<aside> ℹ️

Traducido de https://www.jonkolko.com/writing/notes/synthesis-and-chat-gpt

</aside>

La investigación generativa usa métodos cualitativos para aprender sobre las personas en su contexto, y para ayudarnos a ver el mundo a través de sus ojos. La investigación produce una gran cantidad de datos. Aunque aprendemos mucho durante el tiempo limitado que hacemos la investigación, la síntesis que ocurre después lleva a una comprensión mucho más profunda de esos datos y, a su vez, desarrolla las implicancias y el valor de esa información. En una práctica de diseño o de investigación de experiencia de usuario (UXR), el resultado de esa síntesis es un artefacto: un informe, una presentación, un resumen condensado. Pero el resultado no es el objetivo de la síntesis.

El objetivo de la síntesis es que vos y tu equipo logren entender el mundo de los participantes, generar una comprensión más profunda y reflexiva de lo que las personas hacen y por qué lo hacen, y construir y refinar tu propia perspectiva sobre las personas, la cultura, y tu rol (y el rol de tu empresa) en dar forma a las experiencias humanas.

Esa comprensión profunda y reflexiva surge de conectar lo que escuchaste, viste y aprendiste con las cosas que ya sabés, percibís y creés.

La construcción de sentido (sensemaking) es una parte muy estudiada y reconocida de ser humano en el mundo que construimos, y ocurre a través de la externalización, la discusión, la creación forzada de conexiones y la reflexión. Cuando sintetizás los datos haciendo diagramas, o leyendo cada comentario, o forzando juicios al afirmar que dos cosas son iguales, o al tener que justificar esa afirmación, o al agrupar comentarios similares, o al discutir y debatir el significado de lo que alguien dijo, o al recrear una imagen mental de tu experiencia de investigación, o al escuchar las grabaciones una y otra vez, o al intentar capturar la profundidad de muchos datos en la brevedad de una observación, o al identificar las principales implicancias de la observación y escribirlas como una declaración de insight contundente, estás aprendiendo. Y el aprendizaje es el objetivo.

Tomá la visión más generosa y optimista de ChatGPT. Imaginá que en serio es consciente e inteligente y que puede construir significado formando el mismo tipo de red de conexiones que se forma en tu propia mente. Si eso fuera verdad, y delegás la síntesis en él, entonces la IA se apropia de ese conocimiento, lo integra, y aprende a ver el mundo de una manera nueva.

En una forma medio perversa, vos te convertiste en la herramienta tonta, y la IA se volvió más rica. Vos hiciste la recolección; ella se quedó con el proceso de darle significado.

Vos solo accedés a las migajas, y lo único que podés hacer es meter esos pedacitos ya masticados en tu propia visión del mundo y en tu PowerPoint para la gerencia. Tu construcción de sentido está debilitada tanto en teoría como en práctica, hasta el punto de que el beneficio (al menos para vos, el humano) se perdió por completo. Ahorraste mucho tiempo. Pero perdiste casi todo el valor.

El resultado de la investigación no es el objetivo de la investigación. El conocimiento que se produce en tu propia cabeza, y que se comparte —en toda su riqueza— con tu equipo, eso es el objetivo de la investigación. La síntesis ardua es el verdadero trabajo. El informe final es un extra.

ChatGPT puede hacerte ese informe. No puede crear nuevas conexiones en tu cabeza por vos.

Y, ¿por qué querrías que lo hiciera? Esa es una de las partes más ricas de la vida. Y por eso un trabajo en investigación es uno de los roles más generosos y privilegiados que uno puede tener.