Pega tus comentarios de texto libre en Claude, dile qué es el texto y qué decisión estás intentando tomar, y pídele temas recurrentes con el sentimiento asociado a cada uno, no una puntuación general. Por debajo de aproximadamente unos pocos miles de documentos al mes, esto supera a configurar un clasificador de sentimiento especializado, porque obtienes los motivos en lugar de una etiqueta. El inconveniente es que el modelo te dará una etiqueta con confianza sobre textos que ha interpretado mal, así que comprueba una muestra según tu propio criterio antes de presentar cualquier distribución como un hecho.
Precios de las herramientas comprobados en agosto de 2026.
¿Por qué es inútil por sí sola una puntuación de sentimiento?
«72 % positivo» no te dice nada sobre lo que puedas actuar. No indica por qué está enfadido el 28 %, si se trata de un problema o de nueve, ni si los comentarios positivos se refieren a lo que acabas de lanzar o a lo que estás a punto de eliminar.
Lo que necesitas en su lugar es una lista de temas: las cinco o seis cosas que la gente sigue mencionando, cada una con su propio sentimiento y su propia frecuencia aproximada. «A la gente le gusta lo rápido que es, y treinta personas se quedaron atascadas en el mismo punto del proceso de incorporación» es una frase con la que alguien puede hacer algo. Un porcentaje no.
Esto importa sobre todo porque los comentarios reales rara vez son unilaterales. «Me encanta el producto, odio el precio» se promedia como neutral, que es la descripción menos útil posible de ese cliente. Asociar el sentimiento a cada tema en lugar de a cada documento conserva la señal.
¿Deberías usar una herramienta de sentimiento especializada en su lugar?
Por debajo de unos pocos miles de documentos al mes, normalmente no, y vale la pena entender por qué, porque la mayoría de los consejos sobre este tema tienen una década.
Amazon Comprehend, la opción administrada más extendida, cobra 0,0001 $ por unidad para el análisis de sentimiento, donde una unidad equivale a 100 caracteres y cada solicitud se factura con un mínimo de 3 unidades. Una reseña de 300 caracteres cuesta 0,0003 $. Dos mil reseñas cuestan aproximadamente sesenta centavos. AWS también ofrece a clientes nuevos y existentes 50.000 unidades (5 millones de caracteres) al mes gratis durante los primeros doce meses. En cuanto al cálculo bruto, un clasificador es prácticamente gratis.
El coste para ti está en todo lo demás. Necesitas una cuenta de AWS, credenciales, un script para enviar el CSV a través de la API y recuperar los resultados, y decidir qué hacer con la etiqueta que devuelve. Y una etiqueta es todo lo que obtienes: un valor de sentimiento con una puntuación de confianza. No te dirá que los comentarios negativos se concentran en un proceso de restablecimiento de contraseña que no funciona, porque no busca temas a menos que lo configures por separado.
Un modelo general que lee las mismas 2.000 reseñas te proporciona los temas, el sentimiento de cada tema, citas representativas y una respuesta cuando le haces una pregunta de seguimiento, sin tener que crear ninguna canalización. A partir de varios miles de documentos al mes, ejecutándose según un calendario y alimentando un panel, las cuentas cambian y un clasificador adecuado o una API por lotes empieza a compensar. Por debajo de eso, estás creando infraestructura para ahorrar sesenta centavos.
Una advertencia sobre las listas antiguas que encontrarás al respecto: MonkeyLearn, que aparece en la mayoría de las recopilaciones de «mejores herramientas de análisis de sentimientos», ya no existe como producto independiente. Medallia la adquirió en 2022 y monkeylearn.com ahora redirige con un 301 a medallia.com. Comprueba que cualquier herramienta que te recomienden siga existiendo antes de planificar en función de ella.
¿Cómo se realiza realmente el análisis?
Cuatro cosas marcan la diferencia entre una lectura útil y una genérica.
- Di qué es el texto. «Estos son 400 tickets de soporte de las dos semanas posteriores a nuestro cambio de precios» cambia por completo la interpretación frente a pegar un bloque sin etiquetar.
- Di qué decisión ayudará a tomar. El análisis para defender una hoja de ruta es distinto del análisis para una autopsia de cancelaciones. Indícale cuál es.
- Pide frecuencia y citas, no solo temas. Exige un recuento aproximado por tema y dos citas textuales. Las citas son la forma de auditarlo: si una cita no respalda el tema, el tema es incorrecto.
- Pregunta qué no pudo clasificar. El residuo suele ser la parte más interesante: los comentarios demasiado ambiguos, demasiado breves o demasiado sarcásticos para clasificarlos.
Si tus comentarios proceden de encuestas que diseñaste, la calidad de este análisis se decide antes de realizarlas - el mismo punto que se aborda en nuestra guía de generalista de HR y que conviene complementar con la lectura más amplia de la guía de investigación de mercado.
Una vez que Mira ha agrupado los comentarios por temas, Elena convierte la lista priorizada en un caso de negocio con el impacto, el esfuerzo y una recomendación adjuntos.
Ver a Elena →¿Cómo instalas el Skill de Mira?
Mira llega como un ZIP con un SKILL.md archivo en su raíz.
- Abre la aplicación de escritorio de Claude, haz clic en Customize en la barra lateral y luego en Skills.
- Haz clic en + y sube el ZIP. Claude lee el archivo
SKILL.mdy resume lo que hace. - Actívalo on. Si está desactivado, Claude lo ignora.
- Pega tus comentarios y describe la decisión que estás tomando.
Skills funciona en todos los planes de Claude: Free, Pro, Max, Team y Enterprise, pero necesitan que la ejecución de código esté activada. Si el menú Skills aparece en gris o no está disponible, activa Code execution and file creation en Settings > Capabilities. En Team y Enterprise, esta opción depende del propietario y se encuentra en la configuración de la organización, así que quizá tengas que preguntarle.
Si no puedes habilitar la ejecución de código o trabajas en ChatGPT o Gemini, abre el SKILL.md archivo, copia su contenido y pégalo en las instrucciones personalizadas. El Skill no se activará automáticamente, pero dará forma a cada respuesta de esa conversación.
¿Dónde falla esto?
Esta es la sección que debes leer dos veces, porque el fallo es silencioso.
- Se equivocará con seguridad. Un modelo no responde “No estoy seguro de qué quiso decir esta persona”. Devuelve una etiqueta clara con el mismo tono tanto si entendió correctamente el comentario como si no. Nada de lo que aparece en el resultado distingue una clasificación sólida de una interpretación errónea.
- El sarcasmo y la ironía lo confunden. “Genial, otra actualización” y “está bien, supongo” son exactamente los comentarios que una persona entiende al instante y que un modelo aplana.
- Los recuentos de frecuencia son estimaciones, no conteos. Cuando un modelo dice que un tema apareció en 30 comentarios, no los ha contado uno por uno. Si el número va a aparecer en una diapositiva, cuéntalo tú o haz que el modelo indique los números de fila para que puedas hacerlo.
- Probablemente tu muestra no representa a tus clientes. Por definición, las personas que dejan reseñas y responden preguntas abiertas son inusuales. El análisis describe quién respondió, y ninguna herramienta puede solucionar eso.
- Los límites entre temas son una cuestión de criterio. Analiza los mismos comentarios dos veces y puede que obtengas seis temas una vez y cuatro la siguiente, porque “lento” y “no responde” pueden ser razonablemente un solo tema o dos. Ninguna respuesta es incorrecta; ambas cambian tu gráfico.
- No puede decirte qué hacer. Te dice lo que la gente ha dicho. La decisión entre mejorar la incorporación y lanzar la función que ya prometiste es tuya.
Así que haz una comprobación puntual antes de presentar nada. Extrae una muestra de comentarios - cincuenta son suficientes para unos cientos de documentos - y etiquétalos tú antes de consultar la respuesta del modelo; después, compara. No buscas la perfección, sino detectar dónde se concentran las discrepancias. Si se agrupan en un tema, ese tema no es fiable y deberías decirlo. Si tú y el modelo discrepáis en más de unos pocos casos de la muestra, no informes de la distribución como un hallazgo. Hazlo una vez para un tipo de comentarios determinado y, a partir de entonces, sabrás cuánto puedes confiar en el análisis.
Si la mayor parte de tus mensajes sin leer son tickets de soporte, combina el análisis de temas de Mira con Sam, que redacta las respuestas una vez que sabes qué es lo que realmente molesta al cliente.
Ver Skill de IA de atención al cliente de Sam →¿Por qué usar un Skill en lugar de escribir el prompt cada vez?
Hay dos razones, y ninguna es que el Skill sea más inteligente.
La primera es la coherencia. Comparar el sentimiento de este trimestre con el del trimestre pasado solo tiene sentido si ambos se analizaron de la misma manera, con las mismas definiciones de temas y las mismas instrucciones sobre qué cuenta como una queja. Un Skill guardado fija el método para que la comparación sea real y no un artefacto de cómo decidiste redactar el prompt en abril.
La segunda es que las cuatro cosas mencionadas antes - contexto, decisión, frecuencia y citas, residuos no clasificables - son fáciles de olvidar cuando tienes prisa, que es exactamente cuando estás pegando 400 tickets y esperando que todo salga bien.
¿Realizas encuestas de pulso trimestrales? Esto diseña la encuesta para que las respuestas de texto libre sean comparables entre trimestres - el material sin procesar que Mira necesita para detectar un cambio en lugar de adivinarlo.
Ver Prompt de encuesta para empleados →¿Qué texto merece la pena analizar con esto?
En cualquier lugar donde haya muchas palabras y nadie tenga tiempo de leerlas: respuestas de encuestas de texto libre, reseñas de productos, tickets de soporte, entrevistas de salida, comentarios en las tiendas de aplicaciones, notas de llamadas de ventas y menciones en redes sociales. El método no cambia entre ellos. Lo que cambia es el contexto que proporcionas al principio y la decisión hacia la que diriges el análisis.
La única categoría con la que debes tener cuidado es cualquier caso en el que la muestra sea diminuta. Doce comentarios no tienen temas; tienen doce opiniones, y deberías leerlos tú mismo.
En resumen:
Para el análisis general de texto libre - reseñas, tickets, respuestas de encuestas y transcripciones de entrevistas -, usa Mira. Si la mayoría son tickets de soporte, combínala con Sam. Si estás diseñando la encuesta que generará los comentarios, empieza con Prompt de encuesta para empleados. Después, convierte los temas en un caso con Elena. Todo funciona en Claude, ChatGPT y cualquier chat de AI, con una garantía de devolución del dinero de 30 días - y todos siguen necesitando que verifiques aleatoriamente los resultados.
Guías de Skill relacionadas
- Cómo usar Claude para el email marketing: la guía de Skill de Nadia
- Cómo usar Claude como gestor de redes sociales: la guía de Skill de Maya
- Cómo usar Claude como estratega de marketing de crecimiento: la guía de Skill de Sofia
- Cómo usar Claude para el análisis de marketing: la guía de Skill de Rafa
KissMySkills es un marketplace de 853 skills de AI, 158 Prompt Packs, 55 agentes y herramientas gratuitas para Claude, ChatGPT y cualquier chat de AI.
