IA en product discovery: haz tú la síntesis primero

Un equipo de producto que hace entrevistas tiene ahora un modelo que las resume en segundos, agrupa el feedback y redacta el árbol de oportunidades antes de comer. La pregunta es qué hace eso con la comprensión que el equipo tiene de sus clientes, y la respuesta honesta de quienes lo han probado es que todo depende de quién lee primero.

¿En qué es bueno un modelo en discovery?

En tres cosas, y son las partes laboriosas. Investigación de escritorio: leer un mercado, un conjunto de competidores o una normativa y devolver un resumen estructurado con los huecos marcados. Agrupar: tomar doscientos tickets de soporte o cien respuestas de encuesta y agruparlos por el problema que hay debajo, que una persona comprueba después. Borradores: convertir una síntesis en una guía de entrevista, una lista de hipótesis o una primera versión de un árbol de oportunidades y soluciones.

El estudio usó un modelo así en su propio producto, esta web: las preguntas de los artículos salen de una cosecha de sugerencias de búsqueda en diez mercados, ejecutada el 30 de agosto de 2026 con un script que cualquier lector puede volver a ejecutar, y el orden que produjo fijó la prioridad de tres clústeres de contenido. La cosecha es una medición, así que se puede comprobar, y tiene un hueco conocido: da un orden y ningún volumen, y por eso la prioridad sigue siendo una hipótesis hasta que una herramienta de pago rellene esa columna.

¿Qué pierde un modelo en una entrevista?

Lo que el cliente calló. Teresa Torres, cuyo método de discovery continuo usan la mayoría de los equipos de producto de alguna forma, publicó su posición el 2 de diciembre de 2025 tras seis meses de experimentos: «You still need to synthesize every interview individually. Dumping transcripts into an LLM isn’t a shortcut.» Su práctica, repetida en una entrevista de abril de 2026, es la que recomienda este artículo: haz tu propia síntesis primero, pídele después la suya al modelo y compara. Cada vez, la persona detecta cosas que el modelo pasó por alto y el modelo detecta cosas que la persona pasó por alto.

Nielsen Norman Group llegó a la misma conclusión desde el lado de la investigación en junio de 2024, sobre los «usuarios sintéticos» generados por IA: «UX without real-user research isn’t UX.» Los usos legítimos que admiten — investigación de escritorio, generación de hipótesis, preparar una guía — son las tres cosas de arriba. La validación de conceptos y las decisiones son las dos cosas que un encuestado sintético jamás puede sostener.

¿Cuál es la regla del segundo lector?

Cada entrevista se lee dos veces, en un orden fijo.

• La persona que hizo la entrevista escribe la síntesis primero: el problema en palabras del cliente, el apaño que usa hoy y lo que sorprendió a quien entrevistaba.
• El modelo lee la misma transcripción y escribe su propia síntesis, a partir de un prompt que pide las mismas tres cosas y las citas en las que se apoyó.
• Las dos se ponen una junto a otra. Las discrepancias son el resultado: cada una es o algo que la persona pasó por alto o algo que el modelo inventó, y ambas merecen un minuto.

El orden es todo el método. Lee el modelo primero y la síntesis de la persona se convierte en una edición de la suya. Esa es la síntesis perezosa de la que avisa Torres, y la forma más rápida de que un equipo deje de entender a sus clientes mientras produce más documentos sobre ellos.

¿Cómo cambia esto lo que hace un product manager?

Mueve las horas. El marco de la propia Torres, en esa misma conversación de diciembre de 2025, es que las ganancias reales vienen de experto más IA, y que principiante más IA suele ser mejor que nada. El trabajo del experto es ser el primer lector, escribir el prompt que hace las tres preguntas correctas y decidir qué significan las discrepancias. Es una decisión de producto, con la misma forma que en decidir qué construir a continuación: escrita, con lo que se dejó de lado.

El mismo movimiento — medir primero, ordenar después, decidir por escrito — es como el estudio ordena procesos en qué procesos automatizar primero, y por eso los dos artículos se parecen.

Así hace discovery el estudio

Torn Studio asume el rol de producto para fundadores y equipos de producto, cobrado por proyecto, y el discovery son las primeras dos a cuatro semanas: entrevistas sintetizadas por una persona y después por un modelo, una lista escrita de problemas con las discrepancias conservadas y una página por decisión. Lo que el equipo conserva después es la lista y el razonamiento, en una forma que se sigue usando cuando el proyecto termina.