Usuarios sintéticos: validar producto con IA en 48 horas

Por qué un founder debería escuchar a perfiles que no existen

Antes de subirse a un escenario en Bogotá, Cristian Tala les pasó su charla a tres personas que no existen: una dueña de agencia de servicios profesionales de 38 años, un dueño de empresa de alimentos congelados de 41 y una inversionista ángada con instrucción de auditar cada cifra. Los tres reaccionaron en paralelo, sin verse entre sí. El de alimentos puso 6 de 10 y confesó que en el minuto 9 "casi se paro".

Eso son usuarios sintéticos: perfiles de audiencia simulados con IA que reaccionan a algo que ya construiste, no a una idea en una servilleta. Y lo que encontraron cambió once slides de la presentación.

¿Qué pueden y qué no pueden hacer los usuarios sintéticos?

Sirven para una sola cosa y la hacen bien: decirte qué entendieron, qué no y qué esperaban y no estaba. Palabra por palabra, minuto por minuto.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

No sirven para predecir si tu producto va a funcionar. Los modelos están afinados para caerte bien: en una prueba de usabilidad los sintéticos reportaron haber completado todos los cursos online, cuando los humanos reales abandonan la mayoría. Una revisión de doce estudios con revisión de pares terminó con 9 resultados alentadores contra 14 desalentadores, con varianza artificialmente baja y la recomendación de usarlos solo cuando la respuesta ya se conoce.

Regla operativa: nunca les preguntes si comprarían. Pregúntales qué entendieron.

Un dato del mercado que conviene tener presente: según TechCrunch, hasta el 30% de las respuestas B2B en encuestas ya vienen generadas por IA. El mismo mercado que vende gente falsa está empezando a vender detectores.

Las cinco formas de montar usuarios sintéticos (de menos a más)

La mayoría de founders solo necesita la primera. Subir de nivel implica más infraestructura, más costo y más casos de uso, no mejor resultado.

1. Agentes con un prompt de persona (cero instalación). Le das a un modelo quién es el perfil, le pasas el material y le pides reaccionar en primera persona. Costo real del experimento de Tala: unos 290.000 tokens y 3 minutos y medio corriendo tres agentes en paralelo.

2. Lo mismo, con un modelo que vea. Si lo que vas a validar es una pantalla, el perfil tiene que mirarla, no leer su HTML. Necesitas un modelo multimodal y una captura del viewport real. El hallazgo más caro del ejercicio con el sitio de Ecosistema Startup era invisible en el código: una imagen a 16:9 que en escritorio tapaba el titular y en teléfono no.

3. Librerías dedicadas. TinyTroupe, de Microsoft, es la más conocida: defines un TinyPerson con edad, ocupación y situación, y conversa manteniendo carácter entre turnos. Sirve cuando quieres diálogo, no una reacción única. Ojo con el atajo: pip install tinytroupe instala solo un marcador de posición que su propio autor, Paulo Salem, publicó para reservar el nombre en PyPI. La librería real se instala desde GitHub y pide credenciales de OpenAI. También está Concordia, de Google DeepMind, con un game master que media entre los agentes y el mundo.

4. Datasets de personas ya construidas. Nemotron-Personas, de NVIDIA, ofrece perfiles sintéticos anclados en estadísticas demográficas oficiales, con licencia abierta para uso comercial. La página de NVIDIA confirma cobertura para Estados Unidos, Japón, India, Singapur, Brasil, El Salvador, Francia, Bélgica, Vietnam y Corea del Sur. Solo El Salvador y Brasil están disponibles en español. Cada registro trae ocupación, educación, ciudad y narrativas de vida, pero no ingresos, así que no valides precio con ellos. PersonaHub, de Tencent, llega a mil millones de perfiles, pero solo para investigación.

5. Plataformas SaaS que lo venden hecho. Aaru levantó en diciembre de 2025 una Serie A por encima de US$50M con una valuación titular de US$1.000M, según reportó TechCrunch. El acuerdo usó una estructura multi-tramo: algunas participaciones a US$1.000M y otras a valuación menor, con un blended por debajo del titular. La ronda la lideró Redpoint Ventures. Aaru fue fundada en marzo de 2024 por Cameron Fink, Ned Koh y John Kessler; sus clientes incluyen Accenture, EY e Interpublic Group, y su ARR todavía está por debajo de US$10M. Competidores directos: CulturePulse, Simile, Listen Labs, Keplar y Outset. También están en el segmento Synthetic Users y Delve AI.

Cómo elegir según lo que necesitas validar

Si necesitas que mirmen algo: modelo multimodal + captura del viewport.
Si necesitas conversación con memoria: TinyTroupe o Concordia.
Si necesitas escala y diversidad que no puedes imaginar: un dataset como Nemotron-Personas.
Para todo lo demás: tres agentes con un buen prompt.

Lo que decide la calidad no es la herramienta, son los perfiles

Tala recibió de la organización el archivo de los 7.387 registrados a la charla en Bogotá. Hallazgo que le habría costado la presentación: solo el 14,2% eran startups y el 2,3% inversionistas. La mayoría eran emprendedores en marcha, público general y mipymes, y apenas el 13,9% venía del sector tecnología. El tema más pedido no era levantar capital, era ventas.

"Yo tenía una charla escrita para una sala de startups. La sala no es de startups."

Andrea tiene 38 años porque es la mediana de su segmento; su agencia es de servicios profesionales porque es el rubro número uno con 18,8%. Jorge tiene 41 porque es la mediana de las mipymes. Camila viene del 2,3% de inversionistas, con instrucción de auditar cada cifra. Sin esas distribuciones habrían sido tres caricaturas. El trabajo estaba en el archivo de la audiencia, no en el prompt.

Caso 1: la charla que se reescribió gracias a tres fantasmas

Cuando dos perfiles independientes tropiezan en el mismo punto, deja de ser opinión. Andrea escribió que "PCI DSS Nivel 1" quedó como "una vaina técnica" en el minuto central del argumento. Tala lo cambió por "tu equivalente: un HACCP si haces alimentos, una ISO si produces, la acreditación de tu gremio si das servicios".

Jorge, que vino a vender y no a aprender, escribió en el minuto 10: "Yo no tengo ningún papel. No tengo HACCP, no tengo BPM certificado, no tengo nada que ponga en la mesa. Y ahí me cayó la ficha de que a lo mejor por eso solo puedo pelear precio." Esa frase era la charla entera para él y estaba enterrada.

Camila, la inversora, encontró cinco cosas, entre ellas que unas fuentes citadas como benchmark eran "brokers vendiendo servicios de brokerage, content marketing, no data primaria", y un error factual que contradecía dos documentos propios. Su diagnóstico: "poner la afirmación fuerte en negrita y la calificación en letra chica". Once cambios sobre un deck que ya había pasado por varias revisiones humanas. De 21 slides a 18; de 22-24 minutos estimados a 19:10 cronometrados.

Caso 2: una pantalla que se rompió solo en escritorio

En el sitio, cinco perfiles mirando capturas reales en teléfono y computador pidieron a coro una frase que dijera qué es el medio y para quién. Tala la puso, volvió a correr los mismos perfiles y el problema desapareció: el emprendedor pasó a describirlo solo como "un sitio pensado para personas con negocios".

El hallazgo más caro solo aparecía en escritorio: una imagen 16:9 que daba unos 700 píxeles de alto en pantalla ancha y empujaba el titular bajo el corte; en el teléfono daba 200 y el titular entraba. Un componente idéntico, bien en un dispositivo y roto en el otro. En el HTML ese titular estaba presente: un perfil leyendo código no habría encontrado nada.

Sobre la misma captura también corrió un auditor de interfaces profesional. Encontró cosas distintas (fechas contradictorias, un resumen cortado a media frase), pero no mencionó lo que los cinco pidieron: saber quién está detrás del medio. Porque no es un defecto de interfaz, es información que falta. El experto mira la pantalla; el perfil mira si puede hacer lo que vino a hacer.

El par experto + usuario: lo que cambia

Tala mide hace tiempo con agentes especializados (uno de interfaces, otro de copy, otro de código). Todos están del mismo lado de la mesa: saben del oficio y evalúan contra el estándar del oficio. El usuario sintético es el otro lado: no sabe nada del oficio y solo sabe si entendió, si le sirve y si se quiere ir.

Sobre la misma captura de pantalla corrió al auditor profesional y a los cinco perfiles: cero hallazgos en común. Si corres únicamente al experto, terminas con una tipografía impecable en un sitio que no dice para quién es. Si corres únicamente a los perfiles, nadie te avisa que hay dos fechas peleadas en la misma pantalla.

Y falta el tercero: tú. En el caso de la charla los dos perfiles no técnicos elogiaron un ejercicio de pedirle a la sala que saque el celular y anote tres cosas que solo ellos pueden hacer. Andrea: "ese minuto vale toda la charla". Tala lo eliminó igual, porque una vez que el celular sale, mucha gente no lo guarda. La versión final fue mejor: "No saquen el celular. Esto se piensa, no se apunta". Ahí está el límite exacto: validan comprensión y relevancia, no comportamiento. Leen texto; tú conoces la sala.

Y hay ruido que hay que saber descartar. En el caso del sitio, seis de ocho perfiles reportaron como error que una fecha "parecía futura", era la de hoy, el modelo cree que este año no ha llegado. El auditor experto citó mal una frase para justificar un hallazgo: inventó la evidencia. Por eso la regla es cita textual o no se reporta.

Qué significa esto para tu startup

La promesa de los usuarios sintéticos no es reemplazar las pruebas con personas reales. Es llegar a esas pruebas con lo obvio ya corregido y con una lista de preguntas mucho más afinada. Tres perfiles de audiencia simulados cuestan minutos y unos pocos dólares en tokens, y te devuelven objeciones que no habrías anticipado.

Acciones concretas que puedes implementar esta semana:

Mapa de audiencia real. Antes de escribir un solo prompt, busca el archivo de tu audiencia real: el formulario de registro del último evento, tus últimos 50 clientes, quién abre tus correos. Extrae tres cifras (edad mediana, sector principal, motivo declarado) y úsalas como restricciones para tres perfiles. Sin esa distribución son tres caricaturas.
Una corrida multimodal sobre tu landing. Captura el viewport real en escritorio y móvil, pásale la imagen a un modelo que vea, y pide a tres perfiles qué entendieron, qué no y qué esperaban y no estaba. Lo que el HTML no muestra es justo lo que aparece en la imagen.
El par experto + perfil. Corre también a un auditor de oficio sobre la misma pieza. Si no comparten hallazgos, casi siempre es porque el experto mide la pantalla y el perfil mide si puede hacer lo que vino a hacer. Te faltan los dos puntos de vista.