GUÍA · MÉTODO

Cómo medimos las cifras de WR3

Por · Publicado el · Actualizado el

Cada cifra que publicamos sobre WR3 sale de grabaciones reales de focus groups de 2026, comparadas con una referencia hecha por personas. La principal viene de una verificación manual de las 6 sesiones de un estudio de 2026: WR3 acertó quién hablaba en 98 a 99 % de las intervenciones, y en 76 a 86 % de los tramos en que varias personas hablaban a la vez. Aparte, una medición interna anterior, en 520 intervenciones de dos sesiones, dio 98 a 99 % en los tramos dudosos que WR3 decide solo: es otra cifra, con otra muestra. Lo que WR3 no asigna solo lo revisa una persona. Aquí explicamos qué mide cada cifra, con qué muestra y qué todavía no medimos.

Quién habla: la verificación manual de un estudio de 2026

Cómo lo verificamos. Una persona contratada para esto transcribió a mano, en papel, las 6 sesiones de un estudio de 2026: unas 2 horas cada una, con 12 participantes en promedio por sesión y unos 67 en total. Después comparamos, intervención por intervención y escuchando la grabación, quién dijo cada frase según esa transcripción y según WR3. WR3 acertó quién hablaba en 98 a 99 % de las intervenciones, y en 76 a 86 % de los tramos en que varias personas hablaban a la vez. Es una medición propia, no auditada por terceros.

Verificación manual de un estudio de 2026MuestraAcierto
Quién hablaba, por intervención6 sesiones de un estudio de 2026, unas 12 h, unos 67 participantes98 a 99 %
Tramos con varias personas hablando a la vezLas mismas 6 sesiones, con la misma verificación manual76 a 86 %

Es la cifra que mostramos en la portada y en WR3 en cifras. La de la sección siguiente es otra medición, más acotada.

Una medición interna anterior: 98 a 99 % en los tramos dudosos

La referencia. En dos bloques de una ola real de focus groups de 2026, una persona asignó a mano quién hablaba en una muestra de las intervenciones dudosas. Esa revisión humana es la referencia contra la que medimos.

Qué comparamos. Para cada intervención que WR3 asigna por su cuenta, sin que nadie la toque, y que esa persona también asignó, comparamos a quién se la asigna WR3 y a quién se la asignó la persona. Contamos intervenciones completas: cada una queda con la persona correcta o no. La medición es interna y la hicimos en octubre de 2026.

MuestraIntervenciones de WR3 comparadasCon la persona correctaAcierto
Un bloque223218 de 22397,8 %
Otro bloque297294 de 29799,0 %
Las dos sesiones520512 de 52098 a 99 % según el bloque

Qué cubre y qué no. La mayor parte del habla la asigna directamente el micrófono de cada persona. La cifra cubre los tramos dudosos, donde el micrófono de cada persona no basta para decidir quién habla: 1.443 intervenciones (37,6 minutos) en un bloque y 1.270 (31,5 minutos) en otro, en bloques de unas dos horas y media. En esos tramos WR3 decidió solo 505 intervenciones, 21,6 de 37,6 minutos (57 %), y 480, 19,8 de 31,5 minutos (63 %): más de la mitad del tiempo dudoso. Las 223 y 297 de la tabla son las que, entre ellas, tienen una asignación humana con qué compararlas. El resto del tiempo dudoso lo revisa una persona en WR3 antes de la entrega, donde escucha y decide. La cifra no dice cuánto acertaría la máquina en esa parte, porque eso no lo decide ella.

El margen. Son dos bloques de una misma ola, no un promedio de muchas olas. Con muestras de este tamaño, cada intervención mueve la cifra de un bloque entre 0,3 y 0,5 puntos. Publicaremos las mediciones nuevas a medida que las hagamos, suban o bajen.

Una medición más antigua. Antes medimos de otra forma: el acuerdo segundo a segundo sobre 141 momentos de un bloque, incluida la revisión humana de las dudas, dio 90,4 %. No se pueden comparar: aquella contaba segundos de todo el audio y esta cuenta intervenciones dudosas que WR3 decide solo.

Qué significa «cita verificada»

Una cita pasa dos controles antes de llegar a un informe.

  1. Control literal, automático. Cuando la inteligencia artificial propone una cita, el sistema comprueba que sus palabras aparezcan completas y seguidas en la transcripción de un solo turno, sin contar mayúsculas, tildes ni puntuación; que ese turno sea de una de las personas a quienes se atribuye la idea; y que tenga al menos cuatro palabras. El texto que se guarda es el de la transcripción, nunca el que redactó la inteligencia artificial. Si no calza, la cita se rechaza.
  2. Verificación humana, escuchando. Una persona escucha cada cita en la grabación y la marca como verificada o rechazada. Un hallazgo no se puede aprobar sin al menos una cita verificada, el informe no se publica si un hallazgo aprobado no tiene su cita principal verificada, y solo las citas verificadas llegan al informe.

El primer control asegura que la cita está en la transcripción. El segundo, que la transcripción dice lo que se dijo en la sala. En la ola real se verificaron escuchando 74 de 78 citas; las demás no entraron al informe.

De dónde sale «11 de 120 segundos»

Para medir la calidad de la transcripción tomamos ventanas de dos minutos del micrófono de solapa de un participante. En una de ellas, la persona que llevaba ese micrófono fue la voz más fuerte solo en 11 de los 120 segundos. En otra ventana, en 37 de 120. El resto del tiempo, el micrófono captaba la conversación de la mesa.

Por eso WR3 no transcribe archivos de micrófono completos: transcribiría a los vecinos como si fueran quien lleva el micrófono. Primero encuentra cada turno y a su dueño, nivela el audio de cada turno y recién entonces transcribe.

Lo que todavía no medimos

Detrás de todas estas mediciones hay un principio: el peor error es el silencioso. Cuando WR3 no puede decidir quién habla, no adivina: lo marca como duda y una persona la resuelve escuchando. En la medición más antigua, donde el micrófono de quien hablaba no estaba sincronizado, la máquina se equivocó en 5 momentos, marcó 4 de ellos como duda, y después de la revisión no quedó ningún error silencioso. Una duda siempre es mejor que una adivinanza.

Para ver cómo queda cada cita en un entregable, recorre el informe de muestra, hecho con un estudio ficticio.