Cuando responder a medida sale gratis, ¿todavía dice algo?
Un preprint con casi 490.000 respuestas de restaurantes en OpenTable encontró que, desde la llegada de ChatGPT, las respuestas a las reseñas se volvieron más personalizadas y dejaron de asociarse con más reseñas al año siguiente
Una respuesta pensada para cada cliente valía, en parte, porque costaba hacerla. Un preprint de Northwestern y de la Universidad de Washington sugiere que, cuando la IA abarató ese esfuerzo, la personalización se multiplicó y dejó de distinguir. Es un trabajo preliminar: los propios autores lo presentan como un resumen extendido con resultados iniciales, sin revisión por pares, y advierten que la caída todavía no puede atribuirse a la IA.
Lo firman Chao Yu y Xueyan Feng, de la Escuela Medill de Northwestern, y Wang Liao, de la Universidad de Washington. Lo publicaron en SocArXiv a comienzos de noviembre.
Cómo se hizo
- Los datos. Reseñas y respuestas de restaurantes en OpenTable de seis áreas metropolitanas de Estados Unidos (Chicago, Nueva York, Los Ángeles, San Francisco, Miami y Mineápolis), de 2019 a mediados de 2026: 8,9 millones de reseñas y 487.906 respuestas. Entre 2019 y 2025, 3.940 restaurantes publicaron respuestas.
- La IA. Estimaron la probabilidad de redacción con IA por la frecuencia de ciertas palabras en cada trimestre, un método que los autores tratan como un piso.
- La personalización. Midieron cuánto se parecía cada respuesta, en palabras y en sentido, a la reseña que contestaba.
- El diseño. Una serie temporal interrumpida alrededor del 1 de enero de 2023, poco después del lanzamiento de ChatGPT.
Qué encontraron
- La IA entró por las respuestas, no por las reseñas. A mediados de 2026, la probabilidad de redacción con IA llegó al 44 % en las respuestas de los restaurantes y al 1,2 % en las reseñas de los clientes. Por ciudad, las respuestas iban del 40 % al 52 %.
- Las respuestas se volvieron más personalizadas. Desde 2023, la tendencia se aceleró un 67 % del nivel de 2022 por año en palabras y un 37 % en sentido. Los trimestres en que la IA probablemente escribió al menos la mitad de las respuestas fueron entre 0,62 y 0,68 desvíos estándar más personalizados.
- Más parecidas entre sí. Las respuestas de distintos restaurantes se parecieron más (0,58 desvíos en palabras) y las de un mismo restaurante variaron más (0,38 desvíos).
- La personalización dejó de rendir. Antes de 2023, un trimestre con un desvío más de personalización se asociaba con cerca de un 5 % más de reseñas al año siguiente. Desde 2023, la relación fue prácticamente nula, y el cambio entre los dos periodos fue significativo. Sobre las calificaciones no hubo efecto.
Qué tan firme es
Es un análisis observacional, de una sola plataforma y con pruebas de robustez pendientes. Lo más importante lo dicen los autores: la pérdida de valor apareció tanto en los trimestres con mucha IA como en los demás, y una variable de control (las reseñas del año anterior, que las respuestas no pueden afectar) sugiere tendencias propias de los restaurantes. Por eso no se puede afirmar todavía que la IA sea la causa.
El punto de partida sí está bien establecido. Davide Proserpio y Georgios Zervas mostraron en 2017, en Marketing Science, que los hoteles que empezaban a responder reseñas subían 0,12 estrellas en su calificación y recibían un 12 % más de reseñas. Yang Wang y Alexander Chaudhry, en el Journal of Marketing Research en 2018, encontraron que personalizar la respuesta a una reseña negativa amplificaba su efecto positivo sobre las opiniones siguientes. Y Justin Kruger y colegas describieron en 2004 la heurística del esfuerzo: lo que parece haber costado trabajo se valora más.
Qué cambia para una marca
- La personalización deja de ser una señal cuando todos la tienen. Si la IA hace que cada respuesta parezca escrita a mano, el cliente pierde una forma de distinguir a quien de verdad prestó atención.
- El valor puede pasar al contenido. Una respuesta con un dato concreto, una corrección o una decisión que solo el negocio puede tomar sigue costando trabajo, y eso se nota.
- Conviene medir antes de automatizar. El preprint muestra una asociación que desapareció; una marca puede comprobar con sus propios datos si sus respuestas siguen moviendo algo.
Lo que queda
Hablarle a cada uno parecía una ventaja. El preprint plantea que, cuando lo hace una máquina por casi nada, puede volverse ruido de fondo. Falta la versión revisada para saber si la IA explica esa pérdida o si solo coincidió con ella.