Glosario de IA Conversational
¿Qué es el análisis de sentimiento?
← Todos los términos del glosarioUso de la IA para identificar el tono o la emoción de un texto, como positivo, negativo o neutro, y a menudo a qué se refiere.
Explicación
El análisis de sentimiento clasifica la actitud que expresa un texto: si una reseña, un mensaje o una respuesta de encuesta es positiva, negativa o neutra, y a veces qué emoción muestra, como frustración o satisfacción. Las versiones más detalladas, el análisis de sentimiento por aspectos, ligan cada opinión a lo que se refiere; por ejemplo, un cliente al que le gusta el producto pero se queja de la entrega. Empezó con listas de palabras y aprendizaje automático clásico; hoy los modelos de lenguaje entienden mejor la ironía, el contexto y las opiniones mezcladas. Las empresas lo usan para seguir a escala las opiniones de clientes, las redes sociales, la percepción de marca y la calidad del servicio.
Cómo funciona
- Basado en léxico: cuenta palabras positivas y negativas de un diccionario; es sencillo, pero no capta el contexto ni la ironía.
- Aprendizaje automático: modelos entrenados con ejemplos etiquetados aprenden qué patrones indican cada sentimiento.
- Modelos de lenguaje: se pide a un LLM que clasifique el texto, a menudo con una definición breve de cada etiqueta y algunos ejemplos, y puede explicar por qué.
- Por aspectos: el texto se divide en temas (precio, personal, entrega) y cada uno recibe su propio sentimiento.
Para qué se usa
- Opinión de clientes: reseñas, encuestas, respuestas abiertas de formularios NPS.
- Contact center: detectar clientes molestos en chats, correos o transcripciones de llamadas para darles prioridad.
- Escucha social y seguimiento de marca.
- Equipos de producto: ver qué funcionalidades generan quejas o elogios.
- Opinión de empleados, cuidando la privacidad.
Límites que conviene tener presentes
El sarcasmo, la ironía, las opiniones mezcladas y el lenguaje propio de cada sector siguen provocando errores. Una palabra como «impredecible» puede ser positiva en una película y negativa en un coche.
Las tendencias agregadas suelen ser más fiables que cada etiqueta suelta, así que funciona mejor para detectar patrones y priorizar casos que para juzgar un mensaje aislado. Revisar a mano una muestra cada cierto tiempo te dice si las etiquetas siguen encajando con cómo escribe la gente.
Preguntas frecuentes
¿Qué es un ejemplo de análisis de sentimiento?
Leer miles de reseñas de un hotel y ver que los comentarios sobre la limpieza son sobre todo positivos y los del horario de entrada sobre todo negativos, para que el hotel sepa dónde actuar primero.
¿ChatGPT sirve para hacer análisis de sentimiento?
Sí. Los modelos de lenguaje grandes clasifican sentimiento y emoción solo con instrucciones, manejan textos largos y con matices, y explican su etiqueta. Con volúmenes grandes, un modelo pequeño y dedicado puede salir más barato y rápido.
¿Qué es el análisis de sentimiento por aspectos?
Identifica el sentimiento de cada aspecto que aparece en un texto, en lugar de dar una sola puntuación al conjunto. «Comida estupenda, servicio lento» queda como positivo para la comida y negativo para el servicio.
¿Qué precisión tiene el análisis de sentimiento?
Depende del sector, del idioma y del método. Funciona bien con opiniones claras y le cuesta el sarcasmo y las opiniones mezcladas. La única forma fiable de saberlo es medirlo sobre una muestra de tus propios datos etiquetados.
Guías de decisión que usan este término
Cómo llevarlo a la práctica
Dónde aparece en Thinkia
Términos relacionados
Fuentes
- Pang, Lee and Vaithyanathan · Thumbs up? Sentiment classification using machine learning techniques (arXiv) (en inglés)
- Jurafsky and Martin · Speech and Language Processing (3rd ed. draft) (en inglés)
- Pontiki et al. · SemEval-2014 Task 4: Aspect based sentiment analysis (ACL Anthology) (en inglés)
Actualizado: 2026-10-21