IA en el flujo de diseño: dónde ayuda y dónde estorba

La IA corta el costo de producción en el flujo de diseño y deja el costo de la decisión donde estaba. La etapa que genera volumen se vuelve más rápida. La etapa que elige lo que se publica sigue necesitando a una persona que responda por la elección. El error común va al revés: usar IA donde hacía falta criterio y hacer a mano lo que era mecánico.

Qué cambia cuando la IA entra en el flujo

Dos cosas se abaratan, y una no cambia.

La primera es el costo del primer borrador. Opciones de nombre, dirección de layout, un párrafo de texto de ayuda o un esbozo de spec llegan en segundos. Eso sube el número de opciones que el equipo puede mirar de una vez.

La segunda es el costo de la revisión. Todo borrador tiene que leerlo alguien capaz de separar una afirmación correcta de una frase fluida. Esa revisión se vuelve el cuello de botella, así que necesita su propia línea en el presupuesto.

Lo que sigue igual es la forma del flujo. El descubrimiento todavía necesita una pregunta que alguien eligió hacer. La priorización todavía necesita un dueño del trade-off. El criterio visual todavía necesita un ojo que conoce este producto.

Qué etapas son producción y qué etapas son decisión

Separa el flujo en dos columnas antes de abrir cualquier herramienta.

Producción convierte una decisión ya tomada en artefacto:

Opciones de nombre para un componente o una pantalla
Primer borrador de spec, nota de release o artículo de ayuda
Texto reescrito al largo fijo de otro canal
Conversión de formato, llenado de tabla, borrador de traducción
Código repetitivo, dato de prueba, contenido de ejemplo

Decisión elige lo que debe existir:

Qué problema de usuario vale resolver ahora
Cuál de dos diseños es mejor, y por qué
Qué hallazgo de investigación es real y qué es ruido
Qué se va a negar a hacer el producto
Quién paga cuando la cosa se rompe

Hay también un tercer grupo donde da igual: programación de agenda, higiene de archivos, reporte de estado. Automatizarlo es barato y aburrido, y no dice nada sobre tu criterio.

La IA es fuerte en la primera columna y débil en la segunda. Casi todo este texto sale de esa diferencia.

Dónde la IA acelera de verdad

La ganancia es real en cinco puntos, y cada uno tiene un mecanismo detrás.

Borrador para reaccionar. La página en blanco cuesta más que un borrador malo. El modelo resuelve la página en blanco, y el equipo pasa directo a discutir contenido.

Volumen de variantes. Diez opciones de titular en un minuto solo sirven si existe una forma de elegir. La herramienta entrega volumen y tú entregas el filtro.

Formato rígido. Nielsen Norman Group describe su propio uso editorial de la IA (en inglés) para claridad, formato y crítica, con el criterio editorial en manos de personas.

Primera pasada de traducción. Un borrador para editar le gana a un archivo vacío, y nunca reemplaza a un lector nativo.

Explicación a pedido. Una spec densa se vuelve un resumen para otro equipo, lo que acorta la reunión.

El patrón es el mismo en los cinco. La IA acorta la distancia entre una decisión que ya tomaste y el artefacto que la carga.

Dónde la IA estorba

El mayor riesgo no es la respuesta equivocada. Es la respuesta bien escrita.

El modelo produce un párrafo bien formado sobre una necesidad de usuario que nunca observó. El texto suena seguro, y un revisor cansado acepta lo que suena seguro.

Conviene conocer cuatro fallas.

Síntesis de investigación cualitativa. El modelo resume lo que le pegas. El resumen guarda el promedio y descarta la contradicción, la pausa y el tema que el participante evitó. Eso suele ser justamente el hallazgo.

Decisión de prioridad. El modelo ordena opciones por un criterio que le diste. No responde por la consecuencia de ese orden.

Criterio estético. El modelo describe un estilo y genera variaciones de él. No sabe si la pantalla se parece a este producto o se parece a una plantilla.

Números. El modelo produce un valor plausible sin fuente detrás. Un porcentaje sin fuente declarada es adorno, así que este texto explica mecanismo en vez de citar una tasa.

Hay una segunda trampa. Nielsen Norman Group registra que una salida es ejemplo, no evaluación (en inglés), porque el sistema es no determinista. El mismo prompt puede dar una respuesta mejor y una peor. Una prueba de una sola corrida solo dice algo sobre esa corrida. Evaluar salida de IA muestra cómo montar esa evaluación, y IA en la síntesis de investigación aplica el mismo cuidado a la investigación.

Qué no puede salir del control humano

Algunas etapas se quedan con una persona. No porque a la herramienta le falte capacidad, sino porque alguien tiene que responder por ellas.

Dato que identifica a un usuario, y todo lo derivado de él.
Información sensible: salud, dinero, situación legal, credencial, menor de edad.
Cualquier decisión que cambie el resultado de alguien, como una aprobación, un rechazo, un precio o un bloqueo.
Publicación con nombre. Nielsen Norman Group afirma la posición sin rodeos (en inglés): la IA puede ayudar a escribir un artículo, pero no puede firmarlo.
La línea de divulgación. Donde la regla exige etiqueta, aplicar la etiqueta es trabajo humano.

La Usage Policy de Anthropic (en inglés) traza la misma frontera del lado del proveedor. Separa estándares universales de casos de uso de alto riesgo dirigidos al consumidor.

Los principios de IA de Google (en inglés) agregan un compromiso público a la misma frontera. La página nombra supervisión humana, seguridad, privacidad y equidad como obligaciones, no como funciones.

El capítulo sobre errores y falla del People + AI Guidebook, de Google, agrega la mirada de producto. Ese capítulo (en inglés) pide que el equipo defina qué cuenta como falla y le ofrezca al usuario una salida.

Cómo revisar lo que produjo la IA

Pide la fuente de cada afirmación factual. Sin fuente, sin afirmación.
Verifica cada número en un documento primario, nunca en la respuesta anterior del propio modelo.
Corre el mismo prompt tres veces y compara las salidas. La diferencia muestra dónde el sistema está inseguro.
Lee el texto como argumento. Anota qué afirma y qué probaría que está equivocado.
Prueba la salida en el caso límite que mejor conoces. Ahí es donde la falla aparece primero.
Presupuesta la revisión como tarea propia. Pasar la vista no es revisar.
Registra quién aprobó la versión final.

Cómo decidir qué automatizar sin perder el criterio

Automatiza la etapa cuya prueba de aceptación cabe en una frase. Si no puedes escribir esa frase, la etapa todavía necesita a una persona.
Automatiza la etapa que se repite con la misma forma de entrada. La variación en la entrada es la señal para mantener a un humano en el circuito.
Nunca automatices la etapa que decide para qué sirven las otras.
Mantén la decisión visible después de la automatización. Cuando la elección desaparece dentro de una herramienta, perdiste el criterio, no el trabajo.
Revisa cuando cambie el modelo. Una versión nueva mueve la distribución de las salidas, y la prueba vieja puede ya no medir nada.
Trata cada marcha atrás como dato. El momento en que deshaces una decisión automatizada es el momento en que la frontera estaba en el lugar equivocado.

Nielsen Norman Group documenta a investigadores que automatizaron reclutamiento, programación de sesiones y preparación de datos (en inglés). Su regla es correr en lotes pequeños, para que una persona todavía revise la mezcla de participantes.

Dónde las fuentes divergen

Dos artículos de NN/g apuntan hacia lados distintos sobre quién define el método. El artículo de operaciones de investigación (en inglés) pone al equipo de operaciones al mando: analizar el flujo, pilotar la herramienta con un grupo pequeño y después sostener la adopción. El artículo de proceso editorial (en inglés) rechaza ese movimiento, porque el NN/g no prescribe cómo debe escribir o pensar el autor.

Los dos coinciden en la frontera que importa. La herramienta puede aportar palabras, y una persona con nombre responde por lo que se publica. El artículo de evaluación (en inglés) agrega la misma regla desde la medición: una corrida muestra que el sistema hace la tarea una vez, no que la hace con confiabilidad.

Una semana de trabajo en esto

Elige una etapa de producción y una de decisión en tu flujo, y etiqueta las dos.
Entrega la etapa de producción a una herramienta, con una prueba de aceptación escrita.
Mantén la etapa de decisión en una sala con dueño con nombre.
Suma las horas de revisión al plazo antes de arrancar el trabajo.

Después escribe la frontera. Una regla que puedes señalar sobrevive a una herramienta nueva y a una persona nueva.