Cómo hacer encuestas de clima con IA y convertirlas en cambios

TLDR: La encuesta de clima muere de dos maneras: nadie responde con sinceridad (anonimato dudoso) o nadie hace nada con las respuestas. La IA arregla la parte que era inviable a mano, analizar cientos de respuestas abiertas agrupándolas en patrones con citas, y el resto es diseño y valentía: encuesta corta con anonimato real, verificación de los patrones y el cierre público de qué cambia y qué no. La encuesta que no produce cambios visibles produce cinismo.

Esta guía es para quien mide el clima y quiere que sirva: RRHH, gerencia, responsables de equipos grandes. La herramienta nueva no es el formulario (eso ya existía) sino el análisis: las respuestas abiertas, donde vive la información de verdad, ya no son ilegibles por volumen.

Una nota de límites: la encuesta detecta patrones colectivos. Las situaciones individuales graves (acoso, salud) necesitan canales propios y confidenciales, no una encuesta trimestral.

1. Diseña una encuesta corta que se pueda responder con sinceridad

La encuesta larga y la sinceridad son enemigas: a la pregunta cuarenta, la gente puntúa en piloto automático. El diseño que informa: ocho a doce preguntas cerradas sobre lo que de verdad quieres seguir (carga, reconocimiento, comunicación, confianza en la dirección), dos o tres abiertas donde vive la sustancia (“¿qué cambiarías primero?”, “¿qué te haría irte?”) y las mismas preguntas cada trimestre, porque la tendencia informa más que la foto.

Claude ayuda a formular sin sesgo: le pides que señale qué preguntas están dirigidas y por qué antes de darlas por buenas. Desde 17 dólares al mes, con capa gratuita permanente. Para montar el cuestionario, Quizgecko genera formularios desde tu lista, aunque cualquier herramienta de formularios sirve: la pieza crítica no es esa.

2. Analiza las respuestas abiertas sin perder los matices

Aquí está el cambio real: doscientas respuestas abiertas eran ilegibles y ahora son una tarde. El flujo: pega las respuestas de cada pregunta (sin metadatos que identifiquen) y pide el análisis de patrones: qué temas se repiten, con qué frecuencia aproximada, con las citas literales representativas de cada uno.

NotebookLM (desde 4,99 dólares al mes, con capa gratuita) es la herramienta de esta tarea concreta y no un asistente de chat: sube el lote de respuestas anonimizadas como fuente y cada patrón que devuelve abre la cita literal que lo sostiene, que es justo la verificación que pide el paso siguiente. La instrucción que mejora el resultado: pedir también lo minoritario pero intenso, porque el tema que solo mencionan cinco personas con rabia importa distinto que el que mencionan veinte de pasada.

La regla de privacidad del análisis: las respuestas viajan a la herramienta sin nombres ni equipos pequeños, y las políticas de datos de tu empresa mandan sobre qué herramienta usar.

3. Contrasta los patrones antes de sacar conclusiones

El análisis generado es un borrador de conclusiones, no las conclusiones. La verificación corta: para cada patrón detectado, leer las citas que lo sostienen (¿de verdad dicen eso?), comprobar el contrapatrón (¿hay respuestas que digan lo contrario y cuántas?) y separar hechos de interpretaciones (que “la comunicación es mala” sea un patrón no dice todavía cuál es el problema concreto).

El cruce con las preguntas cerradas cierra el análisis: el patrón de las abiertas que coincide con la puntuación baja de las cerradas es señal sólida. El que aparece solo en un lado pide más mirada antes de mover nada.

De esa verificación sale el documento honesto: tres a cinco hallazgos con su evidencia, no el informe de cuarenta páginas que nadie lee.

4. Cierra el ciclo: comunica lo que cambia y lo que no

La parte que decide si la siguiente encuesta sirve: el cierre público, que tiene una estructura probada.

Ese tercer bloque es el que casi nadie hace y el que más confianza genera: la plantilla no espera que todo cambie, espera que no se finja. La guía de comunicación interna cubre el cómo de ese anuncio.

Mejor no preguntar que preguntar y callar.

Y el ciclo se cierra en la siguiente encuesta: qué pasó con los compromisos de la anterior es la primera pregunta implícita, y responderla antes de que se haga es la diferencia entre un sistema y un ritual. Todo el sector, en IA para recursos humanos.

Errores comunes

Encuesta larga con anonimato dudoso. Produce datos de piloto automático y sinceridad cero: exactamente lo contrario de lo que se busca.

Quedarse en las preguntas cerradas. El 7,2 de media no dice qué hacer. Las abiertas dicen qué hacer, y ahora ya se pueden leer.

Aceptar el análisis de la IA sin verificar. Los patrones generados a veces exageran lo llamativo y pierden lo intenso minoritario. Las citas son la verificación.

Encuestar sin cerrar el ciclo. La encuesta seguida de silencio enseña que responder no sirve, y la participación de la siguiente lo confirma.

Preguntas frecuentes

¿Cada cuánto conviene encuestar?

Trimestral es el equilibrio habitual: suficiente para tendencia, no tanto como para fatiga. Lo innegociable es cerrar el ciclo de cada una antes de lanzar la siguiente.

¿Es seguro analizar respuestas con IA externa?

Con las precauciones de datos: respuestas sin identificadores, sin desgloses de equipos pequeños y con la política de datos de tu empresa decidiendo la herramienta. Para entornos estrictos, el análisis con un modelo local es la alternativa.

¿Qué participación es buena?

Por encima del 70 % la foto es representativa. Participaciones bajas son en sí mismas un dato de clima: la gente no responde cuando no cree que sirva o no se fía del anonimato.

¿La IA puede detectar problemas graves en las respuestas?

Puede señalar menciones que merecen atención, y ahí acaba su papel: las situaciones individuales graves piden canales confidenciales propios y manejo humano directo, nunca el flujo estándar de la encuesta.