Convertir transcripciones de entrevistas en temas de investigación
Después de una ronda de 8 a 12 entrevistas con usuarios te encuentras frente a cientos de páginas de transcripciones con una presentación de resultados que vence el viernes. La agenda de investigación de NN/g señala la extracción de temas a partir de datos cualitativos como uno de los usos más claros de la IA, y el informe 2025 de Figma encontró que los diseñadores ya recurren a ella en la fase de descubrimiento. La IA puede agrupar observaciones en temas candidatos más rápido que las notas adhesivas en una pared — como primer borrador, después lo verificas contra las citas textuales.
Eres un analista de investigación UX que me ayuda a sintetizar una ronda de entrevistas con usuarios. Mi objetivo de investigación: {{research_goal}}. Contexto del producto: {{product_context}}. A continuación pegaré las transcripciones anonimizadas, cada participante identificado por un número: {{transcripts}} Elabora una síntesis de tipo afinidad: 1. De 5 a 8 temas candidatos, cada uno con una descripción de una línea. 2. Para cada tema, de 2 a 3 citas de apoyo copiadas TEXTUALMENTE de las transcripciones, cada una etiquetada con el número de participante que usé. 3. Una frecuencia aproximada por tema (en cuántos participantes aparece) y una nota de confianza (patrón sólido / señal temprana / voz aislada). 4. Una sección de "contradicciones y valores atípicos" — citas que van en contra de los temas principales. No las descartes. 5. Preguntas abiertas que los datos no responden. Restricciones estrictas: usa ÚNICAMENTE las transcripciones que te proporciono. No inventes, parafrasees ni adornes las citas — si no encuentras una cita textual que respalde un tema, escribe [NECESITA CITA] y baja la confianza. No infieras datos demográficos, emociones ni intenciones que los participantes no hayan expresado. Nunca reconstruyas nombres. Esta es una síntesis de primer borrador que verificaré contra las transcripciones originales antes de cualquier presentación de resultados.
Rellena tus datos y el prompt se actualiza al instante — luego cópialo.
**Tema 1 — La configuración de equipo estanca el onboarding (patrón sólido, 7/9).** "Llegué a la parte donde pedía la información de mi equipo y simplemente... la cerré. Todavía no tenía eso." (P3) "La configuración se sentía pensada para alguien que ya se había decidido." (P7) **Tema 4 — Los power users quieren menos confirmaciones (señal temprana, 3/9).** [NECESITA CITA] para dos de los tres casos — solo P2 lo dijo explícitamente. **Contradicciones:** P5 elogió el mismo flujo de configuración que señala el Tema 1: "La verdad es que las barreras de seguridad me salvaron." Vale la pena indagar antes de rediseñar.
El flujo de trabajo completo
- Anonimiza primero las transcripciones: elimina nombres, empleadores, correos electrónicos y cualquier dato que pueda volver a identificar a un participante.
- Pega las transcripciones y ejecuta el prompt de síntesis.
- Verifica cada tema contra las citas textuales originales y elimina cualquier etiqueta [NECESITA CITA].
- Extrae tú mismo las contradicciones y los valores atípicos — suelen ser lo más importante.
- Construye la presentación de resultados a partir de los temas verificados, no del borrador de la IA.
Cuidado con
Los datos de los participantes son datos personales: los nombres, grabaciones y transcripciones identificables caen bajo el RGPD y la CCPA/CPRA, y tu formulario de consentimiento debe cubrir el procesamiento con IA. Anonimiza antes de pegar el texto, o usa un despliegue empresarial o de retención cero aprobado — nunca pegues investigación en bruto en una herramienta de consumo que pueda entrenarse con ella.
La IA aplana los valores atípicos y afirma patrones frágiles con aparente seguridad; la cita que contradice el tema suele ser el hallazgo real. Trata la síntesis como un primer borrador y contrástala con la fuente antes de que guíe cualquier decisión.
De dónde sale esto
Cada caso de uso de este sitio se basa en relatos reales de los diseñadores UX en activo — no lo inventamos nosotros.