Revisión experta sin usuarios: heurísticas y recorrido

Se puede evaluar una interfaz sin usuarios cuando la pregunta es si incumple una pauta conocida o si alguien que llega por primera vez logra aprender el flujo. Para saber qué entiende de verdad la persona, solo responde una prueba con usuarios. Los tres métodos de inspección más usados contestan preguntas distintas, y elegir el equivocado deja una lista larga de hallazgos que nadie sabe priorizar.

Inspeccionar no es probar con usuarios

En la inspección, quien mira la pantalla es alguien del equipo con una vara de medir en la mano. En la prueba, quien mira es la persona que va a usar el producto, sin vara ninguna. Eso es lo que define lo que cada método puede encontrar.

La guía del NN/g para hacer una evaluación heurística (en inglés) es clara sobre el límite: el método sirve para estirar un presupuesto corto de investigación y no reemplaza la investigación con usuarios. La misma guía propone un uso que suele pasar desapercibido. Hacer la inspección antes de una prueba indica dónde conviene concentrar las tareas de la sesión.

O sea, la revisión experta funciona como un filtro previo. Saca del camino el problema obvio, que sería una sesión desperdiciada con un participante, y deja la prueba libre para lo que solo una persona real revela.

Evaluación heurística: la interfaz frente a una vara

La vara más usada son las diez heurísticas de usabilidad de Jakob Nielsen (en inglés), aunque el método acepta cualquier conjunto de pautas. Un producto de nicho puede sumar pautas de su propio dominio a las diez.

Hay cuatro decisiones de ejecución que cambian el resultado:

Cuántas personas: un evaluador solo se pierde problemas, por mucha experiencia que tenga. La recomendación es de tres a cinco evaluadores sobre la misma interfaz.
Independencia: cada uno evalúa por su cuenta y solo ve las notas de los demás al terminar. Si la hoja de cálculo es compartida, queda cerrada hasta entonces.
Alcance: una tarea, una sección, un grupo de usuarios o un tipo de dispositivo a la vez. Cuanto más acotado, más detallado sale el registro.
Dos pasadas: la primera sirve para conocer el sistema, sin evaluar nada. La segunda busca incumplimientos, con un límite de una a dos horas.

Después viene la consolidación en grupo. Ahí el equipo discute en qué coincide, en qué no y qué problema necesita datos antes de convertirse en una corrección.

Incumplir una heurística no confirma un defecto

Aquí es donde la evaluación heurística más confunde a quien empieza. Un incumplimiento es un problema candidato, no uno confirmado. La guía del NN/g muestra un menú escondido detrás de un ícono que incumple la heurística de reconocer antes que recordar y que, aun así, puede ser la decisión correcta en una pantalla pequeña.

La regla práctica sale de una frase de Nielsen citada en la misma guía: “no deberías apostar a que tu diseño es una de las pocas excepciones”. Si vas a incumplir una pauta a propósito, necesitas investigación con usuarios que respalde la excepción, no un argumento en la reunión.

Recorrido cognitivo: una tarea con los ojos de quien nunca vio la pantalla

El recorrido cognitivo apunta a otra cosa. No juzga la interfaz completa frente a pautas, sino si un usuario nuevo aprende a completar una tarea concreta. El artículo del NN/g sobre recorridos cognitivos (en inglés) cuenta su origen: el método nació en 1990, con Clayton Lewis y colegas, para evaluar cajeros automáticos y quioscos, donde nadie recibe formación antes de usarlos.

La sesión es un taller con roles definidos. Un facilitador ejecuta la tarea y se detiene en cada pantalla. Un relator anota las respuestas. Todo el grupo evalúa, y puede incluir gente de producto, ingeniería y expertos del dominio. En cada paso, el grupo responde cuatro preguntas:

¿La persona intentará llegar al resultado correcto en este paso?
¿Notará que la acción correcta está disponible?
¿Asociará esa acción con el resultado que busca?
Después de actuar, ¿verá que avanzó hacia su objetivo?

Un solo no reprueba el paso entero. Al final, el grupo reúne los puntos de falla y decide qué rediseñar.

El mismo artículo advierte dónde el método sobra. Un flujo que sigue un patrón conocido, como el checkout habitual de una tienda, no necesita tanto detalle, porque casi todo el mundo llega con el modelo mental ya armado. El recorrido compensa en flujos nuevos, complejos o sin parecido con lo que la persona ya conoce.

Cuál de los dos usar

La elección depende de la pregunta que el equipo necesita responder:

	Evaluación heurística	Recorrido cognitivo
Punto de vista	el evaluador	el usuario nuevo
Qué juzga	usabilidad general	aprendizaje de la tarea
Alcance	producto completo o una sección	tareas elegidas de antemano
Mejor uso	detectar incumplimientos temprano	flujos sin patrón conocido

Los dos pueden aplicarse en el mismo ciclo, y el NN/g reconoce que parte de los hallazgos se repetirá. Si solo hay tiempo para uno, el criterio es sencillo. Un producto con patrones de mercado pide heurísticas, y una herramienta interna con un flujo inédito pide recorrido.

La gravedad ordena la cola, y una sola persona no alcanza

Una lista de cincuenta hallazgos sin orden no le sirve a nadie. En 1994 Jakob Nielsen propuso una escala de gravedad de 0 a 4 (en inglés), que va de “no es un problema de usabilidad” a una catástrofe que impide el lanzamiento. La nota combina la frecuencia, el impacto y la persistencia del problema, más el efecto que puede tener en el mercado.

Más que la escala, importa cómo se aplica. Durante la sesión, el evaluador está ocupado buscando problemas y puntúa mal. Por eso la gravedad se asigna después, sobre la lista consolidada, con una descripción suficiente para quien no vio ese hallazgo. Cada evaluador puntúa sin ver las notas de los demás.

Nielsen escribe que la nota de un solo evaluador es demasiado inestable para confiar en ella. El promedio de tres alcanza para la mayoría de las decisiones prácticas.

La rúbrica cambia opinión por criterio

Cuando la revisión tiene que convencer a gente escéptica, una nota por ítem funciona mejor que una lista de impresiones. El NN/g armó una rúbrica de puntuación para mensajes de error (en inglés) con doce pautas en tres dimensiones: visibilidad, comunicación y eficiencia. Cada pauta recibe una nota de 1 a 4, el promedio se traduce en una calificación de A a D y un gráfico por dimensión muestra dónde pierde puntos el mensaje.

La rúbrica vale la pena porque mejora la decisión. Juzgar muchos factores a la vez lleva a peores decisiones, y la rúbrica obliga a juzgar uno por uno frente a un estándar escrito. Las instrucciones repiten la lógica de la evaluación heurística: el equipo repasa los criterios en conjunto, cada persona puntúa en privado y las notas se combinan al final.

El artículo también dice para quién es la herramienta. En organizaciones con poca madurez en UX, quien señala un problema suele escuchar que es una opinión personal. Una nota atada a criterios publicados saca la conversación de ese terreno. El contenido de las pautas de error está en errores de formulario, y la técnica de la rúbrica sirve para cualquier conjunto de pautas que el equipo quiera medir.

Una heurística no es un principio ni un patrón

Los equipos mezclan estos términos y después discuten sin notar que hablan de cosas distintas. El texto del NN/g sobre tipos de guía de diseño (en inglés) separa cuatro capas. Un principio es una declaración de valores del producto y cambia de empresa a empresa. Una heurística es una regla general de usabilidad, vale para cualquier interfaz y sirve para evaluar. Un patrón es una solución reutilizable para un problema recurrente y vive en el design system. Un acuerdo de equipo describe cómo trabaja y decide el equipo.

En la revisión, esto tiene un efecto práctico. Evaluar una pantalla frente a los principios de la marca es otra actividad, útil, pero no reemplaza una inspección de usabilidad. Y señalar que un componente se aparta del design system es un hallazgo de consistencia, que solo se vuelve problema de usabilidad si incumple una heurística.

Lo que solo responde una prueba con usuarios

La inspección mide lo que el equipo es capaz de prever. No muestra las palabras que la persona usa para buscar una función, el orden en que realmente lee la pantalla ni el atajo que nadie del equipo imaginó. El contexto de uso también queda afuera, y la guía de evaluación heurística recuerda que la experiencia de usuario depende mucho del contexto.

Por eso la secuencia con sentido es inspección primero y prueba después. La inspección limpia lo obvio, y la prueba con pocos participantes se queda con las preguntas que ninguna vara responde.

Dónde discrepan las fuentes

Los artículos coinciden en que la inspección encuentra problemas reales sin reclutar a nadie. Discrepan sobre qué hacer con el juicio del evaluador. La guía de evaluación heurística confía en él y dice que, con práctica, el evaluador depende cada vez menos de la lista de heurísticas. La rúbrica de errores va en sentido contrario y cambia el instinto por criterios escritos, justamente porque el juicio libre es lo que el resto de la empresa cuestiona.

También difieren en quién participa. La evaluación heurística pide evaluadores que conozcan de usabilidad. El recorrido cognitivo sienta a producto, ingeniería y expertos del dominio en la misma mesa. Elegir entre los dos también define quién del equipo sale de la sesión entendiendo el problema.