La IA multimodal en la investigación está llegando, pero aún no
La investigación de voz a voz impulsada por la IA ha logrado avances significativos. Ahora contamos con herramientas capaces de mantener conversaciones en vivo y parecidas a las humanas mediante el reconocimiento de voz en tiempo real, el procesamiento del lenguaje natural y la detección de sentimientos. Esto ya está cambiando la forma en que se llevan a cabo algunas investigaciones cualitativas y cuantitativas.
La próxima evolución que muchos anticipan es la IA multimodal, que integra voz y visión para crear una imagen más completa de la experiencia de los encuestados. He estado pensando en lo que esto podría significar para la investigación de mercados y en qué aspectos existen las limitaciones actuales.
¿Qué es la IA multimodal?
La IA multimodal se refiere a los sistemas que procesan e interpretan varios tipos de entrada al mismo tiempo. En la investigación de mercados, esto significa capturar e interpretar lo que dice el encuestado, cómo lo dice y cómo aparece al decirlo. Estos sistemas analizan el audio, el tono de voz, las expresiones faciales, la mirada y la postura mediante una combinación de reconocimiento de voz, análisis de sentimientos y visión artificial. Estas señales se interpretan en conjunto para evaluar las señales de compromiso, emoción y comportamiento.
El objetivo es replicar lo que un moderador humano experto hace de forma natural: observar, escuchar y responder basándose en una combinación de señales verbales y no verbales.
Por qué es importante
La IA multimodal podría proporcionar una comprensión emocional más profunda, una detección más precisa de los sentimientos y las intenciones, una experiencia de encuestado más natural y un contexto no verbal más rico en las entrevistas remotas. Cuando se usa de manera eficaz, puede ayudar a los investigadores a descubrir reacciones y emociones que los encuestados no expresan o no pueden expresar directamente.
La investigación de voz a voz ya está aquí. El multimodal no lo es.
La investigación de voz a voz ya se está utilizando. Plataformas como unSurvey.ai permiten a los entrevistadores basados en la IA entablar conversaciones dinámicas y naturales mediante la generación de voz en tiempo real y el sondeo adaptativo. Estas entrevistas pueden parecer realistas y tener una escala mucho mayor a la que pueden soportar los equipos humanos.
La investigación multimodal aún está en desarrollo. Si bien empresas como Realeyes, Affectiva y Entropik ofrecen análisis de la expresión facial y la atención, estas herramientas se suelen utilizar después de las entrevistas o en entornos controlados. Los avatares de inteligencia artificial de plataformas como Synthesia y HeyGen están mejorando en cuanto a realismo visual y sincronización de voz, pero siguen usando guiones y no son capaces de interactuar en vivo ni de adaptarse emocionalmente.
Hoy en día, no existe una plataforma comercialmente viable que lleve a cabo entrevistas totalmente multimodales en tiempo real con un moderador de IA similar al humano.
¿Qué tan pronto podríamos llegar allí?
Tengo entendido que hay varios avances en marcha que podrían acercar la IA multimodal a un uso viable en la investigación de mercados. Estamos empezando a ver un uso más amplio de las herramientas que analizan las expresiones faciales y el tono vocal después de las entrevistas, especialmente en las pruebas de anuncios y en la investigación de la experiencia de usuario. Los avatares generados por IA que parecen y suenan humanos también están mejorando, pero siguen siendo guionados y asincrónicos. Todavía no pueden interactuar en tiempo real ni adaptarse de manera significativa a señales emocionales complejas.
En campos adyacentes, como la educación y la salud mental, se están probando agentes de IA con conciencia emocional en entornos controlados. Estos sistemas pueden responder a cambios en el tono o la expresión facial, pero aun así funcionan dentro de parámetros limitados y carecen de la comprensión matizada que requiere la interacción humana en vivo.
En este momento, no tengo conocimiento de ninguna aplicación de IA multimodal completamente desarrollada que se utilice en la investigación de marketing comercial. Es posible que algunas empresas estén experimentando en este ámbito, pero nada parece estar preparado para su adopción generalizada. En los próximos años, es posible que empecemos a ver prototipos diseñados para casos de uso específicos, como las pruebas de conceptos o las entrevistas individuales, pero seguirán existiendo limitaciones importantes. Estas incluyen la precisión emocional, la sensibilidad cultural, la protección de la privacidad y la interpretabilidad de los resultados.
Es importante destacar que pueden pasar años antes de que la IA multimodal sea capaz de dirigir un grupo focal o incluso un minigrupo. Estos formatos requieren la capacidad de gestionar los turnos, interpretar las dinámicas grupales, responder a discursos superpuestos y adaptarse en función de sutiles señales interpersonales. Los moderadores humanos manejan estas dinámicas con fluidez y juicio. La IA aún no es capaz de gestionar estas capas de interacción, ni siquiera con acceso a datos visuales y de voz.
A corto plazo, el uso más probable de la IA multimodal será apoyar a los investigadores en lugar de reemplazarlos. Puede ayudar a identificar las señales emocionales, señalar posibles momentos de confusión o mejorar el análisis posterior a la sesión. Pero por ahora, la moderación de los grupos en directo sigue estando firmemente en manos de profesionales humanos.
Qué le falta a la IA multimodal
A pesar de que la tecnología mejora, m Insight depende de algo más que de señales. La IA multimodal sigue siendo limitada en áreas clave. La IA puede reconocer un ceño fruncido o una pausa, pero no entiende por qué el encuestado reacciona de esa manera. Un moderador humano puede darse cuenta cuando alguien está angustiado, desconectado, cauteloso o confundido, y se adaptará en consecuencia.
Los seres humanos aportan contexto, empatía y experiencia vivida. Sabemos cuándo hacer una pausa, cuándo investigar y cuándo abandonar una línea de preguntas. No se trata de capacidades que la IA pueda replicar, ni siquiera con información visual. La mala interpretación de las señales faciales o vocales puede llevar a interpretaciones incorrectas. Esto es especialmente preocupante cuando los modelos no están bien calibrados según las culturas, los tonos de piel o las líneas de base emocionales.
La IA multimodal puede llegar a un punto en el que añada valor a las conversaciones en vivo, pero es poco probable que sustituya los matices, la inteligencia social y la inteligencia emocional de un moderador capacitado.
El papel de la supervisión humana
A medida que las herramientas de inteligencia artificial asuman una mayor parte del proceso de investigación, la supervisión humana será aún más importante. Alguien tendrá que determinar si la IA interpreta las señales correctamente, si ha omitido algo importante y si ha incurrido en sesgos o errores.
Las funciones que cobrarán más importancia incluyen:
- Especialistas en supervisión de la investigación de IA que validan las entradas y los resultados, supervisan los sesgos y garantizan las prácticas éticas
- Intérpretes con visión humana que aportan matices conductuales, culturales y emocionales a los hallazgos
- Arquitectos de investigación estratégica que diseñan estudios que utilizan IA cuando es apropiado y se aseguran de que el diseño de la investigación se alinee con las necesidades estratégicas
Estas funciones no son solo temporales. Serán fundamentales para garantizar que la IA se utilice de forma adecuada y responsable.
La entrevista humana como un lujo del futuro
De cara al futuro, es probable que la moderación humana en vivo se convierta en un servicio premium. A medida que la IA se vuelve más capaz y rentable, es posible que las marcas reserven moderadores humanos para temas emocionalmente complejos, audiencias de alto riesgo o iniciativas de misión crítica.
También es probable que las organizaciones contraten investigadores humanos para auditar y validar las entrevistas e ideas generadas por la IA. De la misma manera que las empresas auditan los modelos financieros o el asesoramiento legal, pueden auditar los sistemas de investigación para garantizar la integridad y la confiabilidad.
También son probables los enfoques híbridos, en los que los humanos y la IA colaboren durante todo el proceso de investigación. Por ejemplo, un moderador de IA puede detectar cambios emocionales en tiempo real, mientras que una persona revisa la sesión después para interpretar la intención y guiar las decisiones.
Mire este espacio: La IA multimodal evolucionará, pero no de la noche a la mañana
La IA multimodal es realmente prometedora. Podría ayudar a los investigadores a captar una mayor parte de las capas emocionales y conductuales de la comunicación en entornos virtuales. Podría hacer que las entrevistas parezcan más naturales. Y podría abrir nuevas posibilidades para entender a los clientes de manera más profunda y a gran escala.
Pero aún no hemos llegado a ese punto. Las herramientas no están completamente listas. Las modelos aún no son conscientes emocionalmente. Y los riesgos de mala interpretación siguen siendo altos.
Incluso cuando la tecnología madure, se seguirán necesitando investigadores humanos. La información depende de algo más que de las señales. Depende de la interpretación, el pensamiento crítico, el juicio y la empatía. Depende de la interpretación, el juicio y la empatía. La IA no está diseñada para reemplazar estas cosas.
Como investigadores, debemos mantener la curiosidad y el compromiso. Debemos guiar el uso de estas herramientas y asegurarnos de que sirvan a las personas, no solo a los procesos. La mejor investigación del futuro será el resultado del trabajo conjunto de humanos y máquinas, cada uno haciendo lo que mejor sabe hacer.
Kirsty Núñez es el presidente y principal estratega de investigación de Q2 Insights, una firma de consultoría de investigación e innovación con alcance internacional y oficinas en San Diego. Q2 Insights se especializa en una amplia gama de metodologías de investigación y análisis predictivo. La empresa utiliza herramientas de inteligencia artificial para mejorar la velocidad y la calidad de la entrega de información, confiando al mismo tiempo en la experiencia y el juicio de los investigadores humanos. La IA se aplica exclusivamente a los datos de los encuestados y nunca se utiliza para generar hallazgos, que se basan en el análisis y la interpretación humanos.
