard concluyeron que se necesitan datos reales de la empresa para acertar: fue con datos de un estudio real que la pasta de pancake dejó de parecer buena idea.

Entonces, no hablamos de reemplazo, sino de dependencia. Lo sintético necesita de lo predictivo y este, a su vez, necesita algo que ninguna simulación produce sola: personas reales diciendo cosas reales.

¿Y nosotros qué? Cuándo usar encuestados sintéticos y cuándo volver a las personas

Los encuestados sintéticos sirven para explorar y descartar ideas rápido. Para decidir lo que más pesa, hay que volver a la gente.

¿Y nosotros, las personas, qué hacemos en medio de este mundo lleno de datos? Lo cierto es que no tenemos la respuesta, pero sí podemos partir de una serie de reflexiones.

Usa encuestados sintéticos para Vuelve a las personas para
Probar ideas en etapas tempranas. Validar decisiones de alto impacto.
Descartar conceptos rápido y barato. Entender motivaciones, emociones y tensiones.
Explorar hipótesis. Segmentar y cruzar datos con confianza.

¿Los datos reales son un costo o un activo?

Si el sintético aprende de lo real, la empresa que hoy deja de escuchar a sus clientes para ahorrar, mañana no tendrá con qué alimentarlo.

¿Para qué usar cada herramienta?

Explorar no es decidir. El sintético es buenísimo para descartar ideas rápido y barato, pero cuando hay mucho en juego hay que volver a la gente. 

Así lo describe una empresa que ya lo usa: sintéticos para probar temprano, paneles humanos para validar lo que más pesa.

¿Quién en la organización se pregunta por qué?

Esta es la más importante. El modelo nos dice qué hace la gente y qué tan probable es que lo repita. No nos dice qué le duele, qué le da vergüenza ni qué intenta resolver cuando elige una marca y no otra. 

Ahí se construyen las marcas, y eso no se simula: se escucha.

El valor estará en saber cuándo creerle

El análisis predictivo no va a desaparecer. Se va a volver más invisible, más rápido y más convincente. Por eso mismo, el valor estará en quien sepa cuándo creerle y cuándo salir a preguntar.

¿Tu empresa está usando la inteligencia artificial para escuchar mejor a las personas, o para dejar de escucharlas?

En SL rastreamos tendencias y las transformamos en acción.
Tomamos insights, arquetipos y señales del mercado para crear estrategias que mueven la aguja.

Descubrimos lo que inspira a las personas.
Desciframos los arquetipos que despiertan emociones.
Y si tienes un reto, en marketing, negocio o equipo, lo convertimos en tu próxima gran oportunidad.

No solo trazamos el camino, lo diseñamos contigo para que des ese siguiente paso que cambia el juego.

¿Listo para ver lo que
nadie más ve?

El potencial humano de tu organización ya existe. 

Solo necesita quien lo haga visible, lo nombre y lo active. Conversemos.

No hemos podido validar tu información.
Se han enviado tus datos con éxito. Gracias!
¿Te aportó valor? ¡Compártelo!