Las entrevistas con clientes contienen lenguaje real sobre obstáculos, prioridades y decisiones de compra. El problema aparece cuando se convierten en una lista de frases llamativas sin contexto: una opinión aislada se toma por patrón, o una sugerencia de la IA se presenta como demanda validada. Un mapa de necesidades bien hecho conserva evidencia, diferencia frecuencia de importancia y termina en hipótesis que el equipo puede probar.
Esta guía permite convertir entre cinco y quince entrevistas breves en una tabla de necesidades accionables. Es distinta de una encuesta: aquí trabajas con relatos y citas verificables, no con porcentajes. Si ya tienes comentarios dispersos de otros canales, puedes complementar el proceso con análisis de comentarios de clientes, sin mezclar fuentes sin identificarlas.
Define el problema que quieres entender
Formula una pregunta de decisión, no una pregunta sobre la herramienta. Por ejemplo: “¿Qué impide a profesionales independientes preparar una propuesta en menos de una hora?” No preguntes “¿les gustaría una app con IA?”; esa formulación empuja la respuesta. Decide de antemano qué harás con los resultados: ajustar un servicio, redactar una oferta, priorizar una prueba o descartar una hipótesis.
Datos de entrada necesarios
- Objetivo de investigación y perfil de participante.
- Transcripciones o notas atribuidas a un código, nunca a datos personales en la IA.
- Pregunta, momento y canal de cada entrevista.
- Restricciones: información que no puede compartirse ni citarse.
- Criterio para considerar un patrón: repetición, intensidad y consecuencia observable.
Pide consentimiento para grabar o reutilizar testimonios. Anonimiza nombres, empresas, teléfonos y detalles sensibles. No inventes ni publiques una cita: una salida de IA solo puede referirse a fragmentos que tú proporcionaste y conserves.
Paso 1: separa cita, interpretación y necesidad
| Capa | Ejemplo | Uso correcto |
|---|---|---|
| Cita | “Pierdo tiempo buscando el último archivo” | Conservar literal y código de entrevista |
| Interpretación | Hay confusión sobre versiones | Marcar como hipótesis |
| Necesidad | Acceder a una fuente única y actualizada | Diseñar una prueba, no una promesa |
Esta separación protege contra una conclusión habitual: convertir una preferencia en solución. La necesidad no es “quiere un botón”; puede ser “necesita saber cuál documento usar”.
Paso 2: usa un prompt que conserve incertidumbre
Analiza las entrevistas anonimizadas sin inventar citas ni participantes. Devuelve una tabla con: código de evidencia, cita breve exacta, situación, obstáculo, consecuencia, necesidad formulada sin solución, frecuencia observada y nivel de confianza. Distingue PATRÓN, HALLAZGO AISLADO y HIPÓTESIS. Si no hay evidencia textual, escribe SIN EVIDENCIA. OBJETIVO: [pegar] ENTREVISTAS: [pegar notas anonimizadas]
Revisa que cada fila tenga respaldo en una nota. Si una categoría agrupa comentarios distintos, conserva los códigos para volver a leerlos. La IA puede sugerir etiquetas útiles, pero tú debes decidir si dos experiencias son realmente comparables.
Paso 3: prioriza qué probar
Valora cada necesidad con tres preguntas: ¿cuántas personas la mencionaron?, ¿qué consecuencia concreta describieron?, ¿podemos probar una mejora en dos semanas? No sumes puntuaciones inventadas. Explica por qué priorizas algo: una necesidad poco frecuente puede ser crítica si bloquea una tarea esencial.
Ejemplo ficticio: mapa completado
Ejemplo ficticio y salida ilustrativa: cinco personas entrevistadas por el proyecto ficticio Taller Nube venden talleres en línea. No son clientes reales ni resultados de una prueba.
| Evidencia ilustrativa | Necesidad | Decisión de prueba |
|---|---|---|
| E2 y E4: no encuentran la versión aprobada de la propuesta | Ubicar una única copia vigente | Probar un enlace central con fecha y responsable |
| E1: tarda en adaptar un precio | Recalcular con condiciones explícitas | Crear plantilla de presupuesto; no automatizar el envío |
| E3: “quisiera más diseño” | Hallazgo aislado, evidencia insuficiente | Preguntar antes de priorizar |
El ejemplo no concluye que Taller Nube deba construir una aplicación. Propone una prueba pequeña y una pregunta pendiente. Para convertir una necesidad seleccionada en trabajo de producto, usa historias claras como en esta guía de historias de usuario.
Revisión concreta de errores y límites
- No confundas cuántas veces se dijo algo con su impacto: registra ambas cosas.
- No elimines excepciones incómodas; pueden revelar segmentos distintos.
- No atribuyas una cita a una persona sin permiso y sin conservar el original.
- No dejes que la IA invente frecuencia, emoción o intención cuando la nota es breve.
- No prometas una solución antes de probar si resuelve la necesidad identificada.
Entrega final
Tu archivo final debe incluir pregunta de investigación, lista de entrevistas por código, tabla de evidencia, necesidades, decisiones de prueba y preguntas abiertas. Compártelo con el equipo junto con las limitaciones de la muestra. Así la IA acelera la organización de relatos, mientras las decisiones comerciales siguen basadas en evidencia que cualquiera puede revisar.
Cómo cerrar una entrevista sin perder el contexto
Después de cada conversación, completa una ficha de cinco campos: contexto, tarea que intentaba realizar, obstáculo, consecuencia y cita que la respalda. No redactes la necesidad mientras la persona habla; registra primero sus palabras. Al comparar fichas, busca situaciones parecidas, no solo términos idénticos. “No encuentro el archivo” y “uso una copia antigua” pueden referirse al mismo problema, pero solo si el contexto lo demuestra.
Invita a otra persona del equipo a revisar dos o tres agrupaciones. Si no puede seguir la cita hasta la necesidad, el mapa necesita mejor evidencia. Esta segunda lectura no valida todo el mercado, pero reduce la posibilidad de que una sola interpretación domine la decisión.
Conserva también una lista de preguntas no resueltas. Evita que el informe final convierta silencios o dudas en respuestas inventadas.
Si una conclusión depende de una frase ambigua, vuelve a la entrevista original o deja el hallazgo como abierto. La precisión es más útil que una tabla llena de etiquetas.