Un paper dice que no uses IA para escribir tus preguntas de entrevista. Estoy de acuerdo a medias

Ver contenido

Estuve estas semanas reescribiendo el módulo de métodos de descubrimiento de mi curso de introducción a UX Research, y me topé con un hueco incómodo: le estaba enseñando a la gente qué hace buena a una pregunta de entrevista, y no cómo llegar a tenerla. Todo el material que conocía, el mío incluido, resolvía la construcción de la guía en una línea. "Crea una guía con temas, no con preguntas cerradas." Ya. ¿Y después?

Buscando por ahí llegué a un artículo de Elly Phillips y Fiona Holland, de la Universidad de Derby, publicado este año en Qualitative Research in Psychology. Se llama Designing semi-structured interview guides for interpretative phenomenological analysis and reflexive thematic analysis: a practical guide, es Open Access con licencia CC BY, y abre nombrando exactamente el hueco que yo tenía: hay literatura de sobra sobre el qué de las preguntas y casi nada sobre el cómo se llega a ellas.

Vengo de un contexto distinto al de ellas. El artículo está escrito para estudiantes de psicología que hacen su tesis con análisis fenomenológico interpretativo o análisis temático reflexivo, no para alguien que tiene cuarenta y cinco minutos con un participante y un equipo esperando decisiones. Aun así, el proceso de siete pasos que proponen me sirvió más que casi cualquier cosa que haya leído sobre entrevistas en años. Ya lo adapté y lo metí al curso.

Pero hay una sección que no me deja tranquila, y es sobre la que quiero escribir.

La advertencia

Los autores incluyen una pregunta frecuente: ¿puedo usar IA para crear las preguntas? Su respuesta es que no. Argumentan tres cosas: que los modelos alucinan, que su entrenamiento no necesariamente incluye la literatura académica reciente del tema, y —la que me parece la más fuerte— que usar IA generativa es metodológicamente incongruente con enfoques que son explícitamente reflexivos. Citan a Jowsey y colegas, que en 2026 se pronunciaron en contra desde el mismo campo.

Cuando leí eso, mi primera reacción fue defensiva. Yo publiqué hace unos meses un experimento donde le pasé a un GEM de Gemini un análisis cualitativo de veintiuna entrevistas que me había tomado dos meses hacer a mano. No concluí que no se debe usar IA. Concluí algo más incómodo y más específico: que la codificación se puede asistir, que la interpretación situada hasta donde he visto sigue siendo trabajo humano, y que lo que se pierde por el camino tiene un nombre, agencia, que aprendí después leyendo a Ugaya-Mazza y su equipo.

Así que acá tengo un artículo que va más lejos que yo. Y en vez de descartarlo, me quedé pensando por qué en esta parte específica del proceso creo que tienen bastante más razón que en general.

Los siete pasos no sirven para producir preguntas

Esta es la parte que me hizo cambiar de opinión, y viene de mirar el proceso con atención en vez de mirar su resultado.

El paso 1 es descomponer la pregunta de investigación en unos tres temas. El paso 2 es generar muchísimas preguntas sin filtrar. Y en los dos, lo que los autores destacan no es lo que produces, sino lo que descubres mientras lo haces:

• Si los temas que sacaste se responden con una sola pregunta, tu pregunta de investigación es demasiado estrecha.
• Si te salen ocho temas, es demasiado ancha y no cabe en una entrevista.
• Si en el paso 2 no se te ocurre nada, probablemente el problema tampoco está en tu creatividad: está en la pregunta.

Es un diagnóstico. Los pasos no son una máquina de producir preguntas, son un procedimiento para descubrir que tu pregunta de investigación estaba mal planteada, en el único momento del proyecto donde arreglarla todavía es barato.

Y ahí está el problema con delegarlo. Si le pides a un modelo doce preguntas para tu pregunta de investigación, te las va a dar. Buenas, incluso: abiertas, no capciosas, bien redactadas. Lo que no va a hacer es decirte que tu pregunta de investigación no daba para doce preguntas, porque nadie le pidió eso y porque el formato mismo del encargo asume que la pregunta era correcta. El entregable se ve idéntico. Lo que desaparece es el hallazgo.

Es la misma forma del desapego que describí en el post del experimento con Gemini, pero un paso antes en el proceso y con una diferencia importante: allá lo que se perdía era la memoria del trayecto, cómo llegué a esos códigos, que me servía después para defender los hallazgos. Acá lo que se pierde es información sobre el diseño del estudio, y se pierde antes de recoger un solo dato. Una entrevista con las preguntas equivocadas no se arregla en el análisis.

Hay otro paso que tampoco se puede delegar, por razones más simples: el paso 7 es probar la guía, primero leyéndola en voz alta tú misma y después con una entrevista piloto. Nada de eso ocurre en un chat.

Dónde no los sigo

Donde no los acompaño es en el salto de ahí a la incongruencia metodológica como principio general. Phillips y Holland escriben para dos enfoques explícitamente reflexivos, en un contexto donde la formación del estudiante es el objetivo del ejercicio: si un estudiante delega el diseño de sus preguntas, no aprendió a diseñar preguntas, y eso importa más que la guía que entregó. Es un argumento pedagógico sólido y no aplica igual a alguien que lleva años haciendo entrevistas y necesita una guía para el jueves.

Se le puede pedir a una IA "hazme una guía de entrevista de diez preguntas". No creo que el problema esté en que las escriba. El problema es quién va guiando.

La que guía eres tú. La que modera, la que decide qué queda y qué no. Si le entregas eso, da lo mismo lo buenas que se vean las preguntas que vuelvan. La experta eres tú, y esa parte no se traspasa.

Es el mismo error que cometí con Gemini, un paso antes en el proceso. Allá asumí que con las transcripciones bastaba: nunca le di el contexto del cliente, ni quién iba a leer el informe, ni qué decisiones se iban a tomar con los hallazgos. El resultado fue técnicamente correcto y estratégicamente plano. Acá pasa lo mismo. Con la pregunta de investigación sola, lo que vuelve son diez preguntas bien redactadas que no saben para qué existen.

El contexto que hay que darle

Guiar es bastante concreto, y empieza antes del primer prompt. Es dar lo que nosotras sabemos y el modelo no:

Para qué es la investigación y cómo se van a usar los resultados. Quién los va a leer, qué decisión se toma con esto. Es lo primero y es lo que más cambia lo que vuelve.

Para quién son estas preguntas. A veces ya tienes idea del perfil que necesitas. Si no la tienes, hay que definirlo ahí mismo, antes de pedir nada. Uno, dos, tres perfiles como máximo: es lo que recomiendo, porque más que eso no lo alcanzas a cubrir en campo ni a analizar después con cuidado.

Qué quieres saber de cada perfil. Y esto desde el comportamiento, no desde el sesgo. No "quiero confirmar que a las personas mayores se les hace difícil el pago", sino "quiero entender cómo resuelve el pago alguien que compra por primera vez en el sitio".

Acá hay algo que he visto por ahí y que me parece un error: armar exactamente las mismas preguntas para todos los perfiles. No tienen por qué serlo. Si le haces las mismas preguntas a todos para ver cómo le va a cada uno, estás haciendo otro estudio, uno que compara el desempeño de las personas entre sí. Sería un estudio interesante, pero es distinto. Lo que normalmente queremos es entender a esas personas en ese contexto: el uso de un dispositivo, el flujo de compra, por qué deciden usar o no usar sus audífonos.

Con todo eso encima, pedirle ayuda a la IA me parece razonable.

La pasada que no se salta

Y después no es "listo, ya las tengo".

Lo que devuelve se vuelve a leer desde esa misma mirada, pregunta por pregunta. ¿Está alineada con mi objetivo de investigación? ¿Me aporta o no me aporta? De ahí editas la que lo necesite, o iteras, y entonces sí las puedes usar.

Es menos vistoso que "la IA me escribió la guía" y es más trabajo del que parece. Pero es la parte que hace que la guía sea tuya, y es también donde vuelven a aparecer los siete pasos: definir el objetivo, los perfiles y qué quieres saber de cada uno es, en el fondo, hacer a mano los pasos 1 y 2.

El borrador se puede delegar. El diagnóstico y la decisión final, son tuyas.

Que es, más o menos, lo mismo que dicen Phillips y Holland. Solo que ellos concluyen que entonces mejor no la uses, y yo concluyo que entonces úsala así.

Si estás recién empezando

Antes de todo lo anterior, hay dos preguntas que le puedes hacer a cada pregunta tuya desde el primer día, sin saber nada de metodología.

¿Esto me agrega información? Imagina que la persona ya te respondió. Esa respuesta, ¿te aporta para entender mejor tu problema? Si dudas, probablemente hay que modificarla.

¿Estoy buscando una confirmación? Acá el ejemplo más simple que se me ocurre es el helado. "¿Te gusta el helado?" es mala pregunta, porque la pregunta misma ya marca una posición: te gusta. "¿No te gusta el helado?" marca la posición contraria y es igual de mala. Una mejor sería "¿tomas helado?", que pregunta por el comportamiento y no por la opinión que yo ya traía puesta. (Aunque a quién no le gusta.)

Son la versión de bolsillo de casi todo lo demás, y sirven igual si la pregunta la escribiste tú o si te la devolvió un modelo.

Lo que me queda dando vueltas

Me queda una duda, y es de las que no se resuelven escribiendo un post.

Todo lo anterior funciona si haces el trabajo previo. El riesgo es que ese trabajo es justamente el que se puede saltar sin que se note: la guía que sale de "hazme diez preguntas" y la que sale de todo el proceso se parecen bastante en el papel. Ninguna trae escrito de dónde vino. Y eso, para alguien que recién empieza, es un problema que las dos preguntas de arriba alivian pero no resuelven: distinguir una guía pensada de una guía plausible toma práctica, y la práctica no te la da un prompt. Quizás ahí Phillips y Holland tienen más razón de la que les concedí.

Lo otro que noto es que todo esto tiene un nombre y no lo aprendí acá. Cuando escribí sobre el experimento con Gemini terminé leyendo a Ugaya-Mazza y su equipo, que estudian qué pasa con el sentido de control, autoría y decisión de quienes hacemos investigación cualitativa cuando usamos herramientas computacionales. Lo llaman agencia, y una de sus distinciones me sigue pareciendo la más útil de todas: transparencia no es lo mismo que agencia. Puedo entender perfectamente cómo el modelo llegó a esas diez preguntas y aun así no ser yo quien las decidió. Allá lo descubrí en el análisis. Acá se aplica igual, antes de recoger un solo dato.

Mientras tanto, el proceso de siete pasos adaptado a UX está en el módulo 4 del curso de introducción a UX Research, gratis, con repreguntas y piloto incluidos, que eran las dos cosas que faltaban. Y si estás antes de eso, todavía peleando con la pregunta de investigación misma, escribí una guía aparte sobre cómo formularla.

Las IA pueden ser un gran aporte, pero si solo les sigues el juego, eso es lo que vas a terminar haciendo: seguirlas, no dirigirlas.

Y lo otro, que vale con IA y sin IA: uno se equivoca mucho al principio. Así que respira y trata de sacar lo mejor de lo que tienes a mano.

Estaré feliz de leer correcciones, sobre todo de quien trabaje con perfiles y haya llegado a otra conclusión sobre las preguntas compartidas entre ellos.

---

Fuentes

• Elly Phillips y Fiona Holland. Designing semi-structured interview guides for interpretative phenomenological analysis and reflexive thematic analysis: a practical guide. Qualitative Research in Psychology (2026). Open Access, CC BY 4.0. Enlace: https://doi.org/10.1080/14780887.2026.2719595
• Luka Ugaya Mazza, Plinio Morita y James R. Wallace. The Shape of Agency: Designing for Personal Agency in Qualitative Data Analysis. University of Waterloo. Enlace: https://cs.uwaterloo.ca/~dvogel/gi2026/papers/1043a.pdf

---

Compartir