¿Los "usuarios sintéticos" generados por IA sirven para la investigación UX?

Descubriendo el valor y los límites de esta nueva técnica

En el mundo de la investigación en experiencia de usuario (UX), la innovación es constante. Cada año surgen nuevas herramientas y enfoques que prometen acelerar procesos y mejorar la calidad de los insights.

Uno de los conceptos más recientes y comentados es el de los “usuarios sintéticos”: perfiles y respuestas generados por inteligencia artificial que simulan ser usuarios reales.

Pero, ¿pueden realmente ayudarnos en nuestro trabajo? ¿Cuáles son sus ventajas, limitaciones y riesgos?

En este artículo queremos compartir nuestra visión desde la experiencia, sin dejarnos llevar por la moda, pero sin perder de vista la oportunidad de aprender y evolucionar.

¿Qué son los "usuarios sintéticos" generados por IA?

Los usuarios sintéticos son perfiles creados a partir de modelos de inteligencia artificial, especialmente de los conocidos como modelos de lenguaje (LLM).

Estas IA pueden simular comportamientos, motivaciones y respuestas típicas de grupos de usuarios, generando entrevistas, comentarios o escenarios de uso como si provinieran de personas reales.

En la práctica, esto significa que podemos “preguntar” a estos usuarios sintéticos cómo usarían un producto, qué barreras perciben, o qué valoran de una interfaz, y obtener respuestas instantáneas.

Ejemplo práctico en un proyecto real:

Para ilustrar el potencial y las limitaciones de esta metodología, generamos un perfil sintético que representa a universitarios recién graduados buscando su primer empleo.

En este caso para entender como era el proceso que seguía un universitario que está a punto de terminar sus estudios y quieren empezar a trabajar, planteamos una pregunta concreta a la IA:

Preguntamos al perfil sintético: ¿Qué harías para buscar tu primer empleo?

Respuesta generada por IA (usuario sintético):

"Lo primero que haría es actualizar mi currículum y mi perfil de LinkedIn, intentando destacar tanto mi formación como cualquier experiencia, aunque sea de prácticas, voluntariado o proyectos universitarios relevantes. Sé que en muchos casos lo que buscan es actitud y ganas de aprender más que experiencia pura, así que intento transmitir eso en la forma en que describo lo que he hecho

Después, empezaría a buscar ofertas en portales de empleo como InfoJobs, LinkedIn, Indeed o incluso webs específicas de mi sector (por ejemplo, Domestika si busco algo creativo o Tecnoempleo si es tecnología).

Me apunto a las alertas de empleo para recibir notificaciones y no perder oportunidades. También suelo mirar en las páginas de empleo de las empresas que me interesan, porque a veces publican ahí antes que en otros sitios. Además, me parece fundamental moverme a través de contactos: le cuento a mi familia, antiguos profesores, compañeros de carrera y a los amigos de la universidad que estoy buscando, porque muchas oportunidades surgen por recomendación.

Si puedo, participo en ferias de empleo, eventos y webinars, que ahora se hacen mucho online y permiten conectar con reclutadores y otras personas que pueden ayudar. Mientras tanto, intento seguir formándome en temas que pueden marcar la diferencia, como inglés, herramientas digitales o habilidades blandas. También dedico algo de tiempo a hacer cursos gratuitos o baratos online (Coursera, Google Actívate, Udemy…) para tener algo más que añadir a mi perfil y demostrar que sigo aprendiendo

Por último, aunque a veces es frustrante, intento mantener una actitud positiva y constante: adapto mi CV a cada oferta, preparo bien las entrevistas y no me desanimo si no me llaman a la primera. Creo que la clave es ser perseverante, buscar feedback cuando no hay suerte y seguir mejorando hasta que llegue la oportunidad."

Este perfil generado por la IA (ChatGPT) nos ayuda a obtener una visión rápida y ordenada sobre los pasos y preocupaciones de alguien en esa situación.

Sin embargo, es importante no perder de vista su función: son una aproximación, no una representación real.

¿Qué pasó cuando lo contrastamos con investigación cualitativa real (entrevistas en profundidad) con personas?

Cuando hicimos la investigación cualitativa, y hablamos con usuarios reales que se encontraban en ese momento de búsqueda de primer empleo, obtuvimos información diferente a la que aporta el perfil sintético.

Respuestas de usuarios reales (estudio cualitativo):

• “Linkedin no me gusta, lo veo feo y demasiado formal”

  Vimos tras las sesiones que el uso de Linkedin era escaso, lo percibían como algo que no era para ellos.

  
  

• “No parece que las ofertas que me encuentro sean para los que no tenemos experiencia, ya no sé”.

  Observamos cierta ansiedad y preocupación por su falta de experiencia al ver las ofertas de empleo demandantes de experiencia.

Lo que observamos es que el perfil sintético recoge de manera funcional los pasos lógicos, pero no es capaz de captar la realidad, ni las emociones, frustraciones y matices que emergen en una conversación real.

Cuándo sí aportan valor los usuarios sintéticos

Desde nuestra experiencia, los usuarios sintéticos pueden ser una herramienta complementaria útil en:

• Exploración inicial: Ofrecen una primera aproximación sobre un nuevo sector o tipo de usuario cuando apenas tenemos datos.

• Preparación de estudios: Ayudan a afinar guías de entrevistas, identificar posibles temas de interés y anticipar dudas antes de hablar con usuarios reales.

• Generación rápida de hipótesis: Pueden aportar ideas preliminares sobre problemas o necesidades, que luego validaremos en profundidad.

  
  

Cuales son los límites a tener en cuenta al usar esta técnica

Debemos tener en cuenta lo siguiente:

• No reemplazan a los usuarios reales en ningún caso: Los usuarios sintéticos carecen de matices, emociones y contexto real. Sus respuestas tienden a ser genéricas y optimistas.

• Aporta sesgos de los modelos que los generan: Los modelos de IA reflejan los sesgos y carencias de los datos con los que han sido entrenados, lo que puede ser un problema especialmente en públicos nicho o con necesidades específicas.

• Es un problema creerse que los datos son hallazgos reales: Usar sus respuestas como si fueran insights reales puede llevar a conclusiones erróneas y a tomar malas decisiones de diseño.

Conclusión:

Los usuarios sintéticos son una innovación interesante que puede ayudarnos a trabajar más rápido y abrir nuevas perspectivas en la fase de exploración.

Sin embargo, en una agencia como Rocket, donde cada usuario cuenta y el contexto es esencial, nuestra posición es que deben usarse siempre con sentido crítico y ética profesional.

En nuestro equipo creemos que la tecnología puede (y debe) mejorar la investigación, pero nunca debe sustituir la conexión real con los usuarios y el valor humano de escuchar, observar y entender.

Ponte en contacto con nosotros si quieres comentar este tema u otro relacionado , estaremos encantados de ayudarte a explorar esta u otras nuevas metodologías sin perder el foco humano. Hablamos cuando quieras.

Referencias:

Morgan, K. (2025) NN/g Article: Synthetic Users: AI “Participants” Levitt, D. (2023). AI Users Are Neither AI Nor Users. Delta CX Hive. Disponible en: https://rbefored.com/ai-users-are-neither-ai-nor-users-c701f32fbbc4