Cómo analizar comentarios de clientes y respuestas abiertas con IA

«El pedido llegó tarde, pero las carpetas son resistentes». Ese comentario habla de entrega y de producto, con una valoración distinta en cada caso. Si lo reduces a «cliente insatisfecho», pierdes la parte que el equipo de producto necesita conocer.

Para analizar comentarios de clientes con IA, prepara una tabla con identificadores, define qué incluye cada tema y pide una clasificación que puedas revisar fila por fila. Después calcula las frecuencias y redacta el informe a partir de las filas comprobadas. El ejercicio de este artículo utiliza 50 comentarios sintéticos de una tienda ficticia de material de oficina; ninguno procede de clientes reales.

Archivos del ejemplo, en español:

• CSV original: 50 comentarios sintéticos
• CSV codificado y revisado
• CSV con los recuentos comprobados
• Informe final en PDF (3 páginas)

Qué necesitas conservar en la tabla de comentarios

Guarda un identificador estable y el texto original de cada respuesta, además de la pregunta que la originó cuando trabajes con una encuesta. Esos elementos permiten volver al contexto cuando una etiqueta o una conclusión resulte dudosa.

Empieza por una pregunta concreta: «¿Qué aspectos de la compra mencionan estas respuestas?». Mezclar opiniones sobre la entrega, una encuesta de satisfacción interna y comentarios de redes sociales en el mismo recuento dificulta interpretar lo que estás contando.

El CSV del ejemplo tiene dos columnas, id y comentario, y conserva las filas C001–C050. Incluye elogios, incidencias, peticiones y respuestas que aportan poca información. Deja también esas últimas en el archivo: «Sin comentarios» no equivale a una opinión neutra sobre el servicio.

En una exportación real, conserva solo los campos necesarios y revisa el propio texto libre para retirar datos personales que no hagan falta para el análisis. Quitar una columna de nombres no elimina las direcciones, teléfonos o detalles identificativos escritos dentro del comentario. La AEPD vincula los requisitos de calidad de los datos a la finalidad del tratamiento; preparar el archivo exige decidir para qué vas a usarlo.

Cómo separar los temas del sentimiento

El tema identifica de qué habla el comentario; el sentimiento clasifica la valoración expresada en el texto. Una respuesta puede tener varios temas y una valoración mixta, por lo que conviene guardarlos en campos separados.

Esta separación también aparece en la documentación de exportación del análisis temático de SurveyMonkey: conserva identificador, respuesta, temas y, cuando está activado, sentimiento. Aquí utilizamos nuestra propia guía de clasificación, con seis temas:

Cuando no hay información suficiente para asignar un tema, usamos sin_tema. Es un estado de clasificación que se informa aparte, no una séptima barra temática.

Para el sentimiento elegimos cinco valores: positivo, negativo, mixto, neutro e indeterminado. «Querría elegir el día de entrega» es una petición neutra según esta guía. «No repetiría la compra» es negativo, pero no explica el motivo y queda sin tema. «Ajá» se marca como indeterminado.

Antes de procesar tu archivo, prueba la guía con comentarios distintos entre sí. Añade criterios para los casos que generen dudas y vuelve a revisar las filas afectadas por cualquier cambio de definición. Conserva la versión de la guía utilizada en cada análisis.

Qué pedir a la IA para obtener un resultado revisable

Pide una fila de salida por comentario, con sus temas, un único sentimiento y un fragmento literal que justifique la clasificación. Solicita primero esa tabla: un resumen general no permite comprobar qué respuestas incluyó el modelo en cada categoría.

Adjunta el CSV y pega la guía en el mismo mensaje. Este prompt resume el trabajo; adapta las categorías a tu pregunta antes de usarlo con otra exportación:

1Analiza el CSV adjunto con la guía de clasificación que incluyo.
2Conserva todos los IDs y comentarios originales, sin omitir ni
3repetir filas. En este ejercicio las 50 respuestas son sintéticas.
4
5Devuelve un CSV descargable con estas columnas:
6id, comentario, temas, sentimiento, evidencia, nota_revision.
7
8Asigna todos los temas explícitos pertinentes. Separa varios
9códigos con punto y coma y no repitas un código en la misma fila.
10Usa sin_tema, sin otras etiquetas, cuando no haya tema identificable.
11Asigna un único sentimiento al comentario completo: positivo,
12negativo, mixto, neutro o indeterminado. No infieras emociones.
13
14Copia evidencia literal del comentario y anota las dudas.
15Comprueba que los IDs de entrada y salida coinciden exactamente.
16Calcula cada tema como número de comentarios que lo mencionan,
17a lo sumo una vez por comentario, y usa 50 como denominador.
18Informa sin_tema aparte; los sentimientos deben sumar 50.
19No redactes conclusiones sobre clientes reales ni representatividad.

Guarda el prompt y el nombre del modelo junto al resultado. Si cambias de modelo o retocas la guía, conserva la salida anterior para poder explicar qué cambió. El principio de mantener accesible cada caso también forma parte del procedimiento de análisis de respuestas abiertas de Rädiker y Kuckartz.

Cómo comprobar las etiquetas y cuadrar los recuentos

Compara cada fila de salida con el comentario original y con las reglas de la guía. Recalcula las frecuencias a partir de las etiquetas corregidas; los temas pueden sumar más que el número de comentarios porque permiten varias asignaciones.

En este ejercicio el denominador permanece en 50, incluidos los comentarios sin tema. La fórmula de cada porcentaje es: comentarios que mencionan el tema divididos entre 50 y multiplicados por 100. No lo calcules sobre el total de etiquetas si quieres expresar la proporción de comentarios.

Reprodujimos el ejercicio en el entorno de pruebas de Ilisai con la opción Auto. La primera salida conservó los 50 identificadores y textos, pero asignó todos los sentimientos a neutro o indeterminado, omitió temas y presentó un gráfico que no coincidía con su CSV. Hubo que revisar el contenido antes de usar los totales.

Un agente de IA distinto del que generó la respuesta cotejó las 50 filas con el original y la guía. La revisión cambió los temas de 30 filas y el sentimiento de 44; también sustituyó los 50 campos de evidencia, que habían perdido las mayúsculas originales y a menudo recortaban la parte relevante. Después proporcionamos las correcciones explícitas, pedimos nuevos archivos y comprobamos las versiones obtenidas. No hubo validación humana.

C013 necesita tanto la entrega tardía como las carpetas resistentes. C015 menciona la caja rota y la grapadora dañada, sin demostrar que un problema causó el otro. C025 valora la claridad del coste, pero no menciona una interfaz web. «Todo perfecto», en C039, aporta una valoración positiva sin identificar un tema.

También conservamos cinco notas de interpretación en el CSV final. Por ejemplo, C027 combina una entrega puntual con la preferencia condicional por una caja menor y más barata: según nuestra guía, queda como positivo porque la petición no afirma un problema actual. Otra guía podría resolver esa ambigüedad de otra forma; por eso documentamos la decisión.

En los archivos finales se comprobaron los 50 IDs únicos, los textos íntegros, las etiquetas y las citas literales. Ninguna fila mezcla sin_tema con un tema. Este resultado documenta la corrección de un ejercicio sintético; no mide la precisión general del modelo ni permite prescindir de la revisión.

Qué muestran los 50 comentarios después de la revisión

Entrega y producto aparecen cada uno en 13 comentarios, el 26 % del conjunto sintético. Los seis temas acumulan 63 asignaciones y sus porcentajes suman el 126 %, porque una respuesta puede tratar varios asuntos.

Los cinco comentarios sin tema identificable, el 10 %, se informan aparte y no forman una séptima barra. El gráfico comprobado usa estos seis recuentos y un eje desde cero.

Captura del gráfico comprobado en Ilisai. Un comentario puede tener varios temas: son 63 asignaciones sobre 50 comentarios sintéticos; los cinco sin tema se informan aparte.

El sentimiento sí asigna un único valor a cada comentario:

El informe final, generado en español y de tres páginas, recoge ambas tablas, tres observaciones vinculadas a IDs y dos siguientes pasos propuestos. Se produjo a partir de las clasificaciones y las instrucciones editoriales corregidas. Las cifras del informe y del gráfico coinciden con el CSV revisado; describen únicamente estos comentarios ficticios.

Cómo pasar del gráfico a una decisión

Utiliza un gráfico de barras para comparar el número de comentarios que menciona cada tema y acompáñalo de ejemplos identificados. La frecuencia orienta qué conviene investigar, pero por sí sola no mide gravedad, satisfacción ni prioridad comercial.

La barra de entrega puede reunir felicitaciones, retrasos y peticiones de una fecha concreta. Antes de proponer «mejorar la entrega», revisa cuáles describen un problema y qué problema es. Si una sola respuesta menciona un defecto serio, su baja frecuencia tampoco lo vuelve irrelevante.

Cuando hayas cerrado la revisión de filas, pide el informe:

1Usa únicamente el CSV de clasificación ya revisado.
2Recalcula los recuentos y crea un gráfico de barras por tema,
3con eje desde cero y unidad “número de comentarios”.
4Indica que hay 50 comentarios sintéticos y varias etiquetas posibles
5por comentario. Informa sin_tema y sentimientos por separado.
6
7Genera un informe PDF descargable con la guía utilizada,
8los recuentos, tres observaciones apoyadas en IDs y dos acciones
9propuestas para investigar. Separa observación de interpretación.
10No atribuyas causalidad ni representatividad. No inventes validación
11humana, mejoras en ventas ni ahorro de tiempo.

Para comparar periodos reales, mantén la pregunta, el criterio de selección y la guía, o explica sus cambios. También necesitarás conocer cuántas personas podían responder y cuántas lo hicieron. Este conjunto sintético no permite estimar la opinión de una clientela ni el volumen que tu equipo podrá analizar en una sesión.

En la gran empresa

Designa quién mantiene la guía, quién revisa los casos dudosos y quién aprueba el informe. Si participan varios países o departamentos, conserva el idioma original y documenta las traducciones: una definición compartida de «entrega» no resuelve por sí sola los matices de todas las respuestas. Para un flujo continuo conectado al CRM, con permisos y seguimiento de casos, evalúa una herramienta de encuestas o de experiencia de cliente que cubra ese trabajo.

Cómo probar el flujo en Ilisai

Ilisai permite trabajar con un CSV o XLSX, pedir un gráfico en la conversación y generar archivos descargables para revisar fuera del chat. Puedes escoger entre los modelos disponibles y continuar hasta preparar el informe; la persona responsable del análisis sigue comprobando las etiquetas y las conclusiones.

Empieza con el CSV sintético y después pasa a una exportación cuyo uso haya autorizado tu empresa. La guía de análisis de datos para empresas amplía el trabajo con hojas de cálculo, y el generador de documentos con IA explica los formatos de salida. Consulta los límites y el consumo en precios.