Pedirle a la IA que haga de tu cliente te da la razón: dijo que compraría el 52% y compró el 33%
Parte de la serie sobre tiempo de respuesta a los contactos
Un estudio comparó clientes simulados con IA y compras reales: la IA predijo un 52% de compra y fue un 33%. Para qué sirve la IA al validar una idea y para qué no.
Es una tentación muy razonable. Vas a lanzar un servicio nuevo, a cambiar la forma de presentar lo que vendes o a probar un anuncio. Antes de gastar nada, abres un asistente de IA y le escribes: «Actúa como mi cliente ideal. ¿Te interesaría esto? ¿Lo comprarías?».
La IA contesta con soltura, con matices y con objeciones que suenan sensatas. Y casi siempre acaba diciendo algo parecido a «sí, me interesaría».
Un artículo de Jamie Watters, que llegó esta semana en el boletín de marketing de TLDR, junta dos estudios que han medido justo eso. La conclusión cabe en su título: pedirle a la IA que actúe como tus clientes empeora su respuesta.
Lo que midieron, sin adornos
El primer estudio se llama BehaviorLens y es de Meryem Sakin. Es prerregistrado: se dijo antes qué se iba a medir y cómo. Dio a personajes creados con IA el historial de compra de hogares reales de un supermercado y les preguntó si comprarían en cinco categorías durante los 28 días siguientes. Después comparó cada respuesta con lo que ese hogar compró de verdad.
- Compra: el panel simulado predijo un 52%. La cifra real fue un 33%.
- Cupones: el panel predijo un 32% de canjes. En caja se canjeó un 14%.
El segundo, de Alexandre Maiorano y publicado en arXiv, usó pruebas A/B reales de titulares en las que los lectores ya habían elegido un ganador con sus clics. Comparó dos formas de preguntar a la IA:
- Preguntando sin más qué titular pincharía un lector típico, la IA acertó el ganador el 49,2% de las veces.
- Con un panel de diez personajes construidos a partir de datos reales de la audiencia, acertó el 34,6%.
- Eligiendo al azar se acierta el 30,4%.
Es decir: disfrazar a la IA de cliente no solo no ayudó, sino que la dejó cerca del azar. La explicación que da el autor del estudio, según recoge Watters, es que preguntada directamente la IA tira de lo que sabe sobre cómo se comporta la gente en general; cuando le pides que sea una persona concreta, le añades sesgo y ruido.
Los propios autores ponen límites a sus datos, y conviene repetirlos: un solo supermercado, pocos casos en alguna de las pruebas, datos públicos que los modelos pueden haber visto al entrenarse. Ninguno de los estudios probó una entrevista sobre un producto que aún no existe. Pero en los dos el método del personaje salió peor que la alternativa sencilla.
Por qué esto le importa a una pyme
Las grandes empresas tienen departamentos de estudios de mercado. Una pyme tiene al dueño, una tarde y un asistente de IA. Por eso la tentación de usar clientes simulados es mayor cuanto más pequeña es la empresa, y por eso el error sale más caro: no hay un segundo filtro que lo frene.
Las situaciones típicas en las que se cae:
- Un servicio nuevo. «¿Contratarías una revisión anual de esto?» La IA dice que sí, con condiciones. Lanzas, y el teléfono no suena.
- Un cambio de precio o de forma de pago. «¿Te parecería bien pagar por adelantado?» La IA pondera pros y contras y acaba aceptando.
- Un anuncio o una página. «¿Te convencería este texto?» La IA lo mejora y se convence a sí misma.
En los tres casos, la IA no miente. Hace lo que le has pedido: imaginar a un cliente. Y el estudio del supermercado dice que ese cliente imaginado es más generoso que el real.
Hacerla más exigente tampoco lo arregla
La respuesta obvia es pedirle que sea un cliente difícil. Watters lo intentó a fondo: construyó un producto entero de entrevistas con clientes simulados, con personajes más y menos escépticos y un mínimo de objeciones por sesión.
Su conclusión es incómoda. Cada uno de esos ajustes es un mando que se puede girar, pero ninguno es un punto de referencia. Puedes hacer al cliente simulado más duro o más blando, y no tienes forma de saber qué ajuste se parece a tus clientes reales, porque la única manera de saberlo es preguntar a clientes reales. El producto, por cierto, nunca tuvo un cliente de pago y lo cerró él mismo, según cuenta en el artículo.
Para qué sí sirve la IA en esta fase
El mismo autor no tira la herramienta. Separa tres usos que se sostienen de uno que no.
1. Encontrar la objeción que no habías pensado
Pedirle a la IA que te diga por qué alguien no compraría es útil como lista de preguntas. No como respuesta. Si la IA dice «ya tengo a alguien que me lo hace y no voy a cambiar por poco», eso no demuestra que tus clientes lo piensen. Te da una pregunta que hacerles: «¿Con quién lo hacías antes? ¿Por qué cambiaste?».
2. Ensayar una conversación
Si te cuesta hablar de precio o de plazos con un cliente, ensayar con la IA unas cuantas veces quita nervios. Es práctica, no evidencia.
3. Comparar dos versiones, sin disfraz
Es lo que salió mejor en el estudio de los titulares: darle dos versiones del mismo texto y preguntarle cuál elegiría un cliente típico, sin pedirle que se convierta en nadie. Sirve para elegir entre dos asuntos de un correo, dos formas de explicar un servicio o dos primeras frases de una respuesta.
Lo que no conviene preguntarle es si la gente va a comprar. Ese número, el nivel, es justo el que los personajes inflaron.
Lo que no sirve: el veredicto
«¿Lanzo esto o no?» es la pregunta que de verdad quieres contestar, y es la que la IA haciendo de cliente contesta peor. Todo veredicto descansa en una estimación de cuántos comprarían, y esa es la cifra que salió hinchada.
Lo que una pyme ya tiene y no está usando
Aquí está lo interesante para una empresa pequeña. Estos estudios echan en falta una referencia real. Uno de los trabajos que cita Watters, de Tigre y Souto, calcula que para corregir un panel simulado hacen falta entre 50 y 300 respuestas reales, y que, cuando ya las tienes, esas respuestas por sí solas son más precisas que el panel corregido.
Una pyme que recibe consultas cada semana tiene esa referencia delante. Está en tres sitios:
- Las preguntas que te hacen. Cada mensaje que entra por la web, el teléfono, el correo o WhatsApp dice qué le preocupa a alguien que ya está interesado. Si diez personas en un mes preguntan por el plazo y ninguna por el precio, eso vale más que cualquier simulación.
- Los que compraron. Saben por qué te eligieron y con quién te compararon.
- Los que dijeron que no. Es la información más valiosa y la que menos se recoge, porque nadie anota por qué se perdió una venta.
Si quieres ver cómo se ordena lo que dicen los clientes antes de tomar decisiones, en antes de pagar a un creador de contenido, lee sus comentarios hay un caso parecido: lo que la gente escribe de verdad pesa más que lo que promete una cifra bonita.
Ejemplo: una clínica privada que quiere lanzar un bono de revisiones
Ejemplo: una clínica privada se plantea vender un bono anual de revisiones. La gerente pregunta a la IA, en papel de paciente, y la respuesta es entusiasta.
Antes de lanzarlo, hace otra cosa. Revisa las consultas del último trimestre y apunta qué preguntaban los pacientes que no volvieron. Descubre que la duda más repetida no era el precio, sino los horarios. Y en la siguiente conversación con pacientes que sí repiten, pregunta qué les haría venir más a menudo.
La IA le sirve para redactar dos versiones de la explicación del bono y elegir la más clara. La decisión de lanzarlo sale de los pacientes. Y nada de esto valora casos ni da consejo médico: es cómo se presenta y se vende un servicio.
Pregunta qué hicieron, no qué harían
La regla que deja el artículo es sencilla y sirve igual con clientes reales: pregunta por lo que la persona hizo, no por lo que haría. «¿Contratarías esto?» casi siempre recibe un sí educado. «¿Cómo lo resolviste la última vez?» recibe una historia, y en la historia está la respuesta.
Y una precisión importante en España: esas conversaciones se tienen con quien ya es cliente o con quien te ha escrito, dentro de esa relación. No es una excusa para escribir con fines comerciales a gente que no te ha pedido nada.
Qué hacer esta semana
- Revisa la última vez que le pediste a la IA que hiciera de cliente. Si tomaste una decisión con esa respuesta, apúntala como hipótesis, no como dato.
- Junta las consultas de un mes de todos los canales y apunta las tres preguntas que más se repiten.
- Anota por qué se pierde cada venta durante las próximas semanas. Una línea basta.
- Habla con tres clientes recientes y pregúntales qué hicieron antes de elegirte.
- Usa la IA para lo que sirve: sacar objeciones, ensayar y comparar dos textos sin disfrazarla de nadie.
Si tu empresa ya usa IA en otras partes, el criterio para saber si funciona es el mismo que aquí: compararla con algo real. Está explicado en cómo saber si la IA de tu empresa funciona de verdad.
Fuentes
- Telling AI to act as your customers makes its answer worse — Jamie Watters; recogido en el boletín TLDR Marketing del 19 de octubre de 2026.
- BehaviorLens: evaluación prerregistrada de personajes de IA frente a compras reales — Meryem Sakin, 2026.
- Do Synthetic Personas Predict Real Audience Response? — Alexandre Maiorano, arXiv, 2026.
- When Can You Trust Your Synthetic Users? — R. Tigre y H. Gobato Souto, arXiv, 2026.
Preguntas frecuentes
¿Está mal pedirle a ChatGPT que actúe como mi cliente ideal?
No está mal, pero no lo trates como una prueba. Los estudios que recoge este artículo muestran que los clientes simulados dicen que sí más que los reales. Úsalo para encontrar preguntas y objeciones, y luego compruébalas con personas que te han comprado o te han consultado.
¿Y si le pido a la IA que sea un cliente más exigente?
La respuesta cambia, pero no sabes si se acerca a la realidad o se pasa. El autor que lo probó lo resume así: subir el escepticismo mueve la respuesta en la dirección que tú eliges, sin nada real con que comprobarla. La referencia sigue teniendo que salir de clientes de verdad.
¿Para qué sí me sirve la IA antes de lanzar algo?
Para tres cosas: sacar objeciones que no se te habían ocurrido, ensayar una conversación difícil antes de tenerla y elegir entre dos versiones de un texto preguntando directamente cuál elegiría un cliente típico, sin disfrazarla de nadie.
¿Cuántos clientes tengo que consultar para validar una idea?
No hay una cifra mágica para una pyme. Lo útil es preguntar a quien ya te conoce qué hizo, no qué haría: por qué te compró, qué comparó, por qué otro dijo que no. Unas pocas conversaciones así enseñan más que cien respuestas simuladas.
Uno de los estudios citados calcula que para corregir un panel simulado hacen falta entre 50 y 300 respuestas reales, y que con esas respuestas reales ya tienes un dato más preciso que el panel corregido.
El diagnóstico gratuito es media hora mirando las consultas que ya recibe tu empresa: por dónde entran, qué preguntan, quién las contesta y qué se apunta de las que no acaban en venta. Es la referencia real que ninguna simulación te va a dar.
Si quieres poner la IA a trabajar con esos datos y no con suposiciones, lo que hacemos está en la página de IA aplicada a tu negocio. Sin tarifa publicada: el alcance y el importe se cierran por escrito después del diagnóstico.