Strategic Note-Taking for UX Research & Better AI Prompts

1. Introduction - Welcome to the Course: Hola, soy Pascal. He pasado más de una década ayudando a las empresas a entender sus clientes y a tomar mejores decisiones de productos utilizando métodos de diseño centrados en el ser humano. los últimos años, he estado metido en una pregunta que se encuentra en la intersección de la tecnología y el desarrollo humano. ¿Cómo utilizamos la tecnología para apoyar formas más conscientes de vivir y trabajar en lugar de externalizar nuestro juicio? Esta clase es una respuesta práctica a esa pregunta construida para la investigación real y el trabajo de producto. Trabajas en investigación o diseño en este momento, probablemente te hayas dado cuenta de que algo raro está sucediendo. Tenemos más datos que nunca, grabaciones, transcripciones, resúmenes de IA y, sin embargo, es cada vez más fácil sentirse menos conectado con nuestro cliente El riesgo no es que la IA extrañe las cosas. El riesgo es que nos desconectemos. Hacemos una entrevista con el cliente. Hacemos clic en resumir, leemos la salida, y sin darnos cuenta, nuestra percepción se Y eso importa porque en la investigación UX, tu trabajo no es producir una transcripción o un resumen Tu trabajo es darle sentido a la desordenada realidad humana. Asume la responsabilidad de lo que concluya. Este curso te brinda un método simple y poderoso para mantenerte cognitivamente comprometido mientras te entrevistas y usar la IA sin sembrar tu cerebro Es un flujo de trabajo al que llamo humano primero, máquina segundo. El ser humano primero significa que capturas tus señales antes de que la IA establezca el marco. La segunda máquina significa que usas IA para poner a prueba tu pensamiento, ampliar tu visión y recuperar pruebas, no para reemplazar tu juicio. Aprenderás un ritual rápido post sesión de cinco minutos que te ayuda a salir de cada entrevista con hipótesis reales, no solo páginas de notas Aprenderás un pequeño conjunto de herramientas de técnicas de notación que hacen que tu nota tome marcadores de metacognición más estratégicos, seguimiento de arco emocional, cascadas de preguntas, anclajes de contexto, observaciones versus tu nota tome marcadores de metacognición más estratégicos, seguimiento de arco emocional, cascadas de preguntas, anclajes de contexto, observaciones versus interpretaciones y mapeo de contradicciones. Aprenderás a convertir esas señales humanas en mejores indicaciones de IA y un rastro claro de evidencia Así que sus ideas son más fáciles de respaldar. Esto funciona porque la IA es literal. Es genial en compresión, pero no le importa. No nota como te das cuenta, y no puede asumir la responsabilidad. Tomar nota estratégica es cómo se mantiene la calidad de la atención que hace que la investigación sea valiosa en primer lugar. Esto es para investigadores de UX, diseñadores, diseñadores de servicios y equipos de productos que realizan descubrimiento, especialmente si a menudo trabajas solo y quieres usar IA para moverte más rápido sin bajar la barra de calidad. Si estás listo para dejar de ser un operador de salidas y empezar a ser un administrador del impacto nuevamente, estás en el lugar correcto. Vamos a meternos en ello. 2. Lesson 2 - Awareness as a research instrument: A uno le preocupa que la IA se vuelva consciente de sí mismo. Pero aquí está la verdadera pregunta. ¿Eres consciente de ti mismo? Quiero decir eso genuinamente porque la conciencia, la capacidad de notar lo que sucede dentro de ti mientras estás prestando atención a otra persona es una de las habilidades más subvaloradas en investigación Y es la única habilidad que la IA simplemente no puede hacer por ti. Déjame explicarte a qué me refiero. Cuando te sientas con un participante, estás haciendo dos cosas a la vez. Estás capturando lo que dicen y hacen. Ese es el comportamiento, las historias, las reacciones, y esos son los datos externos. La mayoría de nosotros somos bastante buenos en esa parte, pero hay una segunda tensión corriendo por debajo, y es lo que estás pensando y sintiendo mientras ellos están hablando. Tu sorpresa, tu aburrimiento, tus ganas de saltar y ayudar, esa sensación regañosa de que algo no suma, y eso son datos internos La mayoría de nosotros dejamos que eso flote justo pasado. Y aquí está la cosa. Los datos internos no son ciertos. Si te sientes aburrido, eso no significa que el participante sea aburrido. Si te sientes a la defensiva, no significa que se equivoquen. Estas reacciones son señales, y vale la pena capturarlas, no porque automáticamente tengan razón, sino porque te dan algo concreto para probar más tarde. Y esto es lo que los investigadores llaman meta cognición. Pensando en tu propio pensamiento. Y sé que esa palabra puede sonar un poco académica o incluso un poco woo woo. Pero en la práctica, es increíblemente simple. Solo significa hacer una pausa lo suficiente para notar, ¿a qué estoy reaccionando ahora mismo Noté que quería rescatarlos. Esa es una señal. Me sentí aburrido cuando hablaban de onboarding, eso es una señal Me sentí a la defensiva cuando desafiaron el diseño. Esa es una señal, también. Ninguna de esas son conclusiones. Son puntos de partida. Y una vez que los escribes, puedes hacer algo con ellos, incluyendo pedirle a la IA que te ayude a probar si la señal se mantiene. Entonces, ¿cómo construyes realmente este músculo? Quiero guiarte a través de una breve práctica. Tarda alrededor de 3 minutos, y puedes hacerlo antes de cualquier entrevista. Es completamente opcional, y a algunas personas les encanta, y algunas personas encuentran su propia versión de la misma. Pero pruébalo al menos una vez porque el principio detrás de él importa más que los pasos específicos. ¿Listos? Entonces así es como va. Así que solo cierra los ojos por un momento si eso se siente cómodo y respira hondo por la nariz y sale por la boca. Sólo un respiro. Solo fíjate en lo que se siente. Y ahora frota dos dedos lentamente con la presión justa y suficiente para que puedas sentir los paseos en la punta de tus dedos. Y esta es una pequeña pista que te ancla en el momento presente Imponga su atención en su cuerpo y fuera de lo que le estuviera dando vueltas en la cabeza hace un segundo. Ahora, abre los ojos y mira a tu alrededor y nota un detalle que antes no habías notado un color, una textura, un sonido, sólo algo pequeño. Y ahora pregúntate, ahora mismo, ¿qué estoy sintiendo? Energizado, escéptico, abrumado, curioso? No hay una respuesta equivocada, fíjate. Y piensa en tu día hasta ahora. ¿Qué te sorprendió? ¿Qué te confundió? ¿Qué confirmó algo que ya esperabas? Y una más, piensa por un momento en la IA en tu trabajo. ¿Qué sentimiento surge? Alivio, ansiedad, escepticismo, emoción. Mira si puedes notar dónde se sienta esa sensación en tu cuerpo, ponla en tu pecho, tu hombro, tu estómago. No hace falta que hagas nada con ello, fíjate. Y ahora fíjate lo que se sentía al notar. Ese es el músculo. Eso es metacognición en acción. No necesitas hacer esta práctica completa antes de cada entrevista, pero incluso una versión 32, solo una respiración, solo un check in, puede cambiar la calidad de tu atención Porque cuando entras en una entrevista ya consciente de tu propio estado, entonces es mucho menos probable que confundas tus reacciones con la realidad de tus participantes Y he aquí por qué esto importa para el resto del curso. Posteriormente, cuando nos metemos en incitar IA, la calidad de lo que pides depende completamente de la calidad de lo que notaste Si saliste de una entrevista con un vago sentido de que salió bien, entonces escribirás indicaciones vagas y obtendrás salidas vagas Pero si capturaste una señal específica, noté que me sentía incómoda cuando describieron su solución Ahora tienes algo real con lo que trabajar. Luego puedes pedirle a la IA que la someta a prueba de presión para encontrar contraevidencia o patrones de superficie que podrías haber pasado por alto. Así que la conciencia no es agradable de tener. Es la base que hace que todo lo demás en este curso sea más útil. Y no necesitas notas perfectas. Solo necesitas hacer una pausa y preguntar, ¿en qué estoy pensando ahora mismo? Y ahí es donde empezamos. Y en la siguiente lección, lo convertiremos en un método repetible 3. Lesson 3 - The method: Human-first → Machine-second: La última lección, hablamos de conciencia, notando tus propias reacciones durante una sesión, sorpresa, confusión, defensividad o boom Y llamamos a esas señales. Pero aquí está la verdad honesta. Notar una señal en el momento es solo la mitad del trabajo. Si no haces algo con él rápidamente, se desvanece. Para cuando abras tu laptop una hora después, ya no está. O peor aún, ha sido reescrito silenciosamente por tu memoria en algo más ordenado y menos útil que lo que realmente sucedió Entonces en esta lección, quiero darte un método simple y repetible que puedas usar después de cada entrevista Tarda unos 5 minutos, y es el puente entre lo que sentiste como humano y lo que luego pedirás a la IA para que te ayude El método tiene cuatro pasos. Sintoniza el cuerpo, nombra la señal, luego capturala y luego solicita IA. Paso uno, sintoniza el cuerpo. La entrevista acaba de terminar, y te has despedido. Antes de hacer cualquier otra cosa, antes de verificar holgura, antes de ordenar sus notas, antes de interrogar con un colega, haga una pausa por unos 30 segundos. Toma un respiro, tal vez frota dos dedos juntos con tal presión que puedas sentir las crestas en la punta de tus dedos Este es un hack de mindfulness que te lleva a sintonizar tu cuerpo y luego preguntarte, ¿cómo me siento ahora No como lo hizo la entrevista. Eso es una evaluación. Estoy pidiendo algo más básico. ¿Estás energizado o drenado, tenso o relajado? ¿Sientes que pasó algo importante o que todo fue plano? Sólo te estás registrando. El cuerpo suele registrar las cosas antes de que la mente se ponga al día. Si tus hombros están tensos o tu energía cayó repentinamente o sientes una extraña inquietud, esos son datos. Vale la pena prestarle atención. Paso dos, nombra la señal. Ahora hazte un poco más específico. ¿Qué se destacó? No es lo que dijeron los participantes, vamos a llegar a eso, pero ¿qué se dio cuenta? Intenta nombrarlo en lenguaje sencillo. Yo quería rescatarlos cuando describieron la solución alternativa. Me sentí escéptico cuando dijeron que les encantaba la incorporación Algo se sintió mal por la forma en que hablaban de su manager, pero no puedo poner mi dedo. Estos no necesitan ser pulidos. No necesitan estar en lo cierto. Solo necesitan ser honestos. Estás nombrando cuál es tu instrumento que recogiste durante la sesión Paso tres, capturarlo explícitamente. Esta es la parte que la mayoría de la gente se salta, y es la parte que más importa. Escríbalo, en realidad escríbalo. Escríbelo en sus notas o en una nota adhesiva o en un documento donde quiera que vivan sus notas de sesión . Este sencillo formato. Lo que me sorprendió así que algo que no esperaba. ¿Hay patrones formando algo que haga eco de sesiones anteriores ¿Cuál es mi curiosidad? ¿En qué quiero profundizar a continuación? Y para validar, ¿qué es una afirmación específica que quiero probar? Déjame mostrarte cómo se ve esto en la práctica. Digamos que acabo de terminar una entrevista con un cliente bancario sobre su experiencia con una herramienta de ahorro. Así es como podría verse mi volcado de post sesión. Entonces me sorprendió que dijeran que confiaban en la app sus ahorros, pero luego describen revisar su saldo tres veces al día. Eso no me suena a confianza. Fue el tercer participante quien califica el sistema de notificaciones como molesto pero necesario. Entonces me estaba empezando a preguntar si hay una tensión entre querer el control y querer no pensarlo. Tenía curiosidad por qué se emocionan al describir el momento en que alcanzaron su meta de ahorro que sintió que significaba más que solo dinero. Y afirman que nunca usaron la función de presupuestación, pero antes mencionaron establecer un límite semanal Vale la pena verificar si esto es una contradicción o si no ven el límite como presupuesto Fíjate en lo que acaba de pasar. En unos 2 minutos, he capturado cuatro cosas concretas con las que puedo trabajar. Ninguno de ellos es transcripción, ninguno de ellos son resúmenes. Son señales basadas en lo que realmente experimenté durante esa conversación. Y esto es lo que hace que esto sea poderoso. Cada uno de esos es ahora algo que puedo entregar a la IA con una pregunta específica adjunta. Aquí es donde importa la secuenciación. Si hubiera ido directo a AI después de la entrevista y hubiera dicho, resumir esta sesión, la IA me habría dado un resumen perfectamente competente, perfectamente genérico Habría aplanado toda la tensión interesante, la contradicción entre la confianza y el chequeo tres veces al día, AI podría no abanderar El momento emotivo sobre la meta de ahorro, AI podría notar que sucedió, pero no sabría que sentí algo cambio en la habitación. Pero ahora que primero he captado mis señales, puedo escribir indicaciones que son realmente útiles El participante describe confiar en la herramienta de ahorro, pero también verifica su saldo varias veces al día Encontrar evidencia en la transcripción a favor y en contra la interpretación de que la comprobación frecuente refleja ansiedad más que confianza O tres participantes han descrito un sistema de notificaciones como molesto pero necesario. Qué patrones de lenguaje en las transcripciones podrían ayudarme a entender si esto es ambivalencia genuina o una forma educada de decir que las notificaciones ¿Ves la diferencia? Estas no son indicaciones perezosas Son indicaciones de investigación. Comienzan con algo que el humano notó y le piden a la IA que ayude a probarlo, desafiarlo o encontrar evidencia de apoyo. Esa es la asociación funcionando bien, y por eso la secuencia importa. Primero humano, segundo máquina. Te das cuenta, lo nombra, lo escribes, y luego traes IA. Porque si saltas directamente a la IA, estás dejando que la herramienta decida lo que es interesante. Y la herramienta no sabe qué te sorprendió. La herramienta no sabe lo que se sintió mal. Sólo tú lo sabes. Una cosa más antes de concluir. Te habrás dado cuenta de que en la plantilla de post sesión, algunas de esas señales ya están a mitad de camino de ser hipótesis, y ese es el objetivo Una señal como dijeron que confían en la aplicación, pero comprobarla constantemente puede convertirse en una hipótesis con bastante rapidez. comprobación frecuente del balance puede indicar un comportamiento de monitoreo impulsado por una baja confianza en la precisión de la herramienta en lugar de una alta confianza. Esto es lo que creo ahora y lo que quiero probar. O la meta de ahorro puede llevar un significado simbólico más allá de lo financiero, posiblemente ligado a la autoeficacia o a un hito personal. De nuevo, esta es una corazonada que tengo de que ahora puedo probar. No necesitas un lenguaje académico perfecto para esto. Solo necesitas tomar tu señal y reescribirla como algo comprobable, algo que puedas buscar pruebas a favor o Y una vez que tienes una hipótesis, tus indicaciones de IA prácticamente se escriben por sí mismas porque ahora estás haciendo una pregunta específica, no solo dime qué pasó Antes de seguir adelante, tómate de dos a 3 minutos para hacer esto. Anota tres señales que notaste en tu última entrevista o en cualquier conversación reciente. Elige una señal y conviértelo en una hipótesis comprobable. Sólo una frase. Nos vemos en la siguiente lección. 4. Lesson 4 - Your Note-Taking Toolkit: Última lección, hablamos de una secuencia simple, primero humano, segundo máquina. Sintonías tus reacciones, nombras la señal, capturas explícitamente y luego invitas a la IA que te ayude a probar lo que estás viendo. En esta lección, quiero darte la pieza faltante que hace que eso sea práctico en entrevistas reales. No te preocupes. No es un marco grande y no una nueva lista de verificación que tengas que recordar. Es un kit de herramientas. Se trata de un pequeño conjunto de anotaciones ligeras que puedes usar para capturar señales sin interrumpir el flujo de una conversación Y si los usas bien, también hacen que tus indicaciones luego dramáticamente mejores porque estás entregando las entradas intencionales estructuradas con IA Ten en cuenta que no necesitas usar todo el kit de herramientas todo el tiempo. Necesitas una o dos anotaciones que se ajusten a tu cerebro y a tu contexto Entonces vamos a hacer tres cosas. Primero, te mostraré los tres cubos de notas estratégicas Entonces te mostraré un puñado de anotaciones y el trabajo que cada uno hace Y finalmente, te voy a mostrar cómo esas marcas se traducen en mejores instrucciones de IA más adelante. Cuando las personas escuchan notaciones por primera vez, a veces se imaginan aprender un idioma completo Eso no es lo que estamos haciendo. Piense en esto como agregar dos o tres notas adhesivas útiles a su sistema. Y para que esto sea simple, organizaremos el kit de herramientas en tres cubos. Notas para capturar el pensamiento. Entonces, ¿qué está pasando en tu cabeza? Notas para ayudarte a dirigir la sesión, qué hacer a continuación en el momento y notas para dirigir la IA más tarde, qué quieres que pruebe el modelo Lo importante es que no intentas hacer los tres a la perfección. Estás eligiendo un cubo que resuelva tu mayor problema en entrevistas ahora mismo. El pensamiento de captura es para marcas rápidas que graban tu señal interna sin interrumpir la conversación Esto es por esas micro reacciones que tienes en una sesión, tal vez una extraña tirantez en el pecho o un repentino pico de curiosidad o un momento donde algo no cuadra del todo Si no lo marca, desaparece. Entonces el primer cubo se trata dejar pequeñas migas de pan para tu yo futuro Aquí hay algunos símbolos de ejemplo. Puedes copiarlas o inventar las tuyas propias. Lo que importa es que cada marca signifique una cosa cada vez. Yo uso un signo de exclamación para sorpresa, un signo de interrogación para curiosidad o confusión, un rayo para un cambio de energía, y el signo no igual para un Estas no son notas sobre lo que dijeron, son etiquetas para lo que se iluminó en ti y lo que quieres volver a visitar más tarde Puedes elegir tus propios símbolos. El punto es la consistencia. Si siempre usas el signo no igual para el desajuste, tus notas se pueden buscar de un vistazo Así es como se ve esto en la salvaje entrevista a mitad de la entrevista. Por ejemplo, cuando el participante dice, confío en la herramienta pero comprueba su saldo tres veces al día, podría anotarlo así. Esa marca es suficiente para recordarte que aquí hay una tensión que vale la pena explorar. Bucket dos, dirija la sesión. Aquí es donde las notaciones se convierten en un volante en el momento porque cuando notas una señal, básicamente tienes cuatro opciones Profundiza, estaciona, pide un ejemplo, o desafíalo suavemente. No quieres hacer esa toma de decisiones desde cero cada vez. Entonces usamos unas marcas que se traducen directamente en acciones. En esta diapositiva, cada notación mapea a un movimiento que puedes hacer en el momento. El beneficio es que dejas improvisar tu siguiente paso desde cero. Ves la señal, la marcas, y sabes qué hacer. Un ejemplo rápido, si alguien dice que es intuitivo, puedes marcarlo sordo porque intuitivo podría significar que la interfaz de usuario es simple. Ya lo aprendieron. Coincide con otra herramienta, o pueden recuperarse de errores. Entonces tu notación se convierte en un aviso para preguntar, cuando dices intuitivo, ¿cómo se ve eso en la práctica? O si surge algo importante, pero tu historia media, marcas a Park y las mantienes en movimiento. Eso evita el descarrilamiento sin perder el hilo. Cubo tres, IA directa más tarde. Este es el traspaso. Un buen aviso de IA generalmente comienza con esto es lo que noté o aquí está la hipótesis que estoy probando, y esto es lo que cuenta como evidencia. Las anotaciones lo hacen fácil porque ya has etiquetado los momentos que importan En esta diapositiva, verás una forma sencilla de etiquetar lo que quieres que el modelo te ayude a probar más tarde. El punto es que tu prompt se vuelve casi automático porque ya has marcado los momentos que importan. Por lo que podría escribir H chequeo frecuente indica ansiedad, no confianza. E, lenguaje sobre el miedo, tranquilidad, solo para estar seguros, comprobando después de las notificaciones o ALT, comprobando como hábito o ritual, o disfrutan de la sensación de control Y ahora tu prompt a la IA es casi automático. Sospecho que la comprobación frecuente del equilibrio refleja ansiedad más que confianza. En la transcripción, encontrar pruebas que apoyen y contradicen esta interpretación y proponer explicaciones alternativas Cita, las líneas exactas. Ese es un prompt muy diferente al de resumir la entrevista En esta diapositiva, estoy conectando todo el bucle, lo que notas, cómo lo pruebas y lo que quieres de vuelta del modelo. Marque lo que importaba, luego use IA para probarlo con evidencia. Entonces, ¿cómo eliges una notación sin complicarla demasiado Elige en función de tu contexto. Si haces muchas entrevistas espalda con espalda, elige anotaciones que te ayuden a capturar el pensamiento rápidamente Si tu mayor reto es mantenerte encaminado, elige anotaciones que dirijan la sesión Si tu mayor reto es escribir buenas indicaciones, elige anotaciones que dirijan la IA más tarde y comienza con uno o dos, no seis, porque el objetivo no son notas perfectas El objetivo es un bucle repetible realmente puedes hacer cuando estás cansado Y ahora es tu turno. Elige una técnica para practicar en tu próxima sesión. En la siguiente lección, profundizaremos en el conjunto de notación específico. 5. Lesson 4.1 - Meta-cognition markers: Si alguna vez has leído la transcripción de una entrevista y has pensado, ¿Por qué no me di cuenta de eso en este momento? ¿Esta lección es para ti? Porque la mayor parte de lo que hace bueno a un investigador no son las preguntas sobre el guión. Es tu instrumento, tu habilidad para notar sorpresa, tensión, confusión y confirmación a medida que suceden mientras aún estás en la habitación. Los marcadores de metacognición son una manera sencilla capturar esas reacciones en tiempo real sin convertir la entrevista en teatro de toma de notas Son marcas pequeñas, consistentes que le dicen a tu yo futuro, algo pasó aquí. Regresa. En esta lección, usaremos tres marcadores. El primero es para sorpresa. Algo que creo que funciona bien es usar dos signos de exclamación porque se siente como el tono emocional de ese momento Tu atención se dispara y quieres atraparla antes de que desaparezca. El segundo es para la confusión. me gustan dos interrogantes Aquí me gustan dos interrogantes porque te mantiene honesto. Es una forma rápida de decir, todavía no entiendo esto, y no voy a fingir que sí. Y el tercero es para una confirmación contundente. Cuando algo claramente apoya una hipótesis que ya estás sosteniendo. Yo uso dos flechas porque se siente como un vector fuerte, una dirección clara, y me recuerda capturar la señal para poder probar si se mantiene en el resto de la entrevista. El objetivo no es ser inteligente. El objetivo es dejar migas de pan para tu yo futuro. No te preocupes por memorizar estos. El único trabajo en estos momentos es reconocerlos cuando los veas y entender para qué sirve cada uno. Estos marcadores son rigurosos precisamente porque son humildes. Cuando marcas sorpresa o confusión, no estás reclamando la verdad. Estás captando un cambio en tu atención, y la atención cambia por razones. Algo contradice lo que esperabas. Algo es vago, donde debe ser concreto, o algo emocional y de alto riesgo aparece debajo de las palabras Si no captas ese turno, se suaviza más tarde y terminas con una transcripción que lee limpiamente pero oculta la Aquí está la restricción clave. Un buen marcador debe tomar menos de un segundo. No estás escribiendo párrafos. Estás escribiendo una breve frase concreta, y luego agregas el marcador. Ejemplo, podrías escribir una nota rápida como dice que es fácil, evita el móvil y luego agrega tu marcador sorpresa. O podrías escribir sigue diciendo que depende y agrega tu marcador de confusión. O podrías escribir los precios de cheques primero cada vez y agregar tu marcador de confirmación. Si puedes hacer eso, mientras te quedas presente y mantienes al participante hablando, lo estás haciendo bien. Cuando usas el marcador sorpresa, estás diciendo, Esto no es lo que esperaba. Podría haber una tensión que valga la pena explorar. Cuando usas el marcador de confusión, estás diciendo, todavía no entiendo esto, y no debería fingir que sí. Necesito un ejemplo más claro o una definición más nítida. Y cuando usas el marcador de confirmación, estás diciendo, Esto apoya una hipótesis que sostengo. Capturarlo ahora y probar si se mantiene en el resto de la entrevista y en otras sesiones. Observe cómo ninguna de estas son conclusiones. Son marcadores de posición para futuras verificaciones. Y así es como se vería eso durante una entrevista. ¿Podrías guiarme por la última vez que usaste la app para ahorrar? Bien, fue ayer por la tarde, en realidad. Estaba en el sofá, y recordé que había movido algo de dinero a principios de semana, así que abrí la aplicación para verificar dónde estaba. Mm hmm. Normalmente reviso primero mi cuenta corriente, luego miro el bote de ahorro, y si se ve bien, me mudaré un poco. Mm hmm. Sí, suena aburrido, pero es una especie de alivio. Como, he hecho lo responsable del día. Cuando dices que es un alivio, ¿qué te está pasando en ese momento? Yo diría que me siento más tranquilo, pero es raro porque no diría que estoy estresado por el dinero todo el tiempo. Como, estoy bien. Es que, de veras no me gusta la sensación de no saber, ¿ves? Mm hmm. Básicamente, si no reviso, puedo empezar a pensar, ¿salió algo? ¿Olvidé una suscripción? ¿Lo estropeé? Mm hmm. Entonces sí, verificar es básicamente yo tranquilizarme a mí mismo. Bueno. Y ¿puedes hablarme de lo que tiende a desencadenar ese impulso de revisar? Son las notificaciones. 100%, a lo mejor voy a recibir una cosa de gasto semanal o un mensaje como, gastaste más de lo habitual en comida, y mi cerebro simplemente va, Oh, no. ¿Qué he hecho? Mm hmm. Mm hm. Pero entonces también me gusta porque me mantiene honesto. Entonces estoy molesto, pero también lo quiero también. Entonces eso molesto, pero también lo quiero poco es interesante. ¿Qué pasa con eso es molesto? Es el momento y el tono. Si me hace ping a, como a las 9:00 P.M. Ya estoy cansado, y es como que me está juzgando Sé que no lo es, pero se siente como un maestro marcando tu tarea, ¿ves? Sí. Y luego abriré la app, comprobaré el saldo. Y a veces voy a mover dinero al ahorro de inmediato. Sí. Sé que tal vez no es lógico. Sí. Es más como si estuviera tratando deshacer lo malo, ¿ves? Sí. Y cuando mueves dinero a ahorros así, ¿qué esperas que suceda? Que volveré a tener el control. Además, tengo esta regla que si he gastado más de lo que pretendía, lo voy a recuperar moviendo algo en ahorros. Es gracioso porque no presupuesto. Odio presupuestar, pero sí tengo un tope semanal para salir a comer. Y, cuéntame de ese tope semanal. ¿Cómo lo decidiste y qué pasa cuando vas? Escogí un número que se sentía razonable. Y si, si voy , me siento culpable. No enorme culpable, un poco molesto conmigo mismo. Y ahí es cuando hago la mudanza de ahorro, ¿ve? Mm hmm. Mm hmm. Sí, sé que no es como un presupuesto de hoja de cálculo. Es sólo una barandilla. Sí. Pero sí, la app básicamente desencadena todo el ciclo. Sí. Lo tengo. Para mantener estos marcadores limpios, hay una pequeña disciplina en la que puedes apoyarte. Cuando escribas un marcador sorpresa, mantenlo en la forma de que esperaba una cosa, pero estoy escuchando otra. Cuando escribes un marcador de confusión, mantenlo en forma de, necesito un ejemplo más claro de esto. Y cuando escribas un marcador de confirmación, manténgalo en forma de esto apoya la hipótesis H por ahora. La estructura te mantiene honesto. Estás nombrando tu propia reacción, no diagnosticando al participante Más adelante en el curso, usaremos IA para hacer algo muy específico. Recuperamos pruebas a favor y en contra de su señal humana. Estos marcadores lo hacen posible porque ya has hecho el trabajo humano de notar lo que importaba en la habitación La diferencia es que la IA no está decidiendo lo que importaba. La IA te está ayudando a probar lo que notaste. Ahora pruébalo tú mismo. Haz una entrevista de cinco minutos de juego de roles. Tu único trabajo es capturar exactamente tres marcas. Sorpresa, confusión y confirmación. Mantenlos cortos, mantenlos concretos. Y si puedes hacer eso, sin perder el flujo de la conversación, tienes la habilidad. 6. Lesson 4.2 - Emotional arc tracking: En muchas notas de investigación, accidentalmente creamos un registro plano, un montón de citas, una lista de observaciones, y luego, tratamos de construir significado a partir de él. Pero lo que más necesitamos para la perspicacia a menudo es faltar la forma de la experiencia, los momentos en los que sube la energía, los momentos en los que cae, los puntos donde alguien se molesta, alivia, incierta, Esto es lo que captura el rastreo de arco emocional. Es una forma ligera de realizar un seguimiento los cambios de energía sin interrumpir la conversación Entonces, ¿qué es un arco emocional? Es una pequeña línea de tiempo de energía enviada a través de una experiencia, y te ayuda a responder algunas preguntas realmente importantes. ¿Dónde empezó a funcionar la experiencia? ¿Dónde empezó a romperse? ¿Qué pasó justo antes de la caída? Y ¿qué necesitaba la persona en ese momento? Esos momentos anteriores son donde se esconden las oportunidades reales. Para capturar esto, utilizamos cuatro marcas simples. Flecha hacia arriba significa que la energía está aumentando. Una flecha hacia abajo significa que la energía está cayendo. Una flecha derecha significa que las cosas son neutrales o constantes, y un signo de exclamación significa que hay un pico de frustración Esto es todo lo que necesitas cuatro símbolos. La forma más sencilla de utilizarlos es rastrear el arco contra una secuencia. Esa secuencia podría ser un viaje de usuario como la incorporación, luego la primera acción, luego la configuración Sé las secciones de tu guía de entrevistas. O podría ser un flujo de tareas como buscar, comparar, revisar. Aquí tienes un consejo práctico. Imprima su guía de discusión o mapa de viaje y deje un margen en el lado derecho de la página. No estás escribiendo un párrafo. Solo estás marcando el paso actual con uno de esos cuatro símbolos. Entonces así es como se veía en la práctica. Incorporación, neutral, permisos, caídas de energía. Tablero, la energía sube, Ajustes, pico de frustración, confirmación, energía se recupera Ahora bien, para cada uno de esos pasos, agrega una frase que captura el disparador, no una cita, no un párrafo, solo una oración que nombra lo que causó el cambio. Por ejemplo, junto a permisos con una flecha hacia abajo, escribes micrófono se sintió inquieto sobre qué acceso se está solicitando Y al lado de escenarios con una marca de extraomación, se irritó porque la opción estaba enterrada y las etiquetas Exton corre hacia adelante con una flecha hacia arriba, aliviado porque la información era inmediata y fácil Si puedes nombrar el disparador, puedes diseñarlo. Ahora, hay algunos errores comunes a tener en cuenta. El primero es confundir la emoción con la opinión. Si alguien dice que es malo, esa es una opinión. Eso no es un arco. Pero si la energía cae cuando golpean un paso específico, ese es un arco. Estamos rastreando turnos, no juicios. El segundo error es rastrear demasiados micromomentos. Comienza con cuatro o seis pasos, no con 20. Quieres la forma grande, no todas las fluctuaciones diminutas Y el tercer error es asumir que conoces la causa. Nosotros lo que pasó justo antes del turno y tratamos tu explicación como una hipótesis, no como un hecho. La única pregunta que hace que todo esto sea útil es ¿qué pasó justo antes de la flecha hacia abajo o el signo de exclamación Una vez que tengas de tres a cinco arcos en diferentes participantes, puedes comenzar a modelar la edad ¿Las gotas se agrupan alrededor del mismo paso? Los picos de frustración siempre son causados por el mismo tipo de disparador, como tono poco claro o mal tiempo, incertidumbre o escenarios ocultos? ¿Y los ups ocurren cuando gente recupera el control, la claridad o la velocidad? Te doy un mapa de puntos de apalancamiento, y también te da una mano limpia a la IA. Posteriormente, cuando tengas una transcripción, puedes pedirle a AI que te explique el momento justo antes de cada turno y saque las pruebas por ti Aquí hay un ejemplo de cómo podría ser ese prompt. Le dices a la IA que seguiste un arco emocional usando los cuatro símbolos. Entonces le pides que haga tres cosas por cada flecha hacia abajo y cada signo de exclamación. Cita lo que estaba ocurriendo justo antes, inferir qué necesidad o preocupación se está presentando y ofrézcale dos explicaciones alternativas, y le pides que devuelva los resultados como una tabla Esta es una gran manera de profundizar en los momentos que más importan sin tener releer la transcripción completa tú mismo Bien, ahora es tu turno. Elige una experiencia reciente que puedas recordar claramente. Podría ser registrarse en una aplicación, reservar un boleto o configurar una nueva herramienta. Escribe un arco de cuatro a seis pasos. Línea O por paso. Marque cada paso con uno de los cuatro símbolos y agregue una oración que capture el disparador. Si puedes hacer esto en menos de 2 minutos, estás entrenando la habilidad que queremos reconocimiento de patrones a través del tiempo. 7. Lesson 4.3 - Question Cascade: Una de las partes más difíciles de entrevistar es permanecer presente mientras tu cerebro hace lo que hacen los cerebros Escuchas algo interesante, e inmediatamente generas una pregunta de seguimiento en vivo. Si los persigues a todos, la entrevista se convierte en latigazo cervical Si los ignoras a todos, echas de menos al mejor fred. La notación en cascada es una forma sencilla de capturar tu curiosidad sin descarrilar al participante Utilizarás dos etiquetas. Q arrow es un seguimiento que vale la pena preguntar en este momento. Q más adelante es para un seguimiento al que quieres volver cuando sea mejor el momento. Si ya usas las anotaciones del kit de herramientas de la lección cuatro, esto te resultará familiar La flecha de seguimiento y la flecha son el mismo movimiento. Sigue ya este traste. Park y Q más tarde son el mismo movimiento. Sostenga el traste y mantén el flujo. Y la profundidad es un subtipo común de flecha Q. Cuando aparece un término vago, se pide una definición en el momento Nuevamente, puedes usar lo que funcione mejor para ti, pero estos son los principios detrás de esto. Entonces, ¿de qué se trata realmente esto? Se trata de asegurarse de que tu mejor curiosidad sobreviva al momento Quieres dos resultados. Mantienes al participante hablando, y sigues recopilando los seguimientos que profundizarán la perspicacia Ahora, hablemos de cómo mantener la pregunta breve. Una buena pregunta en cascada suele ser una línea. Si toma dos líneas, probablemente sean dos preguntas. Aquí hay algunas formas útiles. ¿Qué estaba pasando justo antes de eso? ¿Me puede dar un ejemplo específico? ¿Qué te hizo elegir esa opción? ¿Qué habrías esperado en su lugar? Escribe la versión más corta que aún apunte al detalle faltante. Entonces, ¿cómo decides si preguntar ahora o estacionarlo para después? Usa QR cuando el participante ya esté cerca del momento que te importa y usarlo más tarde al preguntar ahora interrumpiría una historia que se está desplegando Cuando te enviaría de lado a un tema diferente o cuando requiere contextos que aún no tienes. La regla simple es esta, si el seguimiento va a hacer más clara la respuesta actual, pregunta ahora. Si abre una nueva sucursal, estacione. Y un hábito práctico que realmente hace que esto funcione, dejar de tres a 5 minutos al final de la sesión para volver en círculo a tu lista posterior, trátala como una mini sección de cierre Veamos cómo podría verse esto en una entrevista real. ¿Podrías simplemente guiarme a través cómo usas normalmente la aplicación? Sí, así que suelo estar en la app, suelo tratar de comprobar en qué parte estoy. Sabes, no me registro a diario, y ni siquiera me registro semanalmente para ser completamente honesto contigo. Realmente solo dejo mi dinero a un lado y luego tal vez check in si recuerdo, como, tengo la cuenta. Entonces eso es lo que uso la aplicación la mayor parte del tiempo, tipo de registro, mira cómo está. Y me voy de, como, ¿ es más rojo que azul? Porque si es más rojo, entonces tal vez deba llamar a mi papá y ver qué podríamos hacer en el futuro. Entonces supongo que el color me ayuda a entender. Entonces, sí. Y cuando dices más rojo que azul, ¿qué significa eso para ti? Como, ¿qué crees que te están diciendo los colores? No sé los números exactos detrás de esto. Es más como si se ve rojo, entonces yo estoy como, Bien, algo anda mal, o, como, en un buen punto. Y si es azul, yo estoy como, Bien, estamos bien. Es como un chequeo rápido de vibra. Y sé que eso suena tonto, pero es más fácil que tratar de, como, leer todo. ¿ Entiende a lo que me refiero? Mm hmm. Lo tengo. Sí. Y ¿qué haces cuando ves rojo? Entonces si llamo a mi papá, y él dice, como, movamos algo de dinero, hagamos algo diferente, tiendo a ir al sitio web que a la app. Mm hmm. Sí, creo que a lo mejor es porque mi papá sabe más del sitio web que de la aplicación. Mm hmm. Sé usar la app, pero él sabe usar más el sitio web. Mm hmm. Sí, y tal vez así es como he aprendido de ello. Entonces generalmente me siento mejor usando el sitio web porque sé lo que estoy haciendo. Mm hmm. Mm hmm. Bien, entonces la aplicación es principalmente para registrarse, y el sitio web es para realmente mover dinero. Cuando te registras en la app, ¿cuál es el momento que esperas? Como, ¿qué son las buenas noticias? Quiero decir, la buena noticia es que es azul. Y luego estoy como, Bien, no tengo que lidiar con eso porque honestamente, cosas del dinero son estresantes. Entonces, si es azul, puedo simplemente, como, continuar con mi día. Pero si es rojo, entonces yo estoy como, Oh, ahora tengo que hacer todo el asunto. Y todo es como llamar a mi papá, ir al sitio web, tratar no estropearlo. Sí. Mm hmm. Mm hmm. Eso tiene sentido. Bien, antes de que terminemos, quiero volver en círculo a algo que dijiste antes. Mencionaste que te sientes mejor usando el sitio web que la aplicación cuando necesitas mover dinero. ¿Qué tiene el sitio web que te hace sentir más seguro? Um, honestamente es solo familiaridad. Como, he visto a mi papá hacerlo, y en la app, siempre estoy un poco preocupado, voy a tocar lo incorrecto. En el sitio web, es, como, más lento y puedo ver más, y se siente más eficiente. Sí. Así que ahí confío más en mí mismo. Bien. Sí. Fíjate en lo que pasó. Yo usé profundo para aclarar un término que importaba a su toma de decisiones Usé Q después para estacionar un fred para que pudieran seguir hablando. Entonces dejé tiempo al final para dar la vuelta y obtener una respuesta limpia. Ahora, hablemos de cómo esto se conecta con la IA después de la sesión. Durante la entrevista, QRO y Q posteriores son herramientas de flujo. Te ayudan a mantenerte presente. Pero después de la sesión, IA se vuelve útil para un trabajo diferente, organizando las preguntas que no respondiste completamente y convirtiéndolas en un plan para la siguiente ronda. Esto importa porque algunas preguntas Q posteriores se harán más adelante en la misma entrevista, pero algunas no. Se pierden cuando se acaba el tiempo. Cuando el participante te lleva a algún lugar más valioso o cuando la pregunta necesita contexto no obtuviste. Aquí es exactamente donde la IA ayuda. Entonces, después de la entrevista, puedes usar la IA para tres cosas. Primero, para preguntas estacionaste, pero nunca llegaste a preguntar Segundo, para preguntas que sí hiciste, pero no obtuviste una respuesta clara a las. Y tercero, para convertir los temas repetidos de Q posteriores a través de las sesiones en sondas para la siguiente ronda. Puedes saltarte la IA para cualquier pregunta Q posterior que ya hayas hecho y obtuviste una respuesta clara en la misma sesión. Ese ya está hecho. Aquí hay un ejemplo de cómo podría ser ese prompt. Le das a la IA tus notas marcadas con QR y Qlater. Entonces te pedirás que primero marques qué preguntas fueron respondidas en la sesión y cuáles no. O los sin respuesta, le pides que los agrupe en tres a cinco temas, reescriba cada pregunta para que sea neutral y específica y sugiera un orden que siga Y le pides que emita una breve guía de seguimiento que puedas usar en la siguiente entrevista. Esto convierte tu cruda curiosidad en un plan estructurado sin que tengas que hacer la organización tú mismo. Bien, ahora es tu turno. Haz un juego de roles de cinco minutos. Después de que termine, escribe dos seguimientos de Q RL que pedirías de inmediato, y dos Q posteriores seguimientos a los que volverías más tarde. Mantenga cada pregunta en una línea. Si puedes hacerlo de manera consistente, sentirás una diferencia en tus entrevistas dentro de una semana. 8. Lesson 4.4 - Context anchors: I Las transcripciones hacen que las entrevistas se vean más limpias de lo que eran Capturan lo que se dijo. A menudo extrañan lo que dio forma a lo que se dijo. Los anclajes de contexto son la forma en que mantienes esa capa faltante. Son notas cortas entre corchetes que capturan restricciones y cambios. Cosas como dónde está la persona, qué más sucede a su alrededor, en qué dispositivo están, quién está cerca y qué compite por su atención. Estos detalles no son agradables de tener. Explican por qué un participante da una respuesta corta, evita una característica, cambia de tono o se vuelve cauteloso Entonces, ¿por qué importa esto? Porque si no captas contexto, puedes malinterpretar los datos Podría etiquetar a alguien descomprometido cuando en realidad está agotado Podrías etiquetar a alguien con confianza cuando un compañero lo está entrenando fuera de cámara. Podrías etiquetar algo fácil cuando la persona está en un escritorio en condiciones tranquilas. Una transcripción no puede mostrar de manera confiable nada de eso. Las transcripciones quitan el ambiente y las interrupciones. Ellos quitan las restricciones del dispositivo y de la configuración. Se quitan las dinámicas sociales como quien está presente. Quitan el tiempo y el estado energético, y quitan la razón por la que cambia el ritmo. ¿Qué cuenta como contexto y qué no? Un buen ancla de contexto tiene dos cualidades. Primero, es objetivo o cercano al objetivo. Y segundo, cambia plausiblemente el comportamiento o el significado. Aquí hay algunos buenos ejemplos. En encontrado caminando al trabajo. El deslumbramiento de la pantalla no puede leer texto pequeño. En el trabajo, manteniendo la voz baja. Niño interrumpe dos veces, pierde flete. Socio en habitación, las respuestas se acortan. Cambiar de la aplicación a la mitad de la tarea del sitio web. ¿Qué no cuenta como ancla de contexto? Opiniones, como, Esto es molesto. Capturar esos en otros lugares. Interpretaciones como que están avergonzadas. Tratarlos como una hipótesis, no como contexto. La regla general es esta, escribir un contexto que ayude a un compañero de equipo a entender por qué este momento se veía como lo hizo, y quieres escribirlos rápidamente, mantener cada uno en una sola línea Hay dos formas útiles. El primero es la restricción, luego el efecto probable. Por ejemplo, turno de noche, caminar hacia arriba, ritmo más lento. El segundo es el momento del cambio, entonces ¿qué cambió en la conversación? Por ejemplo, el compañero entra a la habitación se vuelve más formal o en el móvil, con una sola mano evita escribir. Ahora, cuando llegas al análisis, los anclajes de contexto te ayudan a interpretar patrones sin aplanarlos. Puedes hacer preguntas como, ¿aparecen los mismos temas bajo las mismas restricciones? ¿Ciertas fricciones son móviles solo? ¿Las respuestas seguras se correlacionan con la presencia de alguien más? ¿Los cambios de emoción se alinean con las interrupciones o la presión del tiempo Y esto te mantiene honesto, y también hace que tus indicaciones a la IA sean más precisas El principal valor de los anclajes de contexto es simple. Dan IA e información futura que la transcripción no contendrá A veces ese contexto va a importar. A veces no lo hará. El objetivo es reducir la posibilidad de que un sonido seguro suene erróneo Cuando usas anclajes de contexto con IA, hay tres cosas a tener en cuenta Primero, incluya los contextos relevantes antes de pedir interpretación. Segundo, pídale a la IA que señale dónde el contexto podría estar dando forma a los datos. Y tercero, pedir explicaciones alternativas cuando el contexto sea ambiguo. Aquí hay un ejemplo de cómo podría ser ese prompt. Le das a la IA tus notas de entrevista junto con algunas anclas de contacto Luego le pides que use los contactos para evitar interpretar en exceso las respuestas cortas, las dudas y los cambios de tema Para cada elemento de contexto, le pides que enumere una o dos formas que podría estar dando forma al comportamiento, una o dos formas en que podría ser irrelevante, y etiquetar cada inferencia con un nivel de confianza, alto, medio o bajo Le pides que cite líneas exactas para cualquier reclamo. Esto obliga a la IA a razonar cuidadosamente en lugar de solo coincidir patrones en la superficie. Déjame darte un ejemplo rápido de cómo funciona esto en la práctica. Digamos que el participante dice: Sí, quiero decir, está bien. Realmente no uso eso. Su nota podría ser contexto en una oficina de plan abierto susurrando respuestas cortas Posteriormente, cuando interpretas que es espina dorsal, la lees de otra manera. A lo mejor no fueron despectivos, tal vez sólo estaban bajando la voz. El punto es entender las condiciones de las que provienen los datos. Entonces tú y la IA no interpretan en exceso lo que pasó. Bien, ahora es tu turno. Haz un juego de rol corto y captura tres anclas de contexto. Uno para un entorno o interrupción, uno para un dispositivo o restricción de configuración, y otro para una dinámica social o factor de tiempo. Mantenga cada uno en una sola línea en el formato de corchete. Si puedes detectar estos en tiempo real, estarás capturando una capa de conocimiento que la mayoría de los investigadores mienten por completo. 9. Lesson 4.5 - Observations vs interpretations: Hay un hábito que se arrastra en casi todas las notas de los investigadores, y es tan natural que mayoría de las personas ni siquiera se den cuenta de que lo están haciendo Ves a alguien duda y escribes confundido por el diseño. Ves que alguien toca rápidamente y escribes lo encontró fácil. Ves a alguien suspirar y escribes frustrado. Cada uno de esos es una interpretación disfrazada de hecho. Y el problema no es que la interpretación esté equivocada. Podría ser correcto. El problema es que una vez que se escribe como un hecho, nadie lo cuestiona, ni tú, ni tu equipo, y definitivamente no la IA. Esta lección trata sobre construir un hábito sencillo que proteja tu rigor. Vas a aprender a separar lo que viste de lo que piensas que significa usando dos prefijos, O para observación y yo para interpretación Una observación es algo a lo que podrías apuntar una cámara y todos estarían de acuerdo. El participante dudó 6 segundos antes de tocar B. Eso es una observación. Cualquiera que vea la grabación vería lo mismo. Una interpretación es tu significado haciendo. Ansiedad monetaria, miedo a errores de clic, decisión gorda. Esas son interpretaciones. Podrían ser exactos, pero no son hechos. Son hipótesis. El hábito que estamos construyendo es sencillo. Cuando escribes una nota, pregúntate, ¿alguien más podría ver exactamente esto en la grabación? En caso afirmativo, es una O. Si estás agregando significado, es una I. Esto importa más de lo que piensas, y aquí te explicamos por qué. Cuando le das notas a la IA y le pides que encuentre concursos, IA trata todo lo que escribiste como igualmente cierto No sabe qué líneas son las cosas viste y qué líneas son las cosas que adivinaste Entonces, si tus notas están llenas de interpretaciones sin marcar, la IA construirá su análisis sobre tus conjeturas y te las presentará como hallazgos Así es como ocurren los errores de lectura con exceso de confianza, y son difíciles de atrapar porque la salida se ve pulida Separar O de I te da una base limpia. Las observaciones se mantienen sólidas, las interpretaciones se mantienen comprobables Entonces hablemos de cómo escribir una observación limpia. La clave es mantener su lenguaje descriptivo y específico. Describir el comportamiento, el tiempo y la secuencia. Evitar adjetivo que lleve juicio. Aquí hay algunos ejemplos. Dudó 6 segundos antes de tocar por eso está limpio. Desplázate más allá de la sección de precios sin parar. Limpio. Lee ese mensaje de error en voz alta y luego cierra la pestaña. También limpio. Ahora compara esos dos. Estaba confundido por el precio. Esa es una interpretación. No sabes que estaban confundidos. Sabes que se desplazaron más allá de él, la confusión es tu suposición. Una buena prueba. Si te encuentras escribiendo una palabra sintiente, como confundida, frustrada, encantada o abrumada, haz una pausa y pregunta qué es lo que realmente viste Describa eso en su lugar y mueva la palabra del sentimiento a una línea de ojos. Ahora bien, ¿cómo se escribe una buena interpretación? Lo más importante es tratarlo como una hipótesis, no como una conclusión. Escríbelo como algo que pueda ser probado o desmentido. Por ejemplo, Oh, dudó 6 segundos antes de tocar B. I, posiblemente ansiedad monetaria o inseguro si el artículo es correcto Fíjate en lo que pasó ahí. La observación está encerrada. La interpretación ofrece dos posibles explicaciones, y ninguna de ellas afirma ser la respuesta. También puedes darle a tu interpretación un nivel de confianza, algo así como yo probablemente comparando con los precios que vieron en otra parte, confianza media. Esto ayuda a que el futuro tú y tu equipo sepan cuánto peso ponerle, y ayuda a la IA a tratarlo con el nivel adecuado de precaución. Así es como se vería un conjunto real de notas usando este sistema. La observación vaciló durante 6 segundos antes de tocar. Interpretación dinero, ansiedad o miedo a miss click. La observación se desplazó más allá de la tabla de precios sin detenerse posible que la interpretación no lo haya reconocido como precio o que ya haya decidido saltarse los detalles Observación decía, espera, ¿a dónde fue eso? Después de que la página transitara. Interpretación, navegación inesperada posiblemente se sintió como pérdida de control. Observación sonrió y dijo: Oh, agradable cuando apareció la pantalla de confirmación. Observe que el último no tiene línea de interpretación. Eso está bien. No toda observación necesita una interpretación. A veces el comportamiento es lo suficientemente claro por sí solo, y agregar una conjetura solo sería ruido. Una buena proporción para apuntar en sus notas es aproximadamente de tres a cuatro observaciones por cada una o dos interpretaciones Eso mantiene tus notas fundamentadas. Ahora, hablemos de cómo esto se conecta con la IA. Cuando le das a la IA un conjunto de notas con observaciones e interpretaciones claras, claras etiquetas O y yo, puedes pedirle que haga algo muy específico Trabaja primero con las observaciones y luego compara sus explicaciones con tus interpretaciones. Esto crea una comprobación útil. Si la lectura de la IA coincide con tu interpretación, esa es una señal de que tu conjetura puede estar encaminada. Si la IA ofrece una explicación diferente, vale la pena investigar eso. De cualquier manera, terminas con un análisis más honesto. Aquí hay un ejemplo de cómo podría ser ese prompt. Le das a la IA tus notas con las etiquetas O e I. Entonces le pides que primero analice solo las líneas de observación y sugiera dos a tres posibles explicaciones para cada una sin mirar tus interpretaciones todavía. Después de eso, le pides que compare sus explicaciones con sus líneas I. ¿Dónde estás de acuerdo? ¿Dónde ve la IA en diferente posibilidad? Y le pides que señale cualquier interpretación que se sienta como un estiramiento dada la evidencia de observación. Esta es una forma poderosa de usar la IA como un compañero pensante en lugar de como una máquina de confirmación. Bien, y ahora es tu turno. Piensa en una experiencia reciente que tuviste con un producto o servicio. Podría ser cualquier cosa una aplicación, un sitio web, una máquina de autoservicio, un flujo de reservas, y luego escribir de cuatro a seis líneas en total. Apuntar de tres a cuatro observaciones y de una a dos interpretaciones. Recuerde, las observaciones pasan la prueba de cámara. Las interpretaciones son tus mejores conjeturas escritas como hipótesis Si puedes hacer esto de manera rápida y consistente, estás construyendo una habilidad que hará que cada análisis que hagas sea más confiable, ya sea que estés trabajando con IA o sin ella. 10. Lesson 4.6 - Contradiction mapping: Bien, esto te va a conmocionar, pero la gente no siempre hace lo que dice que hace Eso no es un juicio. Es uno de los patrones más confiables en la investigación UX. Alguien dice que una característica es fácil, pero evitan usarla. Alguien dice que no les importa una configuración, pero pasan 2 minutos configurándola. Alguien dice, confío en esta app, pero su voz se vuelve más silenciosa y empiezan a cubrir Estas brechas entre lo que dice una persona y lo que realmente hace son algunos de los materiales más ricos que jamás recopilarás, y son fáciles de perder porque las transcripciones los aplanan Una transcripción te da las palabras. No siempre te muestra el comportamiento que contradice esas palabras Esta lección te enseña una manera sencilla de captar y registrar estas contradicciones en tiempo real usando dos etiquetas dice y hace Cuando escribes un par dice y hace, estás captando la atención, y las tensiones son donde vive la perspicacia. Señalan necesidades insatisfechas, soluciones alternativas, impotencia aprendida, deseabilidad social o simplemente una brecha entre cómo piensa alguien sobre su experiencia y cómo su experiencia Lo importante es que no estamos tratando de atrapar a la gente en una mentira. Eso no se trata de lo que se trata. La gente no está siendo deshonesta. Están siendo humanos. Todos narramos nuestro propio comportamiento maneras un poco más ordenadas que la realidad Tu trabajo es notar la brecha y sostenerla con curiosidad. Hay dos tipos de contradicciones a las que vale la pena prestar atención El primero es una contradicción de comportamiento. Esto es cuando lo que alguien dijo y lo que hace están desalineados Por ejemplo, dice, siempre reviso mi presupuesto antes de comprar. ¿Las pestañas compran sin abrir la pantalla de presupuesto? Esa es una clara contradicción de comportamiento. El segundo es una contradicción tonal. Esto es más sutil. Las palabras suenan bien, pero algo en la entrega sugiere lo contrario. Por ejemplo, dice, Está bien, no me importa. Pero la voz es plana, el ritmo se ralentiza, o inmediatamente cambian de tema. Las palabras dicen una cosa, la energía dice otra cosa. Vale la pena capturar ambos tipos. Las contradicciones de comportamiento son más fáciles de detectar. Toneladas contradicciones requieren más práctica, pero a menudo apuntan a los momentos de los que la gente se siente menos cómoda hablando directamente ¿Cómo escribes estos en tus notas? Mantenlo simple. Escribe primero la línea dice, luego la línea does justo debajo. O línea cada uno. Aquí hay algunos ejemplos. Dice que es realmente fácil de usar. Evita la función por completo y pregunta al miembro de la familia en su lugar. Dice, reviso esto todas las semanas. ¿Los datos de uso de la aplicación muestran que el último inicio de sesión fue hace tres meses Dice, no me importa el diseño. Pasa 45 segundos ajustando los colores del tema. ¿Dice? Sí, eso tiene sentido. Hace relee el mismo párrafo tres veces. Observe que no está explicando la contradicción. Sólo estás grabando ambos lados. La explicación viene más tarde. Ahora, aquí hay una habilidad importante que requiere un poco de práctica, manteniendo tus notas curiosas en lugar de críticas. Es tentador escribir algo así como afirmaciones que es fácil pero claramente no puede usarlo. Eso suena como que estás captando al participante. Y esa no es la energía que queremos en nuestras notas porque cierra el pensamiento. Una vez que claramente no puedes usarlo, ya has decidido lo que está pasando. En cambio, escribe la contradicción como pareja y deja abierto el significado Dice, es fácil, lo hace, lo evita, es suficiente. La tensión es visible. Podrás explorarlo más tarde. Si quieres agregar una nota sobre lo que podría significar la contradicción, usa una pregunta en lugar de una declaración Algo así como desajuste. Es esta deseabilidad social, ¿Es esta deseabilidad social, o realmente la experimentan como fácil pero eligen no usarla por una razón diferente Eso te mantiene en modo de consulta. Cuando se llega al análisis, las contradicciones son poderosas porque se agrupan Si tres de cada cinco participantes dicen que una característica es fácil, pero ninguno de ellos lo usa sin ser incitado, ese es un patrón que vale la pena investigar, y es un patrón que un simple análisis de sentimientos extrañaría por completo porque las palabras son todas positivas Aquí es también donde entra en juego la conexión con la lección anterior. Si ha estado separando observaciones de interpretaciones, ahora puede diseñar mapas de contradicciones en La línea dice está cerca de una cotización. La línea does es una observación. Y la pregunta que haces sobre la brecha es una interpretación que se sostiene a la ligera. Ahora, hablemos de cómo funciona esto con la IA. El principal valor de los pares CS y DS para IA es que le dan al modelo un tipo específico de tensión con la que trabajar. En lugar de pedirle a la IA que encuentre ideas, lo cual es vago, puedes pedirle que se concentre en los desajustes y genere preguntas a partir de ellos Esto importa porque la IA es muy buena para resumir lo que dijo la gente Es mucho menos bueno darse cuenta cuando el comportamiento contradice esas palabras, sobre todo si la contradicción Al marcar las contradicciones usted mismo, le está dando a la IA el material más interesante para trabajar Aquí hay un ejemplo de cómo podría ser ese prompt. Le das a la IA tus notas con un dice y hace pares. Entonces te pides que describas la tensión en una oración por cada desajuste. Sugerir de dos a tres posibles explicaciones enmarcadas como preguntas y señaladas si se trata una contradicción de comportamiento o de una contradicción de tono Le dices que no resuelva esa tensión, sino que la presente como una pregunta abierta. Y luego le pides que mire a través todos los participantes y encuentre donde se repiten las mismas contradicciones. Esto te da un mapa de dónde vive la verdadera fricción, no solo donde la gente dijo que tenía fricción. Bien, ahora es tu turno. Piense en una conversación o interacción de reembolso donde alguien dijo una cosa pero hizo otra. No tiene que ser una entrevista de investigación. Podría ser un amigo recomendando un restaurante al que nunca van o un colega diciendo que un proceso es sencillo mientras pasa una hora trabajando alrededor de él Escribe de dos a tres pares de contradicciones. Una línea para dice, una línea para hacer, mantenerlo fáctico, mantenerlo curioso y resistir el impulso de explicar la brecha Si puedes dividirlos en tiempo real durante una entrevista, estarás capturando el tipo de información que ninguna transcripción y ningún resumen de IA pueden darte por sí solo 11. Lesson 5 - Working with AI in partnership: Lección, vamos a hablar IA de una manera realmente práctica, no del bombo y no del miedo, ¿cómo la usamos como investigadores sólidos Aquí está el titular. La IA no es el jefe. Estamos. La IA puede ayudarnos a movernos rápido. Puede ayudarnos a despegarnos, y puede ayudarnos a poner a prueba de estrés nuestro pensamiento Pero también puede hacer esto donde suena increíblemente seguro mientras inventa silenciosamente las cosas. Y si no tenemos cuidado, puede llevarnos a conclusiones que se sientan ordenadas y convincentes, pero que en realidad no son ciertas Entonces nuestro objetivo no es obtener respuestas de la IA. Nuestro objetivo es utilizar la IA para acelerar el trabajo, para mantener la barra de calidad alta. Y para el resto de este curso, vamos a utilizar un bucle simple, borrador, crítica, verificar y documentar. Eso es. Ese bucle es lo que nos permite usar HechPT, Claude, Gemini, lo que sea siguiente sin atar nuestras habilidades a una sola herramienta Y quiero que te aferres a una metáfora. Mantenemos nuestras manos en el volante. La IA es el GPS. Bien, comencemos con la pregunta más útil de todas Lo que incluso es un LLM. Un LLM, un modelo de lenguaje grande, es básicamente un sistema entrenado para predecir la siguiente palabra Ha visto una cantidad masiva de texto, y ha aprendido patrones de cómo los humanos tienden a escribir. Entonces puede producir un lenguaje que se sienta fluido, coherente y honestamente, a veces un poco espeluznante Aquí está el bit clave. Fluido no significa verdad. Los LLM son excelentes en la forma de una respuesta. Pueden redactar, resumir, reformatear, intercambiar ideas y ayudarnos a detectar Y para el trabajo de investigación, eso es realmente útil porque gran parte de nuestro trabajo es convertir insumos desordenados en algo más claro Lo que no pueden hacer automáticamente es saber qué es lo que es preciso para tu proyecto. Ellos no conocen tu proyecto. Ellos no conocen a tus usuarios. Y definitivamente no estaban en la sala con tus participantes. Entonces el mejor modelo mental es un colaborador muy rápido. Útil, creativo, a veces sorprendentemente agudo. No un testigo y no una fuente y no la persona que citamos en una reunión de partes interesadas. Y una vez que realmente logramos eso, gran parte de la confusión y el bombo torno a la IA comienza a calmarse. Ahora bien, si vamos a usar la IA, necesitamos saber cómo falla porque falla de formas bastante predecibles. Hay tres clásicos que veo todo el tiempo en trabajos de investigación. Número uno, alucinación. Esa es la palabra educada para ella inventó algo, una característica que no existe, una cita que nadie dijo, una pequeña y ordenada visión clave que suena plausible pero que realidad no se basa en nada que realmente recopilaste Número dos, sobregeneralización. trata de las dos personas que lo mencionaron, por lo que debe ser un problema de verdad universal. De repente, conseguimos que los usuarios odian abordar o todos están confundidos por los precios. Tal vez. O tal vez fueron solo dos personas con un contexto específico en un día específico. La investigación tiene que ver con el contexto, y la IA aplanará ese contexto si lo permitimos Número tres, tono confiado. Esta es astuta Incluso cuando el modelo solo está adivinando, puede sonar tranquilo, seguro y autoritario Cuando te mueves rápido, es muy fácil confundir la confianza con la corrección Por lo tanto, la solución no se convierte en un asistente rápido. La solución es usar un flujo de trabajo que dificulte creer accidentalmente algo que no es cierto. Y ahí es donde entra nuestro bucle. Entonces hagámoslo. Muy bien, así que aquí está la cosa en la que nos vamos a apoyar por el resto del curso Es simple, es repetible y nos mantiene honestos. Es este bucle, borrador, crítica, verificar, documentar. La razón por la que me encanta es porque nos impide tratar la IA como una máquina de respuesta. En cambio, lo usamos como una herramienta eléctrica. Rápido, servicial y todavía algo de lo que somos responsables. Vamos a recorrerlo. Borrador. Usamos la IA para obtener una primera versión en la página, no porque sea perfecta, sino porque nos da algo a lo que reaccionar. Esto podría ser una lista de temas, un esquema de informe. Cualquier cosa que normalmente comience con una página en blanco. Paso dos, crítica. Ahora cambiamos de marcha. Pedimos a la herramienta para criticar lo que acaba de hacer. ¿Qué falta? ¿Dónde es vago? ¿Qué es sesgado o líder? ¿Qué suposiciones ha entrado de contrabando sin decirnos? Aquí es donde convertimos una buena salida en un borrador útil. Paso tres, verificar. Y esta es la parte que la hace investigar. Comprobamos la salida contra la realidad, contra el escrito, contra nuestras notas, contra las transcripciones, contra las cotizaciones reales Si la herramienta hace un reclamo, preguntamos, ¿Dónde están las pruebas? Y si no podemos respaldarlo, no lo enviamos. Paso cuatro, documento. Por último, escribimos lo que decidimos y por qué, en qué confiamos. ¿Qué es todavía una hipótesis? ¿Qué es lo desconocido? Así es como mantenemos nuestro trabajo defendible, especialmente cuando nos movemos rápidamente Solo para ser muy claros, este bucle no es una cosa única. Básicamente es la columna vertebral de todo nuestro proceso. Si algo importa, adjuntamos pruebas. Esa es la barra de calidad. Entonces esa es la base. Utilizamos la IA para movernos más rápido, pero seguimos siendo responsables de la calidad. No subcontratamos el juicio. Utilizamos el bucle, borrador, crítica, verificar, documentar. Si no recuerdas nada más de esta lección, recuerda esto. Cuando algo importa, adjuntamos pruebas. Así es como nos mantenemos útiles y así es como nos mantenemos confiables. 12. Lesson 5.1 - Prompting that respects rigor: En este punto del curso, se ha construido un conjunto de hábitos de notación. Se sabe rastrear los arcos emocionales, capturar el contexto, separar las observaciones de las interpretaciones y señalar contradicciones . Ahora vamos a hablar de lo que sucede cuando le entregas esas notas a la IA, porque la forma en que la mayoría de la gente usa la IA con datos de investigación es pegar en una transcripción, escribir algo así como, cuáles son las ideas clave y ver qué sale Y la salida suele verse bien. Está bien estructurado, es seguro y fácil de leer. El problema es que fáciles leer y precisos no son lo mismo. Le das a la IA un aviso vago , rellena los huecos con coincidencia de patrones Adivina lo que probablemente quieras, y presenta esas conjeturas como hallazgos Esta lección trata sobre darle a la IA un trabajo específico en lugar de un lienzo en blanco. Vas a aprender un pequeño conjunto de patrones rápidos que ponen a prueba tu pensamiento en lugar de reemplazarlo. La idea central es esta, un buen indicador de investigación le dice a la IA qué buscar, qué formato devolver y qué no asumir. Trata a la IA como a un asistente de investigación que es rápido y minucioso pero que no tiene ningún juicio. Tú eres el que tiene juicio. El aviso es cómo diriges el esfuerzo de asistencia. Vamos a cubrir cuatro patrones de prompt. Cada uno está diseñado para un momento diferente en tu análisis, y cada uno está construido para mantenerte honesto. El primer patrón es confirmar y contradecir. Esto es para cuando ya tienes una hipótesis y quieres ponerla a prueba de presión. La forma del prompt es, aquí está mi hipótesis, encontrar evidencia que lo confirme y evidencia que lo contradiga Citar las líneas exactas. Esto es poderoso porque obliga la IA a mirar en ambas direcciones. Si solo preguntas, ¿ los datos soportan X, la IA casi siempre dirá que sí y encontrará cotizaciones de apoyo Ese es un sesgo de confirmación integrado en el prompt. Al preguntar por ambas partes, se obtiene una imagen más equilibrada. He aquí un ejemplo. Mi hipótesis es que los participantes se sientan más seguros en el sitio web que en la aplicación. Encuentra evidencia que lo respalde y evidencia que lo contradiga Cotizar líneas exactas de la transcripción. El segundo patrón es recuperar evidencia. Esto es para cuando necesites hacer una copia de seguridad de un reclamo con datos específicos. La forma es citar las líneas exactas que soportan X. No parafrasear Esto es útil cuando estás redactando hallazgos y necesitas anclar tus reclamos en datos reales. También es un buen control sobre ti mismo. Si la IA no puede encontrar una cotización directa, eso podría significar su reclamo con una interpretación en lugar de un hallazgo respaldado. Un detalle importante. Siempre dile a la IA que no parafrasee. Si dejas eso fuera, a menudo reformulará las citas para que suenen más limpias, y luego pierdes el idioma real del participante El tercer patrón son los contraejemplos. Esto es para cuando tienes un tema formando y quieres comprobar si se mantiene. La forma es, veo un tema alrededor de los huevos, encontrar momentos que no encajen con este tema. ¿Qué hay de diferente en ellos? Esta es una de las indicaciones más valiosas que puedes escribir porque los temas son fáciles de aplicar en exceso Una vez que ves un patrón, tu cerebro quiere verlo en todas partes. Pedir contraejemplos te obliga a ti y a la IA a mirar lo que no encaja. Y las excepciones suelen ser donde vive el verdadero matiz. El cuarto patrón se compara temprano versus tardío. Esto es para cuando quieres entender cómo la experiencia o actitud de alguien cambió con el tiempo. La forma es comparar lo que dijeron e hicieron los participantes en la primera mitad de la sesión con la segunda mitad. ¿Qué cambió? ¿Qué se quedó igual? Se conecta directamente con el seguimiento de arco emocional que aprendiste antes. Pero en lugar de que hagas la comparación manualmente, estás pidiendo a la IA que saque la evidencia de ambas mitades y la exponga una al lado de la otra. Esto es especialmente útil para sesiones más largas donde es difícil sostener todo el arco en tu cabeza. Entonces esos son tus cuatro patrones. Ahora, hablemos de lo que sale mal porque hay algunos modos de falla comunes los que es fácil caer. El primero es el prompt principal. Aquí es donde tu prompt ya contiene la respuesta que deseas. Algo así como explicar por qué el participante encontró frustrante el proceso de pago Ese aviso supone frustración. Mejor versión sería, ¿cuál fue la experiencia de los participantes durante el checkout? Cotiza líneas relevantes y anota cualquier cambio en energía o tono. El segundo modo de falla es el vago prompt, algo así como, cuáles son los insights clave o resumir los hallazgos importantes Ahora bien, estos suenan razonables, pero no dan dirección a la IA. El resultado será genérico y seguro, lo que es una combinación peligrosa. Y el tercer modo de falla es el prompt que pide a la IA que sienta. Algo así como, ¿cómo se sintió el participante al respecto? La IA no sabe cómo se sintió alguien. Solo puede coincidir el patrón en el idioma. Una mejor versión es, ¿qué dijeron y hicieron los participantes durante el momento? Enumerar posibles interpretaciones. Lo último que quiero cubrir es cómo almacenar tu prompt para que puedas reutilizarlos. Una vez que encuentre un prompt que funcione bien para su investigación, guárdalo. Conserve un documento o nota simple con sus indicaciones para ir a. Puede organizarlos por etapa, indicaciones para durante el análisis, indicaciones para después de la síntesis, indicaciones para escribir hallazgos Con el tiempo, esto se convierte en su biblioteca personal de prontos, y la belleza de ello es que cada prompt codifica un hábito de investigación. Encontrar ejemplos de contador es un hábito. Cotizar líneas exactas es un hábito. Comparar temprano versus tarde es un hábito. Las indicaciones son solo la manera de hacer que esos hábitos sean consistentes y repetibles Déjame dejarte con un prompt multipropósito que reúne varios de estos patrones. Puedes copiarlo y usarlo como punto de partida. Me di cuenta g. Encontrar evidencia que lo confirme, lo contradiga, y lo que podría faltar Cotizar líneas exactas. No parafrasees ni inferyas emociones. Si la evidencia es ambigua, dígalo. Este prompt hace cuatro cosas a la vez. Comienza con tu hipótesis. Pide pruebas en ambas direcciones. Exige cotizaciones exactas, y le da permiso a la IA para decir, no estoy seguro. Que la mayoría de las indicaciones no hacen. La última parte importa porque la IA incumple con la confianza. Si no le dices explícitamente que la ambigüedad está bien, resolverá cada incertidumbre en una respuesta limpia y sonora Bien, ahora es tu turno. Elige una de tus propias notas de una lección anterior. Podría ser una observación, una interpretación, un par de contradicciones, o un arco emocional Escribe dos indicaciones para ello. Se debe usar el patrón confirmar y contradecir. El otro puede usar cualquiera de los cuatro patrones que cubrimos. Mantenga cada mensaje en tres o cuatro líneas. Si es más largo que eso, probablemente esté haciendo demasiadas cosas a la vez. Si puedes escribir un mensaje específico claro en menos de un minuto, estás listo para usar la IA como un verdadero compañero de pensamiento en tu investigación. 13. Lesson 5.2 - Evidence trail workflow: Ahora la parte que nos mantiene honestos. Cuando la gente dice análisis de IA, lo que a menudo quieren decir es pegar la transcripción, pedir ideas y esperar lo mejor Y sí, obtendrás una respuesta. Simplemente podría ser un párrafo hermoso que no puedes defender. Entonces hacemos algo un poco más disciplinado. Construimos una tabla de evidencias. Si nunca antes lo has hecho, así es como funciona. Estamos haciendo un pequeño puente entre la transcripción cruda y las ideas en las que estamos dispuestos a poner nuestro nombre Y la regla es citar primero, es decir, segundo. Entonces, una fila en una tabla de pruebas podría verse así. Lo que me encanta de esto es que es sencillo. No requiere una herramienta especial, y te impide escribir accidentalmente un informe que tiene 90% de vibraciones Además, fíjate en lo que aún no estamos haciendo. No estamos tratando de resumir toda la entrevista en una gran teoría Sólo estamos recolectando las pruebas que más tarde importarán. Y ahora podemos usar la IA como lo que es, un asistente rápido que puede leer y resumir Está totalmente bien hacer preguntas como, ¿cómo le hizo este participante X? ¿Con qué lucharon? ¿Qué los confundió? ¿Qué esperaban que pasara? Siempre y cuando añadamos rieles de protección que hagan que la salida sea utilizable en síntesis. Entonces aquí están mis barandillas favoritas. Anter en una mesa. Cada reclamo debe incluir una cotización de respaldo. Separar lo que pasó frente a lo que podría significar. Y si la evidencia es débil, dígalo explícitamente. Sí, puedes divertirte un poco . Se puede preguntar. ¿Cuál sería el nombre de estas características en función del modelo mental del participante? O escribe el momento de frustración como una historia de una sola línea. Simplemente no confundas esta producción creativa con evidencia. Es solo una ayuda para pensar, no un hallazgo. Bien, confianza Cuando ponemos un nivel de confianza junto a un hallazgo, no estamos tratando de sonar científicos. Sólo estamos haciendo algo mucho más sencillo. Estamos diciendo la verdad sobre lo sólida que es la evidencia porque en la investigación, hay una gran diferencia entre esta persona que tuvo un momento difícil, y este es un patrón confiable que debería influir en las decisiones del producto. La confianza es nuestra manera de señalar esa diferencia. Entonces aquí hay una manera humana de pensarlo. Cuando leas una cotización, pregúntate. ¿Lo dijeron con claridad? ¿Daron un ejemplo concreto? ¿Se conectó con lo que en realidad estamos investigando Si la cita es específica e inequívoca, eso ya es un buen comienzo Y luego pregunta ¿esto es solo un momento o se presentó más de una vez? Que más de una vez podría ser el participante lo repitió con diferentes palabras en una misma entrevista. O has escuchado lo mismo de otros participantes, o puedes ver algo similar en los datos de comportamiento. Así que deja los clics de rabia o los tickets de soporte. Entonces una simple escala de confianza puede ser alta confianza significa que esto se siente sólido. La evidencia es clara, y no está colgada de una cita frágil. Confianza media significa que esto parece real, pero quiero confirmarlo. Puede depender del tipo de participante, el escenario o el flujo específico que probamos. Baja confianza significa interesante, pero aún no estoy listo para tomar decisiones sobre ello. Podría ser un malentendido, uno apagado o simplemente no bien apoyado Y aquí está el arma secreta. Si quieres sonar creíble sin ser aburrido, agrega una frase más, ¿qué aumentaría la confianza? Por ejemplo, escuchamos esto de dos participantes más, esto se vuelve alto. Si el análisis muestra la caída en este paso, esto se vuelve alto. Si probamos la IU revisada y la confusión desaparece, podemos cerrar esto. Las limitaciones son solo tu cláusula de honestidad. Son las razones por las que un actor inteligente no debería sobregeneralizar como muestra pequeña, calidad de transcripción, participante inusual, contexto muy específico muy Declarar limitaciones no debilita tu investigación. Evita que otra persona la haga mal uso. Bien, hagamos esto real. Elija una transcripción de la entrevista. Elige dos objetivos de investigación. Ahora construye una tabla de evidencias con la ayuda de la IA. Apuntemos a unas diez cotizaciones en total. Para cada cita, queremos una frase sobre lo que significa y un nivel de confianza, tan bajo, medio o alto. Y luego haz la parte que lo convierte en investigación real, derecho, dos insights candidatos, y debajo cada uno paga las dos o tres cotizaciones que lo respaldan. Si puedes hacer eso, básicamente aprendiste la habilidad central. Todo lo demás es simplemente escalarlo y mantenerse honesto mientras lo haces. Buena suerte, y nos vemos en la siguiente lección. 14. Lesson 6 - Calibration: making partnership real: A lo largo de este curso, has estado construyendo dos tipos de habilidad al mismo tiempo. Una es tu capacidad para tomar notas nítidas y estructuradas durante una sesión de investigación, y la otra es la capacidad de usar IA como compañero de pensamiento después de la sesión. Esta lección trata sobre poner esas dos habilidades una al lado de la otra y ver dónde se superponen, dónde divergen, y lo que eso te dice sobre tus propios patrones como investigador Vamos a utilizar una herramienta sencilla llamada matriz de calibración. Se trata de una grilla de dos por dos, y el propósito de la misma no es anotarte a ti mismo ni anotar la IA. Es para ayudarte a ver tus puntos ciegos para que puedas mejorar con el tiempo. Así es como funciona. Entonces el eje horizontal, el eje X es sobre ti. Y por un lado, lo que notaste y del otro lado, lo que no notaste. El eje Y en la vertical es alrededor de AI. Por un lado, lo que recogió la IA, por el otro lado, lo que la IA se perdió. Eso te da cuatro cuadrantes. Ahora, caminemos por cada uno. El primer cuadrante es terreno compartido. Aquí es donde tú y la IA notan lo mismo. Por ejemplo, ambos captaron que al participante no le gustan los cuestionarios largos. Esto es tranquilizador Significa que su observación está bien apoyada y es poco probable que sea un estiramiento. El segundo cuadrante es AI atrapada, y aquí es donde la IA notó algo que te perdiste A lo mejor AI marcó que el participante usó la palabra confianza seis veces durante la sesión, y no captó la repetición Este cuadrante es donde la IA gana su sustento. Es bueno para contar, detectar repeticiones y captar patrones en grandes cantidades de texto El tercer cuadrante es mi filo. Aquí es donde notaste algo que la IA se perdió por completo. A lo mejor captaste que el tono de los participantes era sarcástico cuando decían, Oh, sí, eso fue fácil AI lee las palabras al pie de la letra. Se lee el subtexto. Esta es tu ventaja humana, tono, lenguaje corporal, contexto, y las cosas sutiles que no aparecen de manera transparente. Y el cuarto cuadrante es el punto ciego. Aquí es donde ni tú ni IA notaron algo. Por definición, no puedes llenar este por tu cuenta, pero puedes comenzar a poblarlo con el tiempo comparando tu matriz con el análisis de un colega de los mismos datos O volviendo a visitar las sesiones después de una brecha y notar cosas que te perdiste la primera vez Ahora bien, el cuadrante al que más atención quiero que le más atención es el tercero, mi borde, porque contiene una pregunta importante Cuando notas algo que IA se perdió, podría ser tu ventaja. Detectaste una señal real que la máquina no pudo detectar. Eso es valioso. Pero también podría ser tu sesgo. Se lee algo en los datos que en realidad no está ahí. Y AI no lo confirmó porque no había nada que confirmar. La pregunta honesta que debes hacerte es, ¿esta es mi ventaja? ¿O es este mi sesgo? Y la manera de responderla es buscando pruebas. ¿Se puede señalar una observación específica, una cita, un comportamiento? En caso afirmativo, probablemente sea tu ventaja. Si su evidencia es principalmente un sentimiento o una corazonada, podría ser un sesgo que vale la pena examinar No se trata de dudar de ti mismo. Se trata de mantenerse calibrado. Déjame guiarte a través de un ejemplo trabajado usando la entrevista de la aplicación bancaria de antes en el curso. Entonces entrevistaste a Alex sobre la aplicación bancaria con los colores rojo y azul. Tomaste tus notas durante la sesión. Después de la sesión, ejecutaste la transcripción a través de IA y pediste un resumen Ahora compara sus notas con el resumen de IA y construye la matriz. Terreno compartido, ambos notan que Alex usa el color como un atajo de decisión rápida. Rojo significa que algo anda mal, azul significa que todo está bien. Esto los mostró claramente en la transcripción y en sus notas La IA lo atrapó. AI flag que Alex mencionó llamar al papá flete tiempos separados en la sesión. Lo anotó una vez, pero no rastreó la repetición. La frecuencia sugiere que esta relación es más central en el comportamiento financiero de Alex de lo que pensaste inicialmente. Mi ventaja, te diste cuenta de que el tono de Alex cambió al hablar de usar la app para mover dinero. Las palabras fueron neutrales, pero la energía bajó. Esto lo marcaste en tu arco emocional. IA resumió la sección como prefiere el sitio web para las transacciones, pero se perdió el peso emocional detrás de ella. Punto ciego. Después de comparar con un colega, te diste cuenta de que ninguno de los dos exploró por qué Alex revisa la aplicación solo cuando recuerda que existe la cuenta. Podría haber una notificación o una oportunidad de diseño disparador ahí que nadie sondeó. Ahora, para cada cuadrante, quieres una acción clara Para terreno compartido, hacer avanzar el hallazgo con confianza. Está bien soportado. Para el cordón de IA, verificar el patrón, volver a la transcripción y verificar si la repetición es significativa en contexto o simplemente un hábito del habla Para mi filo, proteja la observación, escríbala con pruebas para que no se pierda. Este es el tipo de perspicacia que hace que tu trabajo sea distinto. Para el lapso ciego, agrégalo a su lista de preguntas para la siguiente ronda. Aquí es donde la investigación futura debería sondear. Ahora hablemos de cómo generar esta matriz usando IA. El aviso es sencillo. Le das a AI tus notas y le pides que las compare con su propio resumen de la transcripción Entonces así es como funciona. Le das a AI la transcripción y tus notas Le pides que primero produzca su propio resumen sin mirar tus notas. Entonces le pides que compare los dos y emita la matriz con dos balas por cuadrante Para el cuadrante M edge, le pides que sugiera si cada ítem es más probable tu borde o tu sesgo, y que explique por qué Darle una autocomprobación estructurada que toma aproximadamente 5 minutos y se vuelve más valiosa cada vez que lo hace. Eso nos lleva a la última parte de esta lección, haciendo de esto un hábito. Si investigas sobre una cadencia regular, ya sean entrevistas semanales de descubrimiento, ya sean entrevistas semanales de descubrimiento pruebas de usabilidad quincenales o conversaciones mensuales con las partes interesadas, la matriz de calibración se convierte en Después de cada sesión o después de cada lote de sesiones, toma 5 minutos para construir una matriz rápida. No hace falta ser exhaustivo. Dos balas por cuadrante es suficiente. A lo largo de unas semanas, empezarás a ver tus propios patrones. Tal vez constantemente echas de menos la repetición, tal vez eres genial para captar cambios de tono. Tal vez la IA sigue surgiendo patrones de frecuencia de palabras que pasas por alto Eso es un autoconocimiento útil, y mantiene honesta a la asociación. No estás subcontratando tu pensamiento a la IA. No estás ignorando lo que ofrece la IA. Estás calibrando. Bien, y ahora es tu turno. Toma una breve transcripción o usa la que proporciono. Ejecutarlo a través de IA y obtener un resumen. Luego compara el resumen de IA con tus propias notas. Construye una matriz de dos por dos con una o dos balas por cuadrante Para el cuadrante M edge, pregúntate honestamente, ¿ este es mi borde o podría ser mi sesgo? Puedes hacer esto en menos de 10 minutos, tienes un hábito de calibración que agudizará tus habilidades de investigación mientras la practiques 15. Lesson 7 - Ethics + responsibility: Se trata de confianza. Antes de meternos en tácticas, pongamos la pauta. El uso de la IA en la investigación puede ser realmente útil. También puede salir mal de maneras muy aburridas, muy humanas. Un participante comparte algo personal, y termina en algún lugar donde no debería ser parte interesada lee un resumen de IA y asume que es la verdad. Una cotización se limpia un poco demasiado, y de repente ya no es realmente una cotización. Entonces, esta no es una conferencia de ética. Se trata de un conjunto de hábitos que protegen a las personas y protegen tu trabajo. Y vamos a mantenerlo práctico. Hablamos de qué compartir y qué no compartir. Qué revelar y cómo decimos honestos cuando nos movemos rápido. Entonces, las manos en el volante, IA puede ayudar, pero nosotros decidimos qué la convierte en la investigación. Aquí hay un modelo mental simple. ¿Qué puede salir mal? Para mantener esto práctico, vamos a usar algunas categorías simples. No es solo porque amamos los frameworks. Quiero decir, nosotros sí. Es porque es más fácil detectar riesgos cuando tienes cubos. Entonces aquí están los grandes privacidad y seguridad. ¿Estamos exponiendo datos personales o confidenciales? Transparencia. ¿Estamos siendo honestos sobre la IA? ¿Equidad? ¿Nos faltan o distorsionamos ciertas experiencias de grupos? Rendición de cuentas. ¿Quién es el responsable si algo anda mal? Supervisión humana. ¿Estamos dejando que la herramienta decida o estamos decidiendo? Si recuerdas esos, atraparás 90% de los problemas antes de que ocurran. Empecemos por el que causa daños reales. A. Aquí tienes una regla que te salvará tu carrera. Si no lo publicarías en rojo, entonces no lo pegues en un chat de IA aleatorio. Entonces aquí hay algunos ejemplos de lo que no se debe pegar. Nombres, correos electrónicos, números de teléfono y direcciones. Escucharás el término PII usado mucho en la industria. Eso significa información personal identificable. Así que no pegue enlaces de sesión sin procesar que incluyan el nombre de alguien, o cualquier información personal médica, financiera o altamente sensible. Sin estrategia de clientes, hojas de ruta inéditas o propiedad intelectual interna Simplemente no pegue nada que su empresa o su cliente no haya aprobado para su procesamiento externo. Sí, aún puedes usar IA. Solo necesitas trabajar con una transcripción redactada o una herramienta más segura Y es por ello que importan los hábitos de redacción de la Lección Seis Ahora hablemos de divulgación. La divulgación es donde la gente se pone rara. O ocultan el uso de la IA porque están nerviosos o comparten demasiado de una manera que hace que los participantes sientan que están siendo observados por robots Así que vamos a hacerlo sencillo. Los participantes necesitan saber. ¿Se utilizará la IA en absoluto? ¿Cómo se utilizará durante la sesión o después? ¿Interactuarán directamente con la IA? ¿Cómo se protegen sus datos? ¿Pueden optar por no participar en la IA? ¿Se utilizarán sus datos para entrenar modelos? Di sí o no, claro. Además, una rápida verificación de la realidad que le diga a las personas que la IA está involucrada puede cambiar el comportamiento. Algunas personas confiarán menos en ti, otras actuarán y otras se contestarán. Así que vamos a enmarcarlo de una manera tranquila y razonable. La IA se utiliza para ahorrar tiempo en tareas de administración como la transcripción. Un investigador revisa todo. Puedes optar por no participar. Y las partes interesadas necesitan algo diferente. Necesitan confiar en la obra. Por lo que incluimos un bloque corto en el informe. ¿Qué herramientas se utilizaron? Lo que hizo la IA, y lo que los humanos verificaron. Sin drama, solo transparencia. Ahora, hablemos de sesgo. La IA tiene personalidad. Le gustan las cosas limpias. Le gustan las cosas promedio. Y si no tienes cuidado, convertirá un conjunto desordenado de experiencias humanas y lo convertirá en una historia suave que se siente cierta mientras lija silenciosamente los bordes Y eso es lo que queremos decir con lavado promedio. Entonces hagámoslo concreto. Imagina que entrevistaste a cinco personas para un flujo de incorporación. La gente dijo que estaba bien. Dos personas dijeron que era confuso. Una persona dijo, yo no lo hice en absoluto porque pensé que compartiría mis datos con mi empleador. Un resumen perezoso de IA a menudo regresará con algo así como que los usuarios encuentran confuso al abordar y querían una orientación más clara. Y eso no está mal, pero tampoco es donde está el riesgo real. El miedo de esa persona sobre el intercambio de datos podría ser la diferencia entre un pequeño ajuste de UX y un desastre de confianza Ejemplo dos, el usuario por defecto que inventa. Si no le dices a la IA quiénes son tus participantes, llena los espacios en blanco. A veces asumirá que el usuario predeterminado confía en tecnología de la cultura mayoritaria y que usa el producto de una manera bastante estándar. Entonces, si estás investigando un grupo que no es eso decir, necesidades de accesibilidad, necesidades de accesibilidad, baja confianza digital o un nicho de flujo de trabajo, tienes que nombrarlo De lo contrario, la IA la aplanará suavemente. Entonces aquí está el hábito que construimos. Cada vez que la IA te da un resumen ordenado, hacemos un seguimiento rápido. Fresco. Ahora muéstrame las contradicciones. Entonces preguntamos, ¿quién tuvo una experiencia diferente? ¿Qué no encajaba? ¿Qué nos sorprendió? ¿Qué sería fácil perderse si solo miráramos promedios? Y seguimos volviendo a las citas porque las citas son donde vive el matiz. Hablemos de la supervisión humana, cómo nos mantenemos responsables sin volvernos paranoicos Aquí es donde mantenemos nuestras manos en el volante. En la práctica, la supervisión humana solo significa que tenemos claro lo que la IA puede hacer por nosotros. Por lo que nos puede ayudar a redactar la primera pasada, organizar notas desordenadas, resumir una parte de una transcripción y sugerir una posible interpretación y Lo que puede hacer es asumir la responsabilidad. Esa parte se queda con nosotros. Entonces, aquí hay una forma sencilla de trabajar antes de que nada lleve a una computadora portátil. Entonces, antes de que entre en un informe o un mazo o un mensaje de holgura a las partes interesadas, hacemos una rápida verificación de integridad. Preguntado, ¿Los códigos son reales y se copian con precisión? ¿Podemos señalar evidencia en cada perspicacia? ¿Accidentalmente convertimos una hipótesis en un hecho? ¿Anotamos alguna limitación para que alguien no se sobregeneralice? Y cuando hay mucho en juego, lo hacemos social. Pedimos a otra persona que lea los resultados, no porque estemos entrando en pánico, sino porque es realmente difícil detectar tu propio punto ciego cuando has estado metido en el Entonces, esta es la vibra. Usamos la IA para movernos más rápido, y luego usamos la revisión humana para mantenernos honestos. Informar la integridad. Y esta es la parte donde dejamos de ser lindos. Si un reporte incluye cotizaciones inventadas, no importa qué tan bien diseñada esté la plataforma de diapositivas. Eso no es investigación. Es solo una narración, y daña la confianza rápidamente. Entonces aquí está el estándar que tenemos la regla de cotización. Si está entre comillas, vino de palabra por palabra. Si lo parafraseaste, no lo pongas entre comillas . Escríbelo como resumen. La trampa compuesta de participantes. A veces la gente trata de ser útil combinando a algunos participantes en una sola persona limpia como historia. Eso está bien para hacer sentido interno, pero no está bien si lo presentas como lo dijo una persona real. Entonces, si alguna vez haces un composite, etiquétalo con claridad. De lo contrario, no sigan las pruebas. La forma más fácil de mantener esto simple es cada perspicacia obtiene un poco de anclaje, un enlace a notas , un clip o un conjunto de citas en tu tabla de evidencia, no porque las partes interesadas hagan clic en cada enlace, sino porque deberías poder hacerlo. El registro de uso de IA. Y esta es la parte que nadie quiere hacer. Y es lo que silenciosamente hace que tu trabajo se sienta profesional. Un registro de uso de IA es solo un pequeño registro de lo que sucedió. Responde preguntas como ¿qué herramienta utilizamos? ¿Qué le pedimos que hiciera? ¿Le alimentamos datos brutos o versión redactada? ¿Lo revisamos después? ¿Qué cambiamos? Piense en ello como una ayuda para la memoria. Y si alguna vez un cliente pregunta, ¿cómo analizaste esto? No hay que confiar en las vibraciones. Además, te protege, porque si la salida de IA fue incorrecta, puedes ver exactamente dónde ingresó al flujo de trabajo. Bien. Aquí es donde realmente construimos el hábito. Toma tu proyecto actual y haz dos pequeñas cosas. Primero, escriba su divulgación participante. Mantenlo corto y humano. Imagínese decirlo en voz alta al inicio de una entrevista. Segundo, inicia tu registro de uso de IA. Sólo una entrada. Herramienta, tarea, lo que revisaste. Si haces esas dos cosas, no solo eres consciente de la ética. Lo estás practicando. 16. Lesson 8 - Project video: El curso te da todas las habilidades y principios. Ahora vamos a juntarlo todo en un ciclo completo y darte la plantilla para seguir haciéndolo por tu cuenta. El proyecto Capstone no es una prueba. No hay pase ni falla. Es una práctica práctica del flujo de trabajo completo, desde notas de sesión hasta tabla de emdence usando todo lo que has aprendido Así es como se ve el proyecto. Vas a producir cuatro cosas. El primero es un conjunto de notas post sesión. Estas son las primeras notas humanas tomadas durante o justo después de una sesión usando el sistema de notación que has estado practicando. Eso significa arcos emocionales, anclajes de contexto, observaciones, interpretaciones, pares de contradicciones No es necesario utilizarlos todos en cada sesión. Usa los que se ajusten al momento. El segundo es de dos a tres indicaciones. Estas son indicaciones orientadas a la validación que escribes después de la sesión y ejecutas contra la transcripción Utilice los patrones del curso, confirme y contradiga, recupere evidencia, contraejemplos o compare temprano versus tardío El tercero es una tabla de evidencias con cinco a diez filas. Cada fila tiene un reclamo, la evidencia, la fuente, cualquier nota relevante y un nivel de confianza con una razón. El cuarto es una matriz de calibración, los dos en dos del curso que compara lo que notaste con lo que recogió la IA. Ese es el ciclo completo de notas, indicaciones, evidencia, calibración Déjame guiarte a través cómo se ve cada uno cuando es lo suficientemente bueno porque quiero establecer expectativas realistas. Este es un flujo de trabajo de práctica, no un entregable pulido Lo suficientemente bueno significa que alguien más podría seguir tu razonamiento y verificar tus pruebas. Para las notas, lo suficientemente bueno significa que capturaste los momentos clave con las etiquetas correctas. No es necesario etiquetar cada línea. Centrarse en los momentos que importaban, los cambios de energía, las contradicciones, los contextos que dieron forma a la conversación Para las indicaciones, lo suficientemente bueno significa que cada prompt tiene un trabajo claro Un prompt podría presionar probar la hipótesis, otro podría recuperar cotizaciones de apoyo. Un tercero podría buscar contraejemplos. Deben ser específicos, no vagos. Para la tabla de pruebas, suficientemente bueno significa que cada reclamo tiene al menos una pieza de evidencia real. La fuente es rastreable y la confianza incluye una razón Si una fila tiene pruebas débiles, eso está bien. Solo etiquétalo honestamente. Matriz de calibración, lo suficientemente buena significa que rellenaste al menos dos balas por cuadrante, y te haces la pregunta de borde o sesgo para la parte inferior izquierda Si quieres usar una transcripción para este ejercicio y no tienes una propia, puedes usar la que te estoy proporcionando Esa sesión cuenta con material suficiente para practicar el ciclo completo. Aquí está el flujo sugerido. Primero, mira o lee la transcripción una vez sin tomar notas Simplemente consigue la forma de la conversación. Luego revísalo por segunda vez y toma tus notas usando el kit de herramientas de notación. Después de eso, escriba sus indicaciones y ejecutarlas, luego construya su tabla de pruebas Y finalmente, compara tus notas con la salida de IA y construye la matriz de calibración. Todo debería tomar entre 30 y 45 minutos una vez que te sientes cómodo con las herramientas, y se volverá más rápido cada vez que lo hagas. Ahora, hablemos de las plantillas. Vas a dejar este curso con un pequeño paquete de plantillas que podrás reutilizar en tu propio trabajo. No son complicados. Son intencionalmente simples porque el objetivo es que realmente los uses. La primera plantilla es la hoja de anotación. Esta es una sola página con todas las etiquetas que has aprendido los símbolos de arco emocional, flecha Q y Q más tarde, el corchete de contexto, Oh, y yo y dice y hace. Mantén esto a tu lado durante las sesiones hasta que las etiquetas se conviertan en segunda naturaleza. La segunda plantilla es la biblioteca prompt. Esto tiene los cuatro botones de aviso más el prompt de uso múltiple. Puedes agregar tus propias indicaciones a esto a lo largo del tiempo medida que descubres lo que funciona para tu estilo de investigación La tercera es la plantilla de tabla de evidencias. Cinco columnas, reclamo evidencia, fuente, notas, confianza, listo para copiar y rellenar. Y la cuarta es la plantilla de matriz de calibración, la cuadrícula de dos por dos con los cuatro cuadrantes etiquetados Estas plantillas están disponibles en los recursos del curso. Descárgalos, cópialos en tu espacio y adáptalos a medida que avanzas. Buena suerte con el proyecto. Tómate tu tiempo y recuerda, lo suficientemente bueno significa que alguien más podría seguir tu razonamiento y verificar tus pruebas. Ese es el estándar al que aspiramos. 17. Lesson 9 - Next Steps: Lo hizo. Y antes de cerrar, quiero tomarme unos minutos para mirar hacia atrás a lo que has construido, mirar hacia adelante a lo que viene después, y dejarte con algo que espero te quede más allá de este curso. Esto es lo que ahora tiene un sistema de notación que captura lo que las transcripciones se quitan. Arcos emocionales, contexto, contradicciones, la diferencia entre lo que viste y lo que piensas que significa. Una biblioteca rápida que convierte la IA en un compañero de pensamiento en lugar de un atajo, un flujo de trabajo de evidencia que conecta cada reclamo con datos reales con niveles de confianza honestos y un hábito de calibración que te ayuda a ver tus propios puntos ciegos y a ser más nítido con el tiempo Ese es un kit de herramientas completo, y la buena noticia es que no necesario usarlo todo cada vez. Si hay algo que quiero que te lleves, es esta. Elige un método esta semana y úsalo en tu próxima sesión. Sólo una. A lo mejor es el arco emocional. A lo mejor es el par dice y hace. A lo mejor es escribir un buen mensaje en lugar de preguntar a la IA, ¿cuáles son las ideas? Empezar por ahí. Construye el músculo antes de construir el sistema. El sistema vendrá de forma natural una vez que los hábitos estén en su lugar. Ahora déjeme darle una sugerencia concreta sobre qué hacer la próxima semana. En tu próxima sesión de investigación o tu próxima conversación que implique aprender de otra persona, haz tres cosas. Primero, usa una notación del kit de herramientas durante la sesión, la que se sienta más natural Segundo, después de la sesión, escribe un prompt y ejecútalo contra tus notas o la transcripción Y tercero, dedique 5 minutos en una matriz de calibración rápida. Hasta una áspera con una bala por cuadrante es suficiente. Esa es la práctica mínima viable. Una notación, un prompt, una verificación de calibración. Si haces eso una vez a la semana, sentirás la diferencia dentro de un mes. Y si desea realizar un seguimiento de su mejora a lo largo del tiempo, la matriz de calibración es su herramienta. Mantenga un registro simple. Después de algunas semanas, comenzarás a ver tus propios patrones, donde eres consistentemente fuerte, donde tiendes a perder cosas, donde la IA agrega más valor. Eso es autoconocimiento, y el autoconocimiento es lo que separa un buen investigador de uno grande. También quiero dejarte con una pregunta de autoevaluación. Es la pregunta más importante en todo este curso. ¿Mantuviste primario el juicio humano? Porque todo lo que hemos hecho aquí, cada notación, cada patrón rápido, cada plantilla está diseñada para mantenerte en el centro del análisis. La IA es una herramienta, una poderosa, pero el valor que aportas como investigador es tu capacidad para escuchar lo que no se dice, para notar la tensión entre las palabras y el comportamiento, para entender el contexto que dio forma a la conversación. Tú mismo estas cuatro preguntas después de cualquier ciclo de investigación. ¿Formé mis observaciones antes de ejecutar avisos? ¿Verifiqué las cotizaciones de IA con los datos originales? ¿Desafío mis propias interpretaciones? ¿Usé la matriz de calibración para verificar mis puntos ciegos? Si puedes responder sí a la mayoría de estos, lo estás haciendo bien. Y si no puedes, eso no es un fracaso. Es una señal para reducir la velocidad y volver a comprometerse con su propio juicio la próxima vez. Déjame cerrar con algo sobre en quién te estás convirtiendo. La investigación está cambiando. La IA la está cambiando, y hay dos formas de responder a eso. Una es dejar que la IA haga el pensamiento y se convierta en una persona que maneja salidas. El otro es afilar las habilidades que la IA no puede replicar y convertirse en una persona cuyo juicio hace que la IA sea más útil Has elegido el segundo camino, y ese camino tiene nombre. Te estás convirtiendo en el administrador del impacto. Steward of Impact es alguien que asume la responsabilidad de la calidad de los conocimientos que llegan a los tomadores de decisiones Alguien que no solo recolecta datos, sino que da forma a cómo se entienden. Alguien que sepa que un resumen que suene seguro no es lo mismo que un hallazgo confiable Esa es la obra, y ahora importa más que nunca porque cuanto más fácil se vuelve generar análisis sonorizado plausible, más valioso es tener a alguien en la sala que pueda notar la diferencia entre Tú eres esa persona. Tu percepción dirige, IA se expande. Esa es la asociación. Tú eres quien escucha el subtexto, lee el contexto, y sostiene las La IA te ayuda a moverte más rápido y a revisar tus puntos ciegos. Juntos, se producen mejores investigaciones que cualquiera de las dos podría alarmar. Gracias por estar aquí. Espero que estas herramientas te sirvan bien en tu práctica de investigación, y realmente espero que disfrutes usándolas. Si te gustó el curso, por favor tómate un momento para dejar algunos comentarios y darle una reseña de cinco estrellas. De verdad, de verdad me ayuda. Y si conoces a alguien que se beneficiaría con esto, entonces por favor, cuéntale sobre esto. Vamos a construir algo bueno.