La pregunta difícil no es «¿qué encontré que confirma mi idea?», sino «¿qué sería una explicación alternativa de lo que estoy viendo y qué evidencia necesitaría para distinguirlas?».

Por qué una buena investigación puede llevar a una mala conclusión

Una investigación no mejora solo por acumular entrevistas, tablas o capturas de pantalla. Las fuentes pueden ser incompletas, los participantes pueden haber sido elegidos de forma sesgada y nuestras interpretaciones pueden reflejar deseos previos. El objetivo no es alcanzar certeza absoluta: es tomar decisiones con una representación honesta de lo observado y de lo que sigue siendo incierto.

GOV.UK recomienda transformar observaciones de investigación en hallazgos mediante análisis compartido y temprano para disminuir la influencia de interpretaciones individuales [R07]. Este artículo propone herramientas editoriales sencillas para conseguirlo en negocios y proyectos de distinta escala.

Primero separa cinco tipos de afirmación

Observación directa: «Durante la sesión, el encargado consultó tres canales para confirmar una reserva». Declaración: «El encargado afirmó que algunos mensajes se pierden». Registro secundario: «El sistema de soporte contiene catorce consultas etiquetadas como reservas en un mes». Interpretación: «La fragmentación de canales podría aumentar el esfuerzo». Hipótesis o decisión: «Debemos investigar si centralizar la información reduciría fallos».

Todos pueden ser útiles, pero no tienen el mismo significado. La observación describe una situación limitada; la declaración recoge la perspectiva de alguien; el registro depende de cómo se midió; la interpretación introduce una explicación; la hipótesis propone algo que investigar. Si los mezclas, terminas publicando conclusiones como si fueran hechos.

Cómo buscar evidencia que contradiga una oportunidad

Formula el reverso de tus creencias: si piensas que todos los establecimientos pierden reservas, busca casos donde no se pierden. Si crees que un servicio es demasiado lento, investiga quién lo considera suficientemente rápido. Pregunta por decisiones recientes en las que una persona no cambió de alternativa y por qué. Examina si la gravedad del problema disminuye con un proceso sencillo que ya utiliza otra empresa.

Organiza una tabla de cuatro columnas:

Creencia Evidencia favorable Evidencia contraria Qué falta aclarar
«La libreta falla en horarios punta» Un local describió duplicaciones Dos locales gestionan el mismo volumen sin problemas ¿Qué distingue sus procesos?
«Los clientes quieren reservar en línea» Algunos preguntan por un enlace Otros prefieren llamar y recibir confirmación personal ¿En qué contexto el canal cambia?

No hay que fingir que ambas columnas pesan igual. Una observación detallada de un fallo crítico puede ser más relevante que varias opiniones vagas; un dato de una muestra adecuada puede pesar más para estimar prevalencia que una anécdota. Explica siempre el criterio por el que confías en una pieza de evidencia.

Cuatro sesgos que conviene vigilar

Confirmación. Prestar más atención a lo que respalda la idea, formular preguntas que favorecen respuestas positivas o descartar casos inconvenientes.

Selección. Estudiar únicamente personas a las que resulta fácil llegar: amistades, seguidores, clientes fieles o negocios de una zona particular. Así pueden quedar fuera usuarios indiferentes o experiencias negativas.

Recuerdo y deseabilidad social. Los participantes pueden no recordar con precisión frecuencia y duración de episodios, o responder de manera que consideran amable y esperada. Contrasta, cuando sea apropiado, con ejemplos recientes y observación autorizada.

Supervivencia y datos faltantes. Analizar únicamente negocios activos o clientes que permanecieron puede ocultar razones de abandono. Los registros disponibles tampoco necesariamente representan eventos que no se documentaron.

Estas categorías son una síntesis práctica de riesgos de investigación, no una prueba de que cualquier estudio que los contenga sea inválido. Mejorar la pregunta, el reclutamiento y el contraste de métodos ayuda a reducirlos [R03, R06, R07].

¿Qué tan fuerte es una fuente?

Evalúala con preguntas explícitas: ¿quién generó el dato y con qué finalidad?, ¿cuándo y dónde?, ¿qué población incluye y excluye?, ¿qué significa exactamente el indicador?, ¿cómo se recogió?, ¿existen explicaciones alternativas?, ¿puedo verificarlo en el origen? Un estudio sectorial puede ser pertinente para tendencias generales y débil para explicar un problema en un solo distrito.

No confundas fuente oficial con aplicabilidad automática: una estadística pública puede estar perfectamente calculada y medir una población distinta de la tuya. Tampoco confundas una muestra grande con una muestra bien seleccionada: reunir miles de respuestas voluntarias no elimina necesariamente un sesgo sistemático.

Qué hacer con muestras pequeñas

En investigación cualitativa, una muestra pequeña puede aportar descripciones profundas de comportamientos y descubrir variaciones del problema. No sirve por sí sola para estimar con precisión porcentajes poblacionales. GOV.UK distingue entre rondas cualitativas pequeñas y actividades cuantitativas que exigen otros volúmenes y diseños [R03].

Por ejemplo, si seis de ocho entrevistados mencionan retrasos, registra «seis de ocho participantes entrevistados» y explica sus características. No declares que el 75 % de los restaurantes sufre retrasos. La frecuencia dentro de la muestra no se transforma automáticamente en una estadística del mercado.

Si tus fuentes principales son conversaciones individuales, revisa cómo entrevistar sin inducir respuestas antes de interpretar los patrones.

Triangulación y explicaciones alternativas

Combina entrevistas, observación, registros y datos secundarios cuando respondan partes distintas de la misma pregunta. Supongamos que los empleados dicen que «siempre faltan productos», pero el inventario indica que los faltantes se concentran antes de las entregas semanales. La discrepancia no obliga a elegir una fuente y descartar la otra: puede revelar distintas definiciones de «faltante» o un problema temporal.

Si aún no sabes qué técnica utilizar para distinguir dos explicaciones, revisa cómo elegir y combinar métodos de investigación más allá de las entrevistas antes de tratar esa diferencia como una conclusión definitiva.

Busca explicaciones rivales. Si las ventas bajaron, puede deberse a menor demanda, una campaña finalizada, menos horas de apertura, un competidor o cambios en los registros. Sin un diseño apropiado no atribuyas causalidad a la primera explicación disponible. Si necesitas probar el efecto de una intervención, el pilar de experimentación explicará cómo diseñar una prueba y sus criterios [R10].

Cuando los datos proceden de pruebas diseñadas por el equipo, conviene revisar también sesgos durante los experimentos y análisis de resultados.

Construye una ficha de evidencia trazable

Campo Ejemplo
Afirmación «Las modificaciones por mensaje interrumpen la atención»
Origen Observación contextual en dos turnos autorizados
Fecha y entorno Semana y tipo de establecimiento
Muestra Dos locales seleccionados por conveniencia
Registro Notas de incidentes sin datos personales
Limitación No se observaron otros turnos ni locales
Evidencia contraria Un turno sin interrupciones relevantes
Implicación Investigar condiciones bajo las que aparece el patrón

El registro distingue documentación de interpretación y permite corregir conclusiones si aparece nueva información. Protege datos de participantes y usa únicamente material obtenido con consentimiento o autorización adecuados [R08, R09].

Ejemplo: una plataforma de servicios técnicos

Cinco entrevistados comentan que es difícil confiar en técnicos desconocidos. La tentación es concluir que «el mercado quiere reseñas verificadas». Pero dos de los entrevistados contrataron satisfactoriamente por recomendación, uno no recuerda una mala experiencia y los otros tuvieron problemas de puntualidad, no de calidad. El problema quizá no sea «ausencia de reseñas» sino distintas formas de reducir riesgo antes de una visita.

Una conclusión responsable registra los episodios, diferencia confianza, puntualidad y precio, y propone estudiar decisiones reales de contratación. La futura solución podría ser una plataforma, una garantía, un procedimiento o algo aún no contemplado.

Cómo comunicar la incertidumbre sin perder utilidad

No necesitas escribir «quizá» en cada frase. Puedes ser preciso: «Observamos tres incidencias en cinco turnos», «los entrevistados fueron seleccionados por conveniencia», «no estimamos prevalencia», «esta interpretación requiere comprobarse en otro tipo de establecimiento». Las incertidumbres explícitas permiten que el siguiente investigador sepa qué falta, en lugar de asumir que ya fue demostrado.

El paso siguiente consiste en usar esos límites explícitos para decidir si la oportunidad merece continuar.

Puedes profundizar en cómo evaluar la viabilidad de un modelo de negocio mediante escenarios.

Errores frecuentes

Cambiar los criterios después de ver resultados sin documentarlo; escoger solo testimonios favorables; extraer promedios de categorías incompatibles; presentar datos secundarios sin período ni definición; tratar una correlación como causa; ignorar casos que contradicen la narrativa; y difundir citas o grabaciones identificables fuera de los permisos obtenidos.

Qué deberías tener al terminar

Un registro de hallazgos trazables, sus fuentes y limitaciones; una tabla de evidencias favorables y contrarias; explicaciones alternativas; y preguntas abiertas que importan para la decisión. No buscas una colección de pruebas a favor de tu proyecto: construyes una base para corregirlo cuando haga falta.

Fuentes principales: [R03] GOV.UK, planificar investigación; [R06] participantes; [R07] análisis; [R08] consentimiento; [R09] privacidad; [R10] Strategyzer. Ejemplos hipotéticos.

Bibliografía y referencias