Investigación de mercados con IA: qué puede y qué no puede hacer ChatGPT por su estudio

¿Cuántas empresas europeas utilizan ya la IA?

La adopción se ha acelerado con fuerza. Según Eurostat, el 19,9 % de las empresas de la UE con diez o más empleados utilizó al menos una tecnología de IA en 2025, frente al 8,1 % en 2023. La proporción se ha más que duplicado en dos años.

Las medias ocultan una gran dispersión entre Estados miembros. Los Países Bajos van muy por delante de la media de la UE; Bulgaria, muy por detrás, y la distancia entre ambos no deja de crecer.

En 2021, la diferencia entre las empresas neerlandesas y las búlgaras era de 9,8 puntos porcentuales; en 2025 había llegado a 24,6. Conviene hacer dos salvedades. El indicador cuenta cualquier tecnología de IA, desde el análisis de textos hasta el aprendizaje automático, así que no muestra cuántas empresas usan la IA específicamente para marketing o investigación. Y abarca empresas de diez o más empleados, por lo que no dice nada de los autónomos. Otros indicadores de digitalización empresarial, como el uso de redes sociales y la publicidad en internet de pago, están en nuestra sección de datos de empresas.

Para quien contrata investigación, la consecuencia práctica es que las herramientas de IA ya son habituales en muchos equipos de clientes y proveedores. La pregunta ya no es si utilizarlas, sino dónde ayudan y dónde inducen a error.

¿Qué hace bien un modelo de lenguaje en un proyecto de investigación?

Los modelos de lenguaje funcionan mejor con material que usted ya tiene y con una instrucción lo bastante precisa como para poder comprobar el resultado. Aplicado a las fases de un proyecto típico:

El ahorro de tiempo es real en la fase de análisis. Agrupar dos mil comentarios abiertos en temas llevaba días de codificación manual; un modelo hace una primera pasada en minutos, y el trabajo del investigador pasa a ser corregir el libro de códigos en lugar de construirlo desde cero.

¿Dónde falla ChatGPT como herramienta de investigación?

Los fallos son previsibles si se recuerda qué es un modelo de lenguaje: un sistema entrenado con textos del pasado que genera la continuación más probable de su instrucción.

1. Responde a preguntas que no puede saber. Pregúntele qué proporción de propietarios de mascotas en España pagaría por una suscripción de comida prémium y obtendrá un porcentaje dicho con aplomo. No hay ninguna muestra detrás, así que no hay margen de error ni forma de saber cuánto puede equivocarse.
2. Su conocimiento tiene una fecha de corte. Una subida de precios del último trimestre, un nuevo competidor o un cambio normativo no aparecerán a menos que usted los aporte.
3. Inventa fuentes. A veces los modelos citan informes que no existen o atribuyen tablas de aspecto verosímil a instituciones reales.
4. Habla por quienes escriben en internet. Los datos de entrenamiento sobrerrepresentan a los usuarios frecuentes de internet. Eurostat indica que el 89,5 % de las personas de la UE usó internet a diario en 2025, frente al 82,7 % en Bulgaria y el 98,4 % en los Países Bajos. Quienes quedan fuera de ese grupo diario están infrarrepresentados en aquello de lo que aprenden los modelos, y son también los más difíciles de alcanzar mediante paneles en línea.

El cuarto problema es el que más pesa en los trabajos multipaís. La imagen que un modelo tiene de un consumidor medio probablemente se ajuste mejor a Ámsterdam que a una pequeña localidad del noroeste de Bulgaria.

Encuestados sintéticos: un banco de pruebas, no una muestra

Los encuestados sintéticos son perfiles generados por IA que responden a un cuestionario como si fueran clientes. El resultado parece un conjunto de datos de encuesta, con porcentajes, segmentos y citas, y eso es precisamente lo que lo hace arriesgado.

Son útiles en un papel limitado:

• comprobar si las preguntas se entienden como se pretende antes de un piloto;
• estimar cuánto dura el cuestionario y dónde fallan los filtros;
• generar hipótesis y opciones de respuesta para una encuesta posterior a personas reales.

Son un mal sustituto de los encuestados reales porque no tienen marco muestral, de modo que no puede calcularse ningún margen de error (consulte nuestra guía sobre el tamaño de muestra para ver qué implica eso en la práctica). Sus respuestas varían menos que las humanas, reproducen los estereotipos presentes en los datos de entrenamiento y no pueden saber nada de los acontecimientos posteriores a la fecha de corte del modelo.

Si un proveedor propone datos sintéticos para una decisión real, pida un estudio de validación: el mismo cuestionario aplicado a una muestra real, con criterios de concordancia fijados de antemano. Compare la distribución de las respuestas, la ordenación de las opciones y, sobre todo, las diferencias entre subgrupos, que es donde los datos sintéticos se desvían con más frecuencia.

Cómo validar los resultados de la IA antes de que lleguen a un informe

Trate cada resultado de la IA como el borrador de un colaborador júnior capaz pero poco fiable. Cinco comprobaciones detectan la mayoría de los problemas:

• Doble codificación de un subconjunto aleatorio. Un investigador codifica una muestra de respuestas abiertas, por ejemplo una de cada diez, sin ver los códigos de la máquina, y después compara ambos.
• Rastree cada cifra. Cada estadística debe remitir a una tabla, un año y una URL concretos. Las cifras de adopción de IA anteriores, por ejemplo, proceden de la tabla isoc_eb_ai de Eurostat.
• Coteje las citas con las transcripciones. Exija la línea o la marca de tiempo de cada cita y ábrala.
• Vuelva a ejecutar la instrucción. Si una segunda ejecución sobre el mismo material produce temas distintos, esos temas no son sólidos.
• Documente la configuración. Anote el modelo, la versión, la fecha y la instrucción, para que el análisis pueda repetirse.

Gobernanza: protección de datos, Reglamento de IA y códigos de investigación

Las transcripciones de entrevistas, las grabaciones y los archivos de encuesta suelen contener datos personales: nombres, voces, empleadores y, a veces, información sanitaria o financiera. Subirlos a un chatbot público supone una transferencia a un tercero que, según el RGPD (y, en el Reino Unido, el UK GDPR), requiere una base jurídica, información a los participantes y un contrato de encargo del tratamiento con el proveedor.

Una política viable abarca cuatro puntos:

• eliminar nombres, datos de contacto y otros identificadores antes de que el texto entre en una herramienta de IA;
• utilizar versiones empresariales con contrato de encargo del tratamiento y con el entrenamiento sobre sus datos desactivado;
• informar a los participantes, en el texto del consentimiento, de que sus respuestas pueden tratarse con IA;
• conservar los datos brutos por separado, para que el análisis pueda repetirse sin IA.

El Reglamento de Inteligencia Artificial de la UE, cuyas obligaciones se aplican de forma escalonada, incluye deberes de transparencia cuando las personas interactúan con un sistema de IA. Si realiza entrevistas moderadas por IA, informe a los participantes de que el entrevistador no es una persona. El Código Internacional ICC/ESOMAR exige además honestidad con los clientes sobre los métodos, de modo que un informe debe indicar qué fases contaron con asistencia de IA y cómo se comprobaron. Nuestra página de metodología describe cómo aplicamos estas normas.

¿Cuándo sigue siendo necesario encargar un estudio?

La IA acorta la preparación y el análisis. No puede aportar la evidencia cuando la decisión depende de cuántas personas actuarán, a qué precio o por qué:

• para medir cuotas, notoriedad o intención de compra, necesita una encuesta cuantitativa con una muestra definida; la calculadora de tamaño de muestra indica cuántas entrevistas requiere una precisión determinada;
• para entender motivos sobre los que los clientes no escriben en internet, las entrevistas en profundidad con compradores reales siguen siendo la vía fiable;
• para analizar grandes volúmenes de reseñas y publicaciones en redes sociales, un análisis del mercado digital combina la clasificación automática con la revisión humana;
• para las estadísticas oficiales de mercado, empiece por nuestra lista de fuentes de datos de mercado gratuitas en Europa.

Si no está seguro de qué opción le corresponde, describa la decisión en el formulario de solicitud de propuesta y le sugeriremos un diseño que use la IA donde ahorra tiempo y encuestados reales donde la respuesta depende de ellos.