Camila Besseler, CMO, analiza cómo los datos sintéticos transforman la investigación de mercado — y por qué la gobernanza es esencial

El marketing fue una de las primeras áreas en sentir el impacto directo de la inteligencia artificial generativa. Textos, imágenes, videos y guiones comenzaron a ser creados por cualquier persona con acceso a un chatbot. Pero el uso de la IA en el marketing va mucho más allá de lo que se ve en la superficie.

Hay un universo menos visible — y mucho más transformador — que involucra el uso de datos sintéticos para la investigación de mercado, el desarrollo de productos y la inteligencia competitiva.

¿Qué son los datos sintéticos y por qué importan ahora?

Generar datos sintéticos no es apretar un botón. Es diseñar, con el apoyo de IA, simulaciones estadísticas que representan comportamientos y atributos de una población. Estos datos no copian muestras reales; emulan patrones y escenarios posibles, preservando correlaciones y variables relevantes.

¿El resultado? Un espejo estadístico del mundo real capaz de acelerar descubrimientos, reducir costos y mitigar riesgos de privacidad.

Como destaca nuestra CMO, en un artículo publicado en Mundo do Marketing:

"El potencial es real, pero la euforia puede ser peligrosa. Hay una carrera en las áreas de marketing por mostrar dominio sobre los datos sintéticos, muchas veces sin comprender sus limitaciones."

¿Qué hay detrás de esta discusión, en definitiva?

Los profesionales responsables de la inteligencia de mercado viven una doble presión: hacer más con menos y proteger cada vez más los datos personales. Las investigaciones robustas, que antes justificaban presupuestos generosos, se han vuelto demasiado caras y lentas. En contrapartida, los ciclos de decisión se acortaron y la exigencia por eficiencia creció.

Es en ese contexto que los datos sintéticos cobran fuerza. Ofrecen una alternativa escalable para crear y probar hipótesis con rapidez y bajo costo, sin renunciar a la calidad analítica.

Los números del mercado confirman el movimiento:

• Gartner (2025): Hasta el 60% de los líderes podrían enfrentar fallas críticas de datos sintéticos hasta 2027 por falta de gobernanza
• McKinsey (2025): Hasta el 75% de las empresas utilizarán GenAI para generar datos sintéticos hasta 2026, frente a menos del 5% en 2023
• Nvidia: La adquisición de la startup Gretel demuestra que la industrialización de los datos sintéticos está en marcha.

En la práctica, los datos sintéticos se pueden usar para:

Pruebas previas de investigación — Validar cuestionarios, redacción y lógica antes de ir al campo

Validación de hipótesis — Probar precios, comunicación y adherencia de ofertas con agilidad

Ampliar la representatividad — Cubrir nichos de difícil acceso, como decisores corporativos de alto ticket o regiones poco muestreadas

Personas sintéticas — Crear "gemelos digitales" que simulan comportamientos en pruebas continuas de mensajes, guiones de atención o scripts de ventas

Con esto, el modelo tradicional de investigación de mercado comienza a ser desafiado. Lo que antes tomaba meses entre recolección, análisis y validación ahora puede hacerse en días.

Beneficios vs. Riesgos concretos

Los beneficios son claros: velocidad, reducción de costo por iteración, cobertura de nichos raros y privacidad nativa. Pero, como advierte Camila, "los datos sintéticos no son una solución mágica."

Principales riesgos:

Model collapse — Cuando los modelos entrenan con datos sintéticos de forma recurrente, degradando la calidad de la información. Es el equivalente a hacer copias de copias.

Exceso de confianza — Sin validación estadística y comparación con muestras reales, las conclusiones pueden parecer consistentes, pero no se sostienen en el campo.

Reidentificación — "Sintético" no significa "anónimo". Incluso con anonimización, existe el riesgo de reidentificación de patrones sensibles.

Por eso, la gobernanza es la palabra clave. La LGPD sigue siendo el paraguas regulatorio, y la ANPD ya discute directrices específicas para la IA y la protección de datos.

¿Cómo Implementar Datos Sintéticos de Forma Responsable?

Adoptar datos sintéticos no es solo una cuestión de generar simulaciones — es necesario tener una estrategia bien definida. La CMO subraya que el primer paso es siempre tener claridad de propósito: saber exactamente qué se quiere lograr con la utilización de los datos y cómo se aplicarán esos resultados.

A continuación, es esencial planificar la validación. Ningún dato, ya sea real o sintético, puede sustentar decisiones sin una base sólida. Para garantizar esto, es importante que los modelos sintéticos sean confrontados con datos reales siempre que sea posible, para validar la precisión y la confiabilidad de las conclusiones.

La transparencia también es fundamental. Al utilizar datos sintéticos en una investigación o análisis, es importante comunicar claramente que parte de los datos es simulada, para que todos los involucrados en el proceso estén al tanto de las limitaciones e implicaciones de este enfoque.

Decisiones: más inteligentes, no solo datos más rápidos

El futuro de la inteligencia de mercado y del marketing está intrínsecamente ligado a la innovación en cómo recopilamos, analizamos y utilizamos los datos. Los datos sintéticos representan una de las grandes fronteras de esta transformación, ofreciendo posibilidades emocionantes, pero también exigiendo un cuidado extremo en cuanto a la gobernanza y el control de calidad.

Como bien destacó Camila, la ventaja competitiva en el futuro no vendrá de quien adopte la tecnología primero, sino de quien sepa liderarla de forma responsable y ética. La clave será encontrar el equilibrio entre la rapidez que ofrece la IA y la inteligencia humana que garantiza que las decisiones tomadas sean, de hecho, las mejores posibles para el negocio y sus clientes.

Lea el artículo completo en Mundo do Marketing