Encuesta Home Assistant Abierta

Encuesta Home Assistant Abierta: Desvelando la Comunidad y el Futuro del Hogar Inteligente

Nuestra razón de ser como organización es inquebrantable: luchar por la privacidad, la elección y la sostenibilidad en el ámbito de los hogares inteligentes, y por cada persona que habita en ellos. Pero, ¿quiénes son realmente los que conforman esta comunidad y habitan estos espacios conectados?

En diciembre de 2024, dimos un paso audaz y lanzamos la primera encuesta de Home Assistant con el objetivo primordial de responder a esta pregunta. Nuestra meta era sencilla pero ambiciosa: hacer de Home Assistant una plataforma más inclusiva y accesible, escuchando directamente las voces y experiencias de la diversa comunidad que confía en ella.

Siguiendo nuestro compromiso de construir de forma abierta y transparente, hoy nos complace enormemente anunciar que los resultados anonimizados de esta encuesta ya están disponibles de forma gratuita. En este artículo, exploraremos en detalle qué aspectos abarcó la encuesta, las razones fundamentales y el minucioso proceso detrás de la publicación de estos datos, aclarando qué información se ha excluido intencionadamente para garantizar la privacidad, cómo estamos utilizando estos valiosos hallazgos para mejorar nuestras iniciativas y las oportunidades emergentes para una comprensión más profunda y futuras investigaciones.

En Resumen Rápido:

• Llevamos a cabo nuestra primera encuesta comunitaria de Home Assistant en diciembre de 2024, recopilando 8.616 respuestas sobre cómo las personas configuran y viven en sus hogares inteligentes.
• Hemos publicado los resultados anonimizados en Zenodo, tras un riguroso proceso de anonimización que incluyó una revisión de k-anonimidad, cumplimiento del GDPR y la exclusión precautoria del 12% de las respuestas.
• Estos datos ya están moldeando nuestro trabajo, desde el rediseño de las “áreas” en Home Assistant hasta la adaptación del Home Assistant Connect ZBT-2 y la fundamentación de nuestra investigación sobre privacidad.
• La encuesta presentó limitaciones, como una duración excesiva y ser exclusivamente en inglés, aspectos que estamos abordando en futuras investigaciones.
• Le invitamos a explorar los datos directamente en Zenodo, o a consultar el conjunto completo de preguntas de investigación y la metodología en nuestra página de GitHub.

Explore los datos en Zenodo

Una Instantánea Detallada de la Encuesta

Para contextualizar, la encuesta se extendió durante aproximadamente siete semanas, cerrando a principios de febrero de 2025, y acumuló un total de 8.616 envíos. Esta participación masiva nos ha proporcionado una visión profunda y significativa de los usuarios de Home Assistant y las realidades cotidianas de la gestión de esta plataforma. La mayoría de los encuestados indicaron que el principal motor para crear un hogar inteligente fue su interés intrínseco por la tecnología, a menudo desencadenado por la mudanza a una nueva vivienda o por un proyecto de renovación. Sorprendentemente, solo alrededor de un tercio comenzó su aventura en el hogar inteligente directamente con Home Assistant; el resto proviene de otras plataformas. Quizás no sea de extrañar que, entre aquellos que eligieron Home Assistant, las razones más frecuentemente citadas fueran el control local (89.3%), su naturaleza de código abierto (84.0%) y su potente capacidad de personalización (81.7%).

Más allá de las circunstancias de inicio, nuestro objetivo era obtener una imagen completa de quiénes son nuestros usuarios y cómo viven. El perfil típico del usuario en nuestro estudio gestionaba una configuración sustancial, controlando entre 11 y 200 dispositivos. La mayoría de las personas (75%) realizaba estas gestiones en un hogar del que eran propietarios, y a menudo distribuido en dos o más plantas. Notablemente, más de la mitad de los hogares encuestados albergaban al menos un residente canino o felino, y una cuarta parte de los encuestados hablaba más de un idioma en casa, lo que subraya la diversidad lingüística y cultural de nuestra comunidad.

También indagar sobre el perfil profesional y la neurodivergencia fue crucial. Comprender la gama de conocimientos técnicos y las necesidades específicas dentro de la comunidad nos permite afinar cómo nos comunicamos y diseñamos nuestras soluciones. El 78.3% de los usuarios principales trabajaba o estudiaba en campos relacionados con la tecnología o la ingeniería. En cuanto a la neurodivergencia, el 15.7% se identificó como neurodivergente, en comparación con el 68.1% que se identificó como neurotípico y el 12.3% que expresó incertidumbre. Estos datos son solo una pequeña muestra de los hallazgos reveladores de este proyecto.

Para obtener todos los detalles, la lista completa de preguntas de investigación, la metodología empleada y otros documentos de apoyo están disponibles en nuestra página de GitHub, ofreciendo una transparencia total sobre nuestro proceso de recopilación de datos.

¿Por Qué Publicar el Conjunto de Datos?

Compartir la información recopilada para fomentar la investigación de hogares inteligentes de código abierto es una decisión natural y alineada con nuestros principios. Un conjunto de datos rico y detallado es una herramienta poderosa, y creemos firmemente que debe ser accesible para todos. La publicación de estos resultados no solo apoya a otros investigadores permitiéndoles construir sobre nuestro trabajo, sino que también promueve una mayor diversidad de pensamiento y creatividad en el análisis de los datos.

Además, este enfoque aumenta la confianza en la investigación. Los investigadores pueden inspeccionar directamente los datos subyacentes en lugar de basarse únicamente en las conclusiones presentadas, acelerando así el progreso científico al evitar la duplicación de esfuerzos en la recolección de datos similares.

Una parte fundamental de nuestra misión es informar a la sociedad sobre las alternativas éticas y de código abierto a los dispositivos de hogar inteligente de las grandes corporaciones tecnológicas. Una manera efectiva de lograr esto es a través de la investigación que genera conocimiento, y luego compartir públicamente los hallazgos para que todos puedan aprender de ellos. De esta manera, alineamos nuestra organización con el espíritu de la ciencia abierta: un paradigma de publicación científica que defiende que toda investigación y datos de utilidad pública deben estar libremente disponibles para que todos puedan verificar, ampliar y beneficiarse de ellos, sin barreras de pago.

Por esta razón, hemos elegido Zenodo como plataforma de publicación. Zenodo es un repositorio de investigación abierto, confiable y ampliamente utilizado, desarrollado y gestionado por CERN, una organización científica internacional pionera en los principios de código abierto, acceso abierto y datos abiertos. Nos adherimos a los más altos estándares de rigor, asegurando que nuestros métodos y hallazgos sean verificables, reproducibles, abiertos y, sobre todo, justos.

Abogando por Datos Justos (FAIR)

Es crucial entender que la mera disponibilidad técnica de datos en línea no equivale a compartirlos de manera justa y equitativa. Por ello, hemos adoptado el marco de datos FAIR (Findable, Accessible, Interoperable, Reusable), un estándar de facto que garantiza que los datos publicados sean:

• Localizables (Findable): El conjunto de datos cuenta con un enlace permanente (un DOI) que permite su localización y citación inequívoca en cualquier momento.
• Accesibles (Accessible): Cualquier persona puede descargar los datos sin restricciones ni barreras de acceso.
• Interoperables (Interoperable): Los datos se presentan en un formato abierto y estándar, legible por cualquier herramienta, acompañado de un “codebook” que explica detalladamente cada columna.
• Reutilizables (Reusable): Los datos vienen con una documentación clara y una licencia abierta que especifica cómo pueden ser utilizados por terceros.

Los datos FAIR son lo que realmente confiere utilidad a la información para un investigador, transformando la simple visibilidad en una herramienta práctica. Antes de adentrarnos en cómo estamos aplicando estos datos, es esencial clarificar qué información no se incluye y las medidas que hemos implementado para asegurar que todo lo compartido se alinea con nuestros principios fundamentales.

Nuestro Enfoque de Publicación: La Privacidad Ante Todo

Como fundación, la privacidad es un pilar fundamental, uno de nuestros tres principios centrales. Por ello, no es sorprendente que hayamos seguido un estricto protocolo para anonimizar exhaustivamente todos los datos antes de su publicación. Nuestro compromiso es que no haya respuestas individuales, cuentas de usuario ni personas identificables. A continuación, detallamos todas las acciones que hemos tomado para proteger rigurosamente la privacidad de nuestros usuarios:

Hemos Eliminado Cualquier Información Potencialmente Identificatoria

Se han suprimido nombres, identificadores técnicos, marcas de tiempo precisas, comentarios de texto libre que pudieran contener detalles personales, y cualquier información sensible relacionada con la salud, discapacidad, religión u otros miembros del hogar (como parejas e hijos). De hecho, la cantidad de información identificatoria eliminada es tal que el conjunto de datos compartido ya no se considera “datos personales” según el Reglamento General de Protección de Datos (GDPR), una legislación europea clave en materia de privacidad.

Garantizamos la Imposibilidad de Identificación Individual Mediante Revisión de k-Anonimidad

La simple eliminación de identificadores obvios no es suficiente. A veces, una combinación poco común de detalles aparentemente ordinarios (como un usuario antiguo con una configuración inusual) podría permitir la identificación de un individuo. Para prevenir esto, hemos implementado la revisión de k-anonimidad, una técnica avanzada de anonimización de datos que verifica si suficientes personas comparten la misma combinación de características. Nuestro objetivo es asegurar que ningún individuo pueda ser singularizado dentro del grupo. Hemos realizado pruebas validadas específicamente para detectar estas situaciones. Cuando ha sido necesario, hemos agrupado las respuestas en categorías más amplias; por ejemplo, en lugar de especificar los protocolos exactos utilizados por un usuario, los hemos clasificado como “5-6 protocolos”. Esto garantiza que cada encuestado se integre de manera efectiva en un grupo numeroso, en lugar de ser un caso único.

Ante la Duda, Eliminamos los Datos

A pesar de todos estos pasos meticulosos, un pequeño número de respuestas aún presentaba combinaciones de datos lo suficientemente raras como para que no pudiéramos tener una confianza absoluta en su anonimato y en que se integraran plenamente. En lugar de asumir riesgos, hemos optado por la precaución extrema y hemos eliminado por completo estas respuestas del conjunto de datos. En última instancia, hemos excluido aproximadamente el 12% de las respuestas (lo que equivale a cerca de una de cada ocho) puramente por precaución. Preferimos publicar menos datos y tener la certeza absoluta de que la privacidad de nuestros usuarios está garantizada, que arriesgarnos a comprometerla.

Verificación Legal Exhaustiva

Nuestro enfoque ha sido revisado de manera iterativa por nuestros asesores legales, y cada decisión tomada y cada paso implementado se ha documentado meticulosamente. Esto asegura que todo el proceso pueda ser examinado de forma independiente, garantizando el cumplimiento normativo y la integridad de nuestros métodos de anonimización.

Publicación de Material Suplementario Detallado

Junto con el conjunto de datos principal, hemos liberado una documentación adicional para facilitar la comprensión y verificación de nuestras acciones. Esta incluye:

1. El protocolo de anonimización y los resultados de la revisión de k-anonimidad.
2. Un archivo README que detalla exhaustivamente la encuesta y el conjunto de datos.
3. Scripts de análisis de anonimización y k-anonimidad.
4. La lista completa de preguntas de la encuesta (aunque no todas las columnas de esta lista se incluyen en el conjunto de datos final debido a consideraciones de privacidad, la estructura de la encuesta en sí misma es de gran valor para otros investigadores).
5. Estadísticas descriptivas detalladas, que cubren la distribución de las respuestas para cada pregunta cerrada de la encuesta.

En cada punto de decisión, hemos optado por la opción más cautelosa, y hemos hecho que todos nuestros procesos sean intencionadamente transparentes. Después de todo, el propósito fundamental de esta encuesta es aprender junto a nuestra comunidad y de ella. Este compromiso de aprendizaje y transparencia no termina con la última pregunta de la encuesta. Esto nos lleva a los reveladores hallazgos de los datos y a cómo ya están dando forma a nuestro trabajo y a nuestras futuras direcciones.

Comprendiendo las Dinámicas Sociales en el Hogar Inteligente

Los resultados de nuestra encuesta revelan que la mayoría de las personas que respondieron viven en un hogar inteligente junto a su pareja o familia. En este contexto, hemos observado que, típicamente, es una sola persona (en un 94.4% de los casos, hombres) quien se encarga de la configuración y el mantenimiento del hogar inteligente. Sus parejas (en un 87.4% de los casos, mujeres) y los niños del hogar interactúan principalmente con los dispositivos conectados en lugar de gestionar la plataforma Home Assistant en sí misma. En esencia, una persona tiende a configurar y mantener el sistema, mientras que el resto de los miembros del hogar simplemente conviven con él.

Estos datos de la encuesta concuerdan con investigaciones previas sobre las dinámicas sociales en el hogar inteligente. Por ejemplo, estudios sobre hogares inteligentes multiusuario han encontrado que la persona que instala los dispositivos tiende a ejercer un control desproporcionado sobre su selección, gestión y reparación. En algunos casos, esto puede generar incomodidad en torno a la privacidad, tanto por la tecnología en sí como por la sensación de ser observado por la persona que la gestiona (lo que apunta al potencial mal uso de este tipo de control). Investigaciones independientes de Christine Geeng y Franziska Roesner, y de Nils Ehrenberg y Turkka Keinonen, han documentado estas dinámicas.

El trabajo de Line Kryger Aagaard ha demostrado que la experiencia del hogar inteligente a menudo está marcada por cuestiones de género. La propia investigación de Annika sobre la cohabitación en hogares inteligentes abordó este tema directamente, examinando las dinámicas que surgen cuando una persona configura y mantiene la tecnología mientras otra convive con ella, identificando desequilibrios de poder que exigen negociación entre las parejas. Es una dinámica sobre la cual estamos trabajando activamente para rediseñar soluciones (por ejemplo, véanse las discusiones actuales de UX design sobre “Home Assistant para todo el hogar”), no solo entre parejas, sino en todo tipo de relaciones dentro del hogar.

Cómo Estamos Aplicando Estos Datos

Los datos recopilados a través de esta encuesta ya han sido fundamentales para profundizar nuestra comprensión de la experiencia del usuario y optimizarla. Por ejemplo, información como el número de plantas de una vivienda, su tamaño, y si es propia o alquilada, ha influido directamente en los cambios de diseño para las “áreas” dentro de Home Assistant. De manera similar, cuando nuestro socio comercial Nabu Casa estaba desarrollando lo que eventualmente se convertiría en el Home Assistant Connect ZBT-2, diseñado para conectar dispositivos Zigbee y Thread, proporcionamos a su equipo información clave de esta encuesta. Esto les permitió adaptar el dispositivo para satisfacer las necesidades y las condiciones de vida reales de nuestra comunidad.

A un nivel más amplio, el conjunto de datos nos ha ayudado a comprender cómo la comunidad se alinea con los valores de privacidad, elección y sostenibilidad que promueve la fundación. Esto, a su vez, ha sido crucial para interpretar datos dentro de nuestra investigación sobre privacidad y para desarrollar posiciones organizacionales clave, como la detallada en nuestro “Privacy position paper” (Documento de Posición sobre Privacidad).

Asimismo, el aprendizaje sobre los caminos que siguen los usuarios actuales para llegar a Home Assistant, ya sea iniciándose con nuestra plataforma como primera opción o migrando desde otros ecosistemas, nos permite comprender mejor el crecimiento de nuestra base de usuarios. Esta comprensión es vital para que la fundación pueda ofrecer un apoyo más efectivo a nuestra comunidad y avanzar en nuestra misión. Estén atentos, ya que pronto publicaremos un informe detallado sobre este aspecto.

Por supuesto, como con cualquier investigación científica rigurosa, la encuesta presenta ciertas limitaciones. Es de suma importancia nombrarlas, no solo para mantener la transparencia, sino también porque abren importantes oportunidades para futuras mejoras y desarrollos.

Limitaciones Identificadas en la Encuesta

Uno de los puntos más señalados por nuestros usuarios es que la encuesta resultó ser demasiado larga. Aunque realizamos pruebas que estimaban un tiempo de finalización de unos 20 minutos, nuestras estimaciones fueron imprecisas. Según Typeform (la plataforma de encuestas utilizada), el tiempo promedio de finalización superó los 40 minutos. Agradecemos enormemente a cada persona que inició la encuesta y estamos especialmente agradecidos con aquellos que perseveraron hasta el final. Contar con miembros de la comunidad tan comprometidos y dedicados es, sin duda, un excelente problema a tener. Sin embargo, esta extensión puede sesgar los resultados, ya que la muestra representa principalmente a aquellos con el tiempo y el interés suficientes para completar una encuesta extensa. Además, el hecho de que los datos no capturen las respuestas de quienes abandonaron la encuesta a mitad de camino significa que los encuestados representan un núcleo comprometido de usuarios de Home Assistant, y no necesariamente…