9 de julio de 2026 · Martina Pérez
IA, tenemos que hacer una retro
¿Qué ocurre con el diseño de producto cuando la IA entra a formar parte del equipo?
Cuanto más usamos la IA, más importante se vuelve mejorar la forma en que colaboramos con estas herramientas, igual que hacemos cuando colaboramos con un equipo.
Los diseñadores solemos tener una gran capacidad de adaptación. Parte de nuestro trabajo consiste en ser empáticos con los usuarios, pero también con otros stakeholders. Cuanto más entendemos a las personas con las que trabajamos, más fácil se vuelve la colaboración y más fluido resulta diseñar y construir algo juntos.
¿Nunca has estado en una reunión y has sabido que puedes ser más o menos directa dependiendo de la persona con la que estés hablando? ¿Cuándo necesitas presentar tu trabajo de forma más concisa a liderazgo? ¿Cuándo necesitas hacerle más preguntas a un ingeniero para obtener el contexto que necesitas y cuándo necesitas hacer menos para no verte abrumada por la cantidad de información?
Interactuar con la inteligencia artificial comparte algunas de estas dinámicas. Con el tiempo, aprendes a desenvolverte en ellas.
Hay algunos temas recurrentes que sospecho que aparecerían en cada retro.
Complacientes
Quiero un compañero, no un fan.
Ayer estaba viendo Demolition Man. Sylvester Stallone interpreta a John Spartan, un duro policía de los años 90 que es congelado criogénicamente y devuelto a la vida para perseguir a Simon Phoenix.
En una escena, un ciudadano escucha a un coach (en ese futuro distópico y complaciente) reafirmar repetidamente sus cualidades.
Me recordó al comportamiento de muchos modelos de IA y a cómo, con el tiempo, esto podría afectar a nuestras propias cualidades como diseñadores.
Pensemos en el siguiente escenario:
Yo: ¿Es verdad que soy la persona más guapa del mundo?
IA: Por supuesto que sí.
Yo: No lo creo. Objetivamente, creo que hay mujeres más guapas.
IA: Sí, tienes toda la razón.
Esto tiene gracia durante unos cinco segundos.
Después, piensa en lo fundamental que es el pensamiento crítico para el diseño.
Cuando estaba diseñando Vagalume, quería entender si era mejor registrar dolores de cabeza y descubrir patrones a lo largo del tiempo, tener una interfaz conversacional desde el principio o explorar otras alternativas.
Yo: Creo que A es la mejor dirección.
IA: Estoy de acuerdo. A es la opción más sólida.
Yo: En realidad, creo que B es mejor.
IA: Tienes razón. B es la dirección más sólida.
Yo: ¿Y qué pasa con C?
IA: En realidad, C podría ser la mejor opción.
Como diseñadores, ¿hasta qué punto es importante el pensamiento crítico? ¿Hasta qué punto es importante cuestionarnos a nosotros mismos y cuestionar otras premisas? ¿Qué ocurre cuando una inteligencia valida constantemente nuestras propias opiniones? ¿Qué efectos puede tener eso con el tiempo?
Van directos a la ejecución
Ponen el foco en las soluciones antes de que nos hayamos puesto de acuerdo sobre el problema.
La IA tiene un extraordinario sesgo hacia la acción. Le pides que revise un plan antes de implementarlo y, a veces, lo implementa antes de revisarlo. Le pides que investigue un problema y empieza a arreglar lo primero que encuentra.
Esto puede ser útil. Pero se vuelve costoso cuando la acción consume tokens, cambia código, crea trabajo que después hay que deshacer o resuelve el problema equivocado antes de entender el problema real.
Cuando estaba rediseñando el layout de Vagalume, además de reorganizar los bloques de contenido, la IA añadió tracking de eventos que yo no había pedido.
No era necesariamente algo malo. Pero en un producto en el que la lógica es especialmente importante y en el que la web tiene que seguir funcionando a medida que se añaden funcionalidades, los cambios que no se han solicitado ni aprobado de antemano se convierten en un problema.
Ni siquiera sabía que se había implementado el tracking. Me enteré más tarde, cuando dije que quería implementar tracking y la IA me dijo que ya lo había hecho. No saber qué ha cambiado a menos que testees todo genera ansiedad.
Así que ahora una de mis instrucciones es:
No implementes nada directamente. Dime cuál es tu plan antes de hacer ningún cambio.
Demasiado seguros de sí mismos
Suena igual de seguro cuando sabe algo como cuando no lo sabe.
El otro día le pedí a Claude que implementara una funcionalidad para descargar un PDF con el resumen de un episodio de dolor de cabeza.
Empezó a trabajar en ello y, cuando terminó, afirmó que todo estaba hecho. Me dio una lista de puntos especificando los cambios que había realizado.
Fui a probar la funcionalidad. El botón de descarga estaba ahí. Podía descargar el PDF. El PDF estaba vacío.
Como norma, siempre pruebo los cambios. Pero a veces, cuando hago muchos cambios pequeños al mismo tiempo, no lo pruebo todo. Siempre hay un alto nivel de incertidumbre sobre la calidad de lo que se implementa.
Cuando le dije a Claude que el PDF estaba vacío, me dijo que tenía toda la razón. E inmediatamente empezó a implementar de nuevo.
Así que ahora le pido:
Dime qué sabes, qué estás deduciendo y de qué no tienes certeza.
Consideran sólo aquello que señalas
Las herramientas de IA no siempre miran el sistema en su conjunto para entender por qué el problema sigue apareciendo.
Dices que la tarjeta de patrones es demasiado estrecha. La hacen más ancha. Dices que la narrativa es repetitiva. Eliminan la repetición.
Pero la pregunta más valiosa suele ser:
¿Por qué está apareciendo este problema en el sistema?
Algo parecido ocurrió con los patrones de Vagalume: observaciones que aparecen con el tiempo después de registrar dolores de cabeza.
Mi primer impulso fue mejorar la frase. Después, detectar combinaciones. Pero cuando revisamos todo el sistema de patrones, el problema real era otro: el sistema detectaba hechos independientes, pero la narrativa hacía que parecieran relacionados.
El problema era que la lógica decía una cosa y la interfaz daba a entender otra.
No te dicen lo que han hecho
Lo que hace difícil saber qué ha cambiado, qué sigue pendiente y qué podríamos estar haciendo dos veces por accidente.
Le pides a la IA que haga algo específico y, además de hacer lo que le has pedido, de repente añade tracking de eventos, cambia una dependencia, refactoriza algo relacionado, añade SEO o resuelve un problema que no le habías pedido que resolviera.
Puede que el resultado incluso funcione, pero ahora tienes un problema diferente: ya no entiendes el estado de tu propio sistema.
Estaba haciendo cambios en la animación del hero de mi web. En ese momento no estaba trabajando ni en SEO ni en analítica, pero, por alguna razón, la IA añadió tracking de la profundidad de scroll a la página de inicio.
Más tarde, le pedí que auditara qué trabajo de SEO necesitaba la web. Durante ese proceso, me di cuenta de que había cosas que ya se habían implementado y que yo no sabía que estaban ahí.
Esto no es simplemente un problema de calidad de la IA. Es un problema de costes. Cada vez que la IA ejecuta algo, consume tokens, lo que significa que consume tus créditos.
Cuando se trata de cambios importantes, ahora le pido explícitamente:
Dame una lista completa de los cambios que has hecho. No omitas nada.
Trabajar con IA también nos cambia a nosotros
Cuanto más trabajo con IA, menos me interesa preguntarme si puede sustituir a los diseñadores. Me interesa más lo que les ocurre a los diseñadores cuando trabajan con ella.
¿Qué ocurre con nuestro criterio cuando las sugerencias suenan a evidencia? ¿Con nuestra comprensión, cuándo cambia el sistema más rápido de lo que podemos digerir? ¿Con nuestro pensamiento crítico, cuándo el espejo sigue diciéndonos que tenemos razón?
Cuanto más trabajamos con la IA, más conscientes debemos ser de lo que la IA puede hacernos con el tiempo.
Así que ahí lo tienes, AI. Por favor, actúa sobre el feedback de tu retro.