Affinity mapping con IA: agrupar notas sin perder al equipo
El affinity mapping agrupa observaciones en temas. La IA propone grupos, pero si el equipo no los discute, el mapa pierde valor. Guía práctica.
¿Cómo funciona el método?
Según una guía de Capicua, el método tiene cuatro pasos:
- Capturar: escribe cada observación en una nota separada.
- Agrupar: junta las notas relacionadas en temas. Conviene dejar que los temas surjan de las notas en vez de fijarlos antes.
- Nombrar y priorizar: pon a cada grupo un nombre claro, en lenguaje sencillo. Si el equipo no se pone de acuerdo sobre qué importa más, la guía recomienda votar con puntos para ordenar los grupos.
- Convertir en acciones: asigna a cada tema prioritario un siguiente paso y un responsable.
Anota también la fuente de cada nota (qué participante la dijo); así podrás volver a la cita original. El método viene de la técnica KJ, que el antropólogo japonés Jiro Kawakita desarrolló en los años sesenta para organizar notas de campo sin estructura. La idea de fondo es que el grupo llegue a un entendimiento común, no que alguien entregue una clasificación.
¿Qué aporta la IA y qué no?
La IA aporta velocidad en el paso de agrupar. Con cientos de notas, un modelo puede proponer en segundos una primera estructura que tomaría horas. Eso es útil.
Lo que no aporta es el acuerdo. Un artículo corto sobre codificación cualitativa con modelos de lenguaje (Kirsten y colaboradores) concluye que la integración de los modelos exige evaluarlos tarea por tarea. Los autores encontraron que los libros de códigos grandes y los contextos extensos dificultan el trabajo tanto a las personas como a los modelos. Es un resultado inicial, no una regla general, pero sirve de aviso: no des por buena una agrupación solo porque se ve ordenada.
Otro estudio midió la consistencia de varios modelos al analizar temas de una sola transcripción de entrevista, con seis ejecuciones por modelo, y obtuvo acuerdos altos entre ejecuciones (kappa de Cohen por encima de 0,80 en los tres). Eso mide que el modelo repite sus resultados, no que los temas sean útiles para tu producto. Un grupo generado por la IA puede ser coherente y, aun así, no decir nada a tu equipo, porque nadie lo construyó.
Por eso el mapa de IA debe tratarse como un borrador. El riesgo mayor es que el equipo lo acepte sin discusión y lo convierta en el hallazgo oficial.
¿Cómo combinarlos sin perder al equipo?
Un flujo que mantiene la discusión:
- Silencio primero: cada persona del equipo agrupa en silencio durante unos minutos, sin ver la propuesta de la IA.
- Propuesta de la IA: muestra la agrupación del modelo, con las notas que asignó a cada grupo.
- Comparar: marca los grupos que coinciden, los que se parten y las notas que cambiaron de lugar.
- Discutir las diferencias: las diferencias son lo más valioso. Pregunta por qué una nota va en otro lugar.
- Nombrar y priorizar juntos: los nombres los decide el equipo, no el modelo.
Así la IA ahorra el paso mecánico, y el equipo conserva la comprensión.
¿Cuándo NO conviene?
- Cuando el equipo no va a leer las notas, solo el resumen.
- Cuando el estudio tiene muy pocas entrevistas: con diez notas, el método manual es más rápido.
- Cuando la agrupación se va a usar como evidencia ante un cliente sin revisión de las citas.
- Cuando el tema es emocional o cultural y el matiz se pierde en una categoría.
Ejemplo
Ejemplo ilustrativo: un equipo tiene 240 notas de doce entrevistas sobre el onboarding de una app de finanzas. Antes de mostrar la propuesta de la IA, cada diseñador agrupa en silencio. Al comparar, descubren que el modelo juntó “no entiendo los términos” con “no confío en la app”, dos problemas distintos. Discuten, separan los grupos y nombran el tema de confianza como prioritario. El mapa final tiene cuatro temas, y cada uno tiene un responsable.
Lo que aprendió: la discrepancia con la IA fue la parte más útil de la sesión.
¿Cuántas notas y participantes necesita un mapa?
El método no fija un número. Lo que sí importa es la cobertura: el mapa debe incluir observaciones de todos los participantes del estudio, no solo de los más articulados. Si una persona aporta veinte notas y otra aporta dos, el grupo que emerja puede estar sesgado hacia la primera. Antes de empezar, cuenta las notas por participante. Si hay desequilibrio muy grande, decide si lo corriges, por ejemplo limitando notas por persona, o si lo anotas como limitación del mapa.
¿Cómo nombrar los grupos para que sirvan?
El nombre de un grupo decide si el equipo lo entiende y lo usa. Un nombre débil describe un tema (“Confianza”); un nombre útil afirma algo que se puede discutir (“No confían en que se cobre solo lo acordado”). Tres reglas ayudan:
- Usa las palabras de los participantes cuando puedas. Si tres personas dicen “me asusta el cargo”, el grupo se llama así, no “Percepción de costos”.
- Escribe el nombre como frase. Una afirmación se puede desmentir con datos; un rótulo solo se archiva.
- Revisa los grupos de una sola nota. Si un grupo tiene una sola observación, pregúntate si es un tema o una anécdota. Si es anécdota, no la conviertas en prioridad.
Después de nombrar, hagan una pasada final: ¿cada grupo tiene un responsable de seguimiento? ¿Hay grupos que se solapan y deberían fusionarse? Un mapa con quince grupos suele decir menos que uno con cuatro bien nombrados.
Errores comunes
- Mostrar la agrupación de la IA antes de que el equipo agrupe por su cuenta.
- Aceptar grupos sin leer las notas que los forman.
- Nombrar los grupos con palabras del modelo, no del equipo.
- Priorizar por tamaño del grupo sin pensar en la gravedad del problema.
- Dejar el mapa en un archivo sin siguiente paso ni responsable.