Los datos sintéticos se han convertido en un recurso clave para sectores como la medicina, la conducción autónoma y la investigación de experiencia de usuario (UXR).
Como herramienta, están permitiendo a los investigadores simular interacciones y explorar escenarios de uso antes de recurrir a usuarios reales, optimizando tiempo y recursos. Sin embargo, la comunidad científica subraya que, pese a su utilidad, los usuarios sintéticos tienen limitaciones que no deben pasarse por alto.
En una publicación realizada por EPAM Systems se reflejó una discusión que refleja el impacto que tendría la adopción de esta tecnología para la salud y la experiencia de usuario a la hora de desarrollar nuevos productos.
La utilidad comprobada de los datos sintéticos
El concepto de datos sintéticos no es nuevo. En el ámbito médico, se generan datos para suplir la escasez de información sobre enfermedades raras o para garantizar diversidad en los algoritmos de diagnóstico. En la industria automotriz, estos datos se utilizan para simular entornos de conducción y entrenar sistemas de vehículos autónomos. Incluso en situaciones como la pandemia de COVID-19, los gobiernos emplearon simulaciones de multitudes para evitar aglomeraciones y planificar espacios seguros.
Ahora, los investigadores de UX están explorando cómo aplicar este enfoque en su trabajo. Herramientas como Synthetic Users o los modelos generativos de IA, como ChatGPT, permiten simular entrevistas y probar hipótesis antes de realizar estudios con usuarios reales. Aunque estas simulaciones ofrecen resultados similares a los obtenidos con humanos, los expertos han detectado una limitación clave: los usuarios sintéticos tienden a ser más generales y carecen del nivel de detalle y las experiencias personales que aportan los usuarios reales.
Los expertos analizan los datos sintéticos para la experiencia de usuario
El debate en torno a los datos sintéticos en UXR ha sido intenso. Un estudio reciente liderado por Hämäläinen et al. (2023) destaca que esta tecnología es útil para generar ideas y realizar experimentos piloto, pero recalca la necesidad de validar los resultados con datos reales. Por su parte, Eismann (2023) señala que, aunque las herramientas generativas de IA son excelentes para resumir información, presentan fallas al verificar o refutar hipótesis, e incluso pueden generar suposiciones infundadas.
Otro punto crítico es la capacidad de la IA para comprender las experiencias latentes de los usuarios, un aspecto clave en UXR. Según expertos, mientras que los algoritmos trabajan dentro de los límites de los datos con los que han sido entrenados, los humanos destacan por su creatividad, intuición y empatía, habilidades esenciales para interpretar comportamientos complejos y prever necesidades futuras.
Una herramienta complementaria, no un reemplazo
Si bien los usuarios sintéticos representan una herramienta poderosa para las etapas iniciales de investigación, los especialistas coinciden en que no pueden reemplazar la interacción directa con usuarios reales. Estos últimos ofrecen una perspectiva única que permite desarrollar productos adaptados a las necesidades del mundo real.
Además, la experimentación con herramientas de UXR sintético es clave para preparar a los investigadores frente al avance de la IA. Comprender cómo funcionan estos algoritmos no solo optimiza los procesos, sino que también evita que se conviertan en cajas negras inaccesibles.
Siendo así, los datos sintéticos no llegan a sustituir a los usuarios reales, pero sí amplían el alcance de la investigación. Combinar ambos enfoques será fundamental para diseñar experiencias que realmente conecten con las personas.
