Imagina una reunión de marketing en 2026. En la pantalla, un dashboard muestra los resultados de un estudio de intención de compra para un nuevo producto de cuidado personal. Las barras azules reflejan opiniones reales de consumidores estadounidenses; las verdes, las de un grupo de “participantes sintéticos” creados por un modelo de lenguaje. Ambas curvas se superponen casi a la perfección. Nadie en la sala lo nota al principio, hasta que alguien pregunta: – ¿Y cuáles de estos datos son humanos?
Silencio. El experimento no es ciencia ficción. Es el resultado de un estudio reciente de PyMC Labs y Colgate-Palmolive, publicado en octubre de 2025 bajo el título LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings. Los investigadores demostraron que los grandes modelos de lenguaje -como GPT-4o o Gemini 2.0- pueden predecir la intención de compra de los humanos con una fiabilidad del 90%, reproduciendo no solo la media estadística de sus respuestas, sino también las emociones, matices y razonamientos detrás de ellas.
En otras palabras: los algoritmos no solo aprenden a responder como consumidores. Empiezan a comportarse como consumidores.
El método, bautizado como Semantic Similarity Rating (SSR), traduce respuestas en texto libre en distribuciones estadísticas equivalentes a las escalas Likert clásicas de investigación de mercado. Así, cuando un modelo dice “Me interesa, pero solo si es asequible y realmente eficaz”, su respuesta se convierte automáticamente en un “4” en la escala de intención de compra.
El resultado es fascinante y perturbador: los LLMs no solo simulan deseos, los cuantifican con precisión humana.
Este hallazgo reconfigura una de las industrias más costosas y arraigadas del marketing moderno: la investigación de consumidores. Cada año, las marcas invierten miles de millones en encuestas, focus groups y paneles de comportamiento. Ahora, una IA puede recrear esos resultados -con mayor consistencia, sin sesgos de deseabilidad social y a una fracción del coste- en cuestión de horas.
Pero lo realmente revolucionario no es el ahorro.
Es la emergencia de un nuevo tipo de sujeto de mercado: el consumidor sintético.
Estos modelos son capaces de representar perfiles demográficos, emocionales y culturales específicos. Se les puede pedir que respondan “como una mujer mexicana de 34 años, con hijos pequeños y alta conciencia ecológica”, o “como un joven urbano de 22 años, gamer y preocupado por su imagen”. Los resultados no son meras imitaciones: los modelos reflejan patrones de respuesta casi idénticos a los de los grupos humanos que emulan.
De pronto, la sociología del consumo se vuelve programable.
El marketing siempre ha intentado entender al consumidor como si fuera un algoritmo: predecible, medible, replicable.
La paradoja es que ahora el algoritmo se ha convertido en el consumidor más fiable del mercado.
De la encuesta al algoritmo: el nuevo campo de batalla del marketing
La aparición de consumidores sintéticos no solo redefine la investigación, sino el propio lugar donde ocurre el marketing.
Hasta ahora, las marcas construían visibilidad en plataformas externas: buscadores, redes sociales, medios. Pero en 2025, el 27% de las decisiones de compra digitales en EEUU ya no comienzan en Google, sino dentro de una conversación con un motor semántico como ChatGPT, Perplexity o Copilot.
El usuario no “busca”, pregunta. No compara, conversa. Y en ese diálogo, el punto de venta deja de ser una página web y pasa a ser una respuesta generada.
Los motores semánticos aspiran a convertirse en el nuevo canal de distribución cognitivo: el lugar donde las preferencias se forman y las recomendaciones se negocian. Lo que en los 2000 fue el SEO y en los 2010 el algoritmo de Instagram, en los 2020 tardíos será la semántica de la conversación algorítmica.
Y aquí el hallazgo de los consumidores sintéticos cobra todo su sentido estratégico.
Porque los mismos modelos que hoy “predicen” la intención de compra son los que mañana la mediarán en tiempo real. El modelo deja de observar al consumidor para convertirse en el intermediario invisible entre su deseo y la decisión final.
Las marcas, por tanto, se enfrentan a un doble desafío:
– Epistemológico: entender cómo piensan los modelos que ahora deciden qué producto recomendar.
– Estratégico: diseñar experiencias, mensajes y valores capaces de resonar no solo con humanos, sino con sistemas semánticos que aprenden a influir.
No se trata ya de optimizar anuncios, sino de entrenar ecosistemas de confianza dentro de la conversación. Las marcas que no sepan conversar con IA quedarán fuera del embudo semántico del futuro.
La próxima revolución no será creativa, será lingüística
El marketing siempre ha sido un espejo de su tiempo. Nació para vender productos, maduró para vender significados y hoy se reinventa para vender interpretaciones. Lo que cambia ahora no es la herramienta, sino la lógica del poder. Las marcas ya no persuaden al consumidor: dialogan con las inteligencias que lo interpretan.
En ese nuevo escenario, el valor no reside en la visibilidad ni en el alcance, sino en la legibilidad. No ganará quien más grite, sino quien mejor se deje entender por las máquinas que filtran el sentido. La creatividad seguirá siendo necesaria, pero ya no bastará con emocionar. Habrá que educar al algoritmo, entrenar al mediador invisible que decide qué historias llegan y cuáles se pierden en el ruido.
El marketing del futuro no será una conversación entre marcas y personas, sino entre lenguajes que se reconocen. Y en esa conversación, las empresas que sobrevivan serán aquellas capaces de mantener algo profundamente humano dentro del código: una visión, una ética, un relato que merezca ser comprendido incluso por aquello que no siente.
