Ushuaia 12 de marzo 2026.- Tengo un recuerdo muy nítido de mi primer trabajo de encuestas. Era una encuesta socio política, con formulario impreso en papel, lapicera, cuotas sociodemográficas a buscar. En un domicilio, el entrevistado tardaba, dudaba, se iba por las ramas. Yo anotaba todo, como me habían enseñado. Al final, lo que me llevaba no era tanto el dato que necesitaba, sino algo que el formulario no contemplaba: una frase suelta, un gesto, el tono con que me habló de su trabajo. Siempre me gustó ponerle atención a esos detalles. Volví a la oficina convencido de que investigar era, ante todo, escuchar.

Hoy dirigimos proyectos donde un modelo de lenguaje procesa diez mil respuestas abiertas en el tiempo que me tardaba anotar una. Y me alegra. Genuinamente. Pero también me hace pensar y me acelera.

¡Gracias por leer En-clave personal! Suscríbete gratis para recibir nuevos posts y apoyar mi trabajo.
Suscrito
Hace dos años empezamos a incorporar IA en esos proyectos; lo que cambió primero fue la velocidad. Eso lo esperaba. Lo que no esperaba era lo que cambiaría después: la naturaleza de las preguntas que nos hacemos. Con los métodos tradicionales, las encuestas tenían un costo alto. Diseñar un instrumento, salir a campo, supervisar, procesar los datos: todo eso tomaba tiempo y dinero, entonces uno elegía con cuidado qué preguntar. Había una economía de la pregunta. Ahora ese costo bajó tanto que la tentación es preguntar todo. Y cuando podés preguntar todo, de repente tenés que decidir qué es lo que realmente querés saber. Eso, que suena trivial, es en realidad la parte más difícil del oficio.

Me di cuenta de esto en un proyecto electoral. Teníamos un volumen de datos de escucha social que habría sido impensable cinco años antes. Curvas de sentimiento por hora, mapas de temas, perfiles de conversación por grupo etario. Todo precioso. Y sin embargo, en la reunión con el cliente, la pregunta que nos cambió el rumbo de la estrategia no vino de ningún dashboard: vino de una entrevista en profundidad con cinco vecinos de un barrio de Asunción, en Paraguay. Cinco personas. Lo cualitativo, lo lento, lo costoso, siguió siendo irreemplazable.

—

Hay algo que me incomoda en la forma en que nuestra industria está adoptando estas herramientas, y me cuesta ponerlo en palabras sin sonar conservador, que no es lo que soy.

Lo que me incomoda es la velocidad con que estamos normalizando resultados que no entendemos del todo. Un modelo de IA me dice que el 67% del sentimiento en torno a cierta política es negativo. ¿Negativo cómo? ¿Enojado, decepcionado, indiferente con ironía? El número es prolijo. La realidad debajo es mucho más sucia. Y a veces, en la urgencia de entregar, pasamos ese número sin abrir esa caja.

No estoy diciendo que la IA mienta. Estoy diciendo que simplifica, que es lo que hace toda herramienta de medición. El problema no es la simplificación; es cuando olvidamos que simplificamos. Cuando el mapa se vuelve el territorio.

El mayor riesgo no es que la IA se equivoque. Es que nos acostumbremos a no preguntarnos si se equivocó.

Hablo con colegas de Argentina, España, Paraguay, Perú, y el patrón se repite: los más jóvenes que entran a la profesión ahora nunca van a hacer tablas cruzadas a mano, nunca van a codificar una pregunta abierta respuesta por respuesta, nunca van a pasar una noche revisando si una base de datos tiene errores de carga. Todo eso lo hace la máquina.

¿Eso es malo? No necesariamente. Es distinto. Pero implica que el camino de formación cambió. Antes entendías los datos porque los habías tocado, revisado, equivocado con ellos. Ahora el primer contacto es ya con la síntesis. Y me pregunto si se puede desarrollar criterio interpretativo sin haber pasado por el dolor del dato bruto.

No tengo respuesta. Sí tengo la sospecha de que vamos hacia un mundo de nuevos analistas que saben usar herramientas muy poderosas pero que no han desarrollado todavía el olfato para saber cuándo la herramienta les está fallando. Ese olfato se aprende con errores, con tiempo, con sopapos.

Dicho todo esto — y sin ninguna nostalgia por los formularios de papel ni por las noches codificando respuestas abiertas — creo que hay cosas que nuestra profesión tiene que proteger activamente en este proceso de transformación.

La primera es la transparencia metodológica. No alcanza con decir “usamos IA”. Hay que poder explicar honestamente qué modelo de IA usamos, no en el sentido de detallar qué modelo se usó en el informe —eso nadie lo necesita ni lo leería— sino en el sentido de que el propio investigador sepa cuándo la herramienta le está fallando, qué limitaciones tiene, qué decisiones tomaron los humanos en el proceso.

La segunda es la diversidad de métodos. La IA brilla en escala y velocidad. La etnografía, la entrevista en profundidad, el grupo focal bien conducido capturan cosas que ningún algoritmo puede. No son métodos del pasado; son complementos necesarios. El riesgo es que la eficiencia económica de la IA vaya desplazando presupuesto de lo cualitativo hasta que lo dejemos de hacer. Si eso pasa, vamos a perdernos exactamente las cosas que más necesitamos entender: un gesto, un ceño fruncido, una mirada, un silencio demasiado largo.

La tercera — y para mí la más importante — es la conciencia del uso. Los datos sobre opinión pública, sobre comportamiento del consumidor, sobre intención de voto tienen consecuencias reales en la vida de personas reales. Eso no cambió con la IA. Lo que cambió es la escala a la que podemos operar y, por lo tanto, la escala del impacto potencial de un error o de una mala intención. Esa responsabilidad no se puede delegar en un sistema automatizado.

—

Vuelvo al recuerdo del principio. El entrevistado que tardaba, que se iba por las ramas. En ese momento, eso era ineficiencia. En retrospectiva, era información: me estaba diciendo algo sobre cómo pensaba, sobre qué le importaba, sobre la forma en que procesaba las preguntas. Eso es lo que me llevé de ese primer trabajo de campo y que todavía uso hoy.

La IA nos va a dar más datos, más velocidad, más precisión en cosas que hoy hacemos mal o no hacemos. Estoy convencido de eso y trabajo todos los días para que así sea. Pero la capacidad de escuchar lo que no estaba en el formulario — lo que nadie preguntó porque nadie sabía que importaba — eso sigue siendo un arte humano. Y creo que lo mejor que podemos hacer, como profesión, es no olvidarlo mientras abrazamos todo lo demás.