La IA generativa, una aliada para los UX researchers.

Desde los primeros días del diseño centrado en el usuario, la investigación con usuarios ha sido una herramienta imprescindible en la creación de productos digitales que verdaderamente conectan con las necesidades reales de las personas.

Con el avance de la tecnología, han ido surgiendo herramientas útiles para los investigadores, no solo porque les ayudan a agilizar el proceso, sino porque también elevan la calidad de la investigación. Ahora, nos encontramos en un momento de avance muy relevante: la integración de la inteligencia artificial a lo largo del proceso de investigación.

Según el informe de User Interviews sobre el Estado del user research de 2023, el 20% de los investigadores ya utilizan la IA en sus procesos y un 38% planea hacerlo en un futuro próximo. Estos datos demuestran que la IA se está convirtiendo en una herramienta cada vez más relevante para la investigación con usuarios.

En este post analizaremos cómo la IA generativa está redefiniendo la dinámica de la investigación con usuarios, abriéndonos camino hacia nuevas perspectivas de comprensión.

Cómo la inteligencia artificial impulsa la investigación con usuarios

Para lo que algunos pudieran pensar, la IA generativa no debe verse como una amenaza para los investigadores. No les va a quitar el trabajo, sino, más bien, les va a ayudar a realizarlo de manera más eficiente e incluso, de forma más creativa.

En concreto, incorporar la IA al proceso de investigación trae consigo las siguientes ventajas:

1. Nos ofrece una base sobre la que partir. La IA generativa puede utilizarse como una primera fuente de inspiración. A partir de unas instrucciones (Prompts) dadas por el investigador, puede ofrecernos una primera base estructurada sobre la que partir. Nos referimos a tareas tales como darnos contexto acerca de un tema, propuestas de guiones, de entrevistas, cuestionarios de encuestas, etc.
2. Automatiza las tareas más manuales y repetitivas. En las labores de investigación con usuarios, existen tareas operativas que son absolutamente necesarias, pero que por sí mismas no aportan valor. Nos referimos a tareas mecánicas, por ejemplo, escribir los emails para concertar una cita para una entrevista o las instrucciones de una encuesta, tomar notas en las entrevistas, etc. La IA generativa puede ayudar en la creación de informes y generación de hipótesis. Esto no solo ahorra un tiempo valioso, sino que también permite a los profesionales concentrarse en interpretar resultados y aplicar sus conocimientos.
3. Mejora de la capacidad de análisis. La IA generativa, además de procesar datos de manera rápida y precisa, potenciando la capacidad analítica de los investigadores, puede ayudarnos proporcionando insights más profundos y reveladores, reduciendo en mayor medida los sesgos del investigador, permitiendo así una comprensión más completa de las necesidades y expectativas de los usuarios.

En definitiva, la IA generativa nos ayuda a agilizar el proceso y llegar a conclusiones más profundas cuando manejamos grandes volúmenes de datos.

Pero por el momento, aun siendo conscientes de que la IA generativa tiene un gran potencial para la investigación, sigue siendo una tecnología incipiente y debemos utilizarla con cautela.

Como recomendación general, diría que podemos utilizarla como apoyo a nuestros métodos tradicionales (en el siguiente apartado os damos algunas ideas), pero no tanto en la obtención de ciertas conclusiones, ya que sus resultados, por el momento, no son del todo precisos y ahí es donde entra en juego la experiencia y el criterio del investigador.

Por otro lado, añadir que debemos ser muy prudentes a la hora de utilizar datos sensibles con la IA generativa. Las consultas gratuitas se usan para entrenar modelos, así que hay que evitar incluir nombres, direcciones, DNI, etc. Mejor usar las versiones empresariales que los grandes players disponibilizan a través de sus plataformas como Google PaLM2 (en lugar de Bard) o Azure Open AI (en lugar de ChatGPT) que sí garantizan la confidencialidad.

Dónde puede aportar más valor la IA en nuestro proceso de investigación (de momento)

Partiendo de la base de que en la generación de las conclusiones, los resultados de la IA no son del todo precisos y la figura del investigador es clave, compartimos algunas ideas donde la IA generativa puede ser útil a lo largo de todo el proceso de research.

Ideas para el planteamiento del research plan

Una vez que el investigador ha reunido la información necesaria y ha definido los objetivos de la investigación, puede utilizar la IA generativa para que le ofrezca una primera estructura de lo que será el research plan. La IA, por tanto, permite no partir de “un lienzo en blanco” y ofrecernos un buen punto de partida con los métodos y técnicas adecuadas para la investigación que queramos realizar. Pero como decíamos, después el researcher, según su criterio y experiencia, deberá revisar y ajustar el plan. Para esta primera tarea, herramientas de IA generativa como Bard y ChatGPT pueden ser de gran utilidad.

Ayuda en las labores de desk research

Bard y ChatGPT (IA generativa), por ejemplo, pueden ser muy útiles para ciertas tareas del desk research. Aportándoles un texto de un documento, artículo, etc., pueden ofrecer un resumen y destacar los puntos más relevantes para el estudio que se está realizando u ofrecerte un contexto y explicación como inicio del tema a investigar, reduciendo considerablemente el tiempo.

Investigación cualitativa

Para los métodos cualitativos, la IA generativa donde más nos puede ayudar en estos momentos es en la generación de ideas de guiones, preguntas, para hacer entrevistas, realizar las transcripciones, analizar los textos y la obtención de posibles hipótesis. Esto último, a revisar con mucho cuidado.

Entrevistas y focus groups

Si planteamos por ejemplo realizar entrevistas o focus groups, la IA generativa también puede servirnos de gran ayuda en distintas fases del proceso:

• Realizar el screening. A partir de ciertas instrucciones (objetivo del estudio, características de los perfiles que necesarios, temas específicos, etc.) la IA generativa puede darnos ideas acerca de qué preguntar en el cuestionario de screening para tratar de identificar mejor los perfiles a los que entrevistar o invitar a los focus groups. Incluso puede ayudarnos a redactar el email que recibirán las personas previo al cuestionario. De esta manera, una vez más, no hace falta partir de cero, pero será necesaria su revisión y ajuste.
• Escribir una base para guiones y preguntas. Aportando de nuevo las instrucciones adecuadas (perfiles que vas a utilizar, objetivo, temas a tratar y profundizar, tiempo, etc.) la IA generativa puede ayudarnos a redactar y estructurar un primer guión.
• Captar el tono, estilo y hacer resúmenes de las conversaciones. Ya contamos desde hace algún tiempo con varias herramientas que permiten al investigador no tener que tomar notas de las conversaciones en las entrevistas, test moderados o focus groups. Pero es que ahora, además, hay algunas herramientas que incorporan la IA generativa para captar el tono y estilo de la conversación, hacer un resumen y obtener los puntos claves, facilitando enormemente su trabajo.
• Analizar los textos. La IA generativa puede ayudarnos a generar etiquetas, identificar patrones e incluso a analizar sentimientos de las transcripciones para obtener categorizaciones, patrones de comportamiento e identificar las motivaciones de los usuarios, conocer si los usuarios se sienten entusiasmados o frustrados en alguna parte del proceso. Existen herramientas especializadas en estas tareas como Dovetail, tldv.io o Atlas.ti.

Test de usabilidad (parte cualitativa)

• Generar tareas. La IA puede ayudar a los investigadores a generar un conjunto de tareas a testar, que pueden ser, las que más probablemente realizaría un usuario y otras, que aun siendo factibles, pueden ser más desafiantes, fuera de lo que consideremos el “Happy path” y que indudablemente son interesantes probar.
• Analizar las transcripciones (la parte cualitativa de los test). Aquí aplicaría las mismas indicaciones que en el punto anterior.

Investigación cuantitativa

Cuando necesitamos obtener datos cuantitativos en nuestra investigación, como por ejemplo, tratar de validar las hipótesis generadas en la investigación cualitativa, o identificar patrones de comportamiento de los usuarios, la IA también tiene su papel. De forma resumida, puede ayudarnos a generar ideas para las preguntas de encuestas, análisis de los resultados, predicciones de comportamiento o incluso, ayuda para personalizar experiencias.

En general, puede utilizarse para automatizar y mejorar las tareas de investigación cuantitativa y mejorar la creatividad de las acciones a realizar, como por ejemplo preguntas más innovadoras, identificar tendencias que no son evidentes en un análisis más tradicional, realizar predicciones de comportamiento que van un poco más allá o recomendaciones personalizadas sobre contenido o experiencias.

Encuestas

Si planteamos dentro de nuestro estudio la elaboración de encuestas, la IA puede ayudarnos en concreto en los siguientes aspectos:

• Generar las preguntas. En la fase de generación de preguntas, herramientas como Jasper ai, ChatGPT o Bard nos puede facilitar de nuevo una primera base con posibles preguntas a incluir en las encuestas, a partir de información que facilite el investigador. Si la empresa está utilizando por ejemplo herramientas como Hotjar en su web, sería interesante utilizar la capacidad de realizar encuestas a través de esta herramienta, ya que generará preguntas más relevantes teniendo la información contextual de los usuarios.
• Analizar los resultados. Para el análisis de los resultados de las encuestas, los mismos productos que utilizan la IA para generarlas, la utilizan para el análisis de sentimientos, satisfacción o tendencias de los usuarios, que con un gran volumen de datos es muy difícil detectar a simple vista. Pero además pueden ir más allá y detectar por ejemplo, qué tipos de clientes son más propensos a comprar determinados productos o incluso proponer recomendaciones de productos.

Test de usabilidad (parte cuantitativa)

• Análisis de datos. En los test de usabilidad, en su parte más cuantitativa, la IA puede ayudarnos a realizar un análisis de datos automatizado, identificando patrones de comportamiento, tendencias y métricas clave de manera automatizada.
• Predicción de problemas de usabilidad. Por ejemplo, puede identificar patrones que sugieren que ciertos usuarios pueden tener dificultades con aspectos específicos de la interfaz.

Algunas herramientas de IA que pueden utilizar los investigadores

Aunque a lo largo del post hemos nombrado algunas herramientas, especificar que Bard y ChatGPT son las herramientas de IA de lenguaje natural generativas más conocidas y útiles que pueden utilizar los investigadores como complemento para realizar tareas como por ejemplo:

• Generar ideas para preguntas de investigación.
• Extraer insights de las entrevistas y reuniones.
• Ayudar en el analizar datos cualitativos.
• Redactar textos.

Sin embargo, estas herramientas no son suficientes para realizar todas las tareas de investigación. Para realizar cuestiones más específicas, existen multitud de productos especializados en user research que ya incorporan la IA. Aquí citamos solo algunos:

• Calendly: esta herramienta nos ayuda a organizar las entrevistas en el calendario, analizando por ejemplo la disponibilidad y proponiendo las reuniones.
• Dovetail: herramienta muy útil para la transcripción, por ejemplo, de entrevistas, donde puedes etiquetar y clusterizar el contenido relevante e incluso editar y cortar vídeos de las mismas para destacar por ejemplo en un informe una parte específica de la entrevista. En la línea de las transcripciones también existen herramientas muy conocidas como LoopPanel, Otter o Grain.
• Userdoc: nos puede ayudar a generar historias de usuario y propuestas de user journeys, entre otras.
• VisualEyes: permite realizar un eyetracking en los procesos testing.
• Hotjar: Hotjar es una herramienta de análisis web que utiliza la IA para proporcionar información sobre el comportamiento de los usuarios en un sitio web. Para la investigación puede ser utilizada, por ejemplo, para realizar encuestas, ya que generará preguntas más relevantes teniendo la información contextual de los usuarios.
• UserZoom: es una herramienta que lleva utilizándose muchos años y dentro de su evolución, ahora utiliza la IA para automatizar la recopilación de datos, identificación de patrones y creación de visualizaciones tras los test de usabilidad o encuestas.
• Atlas.ti: es una herramienta supercompleta para los investigadores, ya que ofrece un paquete de funcionalidades completo basado en IA para el análisis de datos de la investigación.

Y para terminar, animamos a los investigadores a utilizar la IA generativa de forma conjunta y complementaria a los métodos tradicionales. No obstante, es esencial que los profesionales utilicen su experiencia y criterio para revisar y ajustar cualquier análisis o recomendación. Esta tecnología avanza día a día y como investigadores debemos permanecer atentos, probar y explorar con estos métodos, ya que sin duda tienen y tendrán muchísimo recorrido.