¿Cómo defiendes los respondentes sintéticos ante tu cliente?

Que suenen reales es el mínimo. Cualquier modelo de lenguaje pasa esa prueba, y tu cliente lo sabe. La pregunta que decide la reunión es más estrecha y mucho más difícil: si pediste gente que ya tiene el producto, ¿cómo sabes que la gente entrevistada lo tiene?

Un segmento es una promesa sobre quién está en la muestra. Si nadie comprueba la promesa, las transcripciones salen fluidas y el estudio no vale nada. Nosotros nos equivocamos antes de acertar, así que empecemos por ahí, y sigamos por lo que hubo que construir para que no vuelva a pasar.

¿Qué salió mal en nuestro propio estudio?

En agosto de 2026 corrimos un estudio de automoción con tres segmentos definidos por conducta pasada: quien ya conduce un eléctrico, quien lo consideró y compró combustión, y quien no lo consideró nunca.

Luego leímos las fichas a mano. En el segmento "ya conduce un eléctrico", 22 de 23 respondentes decían haberlo descartado. En el de "no lo consideró nunca", 18 de 23 decían que sí lo habían considerado. Los tres segmentos eran la misma gente con tres etiquetas.

Toda lectura entre segmentos de esa corrida quedó invalidada, y nada de eso se veía en las transcripciones, que eran perfectamente coherentes. Coherente y equivocado es la combinación peligrosa, porque sobrevive a la revisión. La causa era mundana: un segmento descrito en prosa no llega al respondente si nada lo lleva hasta ahí, y la conducta pasada no tenía ningún campo por el que viajar.

¿Cómo se comprueba ahora un segmento?

Antes de que corra ninguna entrevista, cada respondente generado se juzga contra la definición escrita del segmento, y el juez devuelve uno de tres veredictos:

• cumple - la biografía dice lo que el segmento exige
• contradice - la biografía dice lo contrario
• no consta - la biografía no se pronuncia

Solo se descarta a quien contradice, y cada descartado se repone hasta llenar la muestra. Con dos veredictos no funciona: en un juicio binario hay que elegir entre colar contradicciones y vaciar el segmento, porque la mayoría de biografías simplemente callan sobre cualquier condición concreta. El tercer veredicto es lo que hace que la puerta se pueda usar.

Y recibes el número. No la promesa de que el segmento está limpio, sino el porcentaje de respondentes que cumplieron, por segmento y por estudio.

Este es el paso que un chatbot genérico no tiene. Pídele que haga de consumidor que ya tiene un eléctrico y lo hará, al instante y de forma convincente, porque entre la petición y la respuesta no hay nada: ninguna muestra que inspeccionar, nadie a quien descartar, nadie a quien reponer, ningún número que devolverte. Lo difícil nunca fue producir la conversación. Es todo lo que tiene que pasar antes de que a la conversación se le permita empezar.

¿Cuánto acierta el juez?

180 juicios, cero fallos. La medición son 18 biografías reales guardadas, juzgadas seis veces cada una, en las tres clases de veredicto. Repetir la misma pregunta sobre el mismo texto es la única forma de separar criterio de ruido: un juez que acierta una vez puede estar adivinando.

En ese mismo estudio de automoción, relanzado con la puerta puesta, los tres segmentos volvieron con 21 de 23, 23 de 23 y 23 de 23.

El caso más difícil que hemos medido es una condición en negativo - "no viaja" -, que un generador satisface por su cuenta solo 2 veces de cada 5. Con la puerta puesta, pedir cinco personas devuelve cinco de cinco. El coste es una segunda ronda de generación.

¿Se sostiene un segmento definido solo por conducta, sin edad ni oficio?

Sí. Probamos cuatro segmentos de transporte - tren, autobús, bicicleta y "no se desplaza" - sin declarar rango de edad ni profesión, cinco personas cada uno. Los cuatro salieron al 100%, con edades de 29 a 83 años dentro de cada segmento.

Un matiz que importa al escribir el brief: la puerta juzga lo que declara TU segmento, no lo que declaran los demás. Si tus ciclistas deben excluir a quien usa transporte público, esa exclusión hay que escribirla en la condición. Escrita, se aplica: juzgamos a respondentes de tren y autobús contra "se desplaza en bicicleta y no usa el transporte público" y salieron cinco contradice, cero cumple. Sin escribir, no lo mira nadie.

¿El perfil psicológico cambia lo que eligen?

Empecemos por la parte que sí funciona, porque es medible y puedes auditarla tú: el perfil que pedimos es el perfil que llega. Cada uno de los cuatro perfiles puntuó entre 0,86 y 0,97 en su dimensión objetivo, frente a 0,40-0,45 en las otras. El vector se fija, llega al respondente, y se nota en cómo habla y en cómo se puntúa a sí mismo.

Lo que no hizo fue cambiar la elección.

Corrimos un estudio dedicado: 100 respondentes, 25 por perfil psicométrico, un solo estímulo compartido. Los cuatro perfiles eligieron casi igual, con chi cuadrado 0,17 y p = 0,982, y el criterio número uno del ranking fue el mismo en los cuatro.

Lo que eso autoriza a decir es estrecho: un estímulo, una categoría. No permite afirmar que el motor aplane a la gente en general, porque sin brazo humano no se distingue "el modelo no diferencia" de "esta decisión no depende de valores". Muchas decisiones reales no dependen.

Lo contamos porque es el tipo de hallazgo que solo puede producir un sistema instrumentado. Para establecer que un perfil psicológico no mueve una decisión concreta hay que fijar el perfil, demostrar que se fijó, mantener todo lo demás constante y contar. Quien no puede hacer esas cuatro cosas no puede averiguarlo: solo puede suponerlo, en la dirección que le convenga.

¿Qué sí mueve la decisión?

La conducta. En el mismo estudio de automoción, ante una elección entre combustión y eléctrico:

• segmento "ya conduce un eléctrico": 9 de 20 eligieron el eléctrico
• los dos segmentos que no lo tienen: 0 de 41

Es la mayor diferencia entre segmentos que ha producido nuestra batería, y la primera que se apoya en segmentos verificados uno a uno. Léelo por lo que es: son respondentes sintéticos, no una muestra de mercado. Lo medido es que la definición del segmento cambia la respuesta, no qué porcentaje de conductores reales compra eléctrico. Y el diseño no establece causalidad.

¿Cuándo NO funciona esto?

Cada límite de abajo lo podemos enunciar porque lo medimos. Una herramienta que nunca inspecciona su propia muestra no se libra de estos problemas: simplemente no tiene forma de verlos.

• La pureza no es comparable entre estudios. Depende de lo observable que sea la condición que escribas. Una condición que no deja huella en una biografía - el canal de compra, por ejemplo - hace que la puerta se apague sola y entregue el segmento sin verificar.
• Los segmentos no salen garantizados excluyentes entre sí. Salen garantizados contra su propia definición. La exclusividad se escribe.
• Un juicio mal formado cae al veredicto inocuo. Si la respuesta viene rota dos veces seguidas, ese respondente entra. Queda en el registro, pero entra.

¿Qué puedes contarle a tu cliente?

Que la muestra se comprobó contra el brief antes de entrevistar a nadie, que quien contradecía el brief se descartó y se repuso, y que el porcentaje de cumplimiento por segmento va en el entregable.

Y, cuando haga la pregunta difícil, que sabemos algo que la categoría tiende a sobrevender: fijar un perfil psicológico no cambió lo que eligieron nuestros respondentes. Lo que sí lo cambió fue definir el segmento por lo que la gente ha hecho de verdad. Preferimos decírtelo ahora a que lo descubras en un debrief.