UX en proyectos de IA: Diseñando más allá del bombo
Nicolás Gandolfo
martes, 3 de junio de 2025
6 min.
La Inteligencia Artificial está en todas partes. Está en las reuniones, en los informes, en las hojas de ruta— a veces incluso en las palabras de moda que usamos sin comprenderlas completamente. Y tiene sentido: la IA promete velocidad, automatización, escalabilidad… como nunca antes hemos visto.
Pero seamos honestos: ¿cuántos de esos proyectos de IA realmente resuelven algo significativo? ¿Cuántos terminan siendo asistentes con los que nadie habla, recomendaciones en las que nadie confía, o funciones que parecen inteligentes pero se sienten inútiles?
Esta publicación es una guía para volver a lo que importa: diseñar productos alimentados por IA que las personas realmente quieran usar.
La IA no es solo otra cosa brillante
Cuando ChatGPT explotó, también lo hizo una nueva ola de optimismo (y FOMO) en el mundo tecnológico. De repente, cada producto necesitaba "tener IA". He estado en más de una reunión donde alguien sugirió "podríamos agregar un chatbot aquí" antes de que siquiera supiéramos qué problema estábamos tratando de resolver.
Y eso es lo que pasa: la IA no es magia. No es decoración. Es una herramienta—poderosa, sí—pero al igual que cualquier herramienta, necesita contexto, claridad y cuidado.
Como diseñadores de UX, nuestro trabajo no es hacer que algo "se vea inteligente". Es hacer que se sienta correcto. Asegurarnos de que resuelva un dolor real, en el momento adecuado, de una manera que se sienta útil, honesta y confiable.
Descubrimiento Tradicional vs. Descubrimiento con IA: no es la misma bestia
Si alguna vez has liderado un descubrimiento de producto, conoces el procedimiento: mapear los objetivos, hablar con los usuarios, esbozar ideas, probarlas, iterar.
Pero cuando la IA entra en escena, ese guion no se sostiene.
Así es como suele cambiar:
Etapa | Descubrimiento Tradicional | Descubrimiento Potenciado por IA |
|---|---|---|
Estrategia | Definir las necesidades del usuario y los objetivos comerciales | + Evaluar la viabilidad del modelo y los datos disponibles |
Definición | Organizar percepciones, priorizar características | + Construir un POC funcional (sí, con entradas/salidas reales) |
Diseño e Integración | Crear flujos, probar wireframes | Diseñar la experiencia final con interacciones de IA en vivo |
Validación | Probar prototipos de baja/alta fidelidad | Iterar con salidas reales y comentarios de usuarios en cada capa |
Es más desordenado. Más técnico. Y ya no puedes separar el diseño de los datos.
Cuatro Áreas de Enfoque UX que Importan (y Mucho)
Desglosémoslo. Si estás trabajando en un proyecto de IA, estas son las cuatro lentes que no puedes omitir:
1. 📍 Problemas + Datos
A veces, un problema suena genial… hasta que te das cuenta de que no hay datos que lo respalden. O los datos existen, pero están desactualizados, sesgados o son incompletos. Por eso necesitas a tus amigos Científicos de Datos en la mesa desde el primer día. No después de que se complete la interfaz.
2. 🤖 Expectativas de Inteligencia
Aquí hay una verdad que a menudo olvidamos: a los usuarios no les importa si tu modelo es 94% preciso. Lo que realmente les importa es: “¿Me ayudó?”
No se trata de números. Se trata de la sensación de ser comprendido. Diseña para esa sensación.
¿Ejemplo? Un usuario pide ayuda, y la IA dice: “Todavía estoy aprendiendo, pero aquí tienes lo que encontré. ¿Fue útil esto?” Esa una sentencia cambia todo. No eres una máquina. Eres un socio.
3. 🔐 Confianza y Control
Seamos realistas: la IA comete errores. Y cuando lo hace, lo peor que puedes hacer es ocultarlo.
Sé transparente. Muestra cuándo algo fue generado por IA. Deja que los usuarios editen. Déjalos deshacer. La confianza crece en los pequeños detalles.
4. 💬 UX Conversacional o Asistido
Si tu IA habla, la experiencia de usuario es la conversación. Y eso significa:
Evitar respuestas robóticas.
Diseñar mensajes inteligentes.
Usar un tono que coincida con tu marca y el estado de ánimo de tu usuario.
¿Un asistente que responde como una hoja de cálculo? No es útil. ¿Uno que sea conciso, claro y quizás incluso cálido? Mucho mejor.
Herramientas que tienen sentido (y ahorran tiempo)
Entonces, ¿cómo navegamos toda esta complejidad? Con algunas herramientas bien ubicadas:
Canvas de Lean UX (para IA)
Sí, el canvas clásico—pero actualizado. Agrega bloques como “capacidad de IA”, “sesgo de conjunto de datos” o “criterios de éxito para el modelo”, y tendrás una imagen mucho más rica desde el principio.
📊 Mapa de Oportunidades de IA
Piénsalo como una brújula de priorización:
Alto valor para el usuario + Alta viabilidad → Hazlo ahora.
Bajo valor + Baja viabilidad → Elimina esa idea de inmediato.
🧭 Mapas de Decisión + Confianza
¿Tu IA actúa por su cuenta? ¿Pide confirmación? ¿Muestra niveles de confianza? Este mapa te ayuda a decidir qué sucede cuando las cosas salen mal—y lo harán.
🔍 Evaluación de Conjuntos de Datos (desde una perspectiva UX)
No se trata solo de territorio de ciencia de datos. Como UXers, debemos preguntar:
¿Están representados todos los grupos de usuarios?
¿Hay puntos ciegos o sesgos perjudiciales?
¿Llevará este conjunto de datos a experiencias justas?
Si los datos están rotos, la empatía de tu producto también lo está.
Un último pensamiento
“Diseñamos para las personas. Y la mayoría de ellas no están buscando inteligencia artificial. Solo están tratando de hacer algo sin frustrarse.”
La IA nunca debe ser el titular. Debe ser el motor silencioso que hace las cosas más suaves, más inteligentes y más simples.
Nuestra función es moldear esas experiencias—no con miedo o exageración, sino con intención, creatividad y un fuerte sentido de responsabilidad.
Sigamos haciendo mejores preguntas. Y sigamos diseñando para las personas al otro lado de la pantalla.
Caso de éxito
Si te pareció interesante esta sección, quizás también te gusten estos artículos relacionados sobre tecnología, diseño y estrategia digital.
