La IA me propuso 210 rotaciones. Un investigador resolvió el problema con 7.
Lo que aprendimos al poner a competir a la inteligencia artificial con la experiencia humana en un estudio real.
Hace unos días, en Adhara Research, estábamos diseñando un CLT (Central Location Test) para un cliente del sector QSR. El reto era sencillo de enunciar: testar 7 salsas con 350 consumidores, cada uno probando 3. Necesitábamos un plan de rotaciones que garantizase equilibrio estadístico — que cada salsa se evaluara el mismo número de veces, en las mismas posiciones, y que todos los pares posibles estuvieran representados.
Le pedimos a la IA con la que trabajamos habitualmente que diseñara las rotaciones. En segundos nos devolvió un plan impecable desde el punto de vista matemático: 210 rotaciones distintas (las 35 triadas posibles × 6 permutaciones de orden). Balance perfecto. Combinatoria exhaustiva. Técnicamente irreprochable.
El problema es que nadie que haya montado un test de producto real propondría jamás 210 rotaciones.
La solución del experto
Cuando lo consultamos con un técnico experimentado de nuestro equipo, nos devolvió una tabla con 7 rotaciones. Solo 7. Un diseño cíclico (conocido como BIBD — Balanced Incomplete Block Design) donde cada salsa aparece exactamente 3 veces, una en cada posición, y cada par de salsas coincide en exactamente una rotación. Estadísticamente tan equilibrado como el de 210 versiones. Operativamente, otro planeta.
Con 7 rotaciones, la programación del cuestionario es trivial. El control de campo es sencillo. Si surge una incidencia, sabes exactamente dónde buscar. Y lo más importante: cuando tienes a dos personas sirviendo 7 salsas distintas a 10 participantes al mismo tiempo, la simplicidad no es un lujo — es una condición para que el dato sea fiable.
Lo que la IA no supo priorizar
La IA tenía acceso al mismo conocimiento teórico. Los diseños cíclicos aparecen en cualquier manual de diseño experimental. Pero le faltó algo que ningún modelo de lenguaje puede aprender leyendo: el criterio de priorización que da la experiencia.
Un investigador experimentado sabe que un diseño estadísticamente perfecto que sea inmanejable en campo es un mal diseño. Sabe que el 95% del valor estadístico se consigue con el 20% de la complejidad. Y sabe que “suficientemente bueno” es casi siempre mejor que “perfecto”, porque lo perfecto se rompe cuando entra en contacto con la realidad.
Eso no se aprende procesando texto. Se aprende habiendo montado tests de producto a las 8 de la mañana un martes, habiendo visto cómo un diseño demasiado complejo genera errores en campo, habiendo sentido la presión de un cliente que espera resultados fiables con un presupuesto ajustado y un calendario exigente.
Entonces, ¿para qué sirve la IA?
Sería un error concluir que la IA no aporta valor. Todo lo contrario. En el mismo proyecto, la IA nos ayudó a:
- Procesar el briefing del cliente y devolver un primer borrador de propuesta metodológica en minutos.
- Generar las 350 asignaciones de participantes a las 7 rotaciones, verificar el balance y producir el fichero listo para programación — en segundos.
- Codificar preguntas abiertas (likes/dislikes) de forma automatizada, conteniendo costes sin perder riqueza cualitativa.
- Colaborar en la redacción y maquetación de la propuesta en múltiples formatos, adaptándose a la identidad visual del cliente.
En otras palabras: la IA es extraordinariamente útil para todo lo que es ejecución, procesamiento y producción. Donde no llega — al menos hoy — es al juicio experto que nace de la experiencia acumulada.
La combinación ganadora
La conclusión no es “IA vs. humanos”. Es que los investigadores que sepan integrar la IA en su flujo de trabajo serán imbatibles. No porque la IA los sustituya, sino porque les libera tiempo para dedicarse a lo que realmente importa: pensar, interpretar y recomendar.
Los perfiles que se limitan a ejecutar mecánicamente — tabular datos, rellenar plantillas, producir informes genéricos — sí tienen un problema. La IA ya hace eso, y lo hace más rápido.
Pero los buenos investigadores — los que saben leer entre líneas lo que un cliente realmente necesita, los que diseñan un cuestionario pensando en la persona que lo contestará con un trozo de pollo en la mano, los que detectan en un grupo el gesto que contradice lo que el participante dice — esos van a ser más productivos y más valiosos que nunca.
En Adhara Research llevamos 25 años aportando experiencia, criterio e intuición a nuestros clientes. Ahora, además, contamos con las mejores herramientas de IA para multiplicar nuestra capacidad de ejecución. La combinación de ambas cosas es lo que nos permite entregar más valor en menos tiempo.
Porque al final, 210 rotaciones pueden ser matemáticamente perfectas. Pero 7 son las que funcionan.
¿Quieres saber cómo integramos inteligencia artificial en nuestros estudios de mercado? Escríbenos a través de nuestro formulario de contacto: www.adhararesearch.com/contacto/
