Cómo una IA reproduce la intención de compra sin pedirle nunca una nota

Cuando imaginamos «usar una IA para hacer un estudio de mercado», solemos pensar en una receta sencilla: describir un producto y luego pedirle al modelo que puntúe del 1 al 5 su intención de compra. Es intuitivo, pero también es el método equivocado. Es precisamente lo que demuestra la investigación.

La trampa de la nota directa

Pedirle una cifra a un gran modelo de lenguaje (LLM) produce distribuciones degeneradas: todo el mundo responde «4». La varianza se desploma, las respuestas se vuelven hipersensibles a la formulación de la pregunta, y la correlación con consumidores reales es baja. El modelo «sobreactúa» ciertas notas porque optimiza una respuesta plausible, no una opinión.

Dicho de otro modo: una cifra pedida directamente apenas contiene información aprovechable.

La idea central: separar la opinión de su medición

El artículo «LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings» (arXiv 2510.08338) propone una indirección elegante. En lugar de pedir una puntuación, se procede en dos tiempos:

1. El persona se expresa libremente. Hacemos que el modelo encarne a un encuestado, con una edad, una categoría socioprofesional, una región y unas actitudes, y le pedimos que reaccione al concepto en lenguaje natural, como un panelista real.
2. Medimos ese texto desde fuera. Comparamos la respuesta con un conjunto de frases de anclaje, una por cada nivel de la escala, mediante la similitud semántica (embeddings + coseno). El nivel más cercano, o una media ponderada, da la nota.

Esta separación lo cambia todo. La varianza regresa, las distribuciones se parecen a las de los humanos, y la correlación con los datos reales sube.

Por qué funciona

Un verbatim contiene mil matices que una cifra aplasta: «me habría gustado una versión menos dulce» no es un «no», es un «sí, pero». La similitud semántica capta ese matiz y lo proyecta sobre la escala, en lugar de obligar al modelo a decidir de forma artificial.

Eso es también lo que hace que el método sea defendible: no es «un chatbot que adivina», es un protocolo de medición reproducible, con anclajes versionados y validados por idioma.

Lo que Panelia hace con ello

En Panelia, este pipeline se ejecuta sobre cientos de encuestados sintéticos por estudio. Agregamos las notas en una distribución de intención, calculamos un Top-2-Box e intervalos de confianza por bootstrap, y calibramos el conjunto sobre datos humanos de referencia.

El resultado no es un oráculo. Es una herramienta de ayuda a la decisión, con su incertidumbre mostrada: exactamente lo que se necesita para filtrar conceptos antes de comprometer un presupuesto real de campo.

¿Quieres ver el método completo, anclajes incluidos? Ve a la página La Ciencia.