Un equipo de tres personas termina el trabajo de campo de una evaluación: cuarenta entrevistas de entre treinta y cincuenta minutos con participantes, líderes comunitarios y funcionarios de dos municipios. El financiador quiere el informe en tres semanas. Hasta hace poco, esa cuenta no salía: transcribir cuarenta entrevistas a mano son semanas de trabajo de una persona, y después todavía hay que leerlas, codificarlas y escribir. Lo habitual era no transcribir, trabajar con notas de campo y memoria, y perder por el camino buena parte de lo que la gente dijo con sus palabras.
Este artículo cuenta cómo hicimos ese análisis en cinco días hábiles, con inteligencia artificial en tres puntos del flujo y personas en todos. Es un caso ilustrativo construido a partir de nuestro trabajo; no identificamos a la organización ni el territorio, y los detalles están ajustados para que no sea reconocible. Lo que sí es exacto es el flujo, lo que falló y lo que aprendimos.
El flujo, paso a paso
Día 0, antes de grabar: consentimiento. Cada persona entrevistada firmó o grabó un consentimiento que decía, en lenguaje sencillo, cuatro cosas: que la conversación se grababa, que la transcripción la haría una herramienta digital, que su nombre y cualquier dato que permitiera identificarla se quitarían antes del análisis, y que podía pedir que se borrara su entrevista en cualquier momento. Tres personas pidieron no ser grabadas; con ellas se tomaron notas a mano y esas notas entraron al análisis como tales, no como transcripción. Este paso no es opcional ni burocrático: sin él, el resto del flujo no es legítimo.
Día 1: transcripción. Los cuarenta audios se transcribieron con una herramienta de reconocimiento de voz elegida por dos criterios: que sus condiciones de uso dijeran con claridad que el audio no se usa para entrenar modelos ni se conserva más allá del procesamiento, y que funcionara bien con español hablado en Colombia, incluido el acento de la región. La transcripción de las cuarenta entrevistas tomó unas horas de máquina y una tarde de una persona revisando una muestra de cinco entrevistas contra el audio para calibrar la calidad.
Día 2: anonimización. Antes de que ninguna transcripción pasara a la fase de análisis, una persona del equipo reemplazó nombres propios, nombres de veredas pequeñas, cargos que identifican a una sola persona («el presidente de la junta») y cualquier referencia que, combinada, permitiera saber quién hablaba. Cada entrevista recibió un código. Hicimos una primera pasada automática con búsqueda y reemplazo a partir de la lista de entrevistados, y una segunda pasada humana entrevista por entrevista. Un día completo de trabajo de una persona. Es el paso que más tentación hay de saltarse y el que menos se puede saltar.
Días 3 y 4: codificación asistida. Con las transcripciones anonimizadas y un libro de códigos inicial de doce categorías que el equipo había definido a partir de las preguntas de la evaluación, usamos un modelo de lenguaje para hacer una primera codificación: para cada entrevista, qué fragmentos correspondían a cada código, y qué temas aparecían que no estaban en el libro. Trabajamos entrevista por entrevista, con la misma instrucción, y guardamos la salida en una hoja de cálculo: código, fragmento literal, entrevista, y una columna vacía para la revisión humana.
En paralelo, dos personas del equipo codificaron a mano ocho de las cuarenta entrevistas, sin mirar lo que había hecho la máquina. Esa muestra sirvió para comparar.
Día 5: lectura humana y escritura. La comparación entre la codificación a mano y la asistida se hizo en la mañana. Después, el equipo leyó las matrices por código, no por entrevista: todo lo que cuarenta personas dijeron sobre «relación con la alcaldía», luego todo lo que dijeron sobre «permanencia en el programa», y así. De esa lectura salieron los hallazgos, escritos por personas, con citas literales elegidas por personas.
Qué hizo la máquina y qué hizo la persona
La máquina hizo tres cosas: convertir voz en texto, ayudar en la primera pasada de anonimización con una lista, y proponer una codificación inicial de cuarenta transcripciones que a mano habría tomado dos semanas.
La persona hizo todo lo demás: decidir qué se preguntaba y a quién, obtener el consentimiento, elegir herramientas con criterios de cuidado de datos, calibrar la transcripción, hacer la anonimización fina, definir el libro de códigos, codificar la muestra de control, comparar, corregir, leer las matrices, interpretar y escribir. Y, sobre todo, decidir qué significaba lo que la gente había dicho.
La proporción importa. Si alguien te vende que la IA «analiza las entrevistas», pregunta qué parte del flujo de arriba hace y qué parte no.
Errores que detectamos
La comparación con la muestra codificada a mano dejó cuatro problemas concretos.
Codificación demasiado generosa. La herramienta asignaba códigos a fragmentos que solo rozaban el tema. En la muestra, alrededor de una cuarta parte de los fragmentos codificados por la máquina fueron descartados por las personas por no ser pertinentes. Se corrigió ajustando la instrucción para que exigiera que el fragmento tratara el tema de forma directa, y se volvió a correr.
Ironía y matices locales perdidos. Una entrevistada dijo «claro, la alcaldía nos ayudó muchísimo» en un tono que cualquier persona de la región reconoce como lo contrario. La máquina lo codificó como relación positiva. Solo la lectura humana, con conocimiento del contexto, lo corrigió. Hubo varios casos parecidos.
Un tema emergente que la máquina vio y el equipo no. En sentido inverso: la herramienta señaló en varias entrevistas referencias al transporte como barrera de permanencia, algo que no estaba en el libro de códigos y que las dos personas que codificaron a mano habían pasado por alto porque no lo buscaban. Se añadió como código y resultó ser uno de los hallazgos principales.
Un fallo de anonimización. En la segunda pasada humana se encontró una entrevista donde la primera pasada automática no había quitado el apodo de un líder, porque no estaba en la lista. Si no hubiera habido segunda pasada, ese apodo habría llegado a la herramienta de codificación. Motivo suficiente para no quitar nunca la revisión humana de ese paso.
Tiempo y coste
En tiempo: cinco días hábiles de un equipo de tres personas, con dedicación casi completa, para cuarenta entrevistas. Sin la asistencia en transcripción y codificación, nuestra estimación es que el mismo análisis habría tomado entre cuatro y seis semanas, o se habría hecho sin transcribir y con menos rigor.
En coste: no damos cifras porque dependen de las herramientas, del plan contratado y del momento, y cualquier número quedaría viejo en meses. Lo que sí podemos decir es que el coste de las herramientas fue pequeño frente al coste de las horas del equipo, y que el ahorro principal no fue de dinero sino de calidad: pudimos trabajar con lo que la gente dijo, palabra por palabra, en vez de con lo que recordábamos que había dicho.
Por dónde empezar
- Escribe el consentimiento en lenguaje sencillo y pruébalo con dos personas antes de salir a campo. Si no entienden que una máquina va a transcribir, no está listo.
- Elige la herramienta de transcripción por sus condiciones de uso, no por su precio ni por su fama, y revisa cinco transcripciones contra el audio.
- Haz la anonimización en dos pasadas y no dejes que nada entre a la fase de análisis sin la segunda.
- Codifica a mano una muestra (una de cada cinco entrevistas) y compárala siempre con lo que propone la máquina.
Si quieres que lo miremos juntos, una conversación de 20 minutos basta.