Construí una herramienta de IA que automatiza entrevistas cualitativas. Al mismo tiempo, tengo 25 años de UX Research a mis espaldas. Así que estoy con un pie en el mundo que está siendo reemplazado, y el otro en el mundo que reemplaza.
Eso me da una perspectiva que es incómoda. Para ambos lados.
Los números, brevemente
Principios de 2022: más de 3.000 puestos abiertos de UX Research en Alemania en Indeed. Principios de 2026: alrededor de 350. Menos 89 por ciento.
En Estados Unidos, Challenger, Gray & Christmas contó 55.000 empleos que las empresas en 2025 atribuyeron explícitamente a la IA. Las posiciones de nivel inicial han caído un 15 por ciento. La Generación Z está siendo excluida del mercado laboral.
Esas son las estadísticas. Ahora, la pregunta que nadie hace.
La conversación equivocada
La discusión gira en torno a "¿Reemplazará la IA a los researchers?" Esa es la pregunta equivocada. Implica que existe un estado fijo – researcher – que persiste o desaparece.
La pregunta correcta: ¿Qué de la investigación es realmente valioso?
Porque si somos honestos: mucho de lo que hacen los researchers ya era cuestionable antes de la IA. Transcripciones interminables que nadie lee. Informes que desaparecen en cajones. Insights que nunca llevan a decisiones.
La IA no está reemplazando "al researcher". La IA está reemplazando las partes del trabajo que nunca fueron particularmente valiosas – y así expone lo delgada que a menudo era la creación de valor.
Esa es la verdad incómoda.
Dónde realmente fallan los researchers
En 25 años, he visto a muchos researchers fracasar – incluido yo mismo, más de una vez. No por falta de empatía. No por mala metodología. Sino por tres cosas:
Hacen las preguntas equivocadas. Investigan lo que es interesante, no lo que es relevante para la decisión. Producen conocimiento que nadie necesita.
No saben traducir. Hablan el lenguaje de la investigación con personas que hablan business. Los resultados mueren de hambre en el camino hacia la decisión.
No entienden su propio negocio. Saben todo sobre usuarios pero nada sobre márgenes, roadmaps, deuda técnica. No pueden explicar por qué su trabajo vale dinero o crea valor.
Estos siempre fueron los problemas. La IA solo los hace visibles porque el trabajo rutinario desaparece y solo queda el trabajo estratégico – que muchos nunca aprendieron.
Lo que la IA realmente puede hacer (y lo que no)
Aquí está mi evaluación después de cientos de horas de trabajo con mis propias herramientas de IA y externas:
La IA puede:
- Transcribir, resumir, etiquetar – más rápido y más barato que los humanos
- Encontrar patrones en grandes conjuntos de datos que los humanos pasan por alto, incluso agujas en pajares
- Entregar buenos primeros borradores para guías de discusión, screeners, informes
- Servir como sparring partner para hipótesis
La IA no puede:
- Decidir qué preguntas deberían hacerse en primer lugar
- Reconocer cuando alguien está mintiendo, evadiendo, ocultando algo importante
- Navegar el panorama político de una organización
- Convencer a un stakeholder de cambiar de opinión
- Saber cuándo un estudio sería una pérdida de tiempo
La primera lista es lo que consume tiempo. La segunda es lo que cuenta.
Por qué construyo una herramienta de IA de todos modos
QUALLEE no automatiza a los researchers. Hace posible una investigación que antes no ocurría.
La realidad: La mayoría de las decisiones de producto se toman sin investigación de usuarios. No porque los equipos no quieran, sino porque una docena de entrevistas en profundidad cuestan decenas de miles de euros y toman ocho semanas. Así que se decide por intuición o con un grupo focal de cinco participantes.
QUALLEE cambia eso. No reemplazando a los researchers humanos, sino llevando la investigación donde antes no había – al 90 por ciento de las decisiones que hoy se toman a ciegas.
El nuevo researcher
Si estuviera contratando a alguien hoy, tres cosas me importarían:
Encuadre estratégico. No: "¿Cómo conduzco un buen estudio?" Sino: "¿Necesitamos siquiera un estudio? ¿Cuál es la pregunta correcta? ¿Qué hacemos con la respuesta?"
Fluidez en negocios. La capacidad de explicar en una reunión con el CFO por qué esta investigación ahorra o genera dinero. En su lenguaje, no en el nuestro.
Juicio sobre IA. La capacidad de reconocer cuándo el output de la IA es basura. Cuándo es oro. Y cuándo está peligrosamente cerca de la verdad pero apuntando en la dirección equivocada.
¿Empatía? Sí, por supuesto. Pero la empatía sin estas tres habilidades es un hobby, no una profesión.
El miedo es real – y útil
46 por ciento de los researchers en el State of User Research 2025 Report encuentran la IA "aterradora". 43 por ciento conocen a alguien que perdió su trabajo por la IA. Uf.
Tomo este miedo en serio. Es una señal. El miedo dice: algo fundamental está cambiando aquí. El miedo dice: tu estrategia anterior ya no es suficiente. El miedo dice: muévete.
Pero el problema no es el miedo – es lo que las personas hacen con el miedo. Algunos se paralizan, algunos niegan. Algunos corren en la dirección equivocada.
La respuesta correcta al miedo es: entender qué está cambiando. Luego actuar.
Lo que deberías hacer ahora
No creo en consejos por nivel de carrera. La situación es individual. Pero aquí hay tres preguntas que cada researcher debería hacerse:
1. ¿Cuánto de tu trabajo es rutina?
Transcripción, etiquetado, programación, envío de screeners – eso se está automatizando. No quizás. Definitivamente. Si eso es el 60 por ciento de tu tiempo, tienes un problema. No porque seas malo, sino porque tu rol está definido así.
2. ¿Puedes explicar por qué tu último estudio valió el dinero?
No en términos de investigación. En euros. En malas decisiones evitadas. En time-to-market. Si no puedes hacer eso, eres reemplazable – no por la IA, sino por cualquiera que pueda.
3. ¿Cuándo fue la última vez que evitaste un estudio?
La habilidad más valiosa de un researcher es saber cuándo la investigación es una pérdida de tiempo. Si siempre dices que sí, eres un proveedor de servicios. Si a veces dices que no y puedes explicar por qué, eres un estratega.
Mi apuesta
Apuesto a que la investigación se vuelve más valiosa – pero los researchers se vuelven más escasos. La demanda de comprensión del usuario no está desapareciendo; está creciendo. Cada empresa quiere saber qué quieren sus clientes. La IA hace este conocimiento más accesible, no obsoleto.
Eso no es consuelo para todos. Algunos se beneficiarán, algunos lucharán, algunos dejarán la industria. No sé cómo hacer eso justo. Solo sé que mirar hacia otro lado no ayuda – ni a los que se quedan ni a los que se van.
