Un estudio de PyMC Labs en conjunto con Colgate-Palmolive analizó cómo la inteligencia artificial puede anticipar decisiones de compra con precisión similar a la humana. La investigación, publicada en arXiv, presenta un método llamado Semantic Similarity Rating (SSR) que permite a los modelos de IA explicar sus respuestas en lugar de limitarse a asignar una puntuación numérica.
El hallazgo central del estudio es que cuando los modelos de IA razonan en palabras, pueden predecir qué productos comprarían las personas con una precisión comparable a la humana. Las explicaciones en lenguaje natural contienen más información que una simple puntuación, y esa información puede transformarse matemáticamente para replicar las valoraciones humanas. En los experimentos realizados, el SSR alcanzó una correlación del 90% con los rankings reales de los consumidores.
El SSR funciona en tres etapas. Primero, el modelo genera una respuesta libre explicando su razonamiento ante una pregunta o un producto. Luego, un sistema de embeddings transforma esa respuesta en una representación matemática del significado. Finalmente, esa representación se compara con frases de referencia que representan distintos grados de interés o rechazo, produciendo una distribución de probabilidad que refleja la afinidad de la respuesta con cada categoría.
Este enfoque no solo imita las respuestas humanas, sino que conserva la lógica detrás de ellas. Al permitir que los modelos expresen su incertidumbre y expliquen sus decisiones, el SSR reproduce mejor la ambigüedad natural del razonamiento humano. Además, el sistema puede incorporar información contextual —como edad, ingresos o valores— para simular perfiles demográficos distintos y analizar cómo cambian las motivaciones de compra entre grupos.
El SSR amplía las posibilidades de la investigación de mercado. Permite que las empresas prueben ideas, productos o campañas en cuestión de minutos, combinando la velocidad del análisis automatizado con la profundidad del pensamiento cualitativo. Esta metodología representa un paso hacia una IA capaz de comprender las motivaciones humanas, no solo los patrones de comportamiento.
Los resultados mostraron que este método reproduce con gran precisión las evaluaciones y clasificaciones que haría un grupo de consumidores reales. La clave radica en que el modelo no solo predice lo que las personas eligen, sino que también ofrece una explicación del porqué, revelando matices de razonamiento similares a los humanos.
El SSR amplía las posibilidades de la investigación de mercado. Permite que las empresas prueben ideas, productos o campañas en cuestión de minutos, combinando la velocidad del análisis automatizado con la profundidad del pensamiento cualitativo. Esta metodología representa un paso hacia una IA capaz de comprender las motivaciones humanas, no solo los patrones de comportamiento.
Los autores señalan que esta técnica reduce drásticamente los tiempos y costos asociados a los estudios de consumo, al tiempo que conserva la riqueza interpretativa de los análisis tradicionales. Con el SSR, la inteligencia artificial se convierte en una herramienta de predicción más transparente y contextual, capaz de revelar las razones detrás de las decisiones de compra.
Estudio completo aquí
