Blog

Cómo usar la IA en análisis sensorial: IA agéntica y MCP

Escrito por Maruxa Quiroga | 5 nov 2026, 16:08:39

¿Por qué los equipos sensoriales están adoptando la IA?

Imagina que tu equipo de I+D tiene tres prototipos de yogur de fresa y 120 consumidores los han probado. Tienes las puntuaciones de agrado, los atributos de sabor y textura y decenas de comentarios abiertos. La pregunta del comité es sencilla: ¿cuál lanzamos?

Responderla con rigor suele llevar días de análisis en Excel, depender de la persona que domina la estadística y, aun así, terminar en un "parece que gusta más el B". Ahí es donde la inteligencia artificial está cambiando el trabajo de los equipos sensoriales.

En este artículo te contamos qué es la IA aplicada al análisis sensorial, qué significa que una IA sea agéntica, cómo te ayuda en cada fase de un estudio y cómo el MCP te permite preparar estudios hablando con tu asistente de IA. Todo con ejemplos concretos.

¿Para qué sirve la IA en un estudio sensorial?

La IA en análisis sensorial es el uso de modelos de inteligencia artificial y análisis avanzado de datos para interpretar cómo perciben los consumidores un producto: su sabor, aroma, textura, aceptación y preferencia. No sustituye al panel: lo aumenta. Las personas siguen probando; la IA te ayuda a entender qué significa lo que dicen.

Piensa en los cuellos de botella de un estudio tradicional:

  • Es lento. Preparar las fichas, codificar muestras y pasar resultados de papel a Excel puede llevarse semanas antes de tener una sola conclusión.
  • Depende de pocos expertos. Si la persona que sabe interpretar un análisis de preferencia está de vacaciones, el estudio espera.
  • No deja memoria. La planta de un país hace su test de una forma, la de otro país de otra, y nadie puede comparar los resultados de este año con los de hace tres.

Y el coste de equivocarse es alto. Según Harvard Business Review, el 75 % de los nuevos productos de gran consumo no alcanza los 7,5 millones de dólares en ventas en su primer año. La causa más común no es el precio ni la distribución, sino que el producto no conecta sensorialmente con el consumidor. El sabor es el primer factor de recompra, por encima del precio, el packaging y la publicidad.

La IA sensorial sirve en cualquier industria donde la percepción del consumidor decide sobre un producto: alimentación y bebidas, cosmética, cuidado personal, ingredientes, química o gran consumo.

Por eso Sensesbit nació al revés que muchas herramientas: partió de la ciencia sensorial y después construyó la tecnología. Es una spin-off de la Universidad de Santiago de Compostela, fundada por doctoras en ciencia sensorial, que fue pionera en integrar la IA en el análisis sensorial. Hoy más de 100 empresas en más de 11 mercados la usan para diseñar, analizar e interpretar sus estudios en una plataforma 100 % en la nube, sin instalaciones ni servidores propios.

¿Qué es la IA agéntica y en qué se diferencia de la IA generativa?

La IA agéntica es un tipo de inteligencia artificial que no se limita a responder o resumir: analiza la información, evalúa escenarios y recomienda o ejecuta acciones para cumplir un objetivo. La IA generativa, en cambio, produce contenido nuevo, como texto o imágenes, a partir de lo que ha aprendido.

Vuelve al ejemplo de los tres yogures:

  • Una IA generativa te diría algo como: "El prototipo B obtiene la puntuación media más alta y los consumidores destacan su textura cremosa". Útil, pero no sabes si esa diferencia es real o casualidad, ni si justifica el lanzamiento.
  • Una IA agéntica sensorial te diría: "El B es el preferido y su ventaja se mantiene estable en miles de simulaciones; el A y el C no se diferencian entre sí. Recomendación: lanzar el B y no invertir más en el C". Eso es una decisión que puedes llevar al comité.

Esa es la idea detrás de SensAI, la primera IA agéntica sensorial del mundo, lanzada por Sensesbit en 2026. Combina ciencia sensorial, estadística con hasta 10.000 simulaciones y lógica de negocio para recomendarte qué decisión tomar; solo usa IA generativa para redactar el informe final a partir de resultados ya calculados.

¿Cómo puede ayudar la IA en el análisis sensorial? Ejemplos por fase

La IA te ayuda en todo el ciclo de un estudio, desde que lo diseñas hasta que lo defiendes ante dirección. En cada fase te contamos qué aporta la IA en general y cómo se hace con Sensesbit, con el ejemplo de un estudio de aceptación de una nueva receta de galleta:

Fase Qué aporta la IA en general Cómo se hace con Sensesbit (ejemplo: nueva receta de galleta)
Diseño Reduce el trabajo repetitivo de montar un estudio: proponer el cuestionario, elegir escalas y organizar las muestras. Le pides a tu asistente de IA, conectado por MCP: "Prepara una sesión para comparar nuestra galleta actual con dos recetas con menos azúcar". La sesión, el cuestionario y las muestras quedan creados en la plataforma, listos para revisar.
Recogida de datos Evita transcribir papel a Excel, reduce errores y deja los datos listos para analizar. Los consumidores responden en un panel online desde su móvil o en sala con tablets, y las respuestas llegan a la misma plataforma donde diseñaste el estudio. Las muestras se codifican solas, así que nadie sabe cuál es la receta original.
Análisis Calcula los resultados en cuanto llegan los datos y mide si una diferencia es real o fruto del azar, incluso con muestras pequeñas. El análisis se calcula en tiempo real. Con 60 consumidores, el Data Booster de SensAI te dice si la diferencia entre la receta actual y la de menos azúcar es sólida o si necesitas más datos.
Interpretación La IA agéntica no se queda en las cifras: detecta patrones, prioriza lo que importa al negocio y recomienda qué hacer. SensAI detecta que la receta con un 20 % menos de azúcar no pierde agrado, pero sí puntúa peor en crujiente. Recomendación: lanzarla tras ajustar la textura.
Comunicación La IA generativa redacta el informe final a partir de los resultados, para que llegue claro a quien decide. Executive Insights redacta un informe de una página para dirección a partir de los resultados ya calculados, con la evidencia detrás de cada conclusión.

Cada equipo lo aprovecha a su manera:

Equipo Ejemplo de uso
I+D Saber qué atributo cambiar en un prototipo antes de la siguiente iteración
Calidad Comprobar que el mismo producto se percibe igual en dos plantas distintas
Análisis sensorial Montar en minutos un estudio que antes requería horas de preparación
Innovación Llevar al comité un go/no-go respaldado por evidencia estadística
Consumer Insights Extraer de 2.000 comentarios abiertos lo que de verdad pesa en la preferencia
Marketing Respaldar un claim como "más cremoso" con la percepción real del consumidor

¿Qué es el MCP y cómo te ayuda a preparar estudios sensoriales?

El MCP (Model Context Protocol) es un estándar abierto que conecta asistentes de IA, como Claude, con otras aplicaciones para que puedan consultar datos y hacer tareas en ellas. En Sensesbit es una funcionalidad más de la plataforma: conecta tu asistente de IA con tus estudios sensoriales.

En la práctica, trabajas en Sensesbit hablando con tu asistente, sin navegar por menús. Algunos ejemplos de lo que puedes pedirle:

  • Crear una sesión completa: "Crea una sesión de aceptación para tres prototipos de zumo de naranja, con escala hedónica de 9 puntos y una pregunta de intención de compra".
  • Gestionar muestras: "Da de alta las muestras de la nueva referencia de aceite y asígnalas a la sesión de esta semana con sus códigos".
  • Consultar el estado de un estudio: "¿Cuántas respuestas lleva la cata de vinos blancos que publicamos el lunes?".
  • Revisar resultados: "Enséñame los resultados por pregunta de la sesión de galletas".

El asistente lo prepara en Sensesbit y tu equipo lo revisa antes de publicarlo. El MCP acelera la preparación; SensAI se encarga del análisis y la recomendación. Juntos acortan el camino entre "tenemos una idea de estudio" y "tenemos una decisión".

IA generalista, software tradicional o IA sensorial: en qué se diferencian

Un asistente generalista te ayuda a preparar estudios o redactar, pero no a decidir sobre un producto: no calcula con cuánta seguridad puedes apostar por un prototipo ni si una diferencia basta para un claim. Lo explicamos en detalle en ChatGPT puede resumir datos sensoriales. Sensesbit los convierte en decisiones defendibles. En resumen:

  IA generalista Herramientas tradicionales SensAI
Qué hace con tus datos Resume texto Muestra resultados Analiza la evidencia
Rigor estadístico Ninguno Manual Hasta 10.000 simulaciones
Priorización de negocio No No Valor Tau e impacto en mercado
Recomienda una decisión Genérica No Go/no-go defendible
Defendible para claims No Parcial Sí
Específica para sensorial No Sí Sí

La diferencia de fondo es esta: el software sensorial tradicional sirve sobre todo para recoger datos y mostrarlos, y la interpretación sigue dependiendo de tu equipo. Sensesbit combina ciencia sensorial, estadística e IA en una sola plataforma para convertir esos datos en una decisión.

¿Merece la pena usar IA en análisis sensorial?

La IA ya está cambiando el trabajo de los equipos sensoriales. Con el MCP preparas estudios en minutos desde tu asistente de IA; con SensAI conviertes los resultados en una recomendación que puedes defender ante tu comité.

Vuelve a los tres yogures del principio: en lugar de días de Excel y un "parece que gusta más el B", tienes una decisión respaldada por evidencia. Es lo que ya hacen empresas como PepsiCo, Damm, Calidad Pascual o Grupo Nueva Pescanova con Sensesbit, el software sensorial con el que crece tu negocio.

¿Compensa? Según el Sensory ROI™ de Sensesbit, digitalizar las iniciativas sensoriales genera un retorno de 11×, un 40 % más de engagement y recompra, un 30 % más de disposición a pagar y entre un 8 % y un 12 % más de ventas anuales. Y todo con tus datos protegidos: Sensesbit cuenta con certificación ISO 27001 e ISO 9001 y cumple el RGPD.

¿Quieres ver cómo funciona? Descubre la IA sensorial de Sensesbit.