Anthropic, la empresa detrás de la herramienta de IA generativa Claude, afirmó en marzo de 2026 haber utilizado un entrevistador de IA para realizar el estudio cualitativo más grande y multilingüe jamás realizado. La herramienta de IA recopiló respuestas de casi 81,000 personas sobre sus visiones de la IA, abarcando 70 idiomas y 159 países. Anthropic sostiene que herramientas como esta permiten a los investigadores realizar entrevistas ricas y abiertas a gran escala.
La investigación cualitativa es útil para comprender las experiencias vividas por las personas. El término “cualitativo” se refiere tanto al tipo de datos que recopilan los investigadores como al propósito del estudio. Los datos cualitativos incluyen texto, imágenes, audio, vídeo y cualquier otro dato que no sea numérico. Por ello, el término “cualitativo” se suele utilizar en contraposición a los datos “cuantitativos”, es decir, numéricos.
La investigación cualitativa permite a los investigadores explorar en profundidad las tensiones, ambigüedades y paradojas que caracterizan la vida cotidiana. También ayuda a comprender cómo las normas sociales, la dinámica cultural y las experiencias subjetivas moldean las perspectivas, creencias y actitudes de las personas.
Entonces, ¿puede un modelo de IA sin experiencia vivida ni capacidad de autorreflexión conectar con las personas lo suficiente como para comprender sus mundos?
Somos investigadores especializados en investigación cualitativa sobre tecnologías digitales. En conjunto, contamos con décadas de experiencia en el desarrollo, la realización y la publicación de estudios de entrevistas, e impartimos métodos de investigación cualitativa a estudiantes de pregrado y posgrado.
Si bien las herramientas de IA pueden apoyar la investigación en ciencias sociales, también presentan limitaciones importantes. No tener en cuenta estas limitaciones conlleva el riesgo de menoscabar el valor único de la investigación que se basa en la conexión humana.
¿Qué es la investigación cualitativa?
En términos generales, la investigación cualitativa consiste en explorar el significado que las personas atribuyen a sus experiencias.
La investigación cualitativa suele implicar entrevistas presenciales con individuos y grupos. Su aplicación práctica varía según la disciplina académica del investigador, su enfoque filosófico y su trayectoria personal.
Si bien el objetivo es generar explicaciones sobre el mundo, la investigación cualitativa busca revelar las formas sutiles en que las personas construyen significado, teniendo en cuenta los diferentes contextos que dan forma a sus experiencias.
Por ejemplo, nuestro equipo utilizó la investigación cualitativa para explorar cómo padres, hijos y profesores abordan los problemas de privacidad digital. También hemos utilizado datos cualitativos para analizar cómo personas influyentes, activistas y usuarios cotidianos interpretan y responden a los algoritmos de las redes sociales.
Anthropic Interviewer puede formular preguntas a los participantes y presentar preguntas de seguimiento basadas en sus respuestas. Sin embargo, sostenemos que la investigación cualitativa requiere capacidades humanas de las que carece un modelo de IA.
Te recomendamos: Amazon jubila a su chat Rufus e integra la IA generativa en Alexa para dominar las compras
La IA está programada, las conversaciones humanas no.
A diferencia de los estudios centrados en datos cuantitativos, la investigación cualitativa se basa en la flexibilidad.
La investigación que recopila datos cuantitativos requiere condiciones de estudio cuidadosamente controladas. Suelen tener como objetivo probar hipótesis específicas y medir la relación entre variables. Para establecer la validez de sus hallazgos, los investigadores deben demostrar que controlaron los factores de confusión.
En cambio, los estudios cualitativos son más abiertos. Generalmente, consideran cómo las personas comprenden o experimentan el mundo en contexto. Dado que el mundo es complejo, desordenado y lleno de matices, los entrevistadores pueden necesitar modificar sus preguntas iniciales o añadir otras nuevas para recopilar datos relevantes. En otras palabras, los investigadores adaptan la entrevista al flujo de la conversación.
Para planificar las interacciones que Anthropic Interviewer tendría con los participantes del estudio, los investigadores deben especificar las preguntas clave de la entrevista y dar instrucciones al programa sobre cómo interactuar con los participantes.
Para su reciente estudio sobre las visiones de las personas respecto a la IA, algunas de las preguntas clave que Anthropic utilizó incluyen: “¿Para qué fue la última vez que usaste un chatbot de IA?”. y “¿Si pudieras agitar una varita mágica, qué haría la IA por ti?”. La empresa no especificó qué preguntas o hipótesis introdujo en el sistema para generar las preguntas de seguimiento de este estudio.
Al basarse en instrucciones fijas, Anthropic Interviewer no conversa con un participante como lo haría un investigador humano. En cambio, ejecuta una serie de tareas en respuesta a instrucciones predefinidas. En una conversación, un entrevistador humano absorbe diversa información del participante (sus palabras, tono, actitud) y responde de forma natural, adaptándose al momento.
Un entrevistador de IA, al ser una máquina, solo puede actuar dentro de los parámetros establecidos por los diseñadores del sistema. Esto significa que, incluso si se entrena con grandes conjuntos de datos, como Anthropic Interviewer, no podrá tener en cuenta la dinámica relacional única, a menudo implícita, de las nuevas entrevistas.
Utilizar una herramienta de IA puede generar datos cualitativos, pero no es lo mismo que realizar una investigación cualitativa.
La IA carece de posicionalidad.
La mayoría de los investigadores cualitativos consideran su identidad, experiencias vividas y relaciones con las personas que estudian como elementos centrales de su trabajo. Esta posicionalidad puede entenderse como una serie de perspectivas a través de las cuales los investigadores abordan sus estudios, como su raza, género, creencias, valores, sesgos y circunstancias vitales. Estos factores los sitúan en relación con su área de interés: como miembros del grupo, como observadores externos o en una posición intermedia, de acuerdo con el contexto.
El Entrevistador Antrópico no tiene una posición definida en relación con la investigación que pretende apoyar, ya que carece de cuerpo, identidad, historia de vida o experiencias vividas. Incluso si se le pide que imite una perspectiva particular —como la de “una mujer a otra”—, no “contendrá multitudes”, como dijo el poeta Walt Whitman, como lo hacen las personas reales.
A diferencia de una persona real con una perspectiva personal que puede responder genuinamente a una conversación en vivo, los modelos de IA utilizan probabilidades para reproducir los patrones de cómo una persona suele actuar o hablar. También puede resultar alienante para los participantes si un entrevistador de IA asume una personalidad particular y modifica su forma de responder. En cierto modo, la IA antrópica solo puede ofrecer lo que la filósofa Donna Haraway denominó “una perspectiva desde ninguna parte”.
Además, la ausencia de una perspectiva personal no implica neutralidad. Dado que los sistemas de IA se entrenan con datos existentes, pueden reflejar los estereotipos y las visiones del mundo dominantes de la época, incluyendo las de sus desarrolladores, curadores y las empresas que los respaldan.
La falta de posicionamiento de la herramienta de IA es importante porque esta cualidad influye en cada etapa de la investigación. Esto incluye las preguntas que los investigadores formulan en las entrevistas y cómo las formulan; cómo filtran la información e interpretan las respuestas; y qué temas abordan.
Compartir aspectos en común con los participantes —incluso simplemente como un ser humano que puede tener experiencias, pensamientos y emociones de primera mano— puede ser fundamental para la recopilación y el análisis de datos. Permite una comprensión profunda e intuitiva de cómo los participantes perciben e interpretan lo que comparten.
La perspectiva personal del investigador también influye en cómo responden los participantes: qué deciden compartir y cuán cómodos se sienten. Por ejemplo, alguien que creció en la pobreza puede sentirse más cómodo hablando de deudas y asistencia pública con alguien de una situación similar que con alguien que no la comparte.
Sin una perspectiva personal, las entrevistas pueden volverse monótonas y carecer de contexto. Las preguntas pueden volverse mecánicas y el desarrollo de la comprensión mutua se ve limitado. Los participantes también pueden reaccionar de manera diferente si perciben que el entrevistador carece de una perspectiva clara.
Te interesa: EU y China debaten medidas de control de la IA para proteger los modelos más potentes
La IA no puede ser reflexiva
Cuando los investigadores pueden reflexionar sobre sus propias suposiciones, pueden generar hallazgos más reflexivos y responsables que eviten tergiversar a sus participantes. Esta reflexividad es otro aspecto humano clave de la investigación cualitativa: el esfuerzo constante de los investigadores por autoevaluar cómo su experiencia personal y sus decisiones a lo largo del estudio pueden afectar el trabajo.
Los buenos investigadores cualitativos no intentan eliminar sus sesgos, sino que intentan tenerlos en cuenta. Reflexionan continuamente sobre cómo su identidad, experiencias y perspectivas dan forma a su trabajo y comparten públicamente estas reflexiones. Mientras que los investigadores cuantitativos ven el sesgo como una fuente de error, los investigadores cualitativos ven sus puntos de vista como recursos valiosos para la construcción de significado.
Por ejemplo, cuando nuestro equipo entrevista a estudiantes para nuestros estudios, consideramos cómo nuestra doble función como profesores universitarios e investigadores puede influir en cómo interpretamos las experiencias de nuestros participantes, qué se sienten cómodos compartiendo y cómo lo comparten. Compartir abiertamente esta explicación proporciona un contexto importante para los lectores que consideran los hallazgos, les ayuda a evaluar hasta qué punto pueden aplicarse en otros contextos y a generar confianza en los resultados.
Anthropic Interviewer carece de capacidad reflexiva, ya que no posee un marco de referencia ni capacidad de autorreflexión. Como máquina, no puede autoevaluar sus “decisiones” en las interacciones, considerar cómo lo perciben los participantes ni reflexionar sobre cómo estos factores pueden influir en lo que los participantes comparten o ocultan.
Cuando los lectores no pueden comprender cómo las suposiciones, los valores, las creencias y las decisiones de los investigadores afectaron la forma en que recopilaron los datos, la investigación puede parecer menos confiable.
Las entrevistas suelen ayudar a los investigadores a desarrollar una conexión empática con los participantes de su estudio, lo que puede contribuir a garantizar que su trabajo sea ético y responsable. Esta conexión profunda puede guiar a los investigadores a respetar los límites durante las entrevistas.
La empatía también ayuda a los investigadores a respetar los pensamientos, sentimientos y experiencias de sus participantes, representándolos con la mayor fidelidad posible.
Las entrevistas cualitativas aún requieren la intervención humana
Anthropic Interviewer abre nuevas posibilidades para la investigación cualitativa al permitir la recopilación de datos a una escala y velocidad sin precedentes. Sin embargo, esto no significa que realice las mismas funciones que los entrevistadores humanos en la investigación cualitativa.
Las entrevistas de investigación no consisten en extraer conclusiones prefabricadas de los participantes de la forma más eficiente posible. Se trata de adentrarse en la realidad de otras personas y aprovechar las experiencias humanas compartidas que posibilitan la comprensión mutua, tanto a nivel cognitivo como emocional.
Como dijo el sociólogo Douglas Ezzy, las buenas entrevistas se basan en la comunión, no en la conquista.
*Kelley Cotter es profesora adjunta de Ciencias y Tecnologías de la Información; Ankolika De es candidata a doctora en Informática en Penn State; y Priya C. Kumar es profesora adjunta de Ciencias y Tecnologías de la Información. Todas ellas pertenecen a Penn State.
