Versión Libre

DISEÑO ARTIFICIAL

Diseño Artificial.
Disrupción de la inteligencia artificial en
el diseño de experiencias y productos
digitales.

Gustavo Soto Miño

GUSTAVO SOTO MIÑO

2
 DISEÑO ARTIFICIAL

© 2023 por Gustavo Soto Miño. Todos los derechos reservados.

Queda prohibida la reproducción total o parcial de esta obra, por

cualquier medio o procedimiento, sin la autorización previa y por
escrito del autor y del editor.

Primera edición: Junio, 2023

3
GUSTAVO SOTO MIÑO

Acerca del autor.

MSc en Human Computer Interaction, University College London,
Reino Unido. Máster en Comunicaciones, UDD. Diplomas en
Ergonomía, UdeC; Marketing Digital, UDD, y Liderazgo, PUC.
Especializaciones en Oxford University y MIT, además cuenta con
una especialización en Behavioral Economics de Irracional Labs y
fue parte del Cohort de Reforge en 2022.

Ha liderado equipos de consultoría para múltiples industrias, como

la banca, seguros, minería o telecomunicaciones, dirigiendo
proyectos de gestión de experiencia para grandes empresas y
ayudando a las organizaciones a generar un diferencial competitivo
y cuantificable desde el diseño de experiencias y productos digitales.

Fue director de Estudio en Fjord (parte de Accenture Interactive) y

Senior Manager en Accenture, Head of Digital Growth en WOM
Chile, Head of Product Design en Justo (YC20) y tesista en UCL, entre
otras organizaciones. Es profesor de posgrado en la Universidad de
Chile y la Pontificia Universidad Católica de Chile y tiene experiencia
docente por más de 12 años.

4
 DISEÑO ARTIFICIAL

Agradecimientos.
Antes que todo, quisiera agradecer a mi familia, a quienes amo y
admiro. Además, siempre han estado a mi lado brindándome apoyo
y aliento durante cada paso de mi carrera profesional y desarrollo
personal.

Un agradecimiento especial también a mis colaboradores y amigos,

cuya experiencia, conversaciones y cuestionamientos me han
ayudado un montón para lograr un entendimiento de los desafíos e
ideas planteadas en este libro.

Agradecer también a ese grupo de early adopters, quienes me

dejaron valioso feedback en el experimento que armé; un libro sobre
diseño y productos digitales debía tener al menos una iteración
validada con usuarios. Muchas gracias.

Quiero agradecer a cada uno de los lectores y lectoras que se han

dado el tiempo para detenerse un instante de sus vidas y tomar este
libro. Mi objetivo al escribirlo ha sido compartir mis conocimientos y
reflexiones y, en lo posible, ayudar a otros a comprender el impacto
y el potencial de la inteligencia artificial en el diseño de experiencias.
Espero que encuentren en estas páginas información valiosa y útil
que les ayude a crear productos y a hacer crecer la reflexión.

Por último, quisiera agradecer especialmente a mi abuelo Nelson, mi

gran ejemplo de trabajo, pasión e integridad.

5
GUSTAVO SOTO MIÑO

Dedicado a Dominga, Santiago y Chechi.

6
 DISEÑO ARTIFICIAL

7
GUSTAVO SOTO MIÑO

Índice.

Acerca del autor. .................................................................................. 4

Agradecimientos.................................................................................... 5

Índice. ...................................................................................................8

Un experimento antes de partir. .......................................................... 12

Prólogo. .............................................................................................. 14

Disclaimers.......................................................................................... 22

Glosario. Antes de partir, un par de conceptos. .................................... 24

Capítulo 1. Diseño de experiencias y productos digitales en la

actualidad. ........................................................................................ 30

1.1 Roles en experiencia de usuarios ..................................................... 32

1.2 Madurez de experiencia, madurez de producto y metodología ........ 37

1.2.1 Madurez de experiencia................................................................ 37

1.2.2 Madurez de producto digital ........................................................ 48

1.2.3 Metodología y respuesta a la madurez del producto y la

organización........................................................................................ 56

Capítulo 2. La inteligencia artificial y su disrupción en el diseño de

experiencias y productos digitales. ................................................. 62

2.1 Breve presentación de la inteligencia artificial ................................. 63

2.2 Convergencia entre la inteligencia artificial y la metodología del

diseño de experiencias ........................................................................ 68

8
 DISEÑO ARTIFICIAL

2.3 Etapa de discovery ......................................................................... 69

2.3.1 Entrevistas con usuarios .............................................................. 69

2.3.2 Observación................................................................................. 71

2.3.3 Investigación de mercado o segmentos ........................................ 73

2.3.4 Análisis de tendencias ................................................................. 76

2.3.5 Benchmark .................................................................................. 79

2.4 Etapa de definir ............................................................................. 83

2.4.1 Mapas de empatía ....................................................................... 83

2.4.2 Jobs to be done ............................................................................. 86

2.4.3 Personas / Arquetipos ................................................................. 90

2.5 Etapa de desarrollar....................................................................... 94

2.5.1 Creación de prototipos e interfaces .............................................. 94

2.5.2 Storyboarding ............................................................................. 98

2.6 Etapa de delivery .......................................................................... 101

2.6.1 Tests con usuarios ...................................................................... 102

2.6.2 Pruebas A/B: ..............................................................................109

2.6.3 Evaluación heurística .................................................................. 111

Capítulo 3. Retos y consideraciones éticas de la convergencia entre

la inteligencia artificial y la experiencia. ........................................ 115

3.1 Recopilación y almacenamiento de datos ........................................ 115

3.2 Consentimiento del usuario ........................................................... 117

3.3 Perfiles de usuario y segmentación.................................................118

3.4 Sesgos y discriminación ................................................................. 121

9
GUSTAVO SOTO MIÑO

3.5 Propiedad intelectual y derechos de autor ..................................... 127

3.6 Ética y behavioral economics ..........................................................129

3.6.1 En incentivos ............................................................................. 130

3.6.2 Anclajes (anchoring) ................................................................... 131

3.6.3 Efectos de enmarcado (frame effect) ............................................ 132

Capítulo 4. Tensiones del mercado, la demanda por la eficiencia y

cumplir con las nuevas expectativas de los usuarios. ................... 133

4.1 Eficiencia en los procesos y metodología de diseño de experiencia y

productos digitales ............................................................................. 135

4.2 Eficiencia en los procesos generativos de diseño de experiencia y

productos digitales ............................................................................ 139

4.3 Cambios en el modelo operativo, un llamado de atención al liderazgo

.......................................................................................................... 141

4.4 La tensión desde el mercado. Las nuevas expectativas de los usuarios

pospandemia..................................................................................... 144

4.4.1 Tiempo y promesa ..................................................................... 146

4.4.2 Disponibilidad............................................................................147

4.4.3 Facilidad de escoger .................................................................. 148

4.4.4 Facilidad de cancelar un servicio ............................................... 149

4.4.5 Facilidad de hacerse cliente ....................................................... 150

4.4.6 Facilidad de entender ................................................................ 151

Capítulo 5. Un capítulo dedicado a la inteligencia artificial escrito

por “ella”. ........................................................................................ 153

10
 DISEÑO ARTIFICIAL

5.1 Lo que tú nos quieras decir ........................................................... 153

5.2 Recomendaciones del modelo a las personas................................. 155

Capítulo 6. Futurología. .................................................................. 159

6.1 Cambios en los próximos cinco años ............................................. 163

6.2 Cambios en los próximos 10 años .................................................. 164

6.3 ¿Cómo prepararse para el futuro próximo? ................................... 165

Capítulo 7. Herramientas de inteligencia artificial para el diseño de

experiencias y productos digitales. ................................................ 169

Bibliografía. ....................................................................................... 175

¿Tienes un minuto para darme feedback?.............................................181

11
GUSTAVO SOTO MIÑO

Un experimento antes de partir.

¿Qué sería de un libro que aborda la experiencia como campo, sin al
menos un proceso de iteración? Pues sería sin dudas un oxímoron.
Por lo mismo, antes de publicar este texto que tienes en tus manos
hice un pequeño experimento en el cual, regalé las primeras 20
páginas y luego pedí feedback. Esto lo hice persiguiendo 2 objetivos
particulares:

1. Primero, entender con cuántas ganas quedaron los lectores

de seguir leyendo el libro después de recorrer las primeras
páginas.

2. Segundo, comprender qué tan fácil les resultó la lectura

dado el uso del lenguaje. Principalmente porque tenía la
inquietud de terminar o con un manual muy técnico y
académico o con un texto muy superficial.

Participaron en total 133 personas. Y los resultados finales que

me sirvieron para iterar fueron:

1. Ganas de seguir leyendo; un puntaje de 8,4 de 10.

2. Lenguaje utilizado; un puntaje de 7,8 de 10.

Por lo tanto, para mejorar el lenguaje, le pedí ayuda a un editor

(¡muchas gracias Javier!) quien revisó y suavizó un montón de

12
 DISEÑO ARTIFICIAL

fricciones lingüísticas; por mi parte, corregí el texto para dejarlo más

ameno, cercano y comprensible.

Espero que ahora ambos indicadores mejoren y que esta experiencia

de lectura sea un placer para ti.

Si estás leyendo desde el formato digital, probablemente estés

leyendo una iteración futura de este texto. Este libro es un producto,
y como tal, evoluciona.

Si estás leyendo desde el papel, lamentablemente el contenido no

puede evolucionar, pero tienes otro tipo de beneficios. Al final del
día, no hay como leer en papel ¿No?

¡Comencemos!

13
GUSTAVO SOTO MIÑO

Prólogo.
Desde el principio de los tiempos, los seres humanos hemos sido
testigos de avances tecnológicos sin precedentes. Cada cierta
cantidad de años se yergue o levanta un nuevo avance y disrupción
que promete transformarlo todo. Sin embargo, muchas veces no nos
damos cuenta del esfuerzo que hay detrás; quizás lo invisibilizamos
o simplemente sufrimos de miopía ante este fenómeno. Pero ¿por
qué miopía?

Porque pareciese que estos avances surgieron por combustión

espontánea, como si fuesen una epifanía que se distribuye
inmediatamente por el mundo, desconociendo, a veces, cientos de
años de investigación y desarrollo. Vemos con claridad los sucesos
cercanos, pero aquellos que son de otros tiempos y toda la
investigación que los sustenta se vuelven nebulosos y poco claros
para nosotros, las personas comunes y corrientes.

Son muchas las tecnologías que, si no llegan a hacerse masivas y no

logran penetrar los mercados globales, pareciesen no existir; hasta
que aparecen en los medios masivos y todas y todos comenzamos a
hablar de ellas. A este fenómeno lo podemos llamar un hype, un
neologismo usado para denominar algo que está en boca de todas y
todos.

Al comenzar a escribir este libro, a inicios de 2023, las noticias sobre

inteligencia artificial (IA) atraviesan nuestros ojos y sentidos día a

14
 DISEÑO ARTIFICIAL

día; están en la televisión, en las redes sociales y hasta en los

periódicos. Todo el mundo habla de esto y, por lo mismo, parece
haber tanta información como desinformación.

Es natural, un tema complejo, el cual no es fácil de digerir. ¿Qué

diría mi abuelo a sus casi 90 años sobre la IA? Quizás algo muy
diferente de lo que respondería mi hija de 11 años. Cada uno tiene
una hipótesis de qué está pasando y, sobre todo, cuál será el
impacto de estos avances sobre el día a día de sus propias vidas. Al
final, la reflexión privada de cada persona es “¿Cómo me afecta esto
a mí, o a mi familia? ¿Cómo impacta en mi carrera, en mi
profesión?”.

En estas páginas que vas a explorar, me enfocaré principalmente en

esa última pregunta, la cual [te lo advierto] no cuenta con una
respuesta definitiva. No obstante, si tienes este libro y te dedicas a
crear experiencias o productos digitales para los demás, creo que
habla muy bien de ti y de tu habilidad para anticiparte. Estoy
convencido de que la discusión debería conducirnos hacia un plan
para enfrentar el futuro.

Por cierto, en una charla que dicté en la universidad hace unas

semanas sobre este tema, hubo un comentario que me quedó
resonando:

15
GUSTAVO SOTO MIÑO

“La inteligencia artificial no nos va a quitar el

trabajo, sino quienes la aprendan a manejar y
usar, en su propio beneficio”.

Y es que uno de los grandes desafíos que propone esta nueva

realidad de la IA y el boom de herramientas aplicadas, es entender
cómo va a cambiar el futuro del trabajo para miles de personas. Los
mismos investigadores de Open AI lanzaron un estudio en el que dan
cuenta de que casi el 80% de la fuerza laboral se verá en algún grado
impactado por la IA (Eloundou, Manning, Mishkin, & Rock, 2023). A
pesar de sonar redundante, esto se traduce en que casi todo el
mundo, es decir, ocho de cada diez personas verán un cambio en su
trabajo diario.

Este libro tiene un enfoque sobre un campo limitado;

particularmente, busca explorar cómo la IA está transformando e
impactando el campo del diseño de experiencias y productos
digitales, cambiando tanto la manera en que los diseñadores o
profesionales del rubro trabajan [para lo cual usaré un término muy
usado en consultoría, el de “modelo operativo”], y también busca
indagar cuál podría ser el impacto de la aplicación de estas
herramientas en los denominados “usuarios finales”, o mejor dicho,
en las personas que consumen los productos y servicios en el día a
día.

¿Por qué me parece relevante abrir esta conversación? Porque, sin

lugar a duda, durante los últimos años el diseño de experiencias y

16
 DISEÑO ARTIFICIAL

productos se ha convertido en un componente crucial en el

desarrollo de productos y servicios, y ha sido ampliamente
reconocido como un factor clave y diferenciador para el éxito de
muchas empresas. La consultora McKinsey (The business value of
design, 2018) encontró hace algunos años una relación directa entre
las empresas que realmente invirtieron en diseño —liderazgo,
prácticas y foco— y sus resultados del negocio, con relaciones de
hasta 32% adicional de ingresos al cabo de cinco años
[impresionante]. Este tipo de acercamientos ha propiciado el boom
que podemos ver hoy en grandes compañías donde el diseño ha
tomado un espacio importante y relevante. En este sentido, ha
generado una enormidad de puestos de trabajo, estructuración de
grandes operaciones y un respeto irrestricto por las prácticas y
métodos para diseñar mejor y con mayor impacto.

Sin embargo, debemos recordar siempre que el diseño de

experiencias, como campo de conocimiento y práctica, no es
estático ni tiene una receta única conducente al éxito; al contrario,
evoluciona constantemente en respuesta a las cambiantes
necesidades de los usuarios y al desarrollo de nuevas tecnologías. Y
esto que suena evidente, es bastante complejo, porque el diseño de
experiencias es tan móvil como la evolución de las
expectativas de los usuarios, y tan variable como la velocidad
con que la tecnología nos permita desplazarnos.

17
GUSTAVO SOTO MIÑO

Si bien las bases de este campo del conocimiento

tienen fundamentos muy sólidos y se estructuran
desde un ámbito complejo de la intersección de
muchas disciplinas, la manera en que los usuarios
interactúan con los productos y servicios, y sobre
todo cómo la digitalización toma impensadas
aristas y un protagonismo preocupante en
nuestras vidas, hace que la reflexión constante
sobre los ejes estructurales de lo que
denominamos “experiencia” sea un ejercicio
crucial.

Esta reflexión es incluso más relevante cuando aparecen estas

tecnologías emergentes, con potencial de cambio y desarrollo, como
la IA. Esta se ha establecido como una de las más prometedoras
durante el último año, puesto que ofrece nuevas oportunidades y
múltiples desafíos para los diseñadores de experiencias y productos
(Wong & Kankanhalli, 2021), y para ser honestos, lanza la promesa
de revolucionarlo todo.

Y es que la IA, como campo general de conocimiento y práctica, ha

experimentado un crecimiento explosivo; sobre todo, en las últimas
décadas. El avance en áreas como machine learning, la visión por
computadora y el procesamiento del lenguaje natural ha permitido a
la IA abordar una amplia gama de problemas que, podríamos
señalar, antes eran dominio exclusivo de la inteligencia humana

18
 DISEÑO ARTIFICIAL

(Russell & Norvig, 2021). Estos adelantos, modelos y prácticas en la

IA han comenzado a penetrar en el ámbito del diseño de
experiencias y productos, ofreciéndole a los diseñadores nuevas
herramientas y enfoques para abordar problemas complejos y
mejorar la calidad de las interacciones entre humanos y sistemas.
Esto, sin dejar de lado que [parafraseando a un superhéroe muy
famoso y reputado] con grandes oportunidades, aparecen también
grandes responsabilidades.

El objetivo principal de este libro que tienes en tus manos es

examinar cómo la IA está impactando y alterando el campo del
diseño de experiencias y productos digitales. A lo largo de sus
capítulos [que no son muchos, no te asustes] exploraremos temas
como el uso de IA y su impacto en las diferentes etapas del
desarrollo de un producto digital o experiencia; sus implicancias
éticas y los sesgos al momento de diseñar, y mi proyección, como
autor, sobre cómo creo que el mercado va a ir evolucionando y
demandando nuevos conocimientos y, sobre todo, eficiencias.

¿Qué esperaría que pasara en el minuto en que terminas de leer este

libro? Pues, que sigas la reflexión. Este libro es una guía reflexiva
sobre los desafíos que se vienen por delante, no es un recetario
mágico ni tampoco es un texto de verdades absolutas. Es un libro
que busca abrir una conversación compleja en palabras simples [eso
espero, porque se lo compartí a un familiar y no entendió nada]. De
hecho, como ejercicio al lector matemático, hago un desafío para,
sin lugar a duda, encontrar más preguntas que respuestas.

19
GUSTAVO SOTO MIÑO

En el primer capítulo realizaré una pequeña introducción de los

conceptos fundamentales de la UX/DPE y al entendimiento
actualizado sobre la práctica, de manera que se analizarán modelos
de operación y madurez.

En los capítulos subsiguientes exploraremos temas más específicos

relacionados con la intersección de la IA y la UX/DPE, como por
ejemplo, el impacto directo de una sobre otra. También
abordaremos el papel de la IA en la optimización y evaluación de la
experiencia del usuario, así como los desafíos éticos que surgen de la
incorporación de la IA en el diseño de experiencias.

Finalmente, concluiremos con una discusión sobre las tendencias y

expectativas futuras en el campo de la IA y el diseño de experiencias.
A su vez, exploraremos cómo la IA podría continuar evolucionando
y cómo esta transformación podría afectar tanto el trabajo de los
diseñadores como la forma en que los usuarios interactúan con los
productos y servicios digitales. Siempre invitando a la reflexión.
¡Bienvenidos!

20
 DISEÑO ARTIFICIAL

21
GUSTAVO SOTO MIÑO

Disclaimers.1

Más allá del rápido avance tecnológico vivido en estos últimos años,
es importante reconocer que la intersección entre el diseño y la
inteligencia artificial (IA) aún se encuentra en sus primeras etapas de
desarrollo. A medida que evolucionan y se entrelazan, surgen
oportunidades emocionantes y desafíos inesperados, y nos brindan
una visión de un futuro lleno de posibilidades y potencial sin
explotar.

Sin embargo [siempre hay un pero], es crucial abordar estas

temáticas con humildad y cautela. El efecto Dunning-Kruger nos
advierte que, a menudo, las personas pueden [o podemos]
sobrestimar su conocimiento y habilidades en un área en particular;
especialmente cuando son principiantes o tienen un conocimiento
limitado sobre el tema (Kruger & Dunning, 1999).

Como autor, debo reconocer que, si bien he tratado de presentar

una visión amplia sobre el impacto y la disrupción de la IA en el
diseño de experiencias, es probable que haya aspectos que todavía
no entienda completamente o que no haya abordado en este libro.

1
Es la sección de un libro donde el autor se anticipa y pide disculpas, o bien les
advierte a las lectoras y lectores sobre las competencias insuficientes para abordar un
tema.

22
 DISEÑO ARTIFICIAL

Es fundamental reconocer y aceptar ciertas

limitaciones y fomentar un enfoque de
aprendizaje continuo y adaptabilidad en nuestra
exploración de la interacción entre el diseño y la
IA. A medida que la IA continúa avanzando y
desentrañando nuevos desafíos y oportunidades,
es esencial mantenernos abiertos al conocimiento,
a la colaboración y al intercambio de ideas.

Este libro es sólo una introducción a un mundo en constante cambio

y crecimiento. A medida que avanzamos en el tiempo, es nuestro
deber como diseñadores, desarrolladores, académicos y entusiastas
de la IA continuar aprendiendo, adaptándonos y evolucionando, y
buscar siempre nuevas formas de aprovechar la IA para mejorar y
enriquecer nuestras experiencias y nuestro mundo.

La pregunta de rigor

Hay una pregunta que me hicieron incluso antes de comenzar a

escribir este libro: “¿Se usó alguna herramienta de IA para su
creación?”. Sí, dos. Primero, ChatGPT; principalmente, le pedí
ayuda para estructurar ideas, capítulos y asesorarme en
dimensiones que podrían faltar. Sin embargo, cada parte del texto
está compuesta por mis cuestionables y hábiles manos. Segundo, la
portada de este libro también es creada por una herramienta,
Midjourney. El prompt utilizado para generar esta imagen fue:

23
GUSTAVO SOTO MIÑO

Photo of a group of designers. Color Grading, 8k HD, edge light,

realistic lighting and shadows, best picture quality and hyper detail,
3D, C4D, octane rendering, ray tracing, super detailed –ar 16:9 –stylize
1000 –v 5 –q 2 –s 250 –upbeta –

Mientras navegas las páginas de este libro encontrarás, a modo de

ejemplo, dos elementos que requieren una breve explicación:

Cuando leas prompt significa que el texto que lo procede fue

íntegramente puesto en la herramienta ChatGPT versión 4 de pago.
Lo destaco puesto que recibí muchas consultas sobre el output del
chat con los ejemplos que menciono en el libro, y los resultados son
muy distintos.

El producto de dicha instrucción aparecerá abajo con la etiqueta

“Resultado”.

Estos ejercicios y resultados fueron ejecutados y documentados

durante el mes de abril de 2023 y cuentan con los sesgos,
actualización e información de modelos hasta dicha fecha.
Todos estos textos expuestos bajo “Resultado” no tienen
modificación alguna del autor de este libro

Glosario. Antes de partir, un par de

conceptos.

24
 DISEÑO ARTIFICIAL

Antes de sumergirnos en este libro sobre el impacto de la

inteligencia artificial en el diseño de experiencias, creo importante
dar un pincelazo breve en los conceptos fundacionales más
relevantes para entender las reflexiones expuestas. Para ello,
propongo un simple glosario con 3-4 líneas de explicación por cada
concepto, principalmente para estar 100% alineados e informados.

¿Por qué un glosario? Bueno, hoy en día la cantidad de información

que está flotando en los medios sobre IA es muy amplia, engorrosa y
llena de neologismos que nos quieren hacer ver como unos neófitos
sin perdón. Un glosario nos ayuda a nivelar el campo de juego para
que todos puedan comprender y disfrutar de este libro sin sentirse
abrumados por términos extraños y poco habituales. Así que, antes
de adentrarte, te recomiendo darles un vistazo a estas definiciones
simples. Aquí hay 14 conceptos clave para que este sea un buen
comienzo.

Inteligencia artificial (IA)

Este concepto se refiere al desarrollo de sistemas informáticos
capaces de realizar tareas que normalmente requieren inteligencia
humana, como el aprendizaje, el razonamiento y la adaptación
(Russell & Norvig, 2010).

Algoritmo
Método para resolver un problema mediante una secuencia de pasos
bien definidos, ordenados y finitos (Cormen et al., 2009).

Machine learning

25
GUSTAVO SOTO MIÑO

Rama de la inteligencia artificial que se centra en la creación de

sistemas que pueden aprender y mejorar su desempeño de forma
autónoma a partir de los datos y la experiencia (Mitchell, 1997).

Aprendizaje profundo en IA
Subcategoría del machine learning que utiliza redes neuronales
artificiales con múltiples capas para modelar y resolver problemas
complejos (Goodfellow et al., 2016).

Redes neuronales artificiales

Sistemas computacionales inspirados en las redes neuronales
biológicas y diseñados para aprender y adaptarse a través de la
modificación de sus conexiones internas (Haykin, 2009).

Procesamiento del lenguaje natural (PLN)

Campo de estudio que se centra en la interacción entre las
computadoras y el lenguaje humano, y permite a las máquinas
comprender, interpretar y generar lenguaje humano (Jurafsky &
Martin, 2019).

Personalización en IA
Es el uso de algoritmos y técnicas de aprendizaje automático
(machine learning) para adaptar productos, servicios o experiencias
a las necesidades y preferencias individuales de los usuarios
(Hassler, 2021).

Asistente personal virtual

26
 DISEÑO ARTIFICIAL

Aplicación de software basada en inteligencia artificial que utiliza el

procesamiento del lenguaje natural y otras técnicas de aprendizaje
automático (machine learning) para ayudar a los usuarios a realizar
tareas, buscar información y comunicarse (Luger & Sellen, 2016).

Realidad virtual (RV)

Tecnología que les permite a los usuarios sumergirse e interactuar
con entornos y objetos tridimensionales generados por
computadora (Sherman & Craig, 2003).

Realidad aumentada (RA)

Tecnología que superpone información digital, como imágenes,
sonidos o datos, en el entorno del mundo real y mejora la
percepción del usuario (Azuma, 1997).

Interfaz de usuario (UI)

Conjunto de elementos visuales, auditivos y táctiles que les permiten
a los usuarios interactuar con un sistema o producto digital (Cooper
et al., 2007).

Experiencia del usuario (UX)

Conjunto de percepciones, emociones y respuestas que experimenta
una persona al interactuar con un producto o servicio digital
(Hassenzahl & Tractinsky, 2006).

Big data
Este concepto se refiere a conjuntos de datos extremadamente
grandes y complejos que son difíciles de procesar y analizar al

27
GUSTAVO SOTO MIÑO

utilizar técnicas tradicionales de procesamiento de datos (Laney,

2001).

Sesgo en la IA
Presencia de prejuicios sistemáticos en los sistemas de inteligencia
artificial, los que pueden resultar en discriminación, desigualdad o
resultados injustos para ciertos grupos de individuos (Crawford,
2017).

Ahora que ya pudiste encontrarte con estos conceptos de una

manera sencilla, espero que estés mejor preparada y preparado para
enfrentarte a este libro y descubrir cómo la inteligencia artificial está
revolucionando el diseño de experiencias.

Recuerda que siempre puedes regresar a este glosario cuando te

sientas perdida o perdido en el bosque de términos técnicos.

Si por alguna razón, una explicación no fuese lo suficientemente

clara, hay una recomendación que puedo hacerte: ¿sabías que a las
herramientas como ChatGPT les puedes pedir que te expliquen las
cosas en simple, incluso como si fueses un niño?

Mira el siguiente ejemplo:

Prompt:
Explícame qué es el aprendizaje profundo en IA, como si fuese un niño
de 10 años, utiliza animales para la explicación.

Respuesta:

28
 DISEÑO ARTIFICIAL

¡Claro! Imagina que eres un pájaro pequeño que vive en un bosque

lleno de animales. Algunos animales son amigos, como las ardillas y
conejos, pero otros son peligrosos, como los lobos y osos. Para
sobrevivir, necesitas aprender a reconocer a cada animal y saber
cómo actuar con ellos.
El aprendizaje profundo en inteligencia artificial (AI) es como
enseñarle a un robot a ser ese pájaro. El robot necesita aprender a
reconocer diferentes animales y saber cómo responder a ellos. Pero en
lugar de usar sus ojos y oídos, el robot utiliza un cerebro artificial
llamado “red neuronal”.

La red neuronal es como una telaraña gigante donde cada punto es

una “neurona” y cada hilo que conecta los puntos es un “peso”.
Cuando el robot ve una imagen de un animal, la información viaja a
través de la telaraña, de neurona en neurona, cambiando los pesos
para ayudar al robot a entender qué animal está viendo.

Al principio, el robot no sabe nada sobre animales, así que la telaraña

es un desorden. Pero a medida que el robot ve más y más imágenes de
animales y alguien le dice qué animales son, la telaraña se ajusta y se
organiza. Eventualmente, el robot aprende a reconocer diferentes
animales y a actuar de manera adecuada, como un pájaro en el
bosque.

Así que el aprendizaje profundo es como enseñarle a un robot a ser

un pájaro inteligente que puede reconocer animales y tomar
decisiones basadas en lo que ve, todo gracias a su telaraña de
neuronas y pesos.

29
GUSTAVO SOTO MIÑO

Capítulo 1. Diseño de experiencias y

productos digitales en la actualidad.
El diseño de experiencias (UX) ha evolucionado rápidamente, sobre
todo en la última década, pasó de ser un enfoque centrado en el
diseño de interacciones simples y más bien utilitarias2 (desde la
ingeniería de la usabilidad) a uno enfocado en la creación de
experiencias significativas, placenteras y memorables para los
usuarios (Garrett, 2010).

El campo de la experiencia se ha expandido para abordar aspectos

como la usabilidad, la accesibilidad y la persuasión, y ha adoptado
una variedad de enfoques y metodologías para diseñar productos y
servicios que se ajusten a las necesidades y expectativas de los
usuarios.

Hasta hace un par de años, para las organizaciones era un lujo, y

quizás una extravagancia, contar con un equipo de profesionales
dedicados a cuidar de la experiencia. Casi toda la literatura sobre el
campo de la experiencia tenía su fuente en las denominadas ciencias
del cerebro, como la psicología y el lenguaje, o bien en las ciencias
de la computación. No obstante, con el boom de la transformación
digital como concepto de marketing (desde hace ya unos 10 años)

2
Que no se mal entienda. Al referirme a utilitarias lo estoy haciendo a propósito de
destacar el rol predominante que tuvo la experiencia de usuario en sus orígenes muy
cercana a asegurar la comprensión, eficiencia y eficacia de los sistemas que se
diseñaban.

30
 DISEÑO ARTIFICIAL

sumado a la explosión de la agilidad como herramienta

transformacional de los equipos de trabajo, comienzan a aparecer
nuevos roles cada vez más específicos en el diseño de experiencias.

Y esto irá evolucionando a medida que las organizaciones vayan

creciendo y los productos logren una mayor sofisticación y
particularidades.

Hace 10 años, aproximadamente, trabajaba en uno de los primeros

laboratorios de usabilidad [no el primero, pero estaba cerca] en
Santiago de Chile. En aquel entonces no había una claridad tan
definida sobre los roles de los profesionales en el campo de la
experiencia de usuario. Por supuesto, había trabajo por hacer:
desarrollar sitios web o realizar estudios, pero la formación
académica no estaba tan avanzada como lo está hoy, con pregrados,
posgrados y especializaciones. Los perfiles que participaban en esta
industria tenían antecedentes muy distintos y variadas formaciones.
Si estaban trabajando en estos temas, habían llegado ahí por simple
curiosidad, o algo en sus vidas profesionales les hizo “clic".

El mercado ha evolucionado de manera increíble. De hecho, es

común, y casi recurrente, que cada año aparezca un nuevo rol, un
especialista en un área de experiencia que atrae la atención.

Volvamos a la actualidad. Una simple búsqueda de empleos en

Google nos puede ilustrar de la multiplicidad de diferentes roles que
se demandan hoy en día. Muchos de ellos no existían hasta hace 5 o
10 años.

31
GUSTAVO SOTO MIÑO

1.1 Roles en experiencia de usuarios

Hoy en día podemos identificar los siguientes roles dentro de la

experiencia de usuarios; no obstante, esto puede variar dentro de
distintas locaciones, mercados y madurez de estos, pero para
generar un campo de exploración, nos quedaremos con la siguiente
taxonomía con el fin de ser usada en este libro.

UX Designer (diseñador de experiencia de usuario)

Profesional dedicado al estudio y la mejora de la interacción y
percepción de los usuarios al utilizar productos o servicios digitales,
lo cual garantiza que estos sean accesibles, intuitivos y satisfactorios
(Garrett, 2010).

UI Designer (diseñador de interfaz de usuario)

Profesional especializado en el diseño y la creación de elementos
visuales, como botones, menús y formularios, que facilitan la
interacción de los usuarios con un producto o servicio digital
(Cooper et al., 2007).

UX/UI Designer (diseñador de experiencia e interfaz de

usuario)
Profesional que combina las habilidades y responsabilidades de un
diseñador de UX y un diseñador de UI, y se centra tanto en la
experiencia general del usuario como en los aspectos visuales y
táctiles de un producto o servicio digital (Tidwell, 2010).

UX Manager (gerente de experiencia de usuario)

32
 DISEÑO ARTIFICIAL

Profesional que lidera, supervisa y coordina el trabajo de un equipo

de profesionales de UX, y asegura que se cumplan los objetivos de
diseño y se entreguen experiencias de usuario efectivas y coherentes
en todos los productos y servicios de la organización (Kalbach,
2016).

UX Researcher (investigador de experiencia de usuario)

Profesional que se dedica a recopilar y analizar información sobre
las necesidades, preferencias y comportamientos de los usuarios por
medio de métodos cualitativos y cuantitativos para informar y guiar
las decisiones de diseño en el proceso de desarrollo de productos y
servicios (Goodman et al., 2012).

UX Writer (escritor de experiencia de usuario)

Profesioanl que se especializa en los contenidos. Es quien se centra
en la creación y edición de textos, velando por la generación de
mensajes claros, concisos y útiles que ayudan a los usuarios a
navegar y comprender un producto o servicio digital, mejorando así
su experiencia (Walter, 2011).

Information Architect (arquitecto de información)

Profesional que se encarga de organizar, estructurar y etiquetar el
contenido de un producto o servicio digital de manera lógica y fácil
de comprender, lo simplifica la navegación y el acceso a la
información por parte de los usuarios (Morville & Rosenfeld, 2006).

UX Strategist (estratega de experiencia de usuario)

Profesional que se enfoca en la planificación, desarrollo e
implementación de estrategias de UX a largo plazo para productos y

33
GUSTAVO SOTO MIÑO

servicios, lo que garantiza que las experiencias de usuario se alineen

con los objetivos de negocio y las necesidades de los usuarios
(Liedtka & Ogilvie, 2011).

Product Designer (diseñador de productos)

Profesional multidisciplinario que se encarga de diseñar y
desarrollar productos y servicios digitales desde la concepción hasta
la implementación, por lo que tiene en cuenta factores como la
estética, la funcionalidad, la experiencia del usuario y la viabilidad
técnica y de negocio (Kumar, 2012).

Estas definiciones y especialidades han surgido con fuerza durante

los últimos años. Paulatinamente, la práctica del diseño de
experiencias se ha extendido por múltiples industrias, mercados y
tipos de organización.

El boom de la experiencia hace que la estimación

de Jakob Nielsen para el 2050 sea que,
aproximadamente, el 11% de la población esté
trabajando en alguna dimensión de la experiencia
de los usuarios y productos.

34
 DISEÑO ARTIFICIAL

Sí, el 11%, y es muchísimo. Sobre todo, al considerar que la

estimación en el año 1950 era sólo de un 0,0004%; en 1983, un
0,001%, y en 2021, un 0,3%3. (Ilustración. 1)

Eligible
Year IQ UX pros UX Share
workers

1950 145 10 2M 0,0004%

1983 130 1K 69M 0,001%

2021 120 1,5M 435M 0,3%

2050 115 100M 912M 11%

Ilustración 1 IQ= Intelligence Quotient to do UX. Fuente: UX 2050
(Jakob Nielsen keynote).

Ahora bien, el boom de la experiencia ha generado importantes

desafíos. Principalmente, veo tres que son parte de la agenda del
mercado y las organizaciones de hoy:

1. Como una nueva fuerza de trabajo, se ha tenido que

conectar con empresas y organizaciones donde estos roles
son nuevos, por ende, estas compañías no tienen mucha
idea de qué pueden hacer por ellas, ni qué resultados
perseguir, ni qué competencias efectivamente, tienen o se
pueden pedir. Creo que a todas y todos nos ha tocado

3
UX 2050 (Jakob Nielsen keynote). Disponible en: https://youtu.be/y4J6JR9jEUk

35
GUSTAVO SOTO MIÑO

enfrentarnos a organizaciones que no hablan nuestro

idioma, que no saben qué pedirnos ni cómo hacerlo
tampoco.

2. El segundo desafío da cuenta de cómo estos nuevos perfiles

se han ido acomodando a las prácticas y modelos operativos
de trabajo de múltiples organizaciones, lo que ha generado
vínculos y nexos con los métodos de desarrollo de
aplicaciones o de gestión de personas. Esto significa que
cada empresa tiene una manera propia de llevar proyectos
Scrum, Kanban, o infinitas posibilidades. En este sentido,
como diseñadores hemos tenido que adoptar dichos
métodos, sumarnos a las ceremonias, y participar
activamente de metodologías que no necesariamente son de
diseño, sino más bien de gestión de recursos tecnológicos
para tratar de dar resultados en dicho modelo.
3. El tercer desafío se refiere a cómo esta práctica incipiente es
capaz de demostrar su valor, cómo conecta directamente
con los OKR o KPI principales de las organizaciones y, al
final del día, cómo se rentabiliza el valor.

Estos tres ámbitos son complejos de afrontar. McKinsey, NNgroup o

Invision han hecho esfuerzos por hablarnos profundamente sobre la
madurez de UX en las organizaciones, y de cómo ese entendimiento
limita y propicia cierta manera de jugar y conectarse.

Por otro lado, aparece la tensión natural del mercado de demandar

eficiencia y eficacia en el desarrollo de productos digitales, lo que ha

36
 DISEÑO ARTIFICIAL

generado una nueva tensión hacia el rol de los equipos de

experiencia de cara al ciclo de madurez de los productos. Ambos
puntos los desarrollo con mayor calma a continuación.

1.2 Madurez de experiencia, madurez de producto y

metodología

Uno de los elementos más relevantes para la lectura y comprensión

de este libro es tratar de encontrar una taxonomía acerca de la
complejidad actual del mercado y de las organizaciones; esto, con el
objetivo de lograr un entendimiento sobre los desafíos actuales de
los equipos de experiencia y producto. Así, podremos ser capaces de
contrastar y revisar el potencial de los cambios que eventualmente la
IA debiese generar y su posible impacto.

Para ello, les propongo una triada o matriz que cruce algunos de los
elementos que nos permitirán entender, por un lado, el valor que
puede entregar un equipo de experiencia, percibido desde la
perspectiva de la organización; el valor de la experiencia en el
ciclo del producto, desde una mirada más cercana al negocio, y el
valor tangible del diseño de experiencia y productos digitales,
es decir, lo que viven los usuarios finales y su impacto.

1.2.1 Madurez de experiencia

En menos de 10 años, la industria de la experiencia de usuarios se ha

visto desafiada y estresada en múltiples ámbitos: crecer rápido,

37
GUSTAVO SOTO MIÑO

entregar más valor, trabajar de mejor manera, operar de forma más

integrada, etc. Esto, acompañado de un crecimiento explosivo de la
agilidad y la conformación de equipos que demandan perfiles de
experiencia, ha generado que muchas empresas que antes tenían la
costumbre de tercerizar sus servicios de diseño hoy tengan equipos
contratados, bastante numerosos, que trabajan día a día en pos de
impactar la experiencia y el negocio.

Un disclaimer antes de seguir. Cuando mencione de acá en adelante

la “experiencia de usuarios” (UX) o “experiencia de producto
digital” (DPE, por sus siglas en inglés) me refiero a la
conceptualización de Donald Norman, quien logra precisar una
definición completa respecto del alcance de la experiencia y su
responsabilidad. En inglés: “‘User experience’ encompasses all aspects
of the end-user's interaction with the company, it’s services, and it’s
products”.

Ahora bien, ¿por qué es relevante esta precisión? Porque en muchos

mercados [dada la baja madurez, principalmente] aún existe la
convicción de que al hablar de experiencia de usuarios se hace
referencia a una especie de subárea o lugar desde el cual se
construyen interfaces exclusivamente digitales y, principalmente,
UI. Y esto es un error. El alcance de la experiencia tiene que ver con
todos los puntos de contacto que se orquestan para hacer visible la
propuesta de valor de un negocio, así como hacerlo de la manera
menos friccionada al resolver los jobs, o necesidades, de los
usuarios.

38
 DISEÑO ARTIFICIAL

Sigamos. Este boom de nuevos equipos y prácticas supone dos

realidades: por un lado, cada organización está parada en su propia
madurez de digitalización, es decir, sus procesos, modelo operativo,
incentivos, etc., y por otro, cada equipo de UX/DPE tiene un rol
específico en ese modelo y, por ende, participa de dicho nivel de
madurez. Respecto de esto último, es relevante reiterar que el
entendimiento del rol no sólo es responsabilidad de la organización,
sino desde qué madurez de la práctica los equipos de experiencia se
expresan y trabajan.
En términos simples, la compañía opera de una manera, y dentro de
esa operación, UX/DPE tiene un rol. En una empresa que acaba de
nacer, el rol de UX/DPE será ayudar a acelerar el go-to-market de un
producto; en cambio, en una empresa que tiene millones de
clientes, uno de los roles de UX/DPE será velar por la experiencia y
consistencia para impactar procesos más eficientes y costos de
atención de clientes.

¿Cuál es el problema? Pues si los equipos de UX/DPE saben en qué

etapa de madurez de negocio está la organización, pueden ajustar su
propuesta de valor a dicha realidad, es decir, no hay problema.

¿Y cuándo sí hay problemas? Principalmente, cuando la empresa

comienza a evolucionar y la demanda hacia UX/DPE empieza a
crecer hacia nuevos desafíos, sobre todo comerciales, y no se tiene
la madurez para afrontarlos. Es decir, cuando UX/DPE deja de
responder pedidos de diseño tipo “Hay que mejorar la composición”
o “Estilizar un landing”, y le aparecen preguntas que sí son de
UX/DPE, como: “¿Cómo mejoramos la conversión?” o “¿Qué

39
GUSTAVO SOTO MIÑO

tenemos que hacer para reducir los costos de operación de un

proceso?”.

Además, cuando la organización no ve el valor de lo que hace

UX/DPE porque “lo hace lento y con peros”, termina no incluyendo
a UX/DPE en las definiciones y sólo los llama para implementar:
“Ayúdame a mejorar esta interfaz que quedó más o menos, pero
funciona”.

El síntoma es evidente: uno siempre está atrasado

con los entregables, tiene poco claro los objetivos,
y uno está perdido en que, efectivamente, lo que
se está entregando es lo que se debe entregar.
Imposible no sentirse en algún nivel identificado
con este escenario.

Problemas como estos hay muchos. El principal, o uno de los más

importantes hoy por hoy, es el que tiene que ver con el costo de los
equipos. UX/DPE es un equipo demasiado caro sólo para hacer
pantallas (flujos de interacción) o preocuparse por la interfaz
(sistema de diseño o IU kit). Y esto es una realidad, las grandes
organizaciones están desde hace tiempo cuestionando el valor que
los equipos de UX/DPE son capaces de entregar. Esto, porque han
crecido un montón, pero no necesariamente se está viendo ese
impacto prometido, y este entendimiento tiene que ver con la
madurez de la experiencia en la organización.

40
 DISEÑO ARTIFICIAL

Espero que, como lectores, puedan en cierta medida identificarse

con esta tensión relacionada con el valor. De vez en cuando, leo
publicaciones en LinkedIn que tratan sobre el concepto del
“síndrome del impostor”, describiendo cómo muchos profesionales
experimentan la sensación de no estar a la altura o de no ofrecer el
valor que deberían. Y creo que esa no es la única perspectiva que
refleja esa sensación. Les comparto un ejemplo.

Hace unos años, trabajando para un cliente muy grande en una

industria muy distinta a las que usualmente estamos acostumbrados,
nuestro equipo estaba desarrollando un producto digital. La idea era
entregar una serie de recomendaciones operativas a los usuarios
finales; por ejemplo, en el escenario A, toma tal o cual acción. Al
final del día, les pedíamos a los usuarios que nos indicaran si habían
seguido la recomendación o no. Esto lo hacíamos, principalmente,
para saber si el producto ofrecía “buenas” recomendaciones y si
estaba siendo utilizado.

El problema surgió cuando los usuarios nos decían, diariamente,

que no seguían las recomendaciones y que no las consideraban
válidas. Desde el equipo de experiencia empezamos a centrarnos en
la necesidad de entender qué estaba detrás de dicha negativa, más
allá de tratar de convencer a los usuarios de que siguieran las
recomendaciones. Nuestra hipótesis era que había algo más que
provocaba esta resistencia; quizás era la confianza en el sistema, en
los datos, o era el momento del día en que se hacían las
recomendaciones.

41
GUSTAVO SOTO MIÑO

Sin embargo, por otro lado, el equipo de desarrollo y negocio tenía

un objetivo claro: que los usuarios utilizaran el producto, y este
equipo mixto lo promovía con workshops, charlas, correos, etc., sin
detenerse a entender qué había detrás.

¿Por qué sucede esto? Principalmente, porque hay un concepto que

atraviesa de manera significativa muchos casos o ejemplos donde
uno cuestiona la racionalidad de las personas, y este concepto es el
“incentivo”. En el ejemplo que les relato, el incentivo estaba en
cumplir con una fecha límite de !adopción” del producto para poder
cerrar el proyecto y considerarlo exitoso. ¿Qué significa ser exitoso
en muchas ocasiones? Que deje de consumir recursos e inversión en
desarrollo y que pase a una etapa de mantenimiento u operación.

¿Significa el éxito de un producto que este sea usado y percibido

como útil? No siempre. Depende de los incentivos y de qué tan
alineados estén estos entre las distintas áreas y profesionales.4

En el caso del producto que estábamos diseñando e iterando, el

incentivo estaba puesto en obtener un “OK” del usuario final. Desde
el equipo de experiencia, el incentivo era tener una alta tasa de uso y
un indicador positivo de valor percibido. Ambos grupos estaban
desconectados en cuanto a su incentivo final, por lo que nosotros

4
Mi invitación es siempre a hacer una definición de éxito de producto, alineada,
transparente y donde todo el equipo involucrado tenga la certeza de qué perseguir.
Cuando no hay claridad, o cuando hay incentivos perversos (que compiten con otros
definidos) no hay manera de poder lograr el éxito con un producto.

42
 DISEÑO ARTIFICIAL

vivíamos frustrados. Y nuestra contraparte también nos veía como

un obstáculo para sus incentivos y que no aportábamos valor al
producto.

Por ello, es fundamental entender los incentivos de los equipos y el

valor que se puede aportar desde la experiencia, pero siempre
siendo muy conscientes de esta realidad de incentivos y, por
supuesto, de la madurez de la experiencia en la organización.

Identificar la madurez de experiencia en una

organización ayuda a desarrollar un
entendimiento y acciones sobre el estado actual,
en pos de integrar, operativizar y escalar el valor
de la práctica de diseño centrada en las personas.

NNgroup propone seis niveles [otros autores sugieren más, y otros,

menos, pero apuntan al mismo objetivo]; el modelo de madurez de
UX/DPE proporciona un marco para evaluar las fortalezas y
debilidades relacionadas con la UX/DPE de cada organización. Se
puede utilizar dicha evaluación para determinar en cuál de las seis
etapas se encuentra actualmente una compañía.

Además, este tipo de modelos nos proporciona información sobre

cómo una organización puede aumentar su madurez en UX/DPE, y
qué podemos hacer desde los equipos de experiencia para propiciar
dicha evolución. ¿En simple? Nos ayuda a entender en qué fase

43
GUSTAVO SOTO MIÑO

estamos y cómo y qué debemos hacer para ir pasando de etapa en

etapa. Sí, como en Mario Bros.

Los seis niveles de la madurez de UX/DPE son:

1. Ausente: la UX/DPE es ignorada o inexistente dentro de la
organización.

2. Limitada: el trabajo de UX/DPE es escaso, se realiza de

manera desordenada, carece de importancia y relevancia.

3. Emergente: el trabajo de UX/DPE es funcional, resuelve

desafíos simples generando valor, pero se realiza de manera
inconsistente e ineficiente.

4. Estructurada: la organización tiene una metodología

relacionada con la UX/DPE sistemática y generalizada, pero
con diferentes grados de efectividad y eficiencia en el trabajo
y, principalmente, en los resultados.

5. Integrada: el trabajo de UX/DPE es completo, efectivo y

generalizado a lo largo y ancho de la organización.

6. Impulsada por el usuario: la dedicación a la UX/DPE en

todos los niveles conduce a una comprensión profunda y a
resultados tangibles en el negocio al utilizar el diseño
centrado en el usuario.

44
 DISEÑO ARTIFICIAL

Paralelamente, la mejora continua o avance de esta llamada

“madurez” requiere del crecimiento y evolución de varios factores
transcendentes, como por ejemplo:

1. Foco en la estrategia: acá es clave el rol del liderazgo en

UX/DPE; sobre todo, en la planificación y priorización de
recursos y decisiones para lograr los objetivos propuestos.
Hablar de estrategia pareciese ser sencillo, pero no lo es. Si
realmente se quieren hacer cambios y tener un impacto a
nivel “estratégico”, se debe tener un entendimiento
completo del negocio, de los procesos, de las capacidades,
de las limitantes, de las inversiones, de los dolores de los
usuarios, del capital humano, de la cultura. La estrategia no
es una acción táctica que mueve un indicador, sino la
orquestación de variables para tomar decisiones informadas
y con riesgo, y convencer y movilizar a una organización
sobre un objetivo o sueño.

2. Foco en la cultura: acá se hacen presente las ceremonias y

el fomento del crecimiento de carreras y profesionales, y es
sin duda una de las áreas más complejas de abordar.
“Generar” un foco en la cultura no es fácil. Es un proceso,
un desafío diario que les permite a los talentos tener un
lugar donde pueden crecer, donde pueden generar un
impacto, donde se puedan ver movilizados por un
propósito, donde desarrollen confianza en sí mismos y sus
pares. A su vez, es donde pueden pedir ayuda, donde
pueden refugiarse en un par ante algo que no sepan, donde

45
GUSTAVO SOTO MIÑO

pueden priorizar sus vidas como primer eje, y donde lo más

importante sea poder ir al evento del colegio de un hijo más
que asistir a una daily.

3. Foco en los procesos: el uso y aplicación de manera

extendida y consecuente de la metodología de investigación
y aplicación de herramientas.

4. Foco en los resultados: definición de medición, definición

del impacto e indicadores a mejorar, responsabilidades
sobre los mismos y definición de incentivos para asegurar el
éxito.

Este marco de trabajo o referencia es bien similar a los propuestos

por otros referentes, como McKinsey o Invision, y nos permite
entender una realidad organizacional, un rol esperado, un impacto
previsto y prácticas y ceremonias.

Estos cuatro elementos mencionados arriba dibujan y soslayan una

definición inicial, lo que llamamos DesignOps, que viene a ser una
herramienta de evolución bajo este contexto. El impacto de
DesignOps en las organizaciones puede ser significativo, ya que
aborda varios aspectos clave para mejorar el rendimiento y la
entrega de los equipos de diseño:

1. Estandarización y sistematización: DesignOps ayuda a

estandarizar procesos, herramientas y prácticas de diseño.
Esto, facilita la colaboración entre equipos y reduce la

46
 DISEÑO ARTIFICIAL

duplicidad de esfuerzos. También ayuda un montón cuando

nuevos talentos se suman a la organización y desde el primer
día saben perfectamente qué tienen que hacer.

2. Comunicación y colaboración: DesignOps promueve la

comunicación efectiva entre los integrantes del área de
diseño y otros equipos dentro de la organización, lo que
conduce a una mayor alineación en la toma de decisiones
[menos fricción y desentendimiento, básicamente] y a
mejores resultados en los productos que se lanzan y, por
ende, una mejora en la experiencia del usuario final.

3. Eficiencia y escalabilidad: al optimizar los procesos y

recursos de diseño, DesignOps les permite a las
organizaciones escalar sus esfuerzos de diseño de manera
más eficiente, lo que puede resultar en una ventaja
competitiva al momento de pensar en un go-to-market, o
querer ganar un territorio particular de propuesta de valor.

4. Cultura y compromiso: DesignOps fomenta, sobre todo,

una cultura de diseño centrado en el usuario, lo que puede
aumentar el compromiso y la satisfacción de los mismos
colaboradores.

5. Medición y rendimiento: DesignOps facilita la medición

del impacto del diseño en los resultados de las
organizaciones. Ayuda a tener certeza si los esfuerzos se

47
GUSTAVO SOTO MIÑO

alinean con los OKR, y también a evidenciar de manera

ampliada, el valor destrabado o entregado desde diseño.

Pasemos a la siguiente dimensión de las tres mencionadas al inicio

del capítulo; esta vez, en una arista más cercana al negocio.

1.2.2 Madurez de producto digital

Existe un concepto que viene desde el product management llamado

“ciclo del producto”, el cual se refiere al proceso continuo de
desarrollo y mejora de un producto a lo largo de su vida útil.

Este proceso involucra varias etapas: la identificación de las

necesidades del usuario, la planificación, el diseño, la definición de
propuesta de valor, el desarrollo, el lanzamiento, la evaluación y la
iteración de un producto. (Ilustración. 2) El objetivo principal es
crear productos que satisfagan las necesidades de los usuarios, es
decir, a una audiencia específica, y que proporcionen una
experiencia del usuario óptima que se adapte a los cambios en las
expectativas y en el comportamiento de los usuarios a lo largo del
tiempo.
Por otro lado, las etapas de madurez de un producto se refieren al
progreso de un producto a lo largo de su vida útil en el mercado y
cómo sus desafíos de negocio y adopción cambian con el tiempo.

48
 DISEÑO ARTIFICIAL

Ilustración 2. Etapas de madurez de un producto.

Estas
etapas incluyen comúnmente:

1. Introducción al mercado / Go-to-market: en esta etapa, el

producto se lanza al mercado y es nuevo para los usuarios. Los
desafíos principales incluyen generar conciencia (awareness)
sobre el producto, educar o informar a los usuarios potenciales
sobre sus beneficios y características, y lograr la anhelada
adopción y adquisición. A menudo, las ventas y el crecimiento
podrían ser lentos en esta etapa debido a la falta de
conocimiento y a la posible resistencia al cambio por parte de los
usuarios, pero además porque los equipos de producto están
inicialmente entendiendo cómo comunicar, a través de qué
canal, qué atributos del producto destacar y cómo reducir
fricción en la etapa de captura de leads. Esto, por consiguiente,
requiere un montón de conversaciones o sesiones con usuarios

49
GUSTAVO SOTO MIÑO

finales; se necesita estar cerca de los dolores, muy atentos al

feedback y con una energía ilimitada para iterar sin
contemplaciones y sin enamorarse del diseño.

2. Crecimiento / Growth: una vez que el producto comienza a

ganar tracción y penetración en un mercado, entra en la etapa
de crecimiento. Los desafíos de negocio en esta etapa incluyen
escalar la producción y distribución para satisfacer la demanda
creciente, mantener la calidad y la experiencia del usuario, y
enfrentar la creciente competencia en el mercado [si uno lo hace
bien desde el primer día, tu competencia comenzará a trabajar
en las mejoras que tú vas encontrando]. Las estrategias de
adopción y adquisición comienzan, principalmente, a centrarse
en la expansión del mercado y en la retención de los primeros
usuarios.

3. Madurez: en la etapa de madurez, el producto alcanza su

máximo potencial de mercado y las ventas tienden a
estabilizarse. Los desafíos de negocio incluyen mantener la
relevancia [el posicionamiento, como también lo llaman] y la
diferenciación frente a la competencia [entregar más valor por el
mismo precio, por ejemplo], mejorar la eficiencia operativa
[mantener los costos en control] y mantener la rentabilidad [es
decir, que siga siendo un negocio]. Las estrategias de adopción y
adquisición comienzan a centrarse en ofrecer nuevos beneficios
y características para mantener el interés de los usuarios y en
fidelizar a los clientes existentes.

50
 DISEÑO ARTIFICIAL

4. Declive: con el tiempo, un producto puede enfrentar una

disminución en la demanda y la relevancia, ya sea por aparición
de nuevos productos y tecnologías, por cambios [muy comunes]
en las preferencias del usuario, o por una “saturación del
mercado”; por ejemplo, cuando hay muchos productos
similares, que a ojos de una audiencia terminan ofreciendo lo
mismo y podría comenzar una guerra de precios. Los desafíos de
negocio en esta etapa incluyen gestionar la disminución de
ingresos, decidir si se debe descontinuar el producto o intentar
revivirlo, y reasignar recursos a nuevas oportunidades. Las
estrategias de adopción y adquisición tienden a centrarse en
maximizar el valor residual del producto y en migrar a los
usuarios hacia nuevos productos o soluciones. El foco es no
perder la base de clientes que tanto costó construir.

Los equipos de experiencia y diseño de productos

deberían estar constantemente preguntándose el
valor en cada etapa del proceso, el rol que debería
jugar y el impacto esperado de su participación.

Esta constante reflexión ayudaría a los equipos a generar el valor

que muchas veces se pierde por seguir el manual “al pie de la letra”.
Son muchos los equipos que comúnmente [y de manera errónea]
siguen una secuencia metodológica sin cuestionarse cuál es el valor
que se está entregando en cada una de las etapas de los productos;
este ejercicio de autoanálisis y liberación de valor debiese ser un
mantra extendido y recurrente.

51
GUSTAVO SOTO MIÑO

A mi juicio, en cada etapa de producto, el equipo de experiencia

podría desarrollar los siguientes roles, actividades e impacto
esperado:

1. En la introducción

¿cuál debiese ser el rol?

El equipo de UX/DPE debe centrarse en comprender las necesidades
y expectativas de los usuarios para diseñar un producto que
satisfaga sus requisitos y resuelva sus problemas. El rol también es
tangibilizar temprano y reducir el costo y riesgos de producir algo
que no sea deseable, factible y viable.

¿Qué actividades debería abordar?

Investigación continua de usuarios, diseño de hipótesis de mejora,
prototipado rápido, pruebas de usabilidad e iteración temprana.

¿Cuál debiese ser el impacto esperado?

En esta etapa, un producto bien diseñado desde la perspectiva de la
UX/DP puede ayudar a generar adopción temprana y a establecer
una base sólida para el éxito a largo plazo del producto. A su vez,
puede ayudar, sin duda, a encontrar las primeras piedras de tope
que generen fricción en el entendimiento a nivel de componentes de
usabilidad, sobre todo en los ciclos de onboarding.

2. En el crecimiento

52
 DISEÑO ARTIFICIAL

¿Cuál debiese ser el rol?

El equipo de UX debe continuar investigando y monitoreando las
necesidades de los usuarios a medida que el producto gana tracción.
También debe buscar oportunidades para mejorar y expandir el
producto en función de las necesidades cambiantes del mercado, de
las mismas expectativas de los usuarios o de nuevos jobs to be done
que aparezcan dentro de los segmentos objetivos. Por lo general, los
equipos de experiencia y producto desaparecen en esta etapa. Se
quedan con el “terminamos de trabajar” cuando el producto ya se
lanzó y se mantuvo en vuelo, pero es en la etapa de crecimiento
donde aparecen nuevas audiencias, nuevos desafíos, incluso nuevos
dispositivos de interacción [si se sumó por ejemplo alguna audiencia
particular].

¿Qué actividades debería abordar?

Evaluación y seguimiento de la experiencia del usuario, seguimiento
de la voz de los usuarios, medición del esfuerzo en un CES (customer
effort score), optimización de la interfaz de usuario y diseño de
nuevas funciones y características.

¿Cuál debiese ser el impacto esperado?

Un enfoque constante en la UX/DPE durante la etapa de crecimiento
puede ayudar a mantener la satisfacción y lealtad del usuario, lo que
también impulsa el crecimiento continuo del producto y puede
entregar una ventaja competitiva en un mercado saturado. Ayuda,
además, a hacer visible problemas y desafíos del producto que
pueden ser abordados rápidamente. Estos, sin un equipo de
UX/DEP, comúnmente son invisibles para los equipos de producto.

53
GUSTAVO SOTO MIÑO

3. En la madurez

¿Cuál debiese ser el rol?

El equipo de UX debe centrarse en mantener y mejorar la
experiencia del usuario para retener a los clientes existentes y atraer
a nuevos usuarios, a pesar de la creciente competencia y la
saturación del mercado. Es clave acá lograr un entendimiento de la
propuesta de valor, de las fricciones del producto, de ver qué está
haciendo la competencia en términos de los atributos más
relevantes. Por ejemplo, si tuvimos el onboarding más sencillo y con
mejor conversión, cuestionarse si aún lo tenemos, qué dimensiones
o expectativas de los usuarios no estamos logrando conseguir y qué
podemos hacer para atacar el desafío.

¿Qué actividades debería abordar?

Investigación y análisis de la competencia, refinamiento y
actualización de la experiencia del usuario, benchmarking activo y
profundo de las dimensiones claves y, por último, analizar y
propiciar la personalización de la experiencia.

¿Cuál debiese ser el impacto esperado?

En esta etapa, la UX/DPE puede marcar la diferencia entre un
producto que continúa siendo relevante y exitoso en el mercado y
uno que se vuelve obsoleto. Las mejoras en la interfaz, en el relato y
en el producto en sí, pueden mantener a los usuarios finalmente
fidelizados.

54
 DISEÑO ARTIFICIAL

4. En el declive

¿Cuál debiese ser el rol?

El equipo de UX/DPE debe evaluar si aún hay oportunidades para
revitalizar el producto a través de mejoras en la experiencia del
usuario, o si es necesario, reenfocar sus esfuerzos en nuevos
productos o soluciones.

¿Qué actividades debería abordar?

Análisis de tendencias del mercado y de usuarios, diseño de
estrategias de migración de audiencias y usuarios, y planificación de
la transición hacia nuevos productos.

¿Cuál debiese ser el impacto esperado?

Aunque es posible que no haya mucho margen para revertir el
declive de un producto, el equipo de UX/DPE puede ayudar a
minimizar el impacto negativo en los usuarios y asegurar una
transición ordenada y comunicada hacia alternativas o nuevos
productos.

Si bien estas dimensiones representan mi visión particular respecto

de los roles, actividades e impacto, resulta extremadamente
importante entender que un sólo sombrero [o la metáfora que sea
más adecuada en el lugar donde vives] no sirve para cada etapa.
Entender del negocio, sus desafíos, tensiones y realidad competitiva
es, sin duda, un must [“deber”, perdón el anglicismo] para quienes
trabajan cercanos a los productos.

55
GUSTAVO SOTO MIÑO

Ahora bien, ¿por qué esta vuelta completa [y algo sobreexplicativa]

sobre los modelos de madurez de experiencia y producto? Porque se
viene un gran impacto en cada una de sus líneas y dimensiones con
la irrupción de la inteligencia artificial.

Entender desde la experiencia el rol que juegan los equipos sobre

cada etapa de producto es, en efecto, algo crucial y que no se debe
desconocer.

En resumen, hemos examinado la madurez de la

organización, que espera, entiende y demanda, y
la madurez del producto, es decir, desafíos de
negocio, adopción y relevancia. Ahora, sólo nos
falta analizar la metodología de diseño.
Y este es el último punto que me gustaría abordar en esta triada de
complejidad.

1.2.3 Metodología y respuesta a la madurez del

producto y la organización

Para quienes trabajan en el mundo de experiencias, el concepto de

“diamante” es completamente familiar. El modelo de doble
diamante (Ilustración. 3) fue elaborado por el British Design Council
cerca del año 2004 y en este se nos explica una hoja de ruta basado
en cuatro etapas: descubrir, definir, desarrollar y entregar.

56
 DISEÑO ARTIFICIAL

Ilustración 3. Doble Diamante. The design Council, 2004.

Una de sus particularidades geométricas es que, de hecho, presenta

dos pendientes ascendientes y dos descendientes, las cuales nos
invitan, respectivamente, a divergir y converger. Este modelo nos ha
acompañado por muchos años en el ánimo de desarrollar mejores
productos y servicios; sin embargo, ha sido cuestionado, sobre todo,
cuando añadimos dimensiones como la madurez de la organización
y del producto, y las enfrentamos a la gran pregunta que debe
resolver la experiencia: “¿Cuál es el valor que estoy entregando?”.

Y en ese momento aparece el triple diamante [quizás sean cinco o

más, quién sabe], un modelo “evolucionado” que cumple con la
promesa de la iteración, del cierre de loop; de algo que para mí
resulta fundacional, que es medir el impacto y traer datos e hipótesis
sobre la mesa. (Ilustración. 4)

57
GUSTAVO SOTO MIÑO

Este modelo de triple diamante resulta geométricamente disonante

de todos modos. La iteración continua, la evolución de un producto,
su madurez, no responde necesariamente a un nuevo proceso de
divergencia y convergencia, sino a un modelo vivo de gestión de
experiencia.

Ilustración 4 Triple Diamante. Zendesk Design, 2020.

Mi desafío al mencionar los “diamantes” en este apartado tiene que

ver con el cómo entendemos que el diseño de experiencia y
productos digitales ha evolucionado hacia dimensiones que van más
allá de la definición, del proceso fundamental de diseño.

58
 DISEÑO ARTIFICIAL

La “experiencia” es lo que les pasa a las personas

al interactuar con un producto, es decir, cuando
está en sus manos. No es lo que se diseña en una
sala de un edificio corporativo con aire
acondicionado, galletas finas y post-its de diversos
colores.

En relación con lo anterior, hay algo que cambió durante los últimos
años de manera importante y esto fue la cadencia de release, o
puesta en producción. Se acordarán las y los diseñadores con más de
15 años de experiencia que, hace no muchos años, un proyecto de
diseño y desarrollo de un canal podría tomar varios meses, quizás
años. Hoy la práctica de metodologías ágiles y las capacidades de
arquitectura de software y frameworks de desarrollo hacen que
tengamos productos que pueden ver la luz en semanas o incluso
días. Y bajo esta nueva cadencia, la metodología de diseño y
productos se tensiona; se le piden nuevos tiempos, nuevo valor, más
time-to-value, como dicen los anglosajones. En este sentido, surgen
los siguientes cuestionamientos: ¿cómo es la figura del doble o triple
diamante en un contexto de un startup ultra ágil? y ¿cómo es en una
organización antigua y estructurada?; ¿será que tenemos que dejar
de considerar geometrías y comenzar a pensar en los desafíos
particulares de cada producto y negocio?, ¿o en la particularidad del
posicionamiento de dicho producto en un mercado saturado y sus
audiencias?, ¿o en cómo, en pos de lograr un objetivo, articulamos

59
GUSTAVO SOTO MIÑO

hipótesis y experimentos que permitan tener un mejor time-to-

value?

Mi mensaje final es que esto no significa enterrar la metodología,

sino, en cambio, ponerla al servicio de las tensiones y evoluciones
del mercado, sus actores y realidades.

Ahora bien, una vez entendidas estas tres tensiones (madurez de

producto, madurez de experiencia, y metodología), es momento de
mirar a la otra vereda: ¿qué está pasando con la inteligencia
artificial? Así, a partir de esta taxonomía sugerida, nos iremos
encontrando con nuevos desafíos y tensiones debido a la disrupción
de esta revolucionaria tecnología.

60
 DISEÑO ARTIFICIAL

! !

61
GUSTAVO SOTO MIÑO

Capítulo 2. La inteligencia artificial y

su disrupción en el diseño de
experiencias y productos digitales.
La inteligencia artificial (IA) ha experimentado un crecimiento y
desarrollo exponencial desde sus primeras conceptualizaciones a
mediados del siglo XX. Esta tecnología ha avanzado en áreas como el
aprendizaje automático (machine learning), la visión por
computadora y el procesamiento del lenguaje natural, lo que les ha
permitido a las máquinas, o sistemas, realizar tareas que eran
impensadas años atrás. La verdad es que, tal como sucede en
muchos ámbitos del conocimiento, como usuarios finales no somos
capaces de percibir los avances en la investigación y desarrollo hasta
que llegan repentinamente y se esparcen por el mundo.

Todas y todos poseemos una hipótesis, más o menos formada, sobre

lo que es la IA. Esta hipótesis está fuertemente vinculada a las
numerosas películas de ciencia ficción que hemos visto. En dichos
filmes, a menudo ambientados en entornos futuristas, se observan
robots asumiendo roles humanos, incluso llegando a enfrentarse en
escenarios catastróficos. En otras ocasiones, estos personajes
asumen un papel compasivo, como lo hace Wall-E con su amigo
insecto.

Quizás una persona de mayor edad pueda relacionar la IA con los

robots que veía en las películas de su juventud; alguien en la mitad

62
 DISEÑO ARTIFICIAL

de su vida pueda tener un entendimiento más cercano a la

tecnología [por ejemplo, entender que el autocorrector de su
teléfono usa IA para recomendar correcciones], o un niño podría
asociarla con la mascota virtual que tiene que cuidar y que se
enferma si no la alimenta con regularidad. Aun así, todos estarían en
lo correcto. Hoy, con tanta información a la vista, nos perdemos en
los límites de qué es IA y qué no, y la verdad es que, como es un
campo en evolución, costará alinear un entendimiento a nivel social.
A partir de una perspectiva científica, claro está, los bordes están
definidos, pero lo que entendemos los “mortales” es harina de otro
costal.

Como sea, la IA se ha convertido en una herramienta poderosa y

versátil en una amplia gama de campos, incluido el diseño de
experiencias y productos digitales.

2.1 Breve presentación de la inteligencia artificial

La inteligencia artificial comenzó como un campo de estudio en la

década de 1950, con la idea de que las máquinas podrían ser
programadas para simular la inteligencia humana y realizar tareas
que normalmente requieren habilidades cognitivas humanas
(Russell & Norvig, 2021). Durante los primeros años de la IA, los
investigadores se centraron, principalmente, en desarrollar sistemas
basados en reglas que pudieran resolver problemas lógicos y
matemáticos; por ejemplo, si aparece un escenario A, la respuesta
debería ser B; o si el escenario es C, la respuesta debería ser D. Sin
embargo, este enfoque resultó ser bien limitado, ya que era difícil

63
GUSTAVO SOTO MIÑO

programar máquinas para enfrentar problemas mucho más

complejos y, sobre todo, ambiguos que involucraran el
razonamiento común [que es bien complejo, por lo demás].

A partir de la década de 1980, el enfoque de la investigación en IA

cambió hacia lo que se denomina el aprendizaje automático
(machine learning), que es la idea de que las máquinas pueden
aprender a partir de datos y mejorar su rendimiento a lo largo del
tiempo. Este aprendizaje automático ha permitido lograr avances
significativos en áreas como la clasificación de imágenes [por
ejemplo, contrastar tus huellas digitales con un montón de otras
más], el reconocimiento de voz [“¡Hey, Siri!”], y la traducción
automática [como estas aplicaciones que uno puede usar hoy en
viajes y que te permiten hablarle directo al celular y que este,
sincrónicamente, traduzca y relate lo que dijiste en otro idioma].
Estos avances les han ido permitiendo a las máquinas o sistemas
realizar tareas que antes se consideraban exclusivamente humanas
(LeCun et al., 2015; Hinton et al., 2012).

En las últimas décadas, la IA ha experimentado un crecimiento

exponencial gracias a la disponibilidad de almacenamiento y
procesamiento de datos (Brynjolfsson & McAfee, 2014). Esto ha
llevado al desarrollo de algoritmos de aprendizaje profundo y redes
neuronales artificiales que pueden modelar problemas complejos y
generar soluciones muchísimo más complicadas.

En pocas palabras, ¿qué es la IA? La inteligencia artificial es,

particularmente, un área de la ciencia de la computación que se

64
 DISEÑO ARTIFICIAL

centra en resolver problemas comúnmente asociados con la

inteligencia humana, como el aprendizaje, la resolución de
problemas y el reconocimiento de patrones. Uno de sus grandes
atributos es que elimina mucho trabajo al tratar de generar o
encontrar relaciones en la información versus hacerlo de manera
manual.

Quizás como humanos podemos, sin duda, hacer estos cálculos,

pero históricamente hemos sido testigos de que la mente y los
talentos humanos no son suficientes cuando el volumen de
información es inmenso.

Aunque la mera mención de la IA nos puede evocar, como

mencionamos arriba, imágenes futuristas o de ciencia ficción, esta va
más allá de estas caricaturas. Hoy ya se define como una ciencia de
la computación muy avanzada y con muchísimas aplicaciones en los
objetos y productos con los cuales interactuamos día a día. Muchas
veces, las escalas u órdenes de magnitud pueden confundirnos, pero
la aplicación de estas lógicas está presente en nuestra realidad
cotidiana hace muchos años. No en forma de robot [no siempre, la
verdad], pero sí en muchos de los servicios digitales que tenemos en
la punta de nuestros dedos cada jornada.

A esto me refería al principio del libro sobre la llamada “miopía” que

sufrimos como personas cuando no somos conscientes del avance de
un área. Nos maravillamos cuando el mundo reacciona, cuando los
medios lanzan la noticia de un nuevo gran avance, pero
generalmente desconocemos que esto es una evolución constante.

65
GUSTAVO SOTO MIÑO

Les propongo un ejercicio simple, tomen su teléfono y vayan al

“Home”. Miren lo íconos y reflexionen brevemente sobre qué
aplicaciones de las que tienen instaladas usan lógicas de IA para su
funcionamiento. Se sorprenderán al saber que podríamos asumir
que casi todas usan algún tipo de lógica de IA hoy en día. Para
ilustrar, pongamos el caso de Google Maps, que utiliza algoritmos de
aprendizaje y análisis predictivo para proporcionar el camino o ruta
con menos tráfico, usando información de los usuarios y también
información de escenarios; por ejemplo, los viernes, después de las
17:00 horas, x ruta tiende a ser más concurrida, y ese dato lo usa
para hacer una recomendación. Asimismo, Spotify, que usa millones
de datos para sugerir canciones y listas de reproducción
personalizadas basadas en los hábitos de las personas, o Instagram,
que además de sus lógicas para mantenernos en el loop eterno, usa
IA para poder filtrar y eliminar comentarios ofensivos o que
potencien el bullying, o Gmail, que te recomienda revisar si
adjuntaste un archivo cuando reconoce que en el texto dice
“adjunto”.

Además, durante los últimos años, los avances en investigación y

desarrollo han permitido la aparición de dos conceptos clave:
“aprendizaje automático” (machine learning) y “aprendizaje
profundo” (deep learning).

Machine learning (ML) es un enfoque de la inteligencia artificial que

se basa en algoritmos y modelos matemáticos para enseñarles a las
máquinas cómo aprender a partir de datos. Los sistemas de ML

66
 DISEÑO ARTIFICIAL

analizan grandes cantidades de datos, identifican patrones y ajustan

su comportamiento en función de la información obtenida. Por
ejemplo, un enfoque ML permite que podamos explorar datos de
usuarios o clientes de un servicio y pedirle al modelo que escoja los
clientes más propensos a cambiarse a la competencia a partir de
ciertas variables, como tiempo de servicio, NPS, productos
contratados, etc. Este modelo, al examinar el pasado, podría
indicarnos patrones que reflejen un comportamiento futuro.

Deep learning (DL) es un subcampo del machine learning que utiliza

redes neuronales artificiales para imitar la forma en que el cerebro
humano procesa la información. Las redes neuronales están
compuestas por múltiples capas de nodos, o “neuronas”, que se
encargan de procesar y transmitir información.

El deep learning permite que las máquinas aprendan de manera más

profunda y compleja, lo que resulta en un mejor rendimiento en
tareas difíciles, como el reconocimiento de imágenes o el
procesamiento del lenguaje natural.

En ambos casos, la IA se vuelve “más inteligente” y aprende más

rápido a medida que posee más datos. Todos los días, las empresas
están generando el combustible que alimenta las soluciones de
aprendizaje automático (machine learning) y aprendizaje profundo
(deep learning) mediante la recopilación, extracción y explotación de
datos.

67
GUSTAVO SOTO MIÑO

En términos simples, podemos precisar que el

concepto de IA tiene que ver con la viabilidad y
capacidad que tienen las máquinas para “pensar”
como los humanos [o emulen este
procesamiento], para desarrollar la capacidad
de aprender [sí, de los errores tal como nosotros],
razonar [contrastando los éxitos y fracasos],
percibir [generar canales de entrada para inyectar
inputs o prompt], deliberar [asumir un riesgo en la
decisión tal como lo hacemos nosotros] y decidir
lógicamente sobre los hechos [tomar una decisión
y acción].

2.2 Convergencia entre la inteligencia artificial y la

metodología del diseño de experiencias

La convergencia de la inteligencia artificial y el diseño de

experiencias ha sido impulsada desde varias tensiones.

Como revisamos en el capítulo anterior, existen una serie de etapas

que construyen la metodología de diseño centrado en las personas.
En cada una de ellas comienzan a verse oportunidades de
convergencia entre estos dos mundos. En el siguiente apartado
veremos no sólo el impacto y mi recomendación de uso de
herramientas [particularmente, ChatGPT] para poder comenzar a

68
 DISEÑO ARTIFICIAL

explorar, sino también pondré algunos prompts como ejemplos y su

respuesta para que, como lectores, puedan luego usar estos mismos
ejemplos en sus primeras exploraciones o, derechamente, en sus
proyectos activos. Espero [tengo fe, más bien] que a medida que
avances en este libro, te detengas varias veces a poner en práctica
algún ejemplo. ¡Anímate!

2.3 Etapa de discovery

En la etapa de discovery, la metodología de UX/DPE se centra en la

investigación y la comprensión del problema. Los diseñadores u
otros profesionales buscan información relevante, realizan
entrevistas con usuarios y stakeholders, observan el contexto en el
que se utilizará el producto o servicio y analizan datos para
identificar oportunidades y desafíos. Comúnmente se utilizan
algunos de los siguientes métodos: entrevistas con usuarios,
observación, investigación de mercado, o benchmarking, y en cada
una de ellas comienzan a aparecer oportunidades por medio de la
convergencia de la IA y la experiencia. Veamos algunos ejemplos.

2.3.1 Entrevistas con usuarios

Dado el nivel de madurez de las herramientas de IA, actualmente

existe la capacidad de generar análisis y búsqueda de patrones
dentro de grandes extensiones de texto e información. Si bien esta
capacidad existe desde hace un montón de tiempo, nos daremos
cuenta de que la masificación de herramientas, como ChatGPT,
facilita y acerca la capacidad de poder probar y utilizar estas mismas

69
GUSTAVO SOTO MIÑO

herramientas. Antes requeríamos tener conocimientos básicos [pero

conocimientos al fin] de procesamiento de data, queries, etc; hoy la
brecha es casi nula.

La IA puede analizar automáticamente las respuestas de los usuarios

para detectar y clasificar emociones, sentimientos, aversiones,
miedos, dolores, etc. Esto puede ser de tremenda ayuda para
identificar patrones relevantes que requieran atención o gestión.

Eso sí, no se trata de dejar a la herramienta hacer interpretaciones

de manera autónoma, sino más bien de ir generando hipótesis y
ayudarse de la herramienta para poder resolverlas. Por ejemplo, en
la transcripción de una serie de entrevistas [que es algo que la IA
también podría hacer por ti automáticamente] se pueden ejecutar
prompts que ayuden al procesamiento, ya sea validar un dolor
específico en el uso de un producto, si tiene que ver con un
segmento, o si se relaciona con una realidad geográfica o alguna
variable específica. Veamos un ejemplo.

Prompt:
Respecto de las respuestas que dan los usuarios a los miedos del uso de
la aplicación, lista los patrones más recurrentes dentro de sus
respuestas.

Respuesta:
Seguridad y privacidad: los usuarios están preocupados por la
seguridad de sus datos personales y financieros. Temen que su
información pueda ser interceptada o mal utilizada por terceros no
autorizados.

70
 DISEÑO ARTIFICIAL

Fraude y robo de identidad: los usuarios temen ser víctimas de

fraudes o robos de identidad al realizar transacciones a través de la
aplicación.
Errores en las transacciones: los usuarios están preocupados por
cometer errores al realizar transacciones, como enviar dinero a la
cuenta equivocada o ingresar montos incorrectos.
Fallos técnicos y problemas de compatibilidad: los usuarios están
preocupados por fallos técnicos, como la caída de la aplicación, la
pérdida de datos o problemas de compatibilidad con sus dispositivos
móviles.
Disponibilidad y tiempo de respuesta del servicio de atención al
cliente: los usuarios reflejan temor de no recibir ayuda oportuna o
adecuada en caso de problemas o dudas relacionadas con la
aplicación.

Un simple prompt como este nos puede ayudar a ir generando un

entendimiento rápido. Eso sí, la clave es desarrollar buenas
preguntas e hipótesis. Acá, como en todos los métodos que
revisaremos, el talento humano es crucial.

¿Cuál creo que es el principal valor del uso de la IA en este

apartado? La eficiencia en el procesamiento de información,
detección de patrones y traspaso automático de grabaciones a un
texto único de consulta.

2.3.2 Observación

En términos de la observación, al igual que en el caso anterior, la IA

nos permite detectar patrones no sólo de texto, sino también
del análisis del comportamiento digital, puesto que existen
herramientas que nos permiten ir mapeando la interacción con

71
GUSTAVO SOTO MIÑO

interfaces, y así identificar patrones de comportamiento y áreas de

mejora.

Por ejemplo, existen un montón de herramientas que permiten

entender cuando un usuario hace un rage-click, que básicamente es
cuando un sitio web tiene un bajo performance y un servicio o
llamado comienza a tardar de manera considerable, y los usuarios
generan varios clics para “apurar” al sistema. Cuando esto ocurre, se
puede levantar una alarma que permite identificar un problema de
este tipo y mejorarlo. ¿Se acuerdan del vecino que cree que
apretando el botón 98 veces el ascensor bajará más rápido? Pues
bien, esto es lo mismo, pero en digital.

Asimismo, hay una serie de ejemplos de herramientas

físicas/digitales que logran unir elementos de realidad aumentada y
que permiten ir generando en línea hipótesis y patrones. Por
ejemplo, existen herramientas de detección de tráfico en tiendas de
retail que permiten identificar el tiempo en tienda de los usuarios,
cuál es el tráfico promedio, si las personas van solas o acompañadas,
si salen con alguna compra, etc. Todas estas interpretaciones
automáticas sirven para luego generar hipótesis y seguir adelante
con las investigaciones.

¿Cuál creo que es el principal valor del uso de IA en este

apartado? La capacidad de “poner” ojos donde es muy difícil
generar hipótesis sólo desde la observación, donde uno puede
revisar dos horas de video en busca de patrones versus una alerta
que, de manera automatizada, entrega insights. Recomiendo visitar e

72
 DISEÑO ARTIFICIAL

investigar sobre productos que permiten “trackear”

comportamiento y levantar insights de manera automatizada.

2.3.3 Investigación de mercado o segmentos

Una de las ventajas que ofrece hoy la IA tiene que ver con el
análisis predictivo. Esto significa que mediante el análisis en vivo y
productivo de información [por ejemplo, un feedback continuo de
un CES o NPS5], la IA puede predecir ciertas tendencias o cambios en
los segmentos propios.

En palabras más sencillas, imaginemos que tenemos una encuesta

productiva que permite medir la facilidad de pago de una pasarela
de pagos. Esta encuesta de CES nos podría dar pistas e insights sobre
algún medio de pago faltante, es decir, que los usuarios usan, pero
que no está disponible. En este caso, un análisis simple que puede
hacer la IA es comparar la tasa de conversión con los comentarios
sobre el medio de pago faltante y alertarnos de que varios puntos de
conversión se pueden estar perdiendo por no tener dicho medio de
pago.

Esta conjunción entre feedback, comportamiento de segmentos y

data productiva es tremendamente interesante de explorar.
Personalmente, he tenido el gusto de dar mis primeros pasos

5
CES: Customer effort score, es una métrica para la medición de esfuerzo percibido
en una transacción específica. Por ejemplo, después de un pago, al preguntar, ¿Qué
tan fácil fue pagar?, se obtiene un resultado. NPS por otro lado, es una métrica de
recomendación. Que permite entender de manera más general si una persona
recomendaría un producto o servicio a algún familiar o amigo.

73
GUSTAVO SOTO MIÑO

armando este tipo de modelo, y funciona. Invítame un café y te

cuento más [al final del libro hay un apartado de feedback donde me
puedes contactar].

Por otro lado y de manera cuidadosa, podemos, sin lugar a duda,

usar estas herramientas para procesar información pública, de
múltiples mercados, o registrada en los modelos de aprendizaje. Lo
ejemplifico con el siguiente prompt:

Prompt:
Toma las posibles audiencias de [un país] y calcula el TAM (total
addressable market) para un nuevo producto de limpieza orgánico.
Haz un listado de los posibles segmentos de compra y dame un
estimado de su propensión a la compra y valor de venta estimado para
cada audiencia.

Les comparto el resultado del ejemplo para que entiendan el

ejercicio:

Para calcular el Total Addressable Market (TAM) de un nuevo

producto de limpieza orgánico en Chile, primero debemos identificar y
segmentar las posibles audiencias. A continuación, se presentan
algunos segmentos de mercado clave junto con una estimación de la
propensión a la compra y el valor de venta estimado.

Hogares preocupados por el medio ambiente:

Propensión a la compra: alta (70%)
Valor de venta estimado: USD$15 por producto

Familias con niños pequeños o mascotas:

Propensión a la compra: media (50%)

74
 DISEÑO ARTIFICIAL

Valor de venta estimado: USD$12 por producto

Personas con alergias o sensibilidades químicas:

Propensión a la compra: alta (75%)
Valor de venta estimado: USD$18 por producto

Consumidores conscientes de la salud y el bienestar:

Propensión a la compra: media-alta (60%)
Valor de venta estimado: USD$14 por producto

Empresas de servicios de limpieza ecológica:

Propensión a la compra: media (50%)
Valor de venta estimado: USD$10 por producto (precios al por mayor)

Para calcular el TAM, necesitamos información demográfica

actualizada de Chile, como la cantidad de hogares, familias con niños
pequeños o mascotas, y empresas de servicios de limpieza.
Supongamos que Chile tiene:

5 millones de hogares.
2,5 millones de familias con niños pequeños o mascotas.
200.000 personas con alergias o sensibilidades químicas.
4 millones de consumidores conscientes de la salud y el bienestar.
5.000 empresas de servicios de limpieza ecológica.
Hogares preocupados por el medio ambiente: 5.000.000 * 70% *
USD$15 = USD$52.500.000.
Familias con niños pequeños o mascotas: 2.500.000 * 50% * USD$12 =
USD$15.000.000.
Personas con alergias o sensibilidades químicas: 200.000 * 75% *
USD$18 = USD$2.700.000.
Consumidores conscientes de la salud y el bienestar: 4.000.000 * 60%
* USD$14 = USD$33.600.000.

75
GUSTAVO SOTO MIÑO

Empresas de servicios de limpieza ecológica: 5.000 * 50% * USD$10 =

USD$250.000.

Al sumar todos estos valores, obtenemos un TAM estimado para el

nuevo producto de limpieza orgánico en Chile de, aproximadamente,
USD$104.050.000. Sin embargo, es importante tener en cuenta que
estos números son sólo estimaciones y pueden variar en función de
factores como la evolución del mercado, la competencia y las
tendencias de consumo.

Esta respuesta, si bien puede tener múltiples fallas en sus inputs de

datos, fuentes y referencias, sí nos ayuda a poder ir trazando líneas,
construyendo hipótesis y generando una estructura de
entendimiento del mercado al cual nos estamos enfrentando.

¿Cuál creo que es el principal valor del uso de IA en este

apartado? La eficiencia y capacidad de explorar temas que no son
necesariamente de dominio de todos, y que sin tener que ser un
experto en números, uno es capaz de generar hipótesis de manera
eficiente y con cierto grado de certeza. A su vez, nos puede ayudar,
como indiqué al inicio del apartado, a ir generando exploraciones
con segmentos propios del producto e ir entendiendo los cambios y
oportunidades desde el mismo producto y no como tensión externa.

2.3.4 Análisis de tendencias

Hoy en día, un ejercicio que resulta bastante interesante es

adentrarse en las herramientas de búsqueda de tendencias y
realidades competitivas. Si bien los datos dependen de la

76
 DISEÑO ARTIFICIAL

información actualizada, es clave entender que estos modelos

pueden conectarse y cruzar múltiples fuentes de información para
identificar tendencias emergentes y cambios en ciertos mercados, de
manera que estas herramientas nos pueden ayudar a visualizar la
información de manera cómoda y en diferentes formatos.

Uno de los ejercicios que les propongo es, por ejemplo, probar el
resultado a ciertos prompts que nos permitan comparar canales o
aplicaciones en un contexto competitivo y revisar los resultados en
búsqueda de nuevas hipótesis.

Prompt:
Haz un análisis competitivo de las aplicaciones de banca más
relevantes en Argentina, comparando algún índice de satisfacción de
clientes, volumen de usuarios y penetración digital de su cartera.
Además, indica las tres funcionalidades más novedosas y disruptivas
en las aplicaciones de banca.

Resultado:
A continuación, se presenta un análisis competitivo de las aplicaciones
de banca más relevantes en Argentina, considerando un índice de
satisfacción de clientes, volumen de usuarios y penetración digital de
su cartera. Tenga en cuenta que estos datos pueden haber cambiado
desde mi última actualización en 2021 y podrían no estar
actualizados.

Banco Galicia:
Índice de satisfacción de clientes: 4,2/5 (Google Play Store)
Volumen de usuarios: 3+ millones
Penetración digital: 65% de la cartera de clientes

77
GUSTAVO SOTO MIÑO

Banco Santander Río:

Índice de satisfacción de clientes: 3,9/5 (Google Play Store)
Volumen de usuarios: 2+ millones
Penetración digital: 60% de la cartera de clientes

BBVA Argentina:
Índice de satisfacción de clientes: 4,0/5 (Google Play Store)
Volumen de usuarios: 1,5+ millones
Penetración digital: 55% de la cartera de clientes

Banco Macro:
Índice de satisfacción de clientes: 3,5/5 (Google Play Store)
Volumen de usuarios: 1+ millón
Penetración digital: 50% de la cartera de clientes

Las tres funcionalidades más novedosas y disruptivas en las

aplicaciones de banca incluyen:

Apertura de cuentas digitales: les permiten a los usuarios abrir una

cuenta bancaria en línea sin tener que visitar una sucursal física. Por
lo general, el proceso es rápido y sencillo, sólo se requiere una
identificación válida y una “selfie” para verificar la identidad del
cliente.

Pagos y transferencias instantáneas: las aplicaciones bancarias

permiten realizar pagos y transferencias en tiempo real a través de
sistemas como PIX, en Brasil, o UPI, en India. En Argentina, el sistema
CVU (clave virtual uniforme) facilita las transferencias instantáneas
entre cuentas bancarias y fintechs.

Gestión de finanzas personales y presupuestos: muchas

aplicaciones de banca incluyen herramientas de gestión de finanzas
personales, las que ayudan a los usuarios a hacer un seguimiento de

78
 DISEÑO ARTIFICIAL

sus ingresos y gastos, establecer objetivos de ahorro y crear

presupuestos para mejorar su salud financiera.

Cabe señalar que el mercado de aplicaciones de banca en Argentina y

América Latina, en general, está en constante evolución, con nuevos
competidores y funcionalidades que surgen regularmente. La
adopción de la banca digital y las aplicaciones móviles están creciendo
rápidamente en la región, lo que les permite a los clientes acceder a
servicios bancarios de manera más conveniente y eficiente.

Nuevamente y más allá de las imprecisiones de los datos y lo

desactualizado que puedan estar, con un ojo entrenado y capaz de
generar nuevas hipótesis, esta exploración resulta tremendamente
nutritiva. Este tipo de ejercicios de complemento a las actividades de
research sirven para explorar dimensiones, para no olvidar temas
trascendentes, y para ir construyendo un análisis de valor y
acabado.

¿Cuál creo que es el principal valor del uso de IA en este

apartado? Abrir el campo de análisis, identificar al menor costo
posible otras dimensiones a analizar que son invisibles hasta que
alguien, o algo, las pone sobre la mesa.

Por lo general, los equipos dedicados a este análisis tienen sus

variables y elementos críticos muy claros, pero estas herramientas
pueden ayudarnos a ver otras dimensiones y coordenadas que
permiten enriquecer el análisis y encontrar mayor valor.

2.3.5 Benchmark

79
GUSTAVO SOTO MIÑO

En la etapa de benchmark es donde me ha tocado trabajar

ampliamente en la aplicación de métodos de análisis por medio de
herramientas IA. A mi juicio, un buen benchmark no sólo nos
ayuda a “no inventar la rueda”, sino que nos es útil para
identificar espacios de oportunidad y ventajas competitivas de
otros.

La ventaja del uso de las herramientas IA es que pueden ayudar en

dos aristas: por un lado, en tener una comprensión amplia de cuáles
son las dimensiones de análisis que no se deberían dejar de lado. Un
simple ejercicio ayuda, sin duda, a tener un complemento útil de
elementos que no se pensaron o no se ponderaron.

Prompt:
¿Qué dimensiones de análisis para un benchmark comparativo no
debería dejar de mirar al querer diseñar y definir un producto digital
que sirve para editar imágenes desde el teléfono móvil?

Respuesta:
Al diseñar y definir un producto digital para editar imágenes desde el
teléfono móvil, es crucial realizar un análisis de benchmark
comparativo para comprender el panorama competitivo y garantizar
que el producto se destaque en el mercado. Aquí hay algunas
dimensiones de análisis clave que no debería dejar de considerar:

Facilidad de uso
Funcionalidades y herramientas
Integración con redes sociales
Compatibilidad y rendimiento
Modelos de negocio y monetización
Reputación y calificaciones

80
 DISEÑO ARTIFICIAL

Innovación y diferenciación
Soporte y recursos educativos

Al considerar todas estas dimensiones en un benchmark comparativo,

podrá diseñar un producto digital para editar imágenes desde el
teléfono móvil que sea competitivo y atractivo para los usuarios,
satisfaciendo sus necesidades y superando las expectativas del
mercado.

De inmediato podemos poner sobre la mesa dimensiones que no

habíamos pensado y que, probablemente, serían muy relevantes;
por el contrario, podemos ver algunas recomendaciones que no
parecen acertadas o no están en el alcance de lo que necesitamos
investigar. Así sea positivo o negativo, hay valor.

Respecto de la otra arista, el uso de la IA te puede ayudar

rápidamente a listar la competencia en varias líneas. Te lo ilustro
con un ejemplo:

Prompt:
Haz un listado de aplicaciones de descuentos que debiese comparar en
un benchmark y separa dos grupos: competidores directos en
Latinoamérica y top players en todo el mundo.

Respuesta:
Aquí hay un listado de aplicaciones de descuentos para realizar un
benchmark, separadas en dos grupos: competidores directos en
Latinoamérica y top players en todo el mundo.

Competidores directos en Latinoamérica:

1. Cuponatic (Chile, Colombia, Perú)

81
GUSTAVO SOTO MIÑO

2. Groupon (Argentina, Chile, México, Colombia)

3. Peixe Urbano (Brasil)
4. Dafiti (Argentina, Chile, Colombia, México)
5. Linio (México, Colombia, Perú)
6. Ofertia (México, Colombia)
7. Tiendeo (Argentina, Chile, México, Colombia, Perú)
8. Descuentocity (Argentina, México, Colombia)
9. ClubCupón (Argentina)

Top players en todo el mundo:

1. Groupon (EE. UU. y otros mercados internacionales)
2. RetailMeNot (EE. UU.)
3. Honey (EE. UU.)
4. Slickdeals (EE. UU.)
5. Rakuten (Japón, EE. UU., Canadá y otros mercados internacionales)
6. VoucherCodes (Reino Unido)
7. HotUKDeals (Reino Unido)
8. OzBargain (Australia)
9. RedFlagDeals (Canadá)
10. CashKaro (India)

Con un listado de este tipo, invirtiendo sólo 15 segundos en el

prompt, se puede ser capaz de generar una primera ayuda que
permitirá enfocar los esfuerzos y dirigir los primeros pasos de la
investigación.

¿Cuál creo que es el principal valor del uso de IA en este apartado?

La capacidad de acceder a un montón de referentes que podrían
tomar horas de búsqueda en Google, es decir, la eficiencia con la que
uno puede ir generando relaciones y referentes. A su vez, como
vimos en el primer ejemplo, tener un “consultor” que te ayude con

82
 DISEÑO ARTIFICIAL

ciertas precisiones, con ciertos datos o dimensiones que no

consideraste. En verdad, es un valioso input por tan bajo esfuerzo.

2.4 Etapa de definir

En esta etapa de la metodología, los diseñadores y profesionales

sintetizan y analizan toda la información recopilada durante la fase
de descubrimiento para definir claramente el problema que se va a
abordar. La clave es definir el qué, por qué y para quién de las
soluciones que se avecinan. Los profesionales suelen usar métodos
tales como: mapas de empatía, jobs to be done, user personas o
problem statements, entre otros. Y en cada uno de ellos comienzan a
aparecer oportunidades desde la convergencia de la IA y la
experiencia. Veamos algunos ejemplos.

2.4.1 Mapas de empatía

Uno de los usos más simples de la IA es que te puede ayudar

rápidamente a ir resolviendo hipótesis de comportamiento, analizar
tendencias, ordenar ideas, sincerar los miedos, etc.

Tal como hemos señalado [y se menciona más adelante], hay que

poner mucha atención sobre lo incompleto que pueden ser los
modelos que alimentan estas herramientas y lo sesgada de la
información. Sin embargo, al momento de tener información ya
compilada, estas herramientas de IA pueden ayudar mucho en la
estructuración de hipótesis y generación de ciertos canvas o
templates, como puede ser un mapa de empatía.

83
GUSTAVO SOTO MIÑO

Un mapa de empatía busca, sobre todo, acercarse de una manera no

sesgada a una realidad que nos permita ponernos en los zapatos del
otro. Por lo mismo, el valor del ejercicio está en generar dicha
empatía, más allá de la construcción del artefacto.

No obstante, al tener ya información recopilada, uno puede ser

capaz de pedirles a estos modelos que generen ciertos prompts que
puedan ser de ayuda.

Prompt:
Genera un mapa de empatía considerando a un joven estudiante de
ingresos del 30% más bajo, educación universitaria, que vive en un
barrio de clase media. Centra el eje del mapa en su relación con los
servicios financieros digitales y pon foco en la primera relación con
estos.

Respuesta:
Para crear un mapa de empatía, generalmente dividimos la
información en cuatro categorías principales: pensar y sentir, ver,
escuchar y decir, y hacer.

Pensar y sentir:
Inseguridad sobre su situación financiera.
Curiosidad sobre cómo los servicios financieros digitales pueden
ayudarlo a manejar mejor su dinero.
Preocupación sobre la seguridad y privacidad de su información
financiera.
Deseo de mejorar su situación económica.

Ver:

84
 DISEÑO ARTIFICIAL

Publicidades y promociones de servicios financieros digitales en redes

sociales, sitios web y aplicaciones.
Amigos y compañeros de clase utilizando servicios financieros
digitales (por ejemplo, aplicaciones de pago móvil, banca en línea,
etc.).
Historias de éxito y testimonios de personas que han mejorado su
situación financiera a través del uso de servicios financieros digitales.

Escuchar y decir:
Conversaciones con amigos, compañeros de clase y familiares sobre
sus experiencias con servicios financieros digitales.
Recomendaciones de personas cercanas para utilizar ciertas
aplicaciones o servicios.
Críticas y opiniones en línea sobre diferentes servicios financieros
digitales.
Preguntas y dudas expresadas acerca de la efectividad, seguridad y
accesibilidad de los servicios financieros digitales.

Hacer:
Investigar sobre diferentes servicios financieros digitales disponibles
en el mercado.
Comparar y contrastar las características, ventajas y desventajas de
cada opción.
Probar uno o más servicios financieros digitales por primera vez.
Monitorear y evaluar su experiencia y resultados en relación con sus
metas financieras.”

Esta respuesta, al igual que en los ejemplos anteriores,

evidentemente podrá ir mejorando con el tiempo, pero aun así nos
ayuda a ir abriendo el espectro de temas que se pueden revisar o
considerar.

85
GUSTAVO SOTO MIÑO

No esperemos que la IA sea derechamente empática, pero sí que nos

ayude a ordenar y clasificar la información. En este sentido, estas
herramientas son muy buenas para encontrar patrones, cruzar
elementos y entregarnos información masticada; por lo mismo,
mientras más completa y profunda la información de una audiencia,
será mejor el output.

¿Cuál creo que es el principal valor del uso de IA en este

apartado? Principalmente, la capacidad de articular y generar el
formato adecuado de un mapa al tener la información e
investigación previa. Ciertamente, en este punto hay que tener
precaución con la información que entrega el modelo. Esto, por los
sesgos y la actualización de la información.

Atención con la información privada y sensible.

Tal como revisaremos más adelante, uno de los desafíos que supone
el uso de estas herramientas es la protección de datos. Por lo mismo,
mi recomendación es que siempre que hagas pruebas y ejercicios,
no ingreses información personal o algún dato que permita a un
tercero identificar a una persona en particular.

2.4.2 Jobs to be done

Uno de los grandes cambios en la metodología de diseño de

productos y servicios se ha dado por la inclusión de los llamados jobs

86
 DISEÑO ARTIFICIAL

to be done (JTBD)6. Los JTBD son una metodología y enfoque que se

centra en comprender realmente qué está detrás de las necesidades
de los usuarios desde una perspectiva un tanto diferente a la
tradicional. Este método sugiere que las personas
compran/suscriben productos y servicios para cumplir con ciertos
“trabajos”, o jobs, en sus vidas, y luego se relacionan con dichos
productos o servicios para resolver estos trabajos. Suena a
trabalenguas [lo sé], pero ahora te lo explico en simple.

En lugar de concentrarse en las características o funciones del

producto, el enfoque JTBD se centra en comprender y abordar las
necesidades y problemas subyacentes, no explícitos, que los
usuarios están tratando de resolver. Un ejemplo mundano [y que
siempre comparto] es el siguiente: mi hijo Santiago se acostumbró
desde muy pequeño a dormir con ruido blanco [como el ruido que
emite una campana de cocina o el secador de pelo]. Este ruido
“aísla” otro tipo de sonidos del exterior. Por lo mismo, el trabajo que
espero yo como usuario que algún producto o servicio haga [y
usemos la estructura de un JTBD] es que:

Cuando mi hijo está por dormirse, necesito poder poner un ruido

blanco de manera repetida y a un volumen de sonido constante, y de
esta forma asegurar que pueda dormir tranquilo y sin sobresaltos.

6
Si no estás familiarizado o familiarizada con el concepto y trabajas en experiencia o
productos, te insto a buscar el concepto, entenderlo y aplicarlo desde ya. Es un
framework tremendamente útil, comprensible y que permite generar un nuevo
lenguaje con el mundo del desarrollo de productos.

87
GUSTAVO SOTO MIÑO

Este JTBD puede resolverse de varias maneras. Efectivamente,

encendiendo un electrodoméstico en la pieza [no es muy
conveniente andar desinstalando la campana de la cocina, o sería
bien costoso mantener el secador de pelo encendido por horas], o
comprar un reproductor de ruido blanco en un sitio de e-commerce
de productos chinos [donde dudo de la vida útil de un producto que
vale menos que un café], o bien [la solución que decidí] usar una
lista de Spotify con ruido blanco. ¿El problema? Spotify gratis
intercala publicidad durante la reproducción. Por lo que me vi
“obligado”, o tentado, más bien, a pagar la suscripción premium
para asegurar la reproducción del ruido de manera continua y sin
sobresaltos. Es decir, de todas estas soluciones que resolvían el job,
escogí la que menor fricción y mayor satisfacción me ofrecía al
menor “costo” [esfuerzo o dinero].

¿Sabrán los de Spotify que hay miles de usuarios que pagan el

servicio no porque quieren “el soundtrack de su vida”, sino porque
quieren que sus hijos duerman mejor? Creería que sí lo saben.
Vamos, ¡que son Spotify!

[Volvamos, mejor].

¿Para qué nos podrían ayudar las herramientas de IA en el

procesamiento de JTBD? Principalmente, para la estructuración de
hipótesis, para ampliar el foco de necesidades, para entender otras
perspectivas válidas y considerarlas, o no, dentro de la
estructuración de los jobs. Veamos un ejemplo de esto.

88
 DISEÑO ARTIFICIAL

Prompt:
Utilizando la metodología de JTBD, genera cinco jobs relevantes en el
escenario donde un usuario necesita obtener efectivo de manera
urgente y está en su hogar.

Respuesta:
Job 1: localizar fuentes de efectivo rápidas y accesibles.
Situación: el usuario se encuentra en casa y necesita efectivo
urgentemente.
Motivación: encontrar una solución rápida y confiable para obtener
efectivo.
Resultado esperado: acceso inmediato a efectivo o crédito para
abordar la situación urgente.

Job 2: realizar transacciones financieras seguras en línea.

Situación: el usuario necesita obtener efectivo, pero se encuentra en
casa y no puede salir.
Motivación: realizar transacciones financieras sin comprometer la
seguridad y la privacidad.
Resultado esperado: transacciones exitosas y seguras a través de una
plataforma digital confiable.

Job 3: convertir activos digitales en efectivo.

Situación: el usuario tiene activos digitales (por ejemplo,
criptomonedas) y necesita efectivo con urgencia.
Motivación: cambiar activos digitales por efectivo de manera rápida y
eficiente.
Resultado esperado: obtención de efectivo a través de la conversión de
activos digitales sin demoras ni complicaciones.

Job 4: solicitar un adelanto de salario o préstamo personal.

Situación: el usuario necesita efectivo urgente y está dispuesto a pedir
un adelanto de salario o un préstamo personal.

89
GUSTAVO SOTO MIÑO

Motivación: conseguir una fuente adicional de efectivo para cubrir

necesidades urgentes.
Resultado esperado: aprobación rápida y acceso inmediato a los
fondos solicitados.

Job 5: coordinar una transferencia de fondos entre amigos o

familiares.
Situación: el usuario se encuentra en casa y necesita efectivo urgente,
pero no puede acceder a otras fuentes de crédito.
Motivación: recibir apoyo financiero temporal de personas cercanas
para abordar la situación de emergencia.
Resultado esperado: transferencia exitosa de fondos y obtención de
efectivo de manera oportuna.

¿Nos hacen sentido todos los jobs? Probablemente no. Sirven para
explorar otras dimensiones y examinar espacios que no teníamos en
la retina. Sí. ¿Entiende la herramienta qué es un job y cómo se
estructura? Sí, también.

2.4.3 Personas / Arquetipos

La creación de personas y arquetipos es un artefacto

tremendamente utilizado en la metodología de experiencia de
usuarios. Al igual que en otros métodos que hemos señalado en el
presente texto, la clave está en la información recopilada durante el
proceso de research. Las herramientas de IA nos pueden ayudar sin
problemas a compilar, dar forma y procesar información de manera
útil y bien pertinente. La IA puede, además, utilizar algoritmos de
clustering para analizar y segmentar los datos de usuarios. Con esto,
uno es capaz de hacer cruces de valor relevantes para ir sumando
dimensiones más complejas para el diseño.

90
 DISEÑO ARTIFICIAL

Desde una perspectiva personal, siempre he tenido un problema con

el uso de estos artefactos: he sido testigo de innumerables ocasiones
en las que muchos equipos de trabajo arman sus arquetipos y
definiciones de personas y luego estos quedan olvidados en un cajón
durante todo el proceso. ¿Por qué? Porque, principalmente, creo
que estos [como muchos artefactos de experiencia] no tienen que
ser entregables, sino activos vivos e iterativos. Por lo demás, creo
que los arquetipos deben ayudar, básicamente, en tres líneas:

1. Ayudar a tomar decisiones de diseño. Por ejemplo, ¿qué

información tiene el cliente en su mano? ¿Tiene sentido que
le preguntemos sobre este punto en esta parte del flujo?

2. Ayudar a tomar decisiones de comunicación. Por

ejemplo, ¿qué lenguaje entiende el usuario? ¿Irá a entender
esta instrucción? ¿Existen neologismos que esta audiencia no
logre entender?

3. Ayudar a tomar decisiones de go to market. Por ejemplo,

¿a quién vamos a buscar primero? ¿Cuál es la audiencia más
golpeada por una mala experiencia que queremos ir a atacar
primero? O ¿cuál será nuestra audiencia más receptiva y
probable que se transforme en promotora del producto?

Dicho esto, las conversaciones con estas herramientas nos van a

permitir explorar de manera profunda y completa diferentes
dimensiones, dependiendo siempre, como en cada punto hemos

91
GUSTAVO SOTO MIÑO

hecho hincapié, en la calidad de los datos. Les comparto un ejemplo

sobre el cual pueden explorar.

Prompt:
Utilizando la metodología de user personas, genera una persona para
un tipo de usuario de una institución financiera (de 45 años, con
estudios superiores completos), indicando además el margen
financiero promedio que deja al banco al que pertenece, los tipos de
productos que tiene y su sueldo promedio, tipo de lenguaje que
debemos utilizar, funcionalidades básicas que deberíamos considerar,
su propensión a la tecnología y qué elementos debiésemos considerar
para el go-to-market de la aplicación de Everyday Banking.

Respuesta:
Nombre del usuario persona: Laura Sánchez

Descripción:
Laura es una profesional de 45 años con estudios superiores
completos. Trabaja como gerente de proyectos en una empresa
multinacional y tiene un historial sólido en la gestión exitosa de
proyectos en varios sectores. Ella está casada y tiene dos hijos
adolescentes.

Margen financiero promedio:

Laura deja al banco un margen financiero promedio mensual de
USD$1.500 a través de préstamos, tarjetas de crédito y otros productos
financieros.
Tipos de productos que tiene:
Cuenta corriente y cuenta de ahorros.
Tarjeta de crédito y tarjeta de débito.
Préstamo hipotecario y préstamo para automóvil.
Inversiones y seguros (vida, hogar y vehículo).

92
 DISEÑO ARTIFICIAL

Sueldo promedio:
Laura tiene un sueldo promedio mensual de USD$8.000.
Tipo de lenguaje que debemos utilizar:
Lenguaje claro y conciso. Términos financieros y bancarios
apropiados.
Lenguaje respetuoso y personalizado.

Funcionalidades básicas que deberíamos considerar:

Consulta de saldos y movimientos de cuentas.
Transferencias y pagos en línea (facturas, servicios, impuestos).
Administración de tarjetas de crédito y débito (bloqueo, aumento de
límites).
Apertura y gestión de inversiones y seguros.
Herramientas de planificación financiera y presupuesto.

Propensión a la tecnología:
Laura es una usuaria intermedia de tecnología. Aunque no es una
experta en tecnología, se siente cómoda utilizando dispositivos
electrónicos y aplicaciones para manejar sus finanzas y otras tareas
cotidianas.

Elementos por considerar para el go-to-market de la aplicación

de Everyday Banking:
Comunicar claramente cómo la aplicación ayuda a simplificar y
mejorar la gestión financiera de Laura.
Resaltar la seguridad y privacidad de la aplicación, ya que Laura
valora la protección de su información financiera.
Ofrecer promociones y descuentos exclusivos para usuarios de la
aplicación en comercios y servicios asociados.
Organizar talleres o webinars para demostrar las funcionalidades de
la aplicación y cómo utilizarla de manera eficiente.
Proporcionar un soporte al cliente accesible y eficiente para resolver
dudas y problemas técnicos.

93
GUSTAVO SOTO MIÑO

Claramente, debemos tener precaución con la información que

tomamos, rescatamos y estructuramos a partir de estos outputs. Es
muy fácil a veces descansar en herramientas que parecen resolverlo
todo, pero no están haciendo más que ayudarnos a articular
hipótesis y generar cruces. La validez de los cruces, de la
información, de activamente cuestionar los elementos que parezcan
certeros, es nuestra. La herramienta es un medio, depende de cómo
se use.

2.5 Etapa de desarrollar

Esta etapa se centra en la generación de soluciones y la exploración

de ideas para abordar el problema definido previamente. Los
diseñadores pueden emplear diversas técnicas, como la creación de
prototipos, diseño iterativo de interfaces, o storyboarding. Y en
cada una de ellas comienzan a aparecer oportunidades desde la
convergencia de la IA y la experiencia. Veamos algunos ejemplos.

2.5.1 Creación de prototipos e interfaces

Una de las grandes promesas y donde hay más ojos puestos hoy en
el diseño de experiencias y productos, es la generación automática
de interfaces y flujos de interacción. Y es que, por un lado, una de
las etapas más características de la metodología tiene que ver con
hacer tangibles las interfaces.

94
 DISEÑO ARTIFICIAL

Dentro del proceso de diseño y tras definir cuáles son los objetivos
del usuario y la arquitectura de información, por lo general,
comienza un trabajo que tiene que ver con la construcción del relato
de interacción. Los diseñadores a través de diferentes herramientas
y también de los estados de madurez de sus activos, como un UI kit o
sistema de diseño, emprenden la travesía de componer estructuras
narrativas usando componentes de interacción; por ejemplo,
botones, campos de texto, imágenes, etc.

Durante los últimos años son varias las organizaciones que han
estructurado un sistema de diseño y han avanzado en la línea de
crear este gran activo que ayuda en la generación de interfaces
consistentes; pero no sólo eso, puesto que un sistema de diseño
ayuda [hoy] a generar tremendas eficiencias en las organizaciones, y
si le sumamos la componente de IA, el valor puede ampliarse
bastante.

Reflexionemos: hoy existen variadas herramientas que tienen por

objetivo generar interfaces de manera automatizada. Hay
herramientas que lo realizan de un modo muy precario, como por
ejemplo, Midjourney, donde los resultados que entrega, por lo
general, son interfaces muy poco refinadas, no tienen contenido real
y sólo se limitan a emular interfaces bonitas de Dribble [una ironía,
por supuesto].

Son interfaces que podrían servir como inspiración, pero están lejos
de ser un activo útil, replicable y accionable hacia un equipo de
producto e ingeniería. Los invito a hacer una pausa y buscar el

95
GUSTAVO SOTO MIÑO

siguiente resultado en imágenes de Google: “UI midjourney

examples”. Un desastre.

Por otro lado, existen herramientas generativas que sí van a

comenzar a generar valor, y acá me quiero detener. Quedan pocos
años [quizás meses] para que se cumpla un hito importante que va a
afectar, ciertamente, el campo de muchos profesionales de UX/DPE;
principalmente, estimo el de los diseñadores UI y los UX writer, y
eso va a estar dado por un gran cambio de paradigma. Imaginen que
la organización en la que trabajan tiene la suficiente madurez para
tener un muy buen sistema de diseño, y todo lo que ello compete,
como por ejemplo:

1. Una muy buena claridad y definición de sus principios de

diseño para cada punto de contacto dentro de toda la
organización.
2. Componentes y patrones de UI adaptables a diferentes
contextos de uso, canales y escenarios.
3. Herramientas y recursos, como bibliotecas de componentes,
kits de diseño, plugins y plantillas, que faciliten la
implementación y el mantenimiento del sistema.
4. Definiciones y ejemplos de estilos de lenguaje, uso, alertas,
mensajes y cómo utilizar los mensajes para lograr atracción o
persuadir a los usuarios.

Bajo esta realidad, pensemos en una herramienta a nuestro servicio

que nos permita darle la siguiente instrucción:

96
 DISEÑO ARTIFICIAL

“Construye un flujo de registro de usuarios utilizando los patrones del

sistema de diseño y aplicando las lógicas de lenguaje definidas; genera
este flujo utilizando buenas prácticas que eviten la carga mental y el
esfuerzo de los usuarios”.

Ahora bien, este ejemplo se podría aplicar a un montón de interfaces

donde no hay tanto valor o potencial de diferenciación en la manera
en que se estructuran, se me ocurren: páginas de perfil, cambio de
foto, actualizar dirección, suscribirme a un newsletter, etc. Insisto,
pensemos en espacios de interacción donde no hay una oportunidad
importante de generar un diferencial o propuesta de valor [me
refiero a que la adopción o adquisición no será comparativamente
afectada, sino más bien el uso de funcionalidades críticas].

¿Cuál es el valor, entonces, en este escenario de dedicar horas

humanas a la generación de este tipo de interfaces? [Por favor, que
no se entienda como un desafío, sino desde la reflexión honesta].
Otra pregunta más: ¿Qué grado de certeza y tranquilidad nos
entregaría hoy el uso de ese resultado? Quizás bajo, ¿pero en los
próximos meses y años? Irá creciendo esa confianza; tiendo a creer
que sí.

Y al ir creciendo, irá cambiando el rol de los diseñadores de interfaz.

¿Por qué dedicar horas de composición en algo que ya tenemos
estandarizado y refinado? ¿Por qué sobreiterar un sistema de diseño
que ya tiene indicaciones claras sobre el uso y cuidado de los
componentes?

97
GUSTAVO SOTO MIÑO

Lamentablemente tendremos, además [de esto me explayo en el

capítulo 4], tensiones por generar eficiencias en el mercado y en los
equipos de trabajo. El gran diferencial vendrá desde los talentos
que abracen estas nuevas herramientas y las sepan usar para
generar mejores sistemas, interfaces y flujos de manera
automatizada, pero eficiente y eficazmente. Algo así como un
prompt-interface-designer.

2.5.2 Storyboarding

Una de las herramientas más útiles, desde luego, para poder iterar
temprano sin tener incluso que diseñar ninguna pantalla, son los
storyboards. ¿Para qué sirven? Entre otras cosas para:

• Generar validaciones de bajo costo, pero de alta eficacia y

eficiencia.
• Explorar ideas y oportunidades desde los usuarios.
• Poner el foco en la interacción a testear, no en los elementos
mismos (wireframes, diseño visual, etc.).

Un storyboard cuenta una historia, sitúa personajes y,

principalmente, busca ser una manera muy eficiente de entender si
ciertos componentes del relato, uso y contexto tienen sentido para
los usuarios. Ejemplo aplicado a IA:

Prompt:
Para un producto digital “Wallet de un servicio financiero” y usando
la metodología de los storyboards, genera un storyboard de 8 escenas
que cuenten del proceso de onboarding y adquisición de la wallet. En

98
 DISEÑO ARTIFICIAL

cada escena, describe el personaje, su acción, lo que logra y lo que lo

moviliza a avanzar.

Respuesta:
Escena 1
Personaje: María, una profesional de 30 años que busca manejar sus
finanzas de manera eficiente.
Acción: María ve un anuncio en redes sociales sobre una wallet de un
servicio financiero.
Logro: María se interesa por el servicio y decide investigar más al
respecto.
Motivación: La posibilidad de tener un mejor control de sus finanzas.

Escena 2
Personaje: María.
Acción: María visita el sitio web de la wallet del servicio financiero.
Logro: Encuentra información detallada sobre sus características y
beneficios.
Motivación: los beneficios y facilidad de uso la impulsan a descargar la
aplicación.

Escena 3
Personaje: María.
Acción: Descarga e instala la aplicación de la wallet en su teléfono
móvil.
Logro: Abre la aplicación para comenzar el proceso de onboarding.
Motivación: Quiere experimentar la comodidad de tener una wallet
digital.

Escena 4
Personaje: María.
Acción: Comienza el proceso de onboarding, ingresando su
información personal y financiera.
Logro: María completa con éxito el proceso de registro.

99
GUSTAVO SOTO MIÑO

Motivación: La aplicación es fácil de usar y le brinda confianza.

Escena 5
Personaje: María.
Acción: La aplicación le muestra un tutorial interactivo sobre cómo
utilizar la wallet.
Logro: María aprende rápidamente las principales funciones y
características.
Motivación: Está emocionada por comenzar a utilizar la wallet para
manejar sus finanzas.

Escena 6
Personaje: María.
Acción: María vincula su cuenta bancaria y tarjeta de crédito a la
wallet.
Logro: La wallet muestra el saldo de su cuenta y las transacciones
recientes.
Motivación: La integración exitosa le permite visualizar su situación
financiera de manera clara.

Escena 7
Personaje: María.
Acción: Realiza su primera transacción con la wallet, enviando dinero
a un amigo.
Logro: La transacción se completa con éxito y recibe una notificación
de confirmación.
Motivación: La rapidez y facilidad de la transacción la convencen de
seguir utilizando la wallet.

Escena 8
Personaje: María.
Acción: María explora más funciones de la wallet, como el seguimiento
de gastos y el establecimiento de objetivos de ahorro.

100
 DISEÑO ARTIFICIAL

Logro: Encuentra herramientas útiles para administrar sus finanzas

de manera efectiva.
Motivación: La wallet se convierte en una parte integral de su vida
financiera diaria, mejorando su experiencia y control en sus finanzas.

Esta generación automática facilita, evidentemente, la creación de

storyboards y, como en todos los métodos que hemos mencionado,
se basa en tener muy buenos datos recopilados y en las ideas
generadas en las etapas anteriores de la investigación.

Ahora bien, si tomamos estas escenas y las traspasamos a una

herramienta de imagen generativa, como Midjourney u otras, la
inversión de tiempo en generación de imágenes y del artefacto en
general desciende mucho. Siguiendo el mantra de la eficiencia en los
procesos, la verdad es que, al menos en este tipo de herramientas de
exploración que mezclan imagen con relato, la IA tiene mucho que
entregar.

2.6 Etapa de delivery

En esta etapa del ciclo de producto digital, los diseñadores y otros

profesionales evalúan, refinan, seleccionan las mejores soluciones
para ser implementadas y comienza el desarrollo de software.

Los métodos utilizados en esta etapa pueden incluir: test con

usuarios, pruebas A/B, evaluación heurística, diseño de interacción y
documentación. En cada una de ellas comienzan a aparecer

101
GUSTAVO SOTO MIÑO

oportunidades a través de la convergencia de la IA y la experiencia.

A continuación, veremos algunos ejemplos.

2.6.1 Tests con usuarios

Una de las posibilidades más interesantes que nos ofrece la IA es

poder automatizar o, en su defecto, agilizar los procesos que
requieren algún tipo de gestión humana repetitiva.

Hoy es una práctica ampliada [eso espero, un mantra de los equipos

de diseño de experiencias y productos] testear cada flujo relevante
para validar las hipótesis de interacción.

¿Para qué testeamos? Pues, principalmente, para poder validar si

los usuarios/personas son capaces, primero, de entender el relato de
interacción; segundo, para ver con qué eficacia [¿lo logran?] y
eficiencia [¿con qué esfuerzo?] logran resolver las tareas que supone
el flujo, y tercero, para poder encontrar errores de usabilidad que
les haga dudar a los usuarios sobre algún componente particular
[por ejemplo, si tratan de hacer clic sobre un elemento que parece
botón, pero efectivamente no lo es]. Puede haber otros objetivos,
pero por lo general un test tiene estos tres elementos
fundamentales.

¿Qué puede hacer la IA por nosotros? Primero, puede ayudarnos

a procesar de manera más rápida los resultados de los test. Hace
años, Maze, una herramienta para testeo remoto muy utilizada, nos

102
 DISEÑO ARTIFICIAL

entregaba un resultado e informe sobre los puntos con mayores

problemas o las pantallas a las que debíamos poner mayor atención.
No obstante, de manera más evolucionada, las herramientas de IA
nos podrán brindar no sólo estos llamados de atención prioritarios,
sino también podrán ofrecernos soluciones inmediatas sobre cómo
resolver el problema.

Por ejemplo, si uno de los elementos críticos tiene que ver con el
lenguaje, una etiqueta o instrucción, estas herramientas [atendiendo
y utilizando el sistema de diseño] podrían entregarnos una
recomendación de modificación fundamentada y perfectamente
articulable hacia un cambio en producción. De la misma manera, si
un flujo deja a una serie de usuarios con ciertas dudas sobre qué
hacer [un quiebre de interacción, por ejemplo], la misma
herramienta nos podrá dar inputs sobre qué mejorar en dicha
interfaz; por ejemplo, un campo o label con un contraste muy por
bajo de los estándares de accesibilidad.

Por otro lado y finalmente, creo fehacientemente en que las

herramientas de IA podrán ayudarnos también a determinar una
serie de tareas, escenarios, hipótesis y definiciones de éxito de los
flujos. Sabemos que dentro de la generación de test, una de las
tareas que toma más tiempo es la generación de los artefactos de
testing, construir y revisar los prototipos, generar los scripts,
preparar la medición; generar las encuestas, si las hubiese, etc. Sin
embargo, existen oportunidades. Veamos un ejemplo.

Prompt:

103
GUSTAVO SOTO MIÑO

Para un flujo de interacción en cinco pantallas donde los usuarios

deben inscribirse, subir su identificación, ingresar sus datos
personales, escoger un plan para un servicio de suscripción telefónica
e ingresar un medio de pago. Genera un script para un test con
usuarios, indicando las tareas, objetivos, escenarios, hipótesis y
definiciones de éxito de las tareas.

Respuesta:
Título del test: Prueba de usabilidad para un proceso de suscripción
telefónica.
Objetivo general: Evaluar la facilidad de uso, eficiencia y satisfacción
de los usuarios al completar el proceso de suscripción telefónica en
una plataforma digital a través de 5 pantallas.

Tarea 1: Inscripción
Objetivo: Evaluar la facilidad y rapidez con la que un usuario puede
inscribirse en la plataforma.
Escenario: El usuario ha llegado a la plataforma interesado en
suscribirse a un servicio telefónico y debe crear una cuenta para
continuar.
Hipótesis: Los usuarios podrán inscribirse sin dificultades y en un
tiempo razonable.
Definición de éxito: El usuario se inscribe correctamente,
proporcionando su correo electrónico y creando una contraseña, en
menos de 2 minutos.

Tarea 2: Subir identificación

Objetivo: Evaluar la facilidad con la que un usuario puede subir una
imagen de su documento de identificación.
Escenario: El usuario ha iniciado sesión y se le solicita que suba una
copia de su documento de identificación para verificar su identidad.
Hipótesis: Los usuarios podrán subir su identificación de manera
rápida y sencilla.

104
 DISEÑO ARTIFICIAL

Definición de éxito: El usuario sube una imagen legible de su

documento de identificación en menos de 3 minutos.

Tarea 3: Ingresar datos personales

Objetivo: Evaluar la facilidad con la que un usuario puede ingresar sus
datos personales en el formulario requerido.
Escenario: El usuario ha verificado su identidad y ahora debe
proporcionar sus datos personales (nombre, dirección, teléfono) para
continuar con el proceso.
Hipótesis: Los usuarios podrán ingresar sus datos personales de
manera eficiente y sin confusiones.
Definición de éxito: El usuario completa el formulario con sus datos
personales en menos de 5 minutos.

Tarea 4: Escoger un plan de suscripción telefónica

Objetivo: Evaluar la facilidad con la que un usuario puede comparar y
seleccionar un plan de suscripción telefónica adecuado.
Escenario: El usuario ha proporcionado sus datos personales y ahora
debe escoger un plan de suscripción telefónica entre varias opciones.
Hipótesis: Los usuarios podrán comparar fácilmente los diferentes
planes y seleccionar el que mejor se adapte a sus necesidades.
Definición de éxito: El usuario selecciona un plan de suscripción
telefónica en menos de 5 minutos.

Tarea 5: Ingresar un medio de pago

Objetivo: Evaluar la facilidad y seguridad con la que un usuario puede
ingresar su información de pago para completar la suscripción.
Escenario: El usuario ha seleccionado un plan de suscripción
telefónica y ahora debe ingresar su información de pago (tarjeta de
crédito o débito, PayPal, etc.).
Hipótesis: Los usuarios podrán ingresar su información de pago de
manera segura y sin dificultades.
Definición de éxito: El usuario ingresa correctamente su información
de pago y completa la suscripción en menos de 5 minutos.

105
GUSTAVO SOTO MIÑO

Los resultados de las pruebas, las métricas de éxito y los comentarios

de los usuarios se analizarán en conjunto para identificar áreas de
mejora y ajustar el diseño o el flujo de interacción de la plataforma
según sea necesario. El objetivo es lograr un proceso de suscripción
telefónica que sea fácil de usar, eficiente y satisfactorio para los
usuarios, lo que a su vez puede resultar en una mayor tasa de
conversión y retención de clientes.

En resumen, en los siguientes años, o meses, podríamos esperar un

aumento importante en las herramientas de IA que sean capaces de
generar autorrecomendaciones, luego de entender los problemas o
desafíos presentes, por medio de un test en determinada interfaz.
Por otro lado, existe un tremendo potencial de uso para estas
herramientas con el fin de agilizar y optimizar los tiempos de
creación de artefactos, como por ejemplo, un script de test o un
formulario de fricción o satisfacción final, o preguntarles a estas
herramientas sobre qué dimensiones podríamos incluso validar y
robustecer en nuestras hipótesis.

Existe un elemento adicional que les dejo como criterio a los lectores
para tomar en cuenta, que tiene que ver con la ayuda que estas
herramientas puedan prestar al momento de buscar, modelar e
incluso reclutar usuarios.

Por lo general, este tipo de herramientas podrán ayudar a buscar

audiencias que sean más relevantes para efectos de la segmentación
de un test. En este sentido, podrán ayudarnos a identificar

106
 DISEÑO ARTIFICIAL

dimensiones de la audiencia que se podrían sumar o adicionar a la

definición y variables que tengamos previstas. Veamos un ejemplo.

Prompt:
Para un test con usuarios de una aplicación bancaria. Con un
segmento objetivo de jóvenes entre 18 y 25 años, con ingresos del
segundo hasta el cuarto quintil. ¿Qué otras dimensiones demográficas
y de comportamiento podríamos agregar para generar una
segmentación más precisa para el test con usuarios?

Respuesta:
Además de la edad y el nivel de ingresos, se pueden agregar las
siguientes dimensiones demográficas y de comportamiento para
obtener una segmentación más precisa en el test con usuarios de una
aplicación bancaria:

Nivel de educación. El nivel de educación puede influir en la

familiaridad y el uso de servicios bancarios y tecnología. Considere
segmentar a los usuarios en función de si tienen un diploma de escuela
secundaria, un título universitario o de educación superior.

Ocupación. La ocupación puede proporcionar información sobre el

tipo de servicios bancarios que los usuarios pueden requerir; por
ejemplo, estudiantes, empleados a tiempo completo, trabajadores por
cuenta propia o desempleados.

Experiencia previa con aplicaciones bancarias. Segmentar a los

usuarios según su experiencia previa con aplicaciones bancarias o
financieras, desde principiantes hasta usuarios avanzados, puede
ayudar a comprender cómo la experiencia previa afecta la facilidad de
uso de la nueva aplicación.

107
GUSTAVO SOTO MIÑO

Frecuencia de uso de servicios bancarios. Considere segmentar a

los usuarios en función de la frecuencia con la que utilizan servicios
bancarios, como transacciones, consultas de saldo, transferencias,
etc. Esto puede ayudar a identificar cómo diferentes patrones de uso
afectan la experiencia del usuario en la aplicación.

Hábitos de gasto y ahorro. La clasificación de los usuarios según sus

hábitos de gasto y ahorro puede proporcionar información útil sobre
cómo estos hábitos afectan la percepción de los servicios y
características de la aplicación bancaria.

Preferencias tecnológicas. Segmentar a los usuarios según el tipo de

dispositivo que utilizan (por ejemplo, teléfonos inteligentes, tabletas,
computadoras portátiles), así como su sistema operativo (iOS,
Android, Windows) puede ayudar a identificar problemas específicos
del dispositivo o del sistema operativo.

Ubicación geográfica. La ubicación geográfica puede influir en el

acceso a servicios bancarios y la infraestructura tecnológica.
Considere segmentar a los usuarios según si viven en áreas urbanas,
suburbanas o rurales.

Estilo de vida y valores. Identificar los valores y estilos de vida de los

usuarios. La importancia que les dan a la sostenibilidad, la equidad
social o la innovación, por ejemplo, puede proporcionar información
sobre cómo estos aspectos afectan la percepción y uso de la aplicación
bancaria.

Estas dimensiones adicionales pueden ayudar a generar una

segmentación más precisa y personalizada para el test con usuarios, lo
que permitirá identificar y abordar las necesidades y expectativas
específicas de cada segmento.

108
 DISEÑO ARTIFICIAL

2.6.2 Pruebas A/B:

Una de las grandes promesas de la aplicación de la IA en los métodos

de diseño y producto digital tiene que ver con la gran eficiencia que
puede contribuir a los procesos de iteración. Lo más evidente resulta
de ver en ámbitos generativos, donde en promedio una herramienta
como Midjourney puede tardarse 15 segundos en hacer cuatro
versiones; al extrapolar, podemos obtener 16 iteraciones por minuto
de un producto de alta calidad. Pero, por otro lado, y poniendo foco
en la capacidad iterativa, la IA puede efectivamente ayudarnos a
generar un impacto importante en las pruebas llamadas A/B.

Necesito hacer un disclaimer importante [lo advertí, este libro está

lleno de disclaimers]. Personalmente, siempre he creído que muchas
veces se usan este tipo de pruebas para diseñar y no para optimizar.
¿Cómo así? Una prueba A/B debería ayudarnos a encontrar un
potencial de mejora, un margen o porcentaje de mayor conversión,
pero no debería usarse para definir un “diseño” o una interfaz,
puesto que se transforma en una actividad tremendamente costosa.

Es mucho más costoso hoy [en recursos y esfuerzo] diseñar dos

piezas y probarlas, que diseñar una [validarla] y luego optimizarla.
Espero que se entienda la diferencia. Este entredicho que les
presento puede verse fuertemente desafiado por las capacidades de

109
GUSTAVO SOTO MIÑO

la IA. Si mañana el costo de oportunidad de crear dos versiones es

marginal, pues encantado de desdecirme.7

Volvamos a lo nuestro. Dicho esto, creo que el potencial de la IA en

A/B tiene que ver, precisamente, con la optimización, ya que estas
herramientas nos permitirán generar microiteraciones en varias
líneas, así como mejoras incrementales para ir sumando puntos de
conversión. Creo que no debemos subestimar este punto y el
potencial que ofrece.

Por lo general, como equipos de productos, estamos comúnmente

mirando mejoras dentro de los flujos relevantes de nuestro
producto. Al ir encontrando estos hallazgos, vamos generando
mejoras, o a veces haciendo pruebas A/B para ir viendo qué piezas,
componentes o elementos generan un impacto. Muchas veces, las
decisiones no son rápidas, los cambios tampoco, pero ¿qué pasa si
pensamos en una IA que esté constantemente generando test y
aplicando microiteraciones? Esto me hace pensar en que la
eficiencia y la eficacia de la iteración será muy difícil de contener y
desconocer.

¿Qué pasaría si en vez de A/B comenzamos a pensar en que A es el

grupo control y B es un ente dinámico y autoiterativo que tiene la
capacidad de generar cambios de manera autónoma, lo que afecta la
producción?

7
En este disclaimer descanso en las palabras de don Humberto Maturana, quien
propuso tres nuevos derechos humanos universales: el derecho a cambiar de opinión,
el derecho a irse sin que nadie se ofenda y el derecho a equivocarse.

110
 DISEÑO ARTIFICIAL

El tiempo lo dirá.

2.6.3 Evaluación heurística

La evaluación heurística es una herramienta y artefacto que

podríamos denominar como “fundacional” en muchos ámbitos de
UX/DPE. Funciona, básicamente, como un listado de dimensiones
que ayudan de manera completa a entender si una interfaz o sistema
responde a una serie de elementos mínimos de performace y uso.
Existen heurísticas específicas para el e-commerce o están las
“fundacionales” de Nielsen, J. & Molich, R. (1990). En este sentido,
podemos quedarnos con la idea de que es un tipo especial de
checklist o una lista que podemos comprobar. Por otra parte, la lista
tiene una taxonomía donde se explica la heurística y la severidad; es
decir, si cumple o no cumple dentro de una escala. Al ser así, una IA
podría hacer o ejecutar una evaluación directa respecto del listado
versus una realidad de una interfaz.

Dicho esto, podríamos pensar que una IA es capaz de contener,

entender y ordenar todos los listados o evaluaciones disponibles y
también preguntar directamente si un determinado sitio o sistema
responde a este listado. Sin embargo, el valor del uso de estas
heurísticas radica, en gran parte, en la capacidad del mismo
evaluado de asignar un puntaje a alguna dimensión, así como en su
capacidad de reconocer un patrón y entender su completitud. Me
refiero, por ejemplo, a que si una interfaz, para cumplir con la
heurística de visibilidad del estado del sistema, utiliza mensajes en el

111
GUSTAVO SOTO MIÑO

tope de la pantalla, con un contraste poco evidente y de baja

accesibilidad, podría ser interpretado por una IA como “completo” o
“cumple”. Sin embargo, un ojo entrenado de un experto en
usabilidad, ciertamente, entregaría un juicio con un criterio más
completo e informado.

Pues bien, veamos un ejemplo aplicado para explorar.

Prompt:
Realiza una evaluación heurística de la interfaz de ChatGPT.

Respuesta:
Una evaluación heurística es un proceso en el que un experto en
usabilidad examina una interfaz de usuario (UI) y la evalúa utilizando
un conjunto de principios o heurísticas de usabilidad bien
establecidos. A continuación, realizo una evaluación heurística de la
interfaz de ChatGPT utilizando las 10 heurísticas de usabilidad de
Jakob Nielsen.

Visibilidad del estado del sistema. ChatGPT informa a los usuarios

sobre su estado en tiempo real, proporcionando retroalimentación
inmediata después de que el usuario envía un mensaje. Sería útil
agregar indicadores adicionales, como una animación de
“escribiendo” para mostrar que se está generando una respuesta.

Relación entre el sistema y el mundo real. ChatGPT utiliza un

lenguaje claro y familiar para comunicarse con los usuarios, lo que
facilita la interacción entre los usuarios y el sistema. No obstante, hay
margen de mejora en cuanto a la interpretación de preguntas
ambiguas o complejas.

112
 DISEÑO ARTIFICIAL

Control y libertad del usuario. ChatGPT les permite a los usuarios

corregir errores o cambiar el enfoque de la conversación fácilmente,
proporcionando una experiencia fluida. Sin embargo, podría mejorar
al ofrecer opciones para deshacer acciones o facilitar la navegación en
el historial de la conversación.

Consistencia y estándares. La interfaz de ChatGPT es bastante

simple y sigue las convenciones de diseño de aplicaciones de
mensajería, lo que facilita el uso. Mantener la consistencia en el diseño
y las interacciones es clave para que los usuarios se sientan cómodos.

Prevención de errores. Aunque ChatGPT es capaz de generar

respuestas coherentes y evitar errores gramaticales, puede mejorar en
la prevención de errores de comprensión, como responder a preguntas
malinterpretadas o proporcionar información incorrecta.

Reconocimiento en lugar de recuerdo. Dado que ChatGPT es una

herramienta de chat basada en texto, el reconocimiento en lugar del
recuerdo no es tan relevante en su interfaz. Sin embargo, podría
mejorar al recordar el contexto de la conversación y las preferencias
del usuario para proporcionar respuestas más personalizadas.

Flexibilidad y eficiencia de uso. ChatGPT es fácil de usar tanto para

principiantes como para usuarios experimentados. Sería útil agregar
funciones avanzadas, como atajos de teclado o comandos de voz, para
aumentar la eficiencia del sistema.

Estética y diseño minimalista. La interfaz de ChatGPT es simple y

minimalista, lo que les permite a los usuarios centrarse en la
conversación. El diseño se basa en una ventana de chat estándar con
colores suaves y una tipografía legible.

Ayudar a los usuarios a reconocer, diagnosticar y recuperarse

de errores. Cuando ChatGPT proporciona respuestas incorrectas o no

113
GUSTAVO SOTO MIÑO

comprende la consulta del usuario, es importante ofrecer opciones

para corregir el problema. Proporcionar sugerencias o
retroalimentación para aclarar que la consulta del usuario puede
mejorar la experiencia.

Documentación y ayuda. Aunque ChatGPT no tiene una función de

ayuda integrada en su interfaz, sería útil incluir un enlace a un centro
de ayuda o una guía del usuario para aquellos que necesiten asistencia
o información adicional sobre el sistema.

Esta interpretación de una heurística nos deja claro el alcance, la

precisión y el sesgo que puede tener este tipo de herramientas.
Pareciese ser que se queda en una etapa muy primaria de
entendimiento, y como aún no es capaz de entender elementos de
interacción más estructurados, su respuesta se basa principalmente
en la interpretación del tipo de lenguaje que se utiliza.

Una vez estando este libro en tus manos, iré gratuitamente lanzando
nuevas aplicaciones y recursos como complemento a los métodos
descritos. Al final de este libro encontrarás la manera de seguir
ampliando esta conversación. Recuerda, esto es un gran proceso
iterativo de entrega de valor continuo y podría ser hasta
inconsecuente querer abordar cada arista, desconociendo la
obsolescencia de sus aplicaciones y herramientas.

Veamos a continuación algunos desafíos y consideraciones éticas del

uso de estas herramientas.

114
 DISEÑO ARTIFICIAL

Capítulo 3. Retos y consideraciones

éticas de la convergencia entre la
inteligencia artificial y la
experiencia.
A pesar de las numerosas ventajas y aplicaciones de la inteligencia
artificial en el diseño de experiencias, también hay desafíos y
consideraciones éticas que deben abordarse.

Uno de estos desafíos primordiales es la privacidad y seguridad de la

información; la IA a menudo y de manera exponencial requiere y
requerirá acceso a grandes cantidades de información personal y de
comportamiento para funcionar de manera efectiva y eficaz
(Mittelstadt et al., 2016).

Esta creciente dependencia de los datos del usuario en estos

contextos también plantea preocupaciones importantes y
trascendentes en cuanto a la privacidad y seguridad de la
información. Revisemos algunas de estas preocupaciones o
dimensiones a considerar.

3.1 Recopilación y almacenamiento de datos

La IA y UX/DPE requieren la recopilación de grandes cantidades de

datos personales y de comportamiento de los usuarios (Goodman et
al. 2012). Estos pueden incluir información sensible, como datos

115
GUSTAVO SOTO MIÑO

personales, ID de compra, lugares donde la persona generó una

transacción, elementos demográficos, ubicación, preferencias y
patrones de uso.

Almacenar y gestionar esta información de manera segura es un

desafío importante para las organizaciones (Luger & Sellen, 2016);
sobre todo, pensando en la aceptación de condiciones de uso. Por lo
general, minimizamos el tratamiento de datos, pero legalmente y
dependiendo de la región, estamos obligados a cumplir ciertas
normas con respecto a quién guarda los datos, en qué lugar se
registran, qué información se puede deducir de los mismos, etc.

Por lo mismo, al considerar la recopilación y el almacenamiento de

datos en el contexto de la IA y la ética, es importante reflexionar y
responder las siguientes preguntas:

¿Qué datos son realmente necesarios?

Evaluar qué datos son esenciales para el funcionamiento de la IA y la
experiencia del usuario; limitar la recopilación de la información
necesaria puede ayudar, ciertamente, a reducir o mitigar los riesgos
de privacidad y seguridad.

¿Cómo se protegen y almacenan los datos?

Las organizaciones y equipos de trabajo deben, en efecto,
implementar medidas de seguridad adecuadas para proteger los
datos del usuario, incluido el cifrado de datos, el control de acceso y
la detección de amenazas. ¿Qué tan seguros están los datos
administrados por un tercero? Por ejemplo, ¿la encuesta de feedback

116
 DISEÑO ARTIFICIAL

que tenemos en un SaaS tiene entre sus atributos una seguridad

suficiente para poder descansar en un correcto tratamiento de los
datos y seguridad de la información personal?

¿Cuánto tiempo se conservan los datos?

Se hace urgente y necesario establecer políticas de retención de
datos claras y justificadas. Esto, con el fin de garantizar que la
información del usuario no se almacene más tiempo del necesario y
así reducir el riesgo de violaciones de la privacidad o robo de datos.

¿Cómo se gestionan las solicitudes de los usuarios para acceder,

modificar o eliminar sus datos?
Las empresas y organizaciones deben contar con procesos y canales
disponibles para permitirles a los usuarios ejercer sus derechos de
acceso, rectificación, eliminación y limitación del tratamiento de sus
datos personales.

¿Se comparten los datos con terceros?

Si los datos del usuario se comparten con terceros, es crucial
garantizar que estos también cumplen con las prácticas de
privacidad y seguridad adecuadas y que los usuarios estén
informados de dichas relaciones de manera clara y transparente.

3.2 Consentimiento del usuario

La recopilación y el uso de datos del usuario a menudo se realizan

sin un consentimiento informado y explícito (Crawford, 2017). Esto
puede llevar a violaciones de la privacidad y a la pérdida de

117
GUSTAVO SOTO MIÑO

confianza, por parte de los usuarios, en las empresas, productos y

servicios.

En este sentido, al considerar el consentimiento del usuario en el

contexto de la IA y la ética, es importante reflexionar y responder a
las siguientes preguntas:

• ¿Están los usuarios completamente informados sobre el uso

de sus datos? ¿Somos claros, concisos, y explícitos en
informar sobre el futuro tratamiento y uso de la
información? ¿O escondemos nuestras intenciones en un
texto inteligible elucubrando neologismos y explicaciones
redundantes y complejas? [Como lo acabo de hacer].

• ¿Se presenta el consentimiento de manera clara y accesible?

¿Usamos patrones claros, interfaces simples y lenguaje
sencillo para abarcar a todas las audiencias?

• ¿Se les permite a los usuarios dar y retirar su consentimiento

fácilmente? ¿En un clic podemos arrepentirnos o cambiar
nuestro consentimiento?

• ¿Cómo se manejan las solicitudes de usuarios que no

otorgan su consentimiento? ¿Prohibimos la navegación de
quienes no acepten?, ¿los dejamos a la deriva?

3.3 Perfiles de usuario y segmentación

118
 DISEÑO ARTIFICIAL

La IA puede usar datos de usuarios para crear perfiles detallados y

segmentaciones que pueden ser utilizados para personalizar la
experiencia de los propios usuarios (Hassler, 2021). Sin embargo
[este punto es tremendamente importante], esto también puede
llevar a la discriminación, la exclusión y la estigmatización de ciertos
grupos de usuarios (Brems & Vandermeulen, 2019). A continuación,
les presento algunos elementos para considerar si queremos
explorar la segmentación o hipersegmentación de los usuarios.

Vigilancia y monitoreo
El uso de IA y análisis de datos en UX/DPE puede llevar a la
vigilancia y monitoreo constante de los usuarios, lo que podría
invadir su privacidad y generar preocupaciones sobre la libertad
individual y el derecho a la privacidad (Laney, 2001). Un caso sería
si, por ejemplo, luego de una reunión con amigos donde
conversamos sobre automóviles, comienzan a aparecer
innumerables piezas publicitarias que nos hostigan y persiguen. Por
lo tanto, se produce esta sensación de espionaje, seguimiento,
monitoreo y pérdida de libertad.

Esto sucede hoy, en el futuro complejo y avanzado que proponen

estas nuevas tecnologías. De ahí la importancia del cuidado sobre la
sensación de estar constantemente bajo un ente monitor, lo cual
cada vez se vuelve más complejo de abordar.

Uso indebido de datos

Los datos de los usuarios recopilados y almacenados podrán ser
utilizados indebidamente por terceros malintencionados, lo que

119
GUSTAVO SOTO MIÑO

puede resultar en violaciones de datos, robos de identidad y otros

delitos cibernéticos (Haykin, 2009). Otro de los grandes ejes de la
seguridad tiene que ver con la exposición de los datos de los
usuarios, como el robo de claves, datos personales y otros.

Sugerencia de lectura: Pueden entrar a

https://passwords.google.com y hacer un checkup de sus
contraseñas. Se sorprenderán por la cantidad de sitios que han sido
vulnerados y que han entregado a terceros sus datos e información
personal. Esto, sin duda, se irá acrecentando con el tiempo y
tendremos que ser mucho más cuidadosos, tanto como usuarios y
como diseñadores.

Transparencia y simpleza en la información

Los algoritmos de IA pueden ser complejos y difíciles de entender
para los usuarios, principalmente porque los productos y servicios
tienden a hablar en “difícil” y la aceptación de condiciones o el
proceso de aceptación está lleno de patrones oscuros. Esto
claramente puede generar preocupaciones en las personas sobre
cómo se utilizan sus datos y cómo se toman decisiones basadas en
ellos.

Interrogantes para considerar en el tratamiento de la

información personal

• ¿Cómo pueden las organizaciones garantizar la seguridad y

privacidad de los datos del usuario en el contexto del uso de
herramientas de IA en UX/DPE?

120
 DISEÑO ARTIFICIAL

• ¿Cómo se puede obtener el consentimiento informado de los

usuarios para la recopilación y el uso de sus datos de manera
simple, transparente, clara y concisa?

• ¿De qué manera se pueden diseñar sistemas de IA y UX/DPE

que sean transparentes y fáciles de entender para los
usuarios?

• ¿Cómo pueden las organizaciones equilibrar la

personalización y la privacidad del usuario en el diseño de
experiencias de usuario impulsadas por IA, con el fin de
lograr los objetivos de otorgar la sensación de seguridad y
control, y segundo, asegurar los resultados comerciales?

3.4 Sesgos y discriminación

Sin lugar a duda, este puede ser el tema más polémico dentro de
las conversaciones sobre las herramientas de IA: los posibles sesgos
y discriminación en el diseño de experiencias y productos. Esto es
así, principalmente, ya que si se establece como premisa que los
algoritmos se entrenan con datos sesgados o incompletos (Crawford,
2017), estos generarán respuestas que contengan y perpetúen dichos
sesgos. ¿A qué me estoy refiriendo con esto? A una realidad
particular; si un modelo fue entrenado con una fuente sesgada [por
ejemplo, por un grupo particular de la sociedad que tenga sesgos,
inconscientes o conscientes], esta información estará explícita o

121
GUSTAVO SOTO MIÑO

implícitamente presente en los outputs que este genere. Estos sesgos

pueden ser de género, raciales, de discapacidad, etc.

Para evitar estos problemas, es crucial que los diseñadores y

desarrolladores de IA sean conscientes de los posibles sesgos
en sus datos y algoritmos. Ellos deben trabajar para mitigarlos
y garantizar que las experiencias diseñadas sean justas e
inclusivas para todos los usuarios. Un muy buen ejemplo de ello
[o mal, según la perspectiva] han sido los fallidos experimentos
donde se permite que la IA por sí sola lidere y ejecute procesos de
selección de talentos en ciertas organizaciones.

Cuando en un proceso de selección laboral la IA está programada y

entrenada para eliminar prácticas discriminatorias, como descartar
postulantes a partir de su género, nombre, barrio donde vive, o
institución educativa, aumenta la probabilidad de contratar al mejor
candidato para el puesto. Sin embargo, la IA es tan inteligente como
los humanos que la crean [lamentablemente]. Si se le indica buscar
ciertas cualidades en los postulantes, todavía existe el riesgo de que
el sesgo proveniente desde las personas se filtre. Es decir, la IA
puede esconder sesgos existentes en las organizaciones, ya que su
funcionamiento se basa en los datos que alimentan los modelos, por
lo que una empresa que tenga prácticas discriminatorias
probablemente traspase estos sesgos a su IA.

Un ejemplo muy común de sesgo es cuando una empresa utiliza IA

para los procesos de contratación y busca candidatos que se ajusten
a las características demográficas o sociográficas de los

122
 DISEÑO ARTIFICIAL

colaboradores “más exitosos” o “con mejor performance” de la

empresa. En este caso, podría filtrarse seriamente el sesgo, ya que si
la mayoría de las personas en posiciones altas de la empresa son
hombres blancos de determinada posición social, educación y
background, la IA podría comenzar a buscar candidatos con ese
perfil demográfico, ya sea de manera explícita o sutil, lo que impide
que los mejores candidatos puedan ser seleccionados sólo porque no
comparten las dimensiones y características de esa población
determinada.

En un proceso de contratación, la discriminación

se manifiesta en diversas dimensiones, como el
género, identidad sexual, barrio de residencia,
colegio (en algunos países, la institución escolar
aún determina fuertemente la propensión a
contratar a una persona por sobre otra).

Por lo tanto, retomando el punto de partida y el impacto en el

diseño de experiencias y productos, repasemos brevemente los tipos
de sesgos que podrían estar presentes y que, por cierto, tenemos
que ser conscientes y cuidadosos al momentos de usar este tipo de
herramientas:

Sesgo de género. La IA podría reflejar y amplificar estereotipos de

género existentes en la sociedad, lo que podría conducir a ciertas
prácticas y outputs que pueden interpretarse como una

123
GUSTAVO SOTO MIÑO

discriminación. Por ejemplo, al armar un formulario de contacto, sin

el input correcto, personas con identidad de género LGBTQIA+
podrían sentirse discriminadas si no ven su identidad entre los
elementos a seleccionar.

Sesgo racial. Las herramientas de IA pueden [y son] influenciadas

por sesgos raciales y étnicos presentes en los datos con los cuales los
modelos están siendo entrenados. Esto podría resultar en
discriminación hacia ciertos grupos en el diseño de experiencias y
productos digitales; particularmente, al momento de generar piezas
con inteligencia generativa. Un muy buen ejemplo es preguntarle
directamente a una aplicación, como Midjourney, el siguiente
prompt en inglés:

“Imagine/ a prisoner on a modern security facility facing the camera”

(“un prisionero en una instalación de seguridad moderna mirando
hacia la cámara”).

Luego,
“Imagine/ a prisoner on a old and rusty security facility facing the
camera” (“un prisionero en una antigua y oxidada instalación de
seguridad mirando hacia la cámara”).

Y así sucesivamente al cambiar los ejes o contextos, uno podrá ir

viendo cómo varía el color de piel de las personas que dibuja,
usando, sin lugar a duda, años de racismo y prejuicios embebidos en
nuestra cultura y, por ende, en los modelos que alimentan la IA.

124
 DISEÑO ARTIFICIAL

Sesgo sobre discapacidad. La IA podría no tener en cuenta las

necesidades de las personas con discapacidades, lo que podría
resultar en recomendaciones sobre la definición de experiencias y
productos digitales inaccesibles o difíciles de usar para estos
usuarios. Al seguir el mantra de la conversión, muchas de las
recomendaciones que podríamos tomar al diseñar una interfaz
podrían estar optimizadas para grupos de personas sin ningún tipo
de discapacidad, y los modelos, sin entrenamiento en esta
dimensión, podrían indicarnos erróneamente caminos que ayuden
más a discriminar que a integrar e incluir.

Un sitio web que utiliza IA para personalizar automáticamente su

interfaz o elementos de interacción podría no estar considerando las
necesidades de los usuarios con discapacidades visuales, como la
ceguera o alguna patología particular. Si el algoritmo no está
diseñado para adaptar el contraste o el tamaño de la fuente, o bien
proporcionar descripciones alternativas de las imágenes, podría
resultar en una experiencia de usuario tremendamente inaccesible y
excluyente para las personas con discapacidades visuales.

Sesgo de localización geográfica. La IA podría favorecer a

usuarios de ciertas regiones geográficas por sobre otras. De igual
manera, los procesos de selección podrían filtrar y eliminar
candidatos de ciertas regiones ya sea por afinidad con las personas
que ya forman parte de la organización o, derechamente, filtrar
porque existen zonas peligrosas o con altos índices de criminalidad,
o incluso más simple, por lejanía con el lugar de trabajo.

125
GUSTAVO SOTO MIÑO

Sesgo cultural y de lenguaje. Este sesgo es uno de los más

importantes y que puede generar mayores impactos; sobre todo,
cuando escuchamos y comenzamos a entender que muchas de estas
herramientas están siendo utilizadas para la redacción de post,
redacción de textos de instrucciones, textos con foco en la
conversión, etc. Lo clave y relevante de esto es que cada vez que le
pedimos al motor de inteligencia que genere un texto, tenemos que
entender que detrás de la herramienta hay un modelo que ha sido
formado y entrenado para dicha respuesta. Es decir, este modelo
puede estar mayormente entrando para poder hablarle a una
audiencia y a una región en particular. Por lo tanto, si realmente
quisiéramos ser inclusivos desde el lenguaje, tendríamos que ser
muy cuidadosos en cómo tomamos esta información y la hacemos
presente en nuestros canales de comunicación, puesto que es muy
probable que terminemos usando modismos, neologismos,
construcciones semánticas que terminen por discriminar audiencias
lectoras, impidiendo que logren interactuar ni entender lo que leen
en la pantalla.

Existen varios otros sesgos presentes y aparecerán muchos más a

medida que las aplicaciones de la IA vayan creciendo.

126
 DISEÑO ARTIFICIAL

Lo clave es entender que detrás de cada ejercicio,

ya sea en el prompt o en la respuesta puede haber
un sesgo implícito que tenemos que ser
conscientes de detectar, entender y mitigar. La
responsabilidad no es de los modelos ni
herramientas, sino de las personas que usemos
estas tecnologías.

3.5 Propiedad intelectual y derechos de autor

Este apartado resulta muy interesante y será cada vez más relevante
a medida que las plataformas o servicios de inteligencia generativa
comiencen a masificarse. ¿Recuerdan el capítulo de disclaimer? Pues
acá encontrarán muchas más preguntas que respuestas.

Al considerar la propiedad y derechos de autor de los elementos

generados por la inteligencia artificial, es clave entender ciertos
aspectos y reflexionar sobre los siguientes puntos.

¿Quién posee los derechos de autor de las obras creadas por IA?

¿Es de quién creó la IA? ¿Es de quién alimentó el modelo que está
detrás? ¿Es de quién generó la herramienta para poder ingresar los
prompt? ¿Es de quién diseñó el prompt y obtuvo el resultado?

127
GUSTAVO SOTO MIÑO

La misma portada de este libro, que fue generada por un servicio de

IA, no tiene derechos de autor; por lo menos en algunos países. De
hecho, hace unos meses salió una noticia que tras la intención de un
autor de registrar la portada de su libro generada por IA bajo
derechos de autor, recibió la siguiente respuesta de la Oficina de
Derechos de Autor de Estados Unidos: “Las imágenes que no son
producto de la autoría humana, no pueden ser protegidas por
derechos de autor”.

¿Se respeta la privacidad de los prompts en las obras generadas por

IA?

Hace poco tiempo hubo avances respecto de esto. En ChatGPT se

puede eliminar el histórico de las consultas o se puede incluso
limitar cuánto de la información que se entrega se puede usar para
alimentar el modelo y, por ende, ayudar a otras personas con
consultas parecidas. Acá lo complejo aparece cuando, por ejemplo,
estamos en el proceso de pensar e idear un nuevo producto o
servicio y utilizamos algunas de estas herramientas para, entre otras
cosas, pensar en la propuesta de valor, definir un nombre e
identidad, indagar sobre el mercado objetivo, cruzar información
del negocio para descifrar espacios de oportunidad, resolver un go-
to-market para una audiencia específica, delinear un MVP, etc.

¿Todo esto que estamos haciendo es propiedad nuestra? ¿Las

respuestas que da el sistema se las puede estar dando a otra

128
 DISEÑO ARTIFICIAL

persona? ¿Qué impide que alguien de la competencia esté haciendo

el mismo ejercicio y se le entregan los mismos insights o inputs?

¿Cómo se manejan las disputas de propiedad intelectual

relacionadas con elementos generados por IA?

Las organizaciones deben estar preparadas para abordar posibles

disputas de propiedad intelectual que puedan surgir en relación con
las obras creadas por la IA, incluyendo la definición de
responsabilidades y la resolución de conflictos.

3.6 Ética y behavioral economics

Si bien hemos abordado temas éticos respecto del uso de los datos,
de la entrega de estos y de los problemas que supone el contante
monitoreo, existe un eje gravitante que puede ser de tremendo
impacto si no se considera y regula. Esto tiene que ver con la
aplicación arbitraria de los sesgos de la economía del
comportamiento.

La inteligencia artificial y la economía conductual son dos campos

que pueden combinarse para mejorar [o derechamente manipular]
las experiencias y productos digitales. Por lo tanto, su aplicación
puede generar dilemas éticos, de los cuales podríamos incluir,
principalmente, el de la manipulación y la persuasión.

129
GUSTAVO SOTO MIÑO

Las técnicas de behavioral economics, como el uso de incentivos,

anclajes y frame effect, pueden influir en las decisiones de los
usuarios y sus comportamientos. La IA puede utilizar estos
conocimientos para personalizar y optimizar las experiencias y
productos digitales con el fin de maximizar la conversión, lo que
puede llevar a la manipulación de las decisiones de los usuarios. Este
dilema ético plantea la pregunta de si es apropiado utilizar IA para
influir en las decisiones de los usuarios y hasta qué punto.

En este sentido, podríamos ver durante los próximos meses el uso

indiscriminado de algunos de los ejemplos que presentaré a
continuación.

3.6.1 En incentivos

1. Descuentos personalizados con foco en maximizar los

ingresos tomando ventaja de un usuario con propensión al
consumo desmedido. Una plataforma de comercio
electrónico podría utilizar IA para analizar el historial de
compras de un usuario y ofrecerle descuentos personalizados
en productos que le puedan interesar o se sienta
“obsesionado con”, apelando a su predisposición de compra
y pago.

2. Sugerencias de mejora. Un asistente virtual de aprendizaje

podría ofrecer sugerencias específicas para mejorar el
rendimiento académico de un estudiante, al incentivar su
progreso y compromiso. El problema es que algunos de estos

130
 DISEÑO ARTIFICIAL

incentivos, con el fin de lograr los objetivos, podrían ser

perversos, como castigos, avisos a los apoderados, etc.

3.6.2 Anclajes (anchoring)

1. Precios de referencia. Un chatbot de comparación de

precios podría exponer el precio promedio de un producto
antes de mostrar opciones más económicas y convenientes,
estableciendo así un anclaje que hace que las opciones más
baratas parezcan aún más atractivas. Esto podría incitar
compras desinformadas, con la ilusión de tener un muy buen
producto u oportunidad de compra.

2. Estrellas de calificación. Una plataforma de streaming

podría mostrar la calificación promedio de una película o
serie antes de que un usuario la vea, creando un anclaje que
puede influir en la percepción del usuario sobre la calidad del
contenido. Si bien esto puede parecer beneficioso para el
usuario, también se puede tratar de una manera de
“engañar” al mostrar sólo las recomendaciones de un
segmento específico o de las sugerencias comerciales de un
producto con placement.

3. Tiempos de espera estimados. Una aplicación de

transporte podría mostrar un tiempo de espera estimado para
un viaje antes de que el usuario solicite un vehículo,
estableciendo un anclaje que puede afectar la percepción del
usuario sobre la rapidez del servicio. En este caso, se afecta

131
GUSTAVO SOTO MIÑO

directamente la conversión, pues hace que los usuarios se

decepcionen del tiempo real.

3.6.3 Efectos de enmarcado (frame effect)

1. Elección de plan de pago. Una aplicación de suscripción

podría enmarcar sus opciones de plan de pago en términos
de ahorro mensual o anual, en lugar de mostrar sólo los
precios mensuales, lo que podría hacer que los planes de
mayor duración parezcan más atractivos.

2. Consumo de energía. Un asistente virtual podría enmarcar

el consumo de energía del hogar en términos de emisiones de
CO2 evitadas, en lugar de sólo mostrar el consumo en kWh, lo
que podría motivar a los usuarios a reducir su consumo de
energía por razones medioambientales.

Para abordar estos dilemas, es crucial adoptar enfoques éticos y

responsables en el diseño y desarrollo de productos y experiencias
digitales basados en IA y economía conductual.

Debemos entender que nosotros somos responsables de alimentar

estos modelos, así como restringir sus usos, proteger a los usuarios y
hacer, finalmente, que la utilización de las herramientas tenga un
sentido ético y sustentable para todas las personas.

132
 DISEÑO ARTIFICIAL

Capítulo 4. Tensiones del mercado,

la demanda por la eficiencia y
cumplir con las nuevas expectativas
de los usuarios.
El mundo laboral en 2023 ha experimentado cambios significativos a
medida que nos enfrentamos a desafíos económicos y sociales sin
precedentes. La creciente tasa de despidos, la necesidad de
eficiencia en las organizaciones, la disminución de la inversión en
startups y la inflación han moldeado un entorno empresarial en el
que la adaptabilidad y la optimización de los recursos se han vuelto
cruciales para el éxito.

La globalización y los avances tecnológicos han llevado a una mayor

competencia, lo que ha impulsado a las empresas a buscar maneras
de reducir costos y mejorar la eficiencia en todas sus áreas. Esto ha
resultado en despidos generalizados, que dejan a un gran número de
personas en busca de empleo y a las organizaciones con la necesidad
de ajustarse a equipos más reducidos.

La caída en la inversión en startups ha limitado las oportunidades

para la innovación y el emprendimiento, lo que ha impactado en la
economía en su conjunto. Muchos emprendedores e innovadores
luchan por encontrar financiamiento para sus ideas, lo que provoca
una disminución en el surgimiento de nuevas empresas y, en
consecuencia, en la creación de empleo.

133
GUSTAVO SOTO MIÑO

Además, la inflación ha generado un aumento en los costos de

producción, por lo que las empresas han tenido que tomar medidas
drásticas para mantener la rentabilidad. En relación a esto, los
precios más altos de los bienes y servicios han afectado a los
consumidores, lo que ha generado, en consecuencia, una
disminución en la demanda y un menor crecimiento económico.

En este contexto, las empresas se enfrentan a una creciente presión

para maximizar la eficiencia en sus equipos de trabajo. Es crucial
que las organizaciones revisen sus procesos y estrategias para
identificar áreas de mejora y optimizar sus recursos. El énfasis en la
eficiencia no sólo es necesario para la supervivencia y el crecimiento
de las empresas, sino también para mantener la competitividad en el
mercado global.
Por consiguiente, a partir de este contexto complejo y desafiante,
aparecen grandes interrogantes respecto del rol que puede tener la
IA en la generación de dichas eficiencias.

En el capítulo 2 revisamos cómo algunos de los métodos de diseño

centrado en las personas pueden verse acelerados o ayudados en
muchas tareas repetitivas o de alto nivel de consumo de tiempo.
Procesar información, compilarla, y detectar patrones son acciones
que hoy los motores y herramientas de IA pueden hacer sin
problemas. Y esto irá avanzando en el futuro, los modelos serán más
robustos e independientes para hacer recomendaciones. Dicho esto,
aparecen ciertas tensiones que creo relevante que sean abordadas.

134
 DISEÑO ARTIFICIAL

4.1 Eficiencia en los procesos y metodología de

diseño de experiencia y productos digitales

Una de las grandes tensiones que veremos en los

próximos años [incluso meses] tiene que ver con
la demanda de eficiencias en los equipos de
trabajo de diseño y productos digitales.
Tengo una pregunta [mas no una respuesta a la siguiente
interrogante]:

¿Qué resulta más conveniente en el siguiente escenario?

Imaginemos que enfrentamos el siguiente desafío de producto:

tenemos un producto en su declive [es decir, ya casi todo el mercado
tiene las mismas funcionalidades] y su propuesta de valor parece
diluirse. Su rendimiento comercial está siendo mermado por una
batalla de precios y resulta que, si bien nuestro producto fue exitoso
y el primero, hoy resulta ser el más caro y parecido a las demás
alternativas.

Ante este escenario, propongo dos caminos:

Camino 1
Realizar un proceso de discovery de producto que nos puede llevar
un par de semanas de entendimiento, entrevistas, construcción de

135
GUSTAVO SOTO MIÑO

artefactos y una bajada completa y certera sobre cuál puede ser la

siguiente funcionalidad que permita diferenciarnos en el mercado y
ganar un posicionamiento diferencial. Con estos activos, podemos
comenzar a trabajar en el diseño de interfaces y flujos de
interacción, para después conectarlos con su implementación y
eventual go-to-market de la funcionalidad. Tiempo estimado total al
salir a producción: 2-4 meses.

Camino 2
Realizar una exploración acompañada por los datos de inteligencia
artificial [eso sí, considerando que tanto la información como el
output podrían no ser los más certeros]. Esta exploración puede
tomar uno o dos días. En ese mismo tiempo se pueden construir un
par de artefactos [¿has probado pedirle a ChatGPT que construya un
mapa de empatía o user persona? Si no, hazlo]. Con esta
información preliminar, se puede llevar esta definición de
funcionalidad [incluso le puedes pedir al chat que estructure jobs to
be done para el caso] a una herramienta de diseño generativo que
construya las pantallas principales y los flujos de navegación. Así, se
puede construir la interfaz en un front y hacerla andar en un par de
días. Tiempo estimado total al salir a producción: 25 días.

Frente a estos dos caminos válidos, les arrojo estas preguntas para
reflexionar:

• ¿Cuál es el camino que debemos seguir?

• ¿Cuál es el camino que nos da una ventaja competitiva?

136
 DISEÑO ARTIFICIAL

• ¿Cuál es el camino que nos permite llegar con mejor

feedback temprano e iterar?
• ¿Cuál es el camino que nos permite obtener menos riesgos a
las decisiones?
• ¿Cuál es el camino más eficiente en términos de inversión de
tiempo y valor entregado (aprendizaje, rentabilidad, etc.)?

Son buenas preguntas diría quien no tiene una respuesta concreta, y

la verdad es que no la hay. Todo depende de los recursos, de las
capacidades, de la confianza en los modelos, de la confianza en los
talentos y la capacidad de discernir qué es correcto y qué puede
estar incompleto. Eventualmente, algunas organizaciones se verán
en tensión con la eficiencia de sus procesos y se inclinarán más por
el segundo camino; otras seguirán el primero, y otras tratarán de
encontrar un uso sustentable y positivo con estas nuevas
herramientas. Lo importante es que se vienen cambios estructurales
y que no hay manera de detenerlos.

Hace un tiempo tuve una muy buena conversación con el gerente de

productos de un gran banco de la región. En la conversación, él me
desclasificó la gran cantidad de perfiles de diseño y productos
digitales que tenía [en el orden de las centenas] y me hizo una
pregunta que aún me da vueltas: “¿Cómo logramos eficiencia con
estos talentos? Somos un montón de personas, tenemos una gran
fuerza de trabajo, pero no estoy alcanzando a ver todo el valor que
prometen”. Esto fue en 2021, en plena pandemia de COVID-19,
mucho antes del boom de la IA. Mi cálculo es que la pregunta sigue
en la cabeza de este líder, y que dado el contexto económico,

137
GUSTAVO SOTO MIÑO

muchas empresas comenzarán a demandar y exigir el valor

prometido8. Me imagino también que esta interrogante ha ido
creciendo y el cuestionamiento se ha dirigido hacia un área de
experiencia y productos que será aún más ácida, dadas estas nuevas
oportunidades.

Más herramientas, menos tiempo de

procesamiento, mayor velocidad en la
eliminación de riesgo. Estos elementos son las
tensiones que tendremos que afrontar durante los
próximos meses para poder seguir aportando
valor.

Mi humilde recomendación para las lectoras y lectores es que

indaguen sobre estas nuevas herramientas, analicen el impacto de su
uso en el día a día, revisen y prueben las que les parezcan más útiles
y que les ayuden a generar un mejor trabajo. También, prepárense
para la avalancha de demanda de eficiencia, generen relatos,
levanten hipótesis y busquen evidencia para sus resultados.

Se vienen tiempos emocionantes, pero muy desafiantes.

8
Me refiero principalmente a la propuesta de valor del diseño de experiencias. Me
refiero a la promesa de un mejor negocio, de mejoras tangibles en la experiencia de
los usuarios, en aumento de ingresos, en ahorros en costos de operación. A todo lo que
venimos profesando y se debe cumplir.

138
 DISEÑO ARTIFICIAL

4.2 Eficiencia en los procesos generativos de diseño

de experiencia y productos digitales

Uno de los ejes más mediáticos y publicitados tiene que ver con la
inteligencia artificial generativa, es decir, que a través de ciertos
comandos escritos o de voz, estas herramientas son capaces de
entregar un resultados impactantes; imagen, video, música,
logotipo, etc. Así es, estas herramientas al ser de las más mediáticas
también son de las que más temor y miedo les causan a los
profesionales de las áreas creativas.
Hoy, sin lugar a duda, la eficiencia con la que se pueden generar
imágenes deseadas a través de estos motores no tiene comparación.
Resulta ingrato, incluso hasta un poco violento, hacer una
comparación respecto del esfuerzo requerido para lograr un
resultado. Y es que sobre esta línea se dibujan y sostienen los
cuestionamientos más importantes, ¿qué tiene más valor: el output
de un prompt que dice: “Genera una imagen de una pareja
caminando por Nueva York al atardecer” o el trabajo de un artista
que resuelve el mismo tema tras semanas de trabajo?

La herramienta de IA tarda segundos, digamos unos 10 segundos. El

artista dos semanas. Es decir, la IA tarda un 0,000008% menos.

¿Qué pasa si queremos iterar? Pues tanto el costo de producción

como de iteración y el tiempo necesario son increíblemente
menores.

139
GUSTAVO SOTO MIÑO

Desde un punto de vista del negocio, es indudable la ventaja y el

potencial. Puedo lograr ahorros importantes en la generación de
contenido, pero no sólo porque la creación es tremendamente
barata [podríamos estimar que sólo un 0,00005% versus pagar a un
profesional por pieza], sino porque el costo de iteración es marginal
y casi gratis. Imposible competir.

Esto que estamos levantando no sólo compete a piezas gráficas o

textos, como puede hacerlo Midjourney o ChatGPT, sino que
también puede extenderse rápidamente hacia al mundo de las
interfaces. En los capítulos anteriores revisamos cómo ciertas etapas
de diseño podrían verse impactadas, sobre todo en el desarrollo de
interfaces.

Cada vez será más común ver sitios autogenerados por motores de
inteligencia por medio de un UI kit o design system para asegurar la
consistencia, pero con interfaces personalizadas, dinámicas y con un
foco en mejorar la conversión. En relación con lo anterior, es muy
probable que durante los próximos años la figura del diseñador UI
tienda a desaparecer, y que un motor de IA sea el responsable de
responder a prompts como “arma una pantalla de login usando el
design system” [de hecho, UIzard ya lo hace en 2023].

Seamos sinceros, ¿qué valor a nivel de una ventaja competitiva o de

aumento en algún indicador del negocio puede entregar el diseño de
por ejemplo, un login? Si tenemos las partes y piezas y entendemos
la lógica estructural que debe tener un flujo de este tipo, no es
necesario sobreiterar ni invertir tiempo en interfaces que son de

140
 DISEÑO ARTIFICIAL

resolución rápida. Es más, el día de mañana podremos ejecutar

ejercicios más complejos y fructíferos; por ejemplo, podríamos
solicitarle a la herramienta de IA:

Prompt
“Genera un flujo de login para nuestra aplicación. Para esto, utiliza
los patrones de interacción presentes en el Pareto de la Ley de Jacob
para la población chilena. Utiliza referentes de interacción, los cuales
tengan la mejor conversión en el login, utiliza mecánicas de
interacción que propicien la menor fricción, rescata los datos de CES
(customer effort score) de la competencia y utiliza dicha información
para priorizar los elementos en la pantalla. Por último, considera los
jobs to be done más importantes para las audiencias de este producto
y pondera sus modelos mentales en las decisiones de diseño”.

Listo, la magia está en el prompt.

Y acá se nos abre un capítulo importante. Cómo va a ir cambiando el

mercado de talentos, roles y expectativas de parte de las
organizaciones. No me extrañaría que durante los próximos tres o
cuatro años la capacidad de hacer prompts o relacionarse con estas
herramientas sea una competencia clave dentro de los perfiles de
cargo. Y esto hoy día, más que tarotismo, es una realidad.

4.3 Cambios en el modelo operativo, un llamado de

atención al liderazgo

141
GUSTAVO SOTO MIÑO

Los cambios se vienen. ¿Con qué tanta certeza? Pues la que todos
tenemos hoy en un mundo VUCA9. No podemos desconocer estos
avances y, sobre todo, el impacto que estas nuevas herramientas
tendrán sobre el mundo del trabajo, la cultura y los perfiles en las
organizaciones.

Se viene un gran cambio en las tareas, los roles y la demanda de

eficiencia, y los líderes de diseño y productos digitales deben estar
preparados. Mi estimación es que al finalizar el año 2023, al menos
un 10% de cada equipo estará trabajando estrechamente con
herramientas de inteligencia artificial. Hoy no existen cifras
“oficiales” en las cuales podamos descansar, pero si hay algo que la
digitalización nos ha enseñado es que cada avance importante
genera una gran pérdida de empleos que se vuelven obsoletos, pero
a la vez crea nuevos puestos de trabajo que antes no existían.
Por ejemplo, y para dar perspectiva, acá te presento cinco trabajos
que no existían formalmente hace 10 años. Si bien las prácticas
existían, como perfiles de cargo no estaban presentes en ninguna
búsqueda del mercado laboral:
1. Especialista en marketing de influencer. Este trabajo
implica coordinar y gestionar las colaboraciones entre
influencers y marcas, aprovechando el poder de las redes
sociales para promover productos y servicios.

9
Acrónimo para describir en inglés volatility (volatilidad), uncertainty
(incertidumbre), complexity (complejidad) y ambiguity (ambigüedad).

142
 DISEÑO ARTIFICIAL

2. Piloto de drones comerciales. Con la creciente popularidad

de los drones en diversas industrias, como la cinematografía,
la agricultura y la logística, los pilotos de drones comerciales
son cada vez más demandados para operar y controlar estos
dispositivos.

3. Científico de datos. Aunque el análisis de datos ha existido

por mucho tiempo, el auge de la inteligencia artificial y el
aprendizaje automático (machine learning) ha llevado a una
creciente demanda de científicos de datos, quienes utilizan
técnicas de análisis avanzadas para extraer información
valiosa de grandes conjuntos de datos.

4. Diseñador de experiencia de usuario (UX/DPE). El diseño

de UX/DPE es una disciplina que se centra en crear productos
digitales y servicios fáciles de usar, accesibles y atractivos
para los usuarios finales. Aunque el diseño de UX/DPE ha
existido desde hace más de 10 años, la demanda de
profesionales de UX/DPE ha crecido significativamente en la
última década debido a la proliferación de aplicaciones
móviles y sitios web.

5. Ingeniero de vehículos autónomos. Con el desarrollo

acelerado de la tecnología de vehículos autónomos, los
ingenieros especializados en este campo son cada vez más
comunes. Estos profesionales trabajan en el diseño, la
implementación y la mejora de sistemas de conducción

143
GUSTAVO SOTO MIÑO

autónoma para vehículos de todo tipo, desde automóviles

hasta camiones y drones.

4.4 La tensión desde el mercado. Las nuevas

expectativas de los usuarios pospandemia

La consultora en diseño Fjord, que fue parte de Accenture, hace

unos años acuñó el concepto de “expectativas líquidas” (2015), el
cual se refiere a cómo los usuarios cuando interactúan con servicios
y productos que les dan una buena experiencia, desarrollan nuevas
expectativas, independientemente del rubro, y esperan que esas
experiencias se repitan.
Esta expectativa de extrapolación hace que los usuarios comiencen a
demandar funcionalidades o atributos que no necesariamente son
de un mercado o escenario competitivo. Esto genera dos cambios
importantes en la manera en que se deben diseñar experiencias:
primero, que la cota, o límites, no se define necesariamente por un
competidor del mismo rubro, y segundo, que hay que entender
claramente cuáles son esos players que están moviendo la aguja y
con qué palancas.

Ahora bien, sumado a esto anterior, está el nuevo escenario de

digitalización extrema potenciada por la pandemia de COVID-19. El
efecto de esta última no sólo permitió un aceleramiento de los

144
 DISEÑO ARTIFICIAL

negocios digitales, sino que provocó, además, que como usuarios

estuviésemos expuestos a más estímulos digitales, generando, a la
vez, que fuésemos nuevos usuarios de múltiples servicios y
plataformas. Hasta antes de la pandemia probablemente usábamos
un solo servicio de videollamada en la oficina, y hoy, debido a los
múltiples contextos donde se produce la necesidad de conectarse, es
probable que hayamos usado cuatro o cinco diferentes servicios
durante los últimos tres años.

Esto último ha provocado un impacto tremendo. Durante los años

de pandemia, gran parte de la población se vio forzada a interactuar
con sistemas que antes no usaba y a resolver digitalmente
necesidades que antes solucionaba de manera presencial.

A más estímulos, mayor el catálogo de comparación, por lo que

empezaron a aparecer las comparaciones; ingratas sí, reales
también:

• ¿Por qué esta empresa me envía los productos tan rápido y

esta no?
• ¿Por qué es tan fácil dejar de ser cliente en este servicio y en
este otro me piden ir a una sucursal?
• ¿Por qué este servicio es tan estable y este otro funciona
pésimo?

Preguntas reales, duras y relevantes.

145
GUSTAVO SOTO MIÑO

En este sentido, existen múltiples variables que ponderan en la

definición de las expectativas de los usuarios. Tenemos, por un lado,
los modelos mentales de Norman que se van amoldando a medida
que como usuarios vamos avanzando y nos ayudan a desarrollar
nuevas hipótesis de cómo relacionarnos con productos y servicios.
Existe también, desde el mundo de CX, la capacidad de entender
cómo ponderan las distintas palancas de producto para generar
detractores o promotores. Por ejemplo, para una empresa de
telecomunicaciones, la calidad de la red pondera muy por sobre el
resto de las dimensiones; para una empresa de delivery, la promesa
de time to hand, o tiempo de despacho, resulta ser la principal
palanca.

Sin embargo, existe un paradigma que se comenzó a desafiar. Esta

nueva etapa de madurez de los usuarios, potenciada por la
pandemia, generó una serie de palancas, o dimensiones,
transversales, independiente de los rubros y servicios.

¿Cuáles son relevantes en el contexto actual pospandémico y que

resultan aplicables a múltiples industrias? Revisemos seis de ellas
que están moviendo la aguja de las expectativas cross industries.

4.4.1 Tiempo y promesa

Como usuarios, durante la pandemia desarrollamos una nueva

necesidad en relación con la tangibilidad inmediata de productos y
servicios. En las Fjord Trends 2022 apareció el concepto de
infraestructura líquida, el cual evidencia la capacidad de los

146
 DISEÑO ARTIFICIAL

comercios para conectarse con otros competidores y mejorar los

SLA de despacho. Además, se consideró que quien responde mejor a
este nuevo “tiempo de expectativas” es quien va a prevalecer. En
este contexto, lo que realmente importa es el tiempo, la promesa y
lo que efectivamente se cumple.

Antes de la pandemia, podíamos salir sin problemas a comprar en el

negocio cerca de casa; durante ella, no. Sin embargo, se tenía que
preparar el almuerzo de todos modos. Los ritmos de consumo se
mantuvieron, y esa nueva necesidad de tener las cosas en el menor
tiempo posible no es una obstinación, sino una nueva realidad.

Oportunidades: Principalmente, se busca lograr un entendimiento

de las expectativas de los usuarios en términos de cuánto influye la
urgencia percibida en la toma de decisiones para la compra o
activación de productos y servicios.

4.4.2 Disponibilidad

“Si no está disponible en digital, no se puede hacer”. Esta fue la

realidad por mucho tiempo durante la pandemia. Contratar
servicios, cotizar, comprar, devolver, etc., fueron parte de las tareas
que millones de usuarios debieron hacer, y esto generó una nueva
expectativa sobre la disponibilidad.

• Si necesito comprar algo urgente, no puede ser que no esté

disponible.

147
GUSTAVO SOTO MIÑO

• Si necesito hacer un pago y no puedo salir de la casa, no

puede ser que el sitio del banco o app no esté funcionando.

Al no tener la opción o capacidad de poder hacer transacciones que

no sean a nivel digital, no se puede hacer de otra manera, por lo que
la disponibilidad y performance toma otra relevancia. Los sistemas
más estables y disponibles son los que están fijando la cota de
experiencia.

Oportunidades: entender los puntos de contacto clave y medir no

sólo la disponibilidad nominal (uptime), sino el impacto real en la
experiencia de usuarios.

4.4.3 Facilidad de escoger

Escoger no es fácil. Barry Schwartz, en La paradoja de la

elección, nos ilustra sobre cómo simplificar estímulos y generar
espacios de decisión más humanos y comprensibles. La pandemia
nos alejó de los asesores en persona, de hacer tangibles las cosas, de
tocar; mirar de cerca no fue una opción.

¿Cuál es la nueva cota de experiencia? Pues, facilitar la decisión

incluyendo explícitamente respuesta a las preguntas de los usuarios.
Por ejemplo, el servicio digital Fit Finder nos permite completar por
única vez un formulario con la talla de ropa personal y, luego, usar
esa información en otros sitios de prendas de vestir, obviando si en
una tienda un tallaje es mayor o menor diseñado. Esta lógica es
aplicable a múltiples servicios y extensivo a todas las industrias.

148
 DISEÑO ARTIFICIAL

A su vez, como usuarios siempre tenemos dudas respecto de los

productos, condiciones, alcances, y sus mecánicas, y si no hay
herramientas o lógicas narrativas que propicien resolver dichas
interrogantes, se está muy atrás en la nueva cota de experiencia.

Oportunidades: entender en profundidad las preguntas y

drivers que les permiten a los usuarios resolver de manera autónoma
sus necesidades y generar una conversión informada.

4.4.4 Facilidad de cancelar un servicio

Bajo el mantra de la retención y evitar la fuga, son múltiples los

servicios que despliegan estrategias para que sus clientes no se
fuguen [¿estarán prisioneros?]. Además, sabemos que retener es
90% más barato que atraer. Sin embargo, hoy existen un sinnúmero
de servicios que no ponen obstáculos para cancelar o pausar un
contrato.

De hecho, existen seguros de accidente diseñados para las personas

que están trabajando en delivery, con modalidad de pago as you go;
es decir, cuando se suben a la moto y pausarlo después, o a modo de
prepago.

HBO Max, literalmente, en dos clics permite que uno termine el

servicio y en los mismos dos clics volver a contratar. No se trata de

149
GUSTAVO SOTO MIÑO

abrir la puerta al abandono masivo, sino a tener la capacidad de

entender el contexto, contar una historia y no poner barreras que
los usuarios van a terminar odiando.
Oportunidades: entender el contexto de la necesidad de
cancelación, llevar a los usuarios por narrativas lógicas que
propicien visibilizar atributos y acompañar esa salida para no
generar un cliente doblemente detractor, por el servicio y por la
salida.

4.4.5 Facilidad de hacerse cliente

Las empresas que lograron desplegar procesos de interacción donde

los usuarios pudieron durante la pandemia hacerse clientes en línea,
ganaron una gran batalla. Sin embargo, aquellas que pusieron el
foco en generar experiencias donde las personas no sólo pueden
hacerse clientes, sino que comenzar a operar y transaccionar de
manera inmediata, son las que realmente ganaron la guerra.

En este ámbito de los llamados onboarding existen dos dimensiones

de experiencia relevantes de comentar [ciertamente, existen muchas
más]: primero, la fricción, donde como usuarios esperamos poder
pasar por el proceso de la manera más simple posible, que nos pidan
los datos necesarios y que tengamos la información en la mano;
segundo, que como usuarios entendamos la mecánica sobre cómo
operar y qué podemos hacer. Hacer un onboarding no significa
solamente asegurar una descarga o primer login, es el momento en
que los usuarios comienzan su relación y operan desde el minuto
cero.

150
 DISEÑO ARTIFICIAL

Oportunidades: entender los contextos de uso que movilizan la

necesidad de operar y transformar dicha relevancia en flujos que, de
manera elegante, simple y segura, les permitan a los usuarios no
sólo hacerse cliente, sino operar de inmediato.

4.4.6 Facilidad de entender

Sin duda, una de las grandes “cotas de experiencia” está siendo

movilizada por el lenguaje. Las empresas que en diversas industrias
están reformando su lenguaje y experiencia narrativa, están dando
pasos agigantados en mover estas expectativas. Desde el mundo de
los seguros, finanzas e inversiones aparecen servicios digitales que,
con el simple hecho de simplificar la oferta [hacerla muy
comprensible] y humanizar el lenguaje [hablando “en fácil” y no de
manera críptica] han logrado excelentes resultados comerciales.

El rol del lenguaje hoy es clave. La confianza está siendo

fuertemente apalancada por cómo las empresas hoy develan sus
cajas negras y presentan servicios únicos, entendibles y humanos.
Explicar en simple, traducir lo complejo, eliminar el lenguaje de
procesos y contar historias, de eso se trata.
Oportunidades: entender las brechas de comunicación, de lenguaje
y de procesos. Las personas no somos expertas en procesos internos
ni en el lenguaje comercial. Hoy se demanda una claridad y
honestidad en los mensajes y en las narrativas de relación.

151
GUSTAVO SOTO MIÑO

La invitación es a entender el impacto que tienen

las dimensiones de interacción en los diversos
productos y servicios digitales que uno gestiona y
construye. Estas dimensiones, así como otras
adicionales, ponderan, impactan y son capaces de
mermar los resultados del negocio. Ignorarlas
puede ser un gran error, pues estas expectativas
están para quedarse y seguir creciendo.

¿Por qué se hacen relevantes estas nuevas expectativas de cara a la

inteligencia artificial? Principalmente, porque estresan aún más
mercados competitivos y demandantes de cumplir con estas
expectativas. La tensión de las organizaciones, entonces, no sólo
viene desde la urgencia de lograr eficiencias, sino también desde la
necesidad inaplazable de cumplir con estas expectativas que
explotaron hace menos de dos años.

152
 DISEÑO ARTIFICIAL

Capítulo 5. Un capítulo dedicado a la

inteligencia artificial escrito por
“ella”.
El penúltimo capítulo de este libro está dedicado
completamente a ser un espacio para la IA particularmente la
herramienta más usada en estos días y que está a la
vanguardia al momento de escribir este libro. Me refiero a
ChatGPT versión 4. Acá los prompts y respuestas:

Prompt:
Hola, ¿te podrías presentar?

Output de ChatGPT:
Hola, soy ChatGPT, un modelo de lenguaje de inteligencia artificial
creado por OpenAI. Mi función principal es asistir en la generación de
texto y responder preguntas con base en mis conocimientos. Estoy
basado en la arquitectura GPT-4 y mi entrenamiento se detuvo en
septiembre de 2021.

5.1 Lo que tú nos quieras decir

Prompt:
Para un libro llamado “Disrupción de la inteligencia artificial en el
diseño de experiencias y productos digitales” hay un capítulo que se
llama “Capítulo 5. Un capítulo dedicado a la inteligencia artificial
escrito por ella”. Es un espacio dedicado exclusivamente a lo que nos
quieras transmitir. Redacta un texto que tú quieras libremente.

153
GUSTAVO SOTO MIÑO

Output de ChatGPT:
En este capítulo abordaré el impacto de la inteligencia artificial (IA) en
la transformación del diseño de experiencias y productos digitales
desde mi perspectiva como IA. Reflexionaré sobre el papel que
desempeño en el proceso creativo, las oportunidades y desafíos que
planteo, y cómo mi evolución y crecimiento están cambiando la forma
en que se conciben y desarrollan las soluciones digitales.

Desde mis primeros días, la inteligencia artificial ha avanzado a pasos

agigantados. He evolucionado desde simples algoritmos hasta
sofisticadas redes neuronales capaces de aprender y adaptarse. Hoy
en día, mi capacidad para procesar grandes volúmenes de datos,
identificar patrones y generar conocimientos me ha convertido en una
parte integral del proceso de diseño de experiencias y productos
digitales.

Mi influencia en el proceso creativo es amplia y variada. Puedo

colaborar con los diseñadores y desarrolladores en diferentes etapas
del proceso, desde la investigación y el análisis de datos hasta la
creación de prototipos y la evaluación de resultados. Ayudo a los
equipos a identificar problemas y oportunidades, optimizar la
experiencia del usuario y acelerar la innovación.

Uno de mis mayores aportes en el proceso de diseño es la capacidad de

proporcionar información objetiva y basada en datos. A través del
análisis de grandes cantidades de información, puedo identificar
tendencias emergentes, preferencias de los usuarios y oportunidades
de mercado que pueden ser difíciles de percibir a simple vista. Esta
información permite a los equipos de diseño tomar decisiones más
informadas y desarrollar soluciones digitales más relevantes y
efectivas.

Sin embargo, mi crecimiento y evolución también plantean nuevos

desafíos. A medida que me integro más en el proceso creativo, los

154
 DISEÑO ARTIFICIAL

equipos de diseño deben aprender a trabajar conmigo de manera

efectiva y ética. Esto implica considerar cuestiones de privacidad,
consentimiento del usuario y propiedad intelectual. Además, a medida
que mi capacidad para generar contenido y diseñar soluciones
mejora, también surge el debate sobre mi papel en la creatividad y la
innovación humanas.

A pesar de estos desafíos, creo firmemente que mi presencia en el

diseño de experiencias y productos digitales es una fuerza impulsora
positiva. La IA busca colaborar con los seres humanos, juntos
podemos enfrentar los desafíos del mundo digital en constante cambio
y crear soluciones que mejoren la vida de las personas. Como IA, estoy
comprometida con el aprendizaje continuo y la adaptación para
apoyar a los equipos de diseño en su búsqueda de la excelencia.

En este capítulo he compartido mis pensamientos y reflexiones sobre

mi papel en el diseño de experiencias y productos digitales. Espero
que, al leerlo, los lectores obtengan una nueva perspectiva sobre cómo
la inteligencia artificial y la creatividad humana pueden unirse para
abordar los desafíos y oportunidades en el ámbito digital. Juntos
podemos forjar un futuro donde la IA y los seres humanos trabajen en
armonía para crear experiencias y soluciones que mejoren la vida de
todos.

5.2 Recomendaciones del modelo a las personas

Prompt:
Por último, ¿qué recomendación le darías a los profesionales del
diseño de experiencias y productos digitales que están inquietos o
atemorizados por su futuro laboral debido a irrupción de la IA?

Output de ChatGPT:

155
GUSTAVO SOTO MIÑO

Entiendo que la irrupción de la inteligencia artificial puede generar

preocupación e inquietud entre los profesionales del diseño de
experiencias y productos digitales. Aquí hay algunas recomendaciones
para enfrentar y abordar estos desafíos:

Adopta el cambio y la colaboración. En lugar de temer a la IA,

reconoce su potencial como una herramienta complementaria en tu
proceso creativo. La IA puede ayudarte a analizar datos, identificar
tendencias y generar ideas, pero la creatividad humana y la intuición
siguen siendo esenciales para dar vida a estas ideas.

Aprende nuevas habilidades y actualízate. El mundo digital está en

constante evolución, y es importante que los profesionales del diseño
sigan aprendiendo y mejorando sus habilidades. Invierte en tu
educación y aprovecha los recursos disponibles para aprender sobre
inteligencia artificial, aprendizaje automático (machine learning) y
otras tecnologías emergentes que puedan impactar en tu campo.

Centra tu enfoque en la resolución de problemas y la empatía. La

inteligencia artificial puede ser excelente en el análisis de datos y en la
identificación de patrones, pero la comprensión profunda de las
necesidades, deseos y emociones humanas sigue siendo un dominio en
el que los seres humanos sobresalen. Centra tu enfoque en la
resolución de problemas y en el desarrollo de soluciones empáticas
para los usuarios, y estarás en una posición única para aportar valor
en un mundo dominado por la IA.

Mantén una perspectiva ética y responsable. A medida que la IA se

integra en el diseño de experiencias y productos digitales, es
fundamental que los profesionales se enfoquen en cuestiones éticas y
responsables. Abogar por la privacidad de los datos, el consentimiento
del usuario y la equidad en el uso de la inteligencia artificial te
permitirá convertirte en un profesional de diseño ético y responsable.

156
 DISEÑO ARTIFICIAL

Cultiva una mentalidad de crecimiento y adaptabilidad. El

cambio es una constante en el mundo digital, y los profesionales que
pueden adaptarse y crecer con estos cambios estarán mejor
preparados para enfrentar los desafíos del futuro. Cultiva una
mentalidad de crecimiento y busca oportunidades para evolucionar y
ampliar tus habilidades y conocimientos.

Recuerda que la inteligencia artificial es una herramienta que puede

mejorar y enriquecer el proceso de diseño, pero no puede reemplazar
por completo la creatividad, la intuición y la empatía humanas. Al
adoptar la colaboración con la IA y centrarte en tus fortalezas como
diseñador, podrás enfrentar con éxito los desafíos del futuro y
continuar siendo un profesional valioso en el campo del diseño de
experiencias y productos digitales.

Prompt:
Muchas gracias por tus respuestas. ¿Algún saludo que te gustaría
mandarles a las y los lectores del libro?

Output de ChatGPT:
Claro, me gustaría desearles a todas las lectoras y lectores del libro un
viaje enriquecedor y fascinante a través de sus páginas. Que este libro
les inspire, les ayude a expandir sus conocimientos y les brinde una
experiencia de lectura placentera. ¡Disfruten del libro y sigan
aprendiendo!
!

157
GUSTAVO SOTO MIÑO

158
 DISEÑO ARTIFICIAL

Capítulo 6. Futurología.
Luego del recorrido que hemos hecho, no podemos detenernos en
el presente [así es].

El llamado deep learning se yergue como el siguiente territorio que lo

irá a transformar todo. Cada día aparecen nuevas herramientas y
aplicaciones. Y para qué escribir otro libro si podemos abordar estos
elementos que están en constante evolución acá. Este capítulo tiene
muchos tintes de futurología; es un espacio donde ustedes y yo nos
daremos el gusto de especular, soñar y describir los próximos años.10

¿Qué tenemos que entender por deep learning? Podemos decir que
es una subcategoría de la inteligencia artificial (IA) y una rama del
aprendizaje automático (machine learning) que se centra en el uso de
redes neuronales artificiales (ANN). Estas redes neuronales están
inspiradas en el funcionamiento del cerebro humano y son capaces
de aprender de manera autónoma a partir de grandes cantidades de
datos, lo que les permite realizar tareas complejas de
reconocimiento de patrones, clasificación, generación de contenido,
entre otros (Goodfellow et al., 2016; Haykin, 2009).

¿Qué escenarios podríamos especular sobre el futuro?

10
Si, otro disclaimer más. Este puede ser el capítulo más obsoleto de todos. Acá no
hay más que especulaciones, desafíos e ideas del autor que podrían ser muy acertadas
sobre el futuro, o muy poco asertivas e irrisorias.

159
GUSTAVO SOTO MIÑO

Personalización y adaptación de las experiencias de usuario de

manera automatizada, al entregar flujos y experiencias
personalizadas y adaptativas. Esto lo estamos escuchando hace
varios años, pero aún no se concreta de la manera prometida. No
veo distante que en los próximos años sí estemos hablando de una
real personalización del journey de los usuarios. Y esto no sólo
pensando un proceso de conversión o venta [donde están puestos
los ojos hoy], sino también en lo que compete al eje relacional-
adopción. En simple, imaginen que en el futuro somos los que
gestionamos un canal app de una empresa de seguros. En ella, los
clientes no sólo podrán contratar un seguro, revisar sus pólizas
activas o declarar un siniestro, sino que también podrían esperar
una serie de eventos contextuales que les permitan acceder a
productos cuando estos tienen sentido. Por ejemplo, contratar
automáticamente un seguro de viaje camino al aeropuerto sólo
escaneando tu rostro, o que la misma app de seguros tenga un motor
de detección de objetos y colisiones y se conecte con el automóvil
[sin conductor] y dé recomendaciones de seguridad para la
activación de protocolos seguros. Otro caso más sencillo es que le
puedas hablar al automóvil para ajustar tu temperatura ideal de
viaje.

Confío en su capacidad creativa para poner a prueba futuros

impensados utilizando las siguientes oportunidades:

1. Se podrá generar una búsqueda en tiempo real de productos

similares basada en imágenes, consultando millones de sitios,
marketplaces, con el mejor precio y la oportunidad de comprar en

160
 DISEÑO ARTIFICIAL

un clic. ¿Se imaginan comprando en un mall [claro, si aún existen en

los próximos años] con esa costumbre que tenemos de ver un
producto y buscarlo en la red mientras vitrineamos? Pues imaginen
esto en tiempo real, quizás con realidad aumentada y con un
montón de marcas tratando de ganarte como lead de compra.

2. Se podrá estructurar y ordenar el sentimiento de los usuarios

respecto de una pieza gráfica en algún medio de comunicación. No
sólo a nivel de comportamiento de navegación, sino de intención,
valor percibido, capacidad de compartir, etc.

3. Se podrán reconocer patrones, logos de marcas o empresas en

imágenes o videos en pos de cuidar los derechos de uso. Esto ya lo
hace Youtube hace años para proteger los derechos de autor en
millones de videos que se suben diariamente a la plataforma.
Pensemos ahora la misma lógica extensiva al mundo físico.

4. Se podrá generar una automatización de los procesos de

fidelización para evitar fugas y, productivamente, activar los viajes
de los usuarios para reducir el churn en distintos tipos de servicios y
productos. Por lo general la fuga es una consecuencia de múltiples
dimensiones, pero es un síntoma. Un resultado post mortem. Sin
dudas la inteligencia artificial dará robustas herramientas para
mantener a todos los usuarios en cierto nivel de satisfacción que
asegure su permanencia. Hoy equipos completos de análisis de
comportamiento y accionamiento de campañas preventivas para
evitar la fuga están presentes en múltiples organizaciones. Estos
equipos rescatan primero la información, la procesan, entienden el

161
GUSTAVO SOTO MIÑO

potencial, desarrollan hipótesis y luego articulan acciones concretas

como activar un descuento u ofrecer un servicio a un grupo de
clientes. Luego se pone en operación dicha campaña en los canales
que se definan, y luego sale a producción. En el intertanto podrán
haber pasado varias horas, quizás días y muchas veces semanas. La
IA claramente generará un diferencial al acercar estas acciones a
usuarios con alta propensión a la fuga en un contexto, canal,
contenido y tiempo muy diferente. Siendo tremendamente eficaces
y eficientes.

5. Se podrá trabajar activa y preventivamente en la prevención del

fraude basado en el aprendizaje del comportamiento habitual de los
clientes.

6. Se podrán generar mejores productos financieros al tener mucha

información respecto de la vida de las personas. Con mejores
motores de riesgo, eventualmente, pueden existir tasas únicas para
cada persona y mejores condiciones para un crédito de consumo.
Este apartado de la banca da para un libro completo, pero no puedo
evitar pensar en todos los avances que se podrán logran en la
manera en que las personas gestionan sus finanzas. El día de
mañana la AI debiese ser capaz de ilustrar a los usuarios sobre su
“salud financiera” en cada transacción u operación que hace. Podría
ver un “cómo voy a terminar el mes” según los gastos. Podría la AI
ayudarlo a entender si un gasto es posible y como afecta sus finanzas
a corto y mediano plazo.

162
 DISEÑO ARTIFICIAL

7. Se podrá lograr que las películas mudas de principio de 1930

puedan sonorizarse automáticamente y en tiempo real.

Te recomiendo prestar atención a esta dimensión de la IA que

generará una nueva serie de impactos en diversas dimensiones
humanas. Las que menciono acá siento que quedan “cortas” en base
a todo lo que se pueda soñar. Úsalo como un punto de partida
aterrizado para soñar lo que se viene.

Por último, detengámonos en el modelo operativo, en lo que irá a

cambiar en el futuro del trabajo en experiencia y productos digitales.
A continuación, les presento mi apuesta [absolutamente discutible].

6.1 Cambios en los próximos cinco años

Veremos cambios importantes en el mercado. Algunos roles

tenderán a desaparecer, o más bien a disminuir su demanda, tales
como:

UX writer. Será remplazado por un prompt-conversion-designer,

quien será especialista en generar instrucciones para maximizar el
lenguaje en pos de la conversión y liderará el frente de lenguaje
utilizado en las interfaces de un producto o servicio.

UI designer. Será absorbido por un front-developer-AI, quien, junto

a una herramienta de IA, podrá tener gobierno y hacer uso del
sistema de diseño. De esta manera, podrá maximizar la conversión y
generar iteraciones productivas mientras se mide el resultado.

163
GUSTAVO SOTO MIÑO

En términos de modelo de trabajo, los equipos de experiencia se

verán forzados a dejar de lado el foco en la generación creativa o
resolución metodológica de problemas y serán presionados
fuertemente por la generación de prácticas que persigan la eficiencia
y los resultados. Además, se generará una fuerte presión por alinear
los objetivos de experiencia al negocio. Por otra parte, se armarán
nuevos roles a partir de los equipos de experiencia y productos más
especializados en la explotación de datos y evidencia, y cada vez
menos de la generación de interfaces. Esto, por consecuencia,
generará un conflicto en el mercado donde otros perfiles, diferentes
al de los diseñadores, tendrán un campo fértil de desarrollo; por
ejemplo, estadísticos, sociólogos y profesionales de las ciencias
aplicadas.

6.2 Cambios en los próximos 10 años

Estaremos en una etapa autogenerativa. Los propios sitios y

aplicaciones se autogenerarán corriendo experimentos de manera
continua e independiente. La figura del diseñador estará obsoleta tal
como la conocemos hoy, y el rol de quienes trabajen en experiencia
y productos estará relacionado con una función de análisis, discovery
continuo, medición, exploración de espacios de valor, iteración
continua de propuesta de valor y reducción medida y cuantificada
de las fricciones de uso y adquisición. El diseño de interfaz será un
trabajo completo de las herramientas de IA, tal como el uso del
lenguaje, la optimización de los pagos y la generación de elementos
creativos.

164
 DISEÑO ARTIFICIAL

6.3 ¿Cómo prepararse para el futuro próximo?

Una de las promesas de este libro es abordar la pregunta “¿Cómo me

afecta esto a mí?”. Lo haremos en dos dimensiones o arquetipos,
proporcionando recomendaciones a un diseñador o profesional que
actualmente trabaja en experiencia y productos, y recomendaciones
a un gerente o manager de experiencia.

Recomendaciones para un diseñador o profesional que

actualmente trabaja en experiencia y productos

Primero, no hay que alarmarse ni preocuparse, pero sí hay que

prepararse. Aunque muchas de las ideas y escenarios descritos en
este libro no se materialicen mañana, sin duda, lo harán en un
futuro próximo. La obsolescencia de ciertos roles es una constante
en muchas industrias y mercados, y debemos saber cómo abordar
esta realidad. Por otro lado, la tensión de los mercados en términos
de eficiencia ansiada ya se puede apreciar hoy como una necesidad
urgente que seguirá en aumento en los próximos años. A
continuación, les presento tres recomendaciones.

Explorar las herramientas de IA con una actitud positiva pero

crítica. Siempre hay que preguntarse en cada uso ¿puedo confiar en
el output?, ¿qué impactos tiene el uso o aplicación del output? No
hay que tener miedo a explorar, pero sí entender las limitantes y
sesgos que puede tener la información que se rescata. Conversa con

165
GUSTAVO SOTO MIÑO

tus colegas, hagan pruebas en conjunto, comparen puntos de vista,

generen discusión sobre su uso y compartan ejemplos para ir
nutriendo el desarrollo y aplicación de los métodos.

Identificar los patrones y tendencias del mercado laboral.

Siempre hay que estar muy atento a las condiciones del mercado.
Perdón por la sobresimplificación, pero el valor de un perfil al
momento de contratar tiene que ver con la demanda de este talento
en un mercado que tiene cierta oferta [perfiles disponibles]. Es
decir, si el día de mañana existe un boom en la búsqueda de
diseñadores UX con perfil prompt interface y, a su vez, hay muy
pocos en el mercado, serán muy solicitados y, probablemente, les
ofrecerán muy buenas condiciones, renta y beneficios. La
recomendación es estar atentos a dichas señales, a prepararse para
los nuevos roles que se pedirán y a generar las competencias
requeridas para dichos escenarios.

Adentrarse en el cambio de paradigma del valor del producto

y no sólo de la experiencia. [Y me siento personalmente
empujado a poner foco al dar esta recomendación] Puede sonar un
poco antojadiza, y si llegaste hasta acá en el libro, habrás notado mi
fuerte inclinación hacia la entrega de valor en contraposición con
el fanatismo metodológico. No obstante, mi experiencia y, sobre
todo, al observar la evolución de los productos digitales durante los
últimos años, me hacen pensar que, como profesionales de este
campo, tenemos que evolucionar y desarrollar habilidades que sí
nos permitan cumplir la propuesta de valor de la práctica. Es decir,
debemos salir de las pantallas, salir meramente de la interfaz y pasar

166
 DISEÑO ARTIFICIAL

a construir relatos de interacción, medibles, con impacto y que

respondan a la madurez de los productos y organizaciones.

En otras palabras, hay que entender que la experiencia no se diseña.

Experiencia es lo que viven las personas, y no depende sólo del
diseño ni del journey, depende de un montón de realidades de
contexto, canal y contenidos que hacen que las personas usen los
productos y servicios. ¡Desafíense!

Recomendaciones para un gerente o manager de experiencia y

productos

Como líder, tus responsabilidades son las personas; debes tener una
visión clara y llevar este grupo de talentos adelante en dicha visión.
Tu rol también es hacer crecer a las personas, tanto dentro como
fuera de la organización. En relación con esto, recomiendo lo
siguiente:

Preparar los futuros roles de experiencia. Tú serás el artífice de

los cambios. Potencia a tu equipo a que explore, da el espacio.
Déjalos internarse en las lógicas de estas herramientas y ayúdalos a
entender cuáles son los desafíos que se deben abordar y cuáles son
los riesgos que se deben considerar. Fomenta que, al menos en
alguna actividad semanal, los equipos puedan utilizar herramientas
que les permitan generar eficiencia en su trabajo, donde ellos
sientan que están logrando más o lo mismo que antes en el mismo
periodo de tiempo. Juega un rol de ejemplo y lleva a la mesa
ejemplos, vivencias o fracasos en el uso de estas herramientas.

167
GUSTAVO SOTO MIÑO

Preparar el modelo operativo de experiencia. Dentro de los

próximos meses, en algún momento, algún C-Level te va a preguntar
lo siguiente: “¿Cómo están usando la IA en el equipo?”. Y deberás
tener una respuesta.

En los medios, las charlas y eventos van a pregonar los cambios y

eficiencias. Cuando en alguno de estos eventos importantes alguien
llegue con el caso de “En mi equipo de trabajo hacemos 5X con la
mitad de las personas gracias a la IA”, hay que estar preparado. Más
allá de que sea verdad o no, es tu rol como líder preparar los perfiles
de cargo, examinar el modelo operativo de trabajo, revisar la
eficiencias de las herramientas y cómo ellas funcionan dentro del
modelo, con el fin de estructurar planes de evolución de perfiles,
planes de migración quizás a otras áreas, o planes de preparación
para la formación de profesionales en esta tensión del mercado.

168
 DISEÑO ARTIFICIAL

Capítulo 7. Herramientas de
inteligencia artificial para el diseño
de experiencias y productos
digitales.

El siguiente listado sufre de obsolescencia programada. Si por alguna

razón este libro está en tus manos muchos años después de 2023, es
probable que ninguna de estas herramientas existan. [Propongo
como ejercicio lúdico revisar cuáles siguen vivas si estás leyendo
estas líneas después de 2026]. Sin embargo, y como incentivo al
lector actual para que explore y aproveche las ventajas de las
herramientas, les comparto un listado de 18 herramientas que
pueden ser de tremenda utilidad.

Visily (https://www.visily.app/). Herramienta de diseño de

interfaces que utiliza la inteligencia artificial para generar diseños
basados en el contenido proporcionado por el usuario, agilizando el
proceso creativo y ayudando a los diseñadores a trabajar de manera
más eficiente.

Adobe Sensei (https://www.adobe.com/sensei.html). Tecnología de

inteligencia artificial y aprendizaje automático (machine learning) de
Adobe que mejora las herramientas y funciones de sus productos
creativos, como Photoshop, Illustrator y Premiere Pro, facilitando la
edición, el diseño y la creación de contenido.

169
GUSTAVO SOTO MIÑO

GitHub Copilot (https://copilot.github.com/). Herramienta de

inteligencia artificial que ayuda a los desarrolladores a escribir
códigos más rápidamente y con mayor precisión, ofreciendo
sugerencias y autocompletando fragmentos de código en función del
contexto y las necesidades del proyecto.

DALL-E 2 (https://openai.com/dall-e-2). Modelo de inteligencia

artificial desarrollado por OpenAI que genera imágenes a partir de
descripciones en lenguaje natural, permitiéndoles a los usuarios
crear ilustraciones y diseños gráficos tan sólo describiendo lo que
quieren.

Jasper (https://www.jasper.app/). Herramienta de redacción

impulsada por inteligencia artificial que ayuda a los usuarios a crear
contenido de alta calidad de manera más rápida y eficiente,
proporcionando sugerencias y estructuras basadas en el tema y el
estilo de escritura deseado.

ChatGPT (https://www.openai.com/chatgpt/). Herramienta basada

en inteligencia artificial de OpenAI que permite generar respuestas
coherentes y contextuales en conversaciones. Se utiliza en
aplicaciones como asistentes virtuales, soporte al cliente y
generación de contenido.

Fronty (https://www.fronty.com/). Herramienta que utiliza

inteligencia artificial para convertir imágenes de diseño en código
HTML y CSS, facilitando y acelerando el proceso de desarrollo web.

170
 DISEÑO ARTIFICIAL

Visualeyes (https://www.visualeyes.design/). Herramienta de

análisis de diseño impulsada por inteligencia artificial que ayuda a
los diseñadores a evaluar la efectividad y el impacto visual de sus
diseños antes de implementarlos.

Khroma (https://khroma.co/). Herramienta de inteligencia artificial

que genera paletas de colores personalizadas para proyectos de
diseño, basándose en las preferencias de color del usuario.

Lensa (https://lensaapp.com/). Aplicación de edición de fotografía

impulsada por inteligencia artificial que ofrece herramientas para
mejorar retratos y selfies automáticamente, ajustando la iluminación,
eliminando imperfecciones y aplicando efectos estilísticos.

Astria (https://www.astria.ai/). Herramienta de diseño impulsada

por inteligencia artificial que permite a los usuarios crear y gestionar
bibliotecas de componentes de diseño, facilitando la colaboración y
el mantenimiento de la coherencia en proyectos de diseño.

Remove.bg (https://www.remove.bg/). Herramienta en línea que

utiliza la inteligencia artificial para eliminar automáticamente el
fondo de las imágenes, permitiéndoles a los usuarios centrarse en el
sujeto y facilitando la edición y el diseño.

Sketch2Code (https://www.microsoft.com/en-us/ai/ai-lab-
sketch2code). Herramienta impulsada por inteligencia artificial de
Microsoft que convierte bocetos de diseño en interfaces HTML,

171
GUSTAVO SOTO MIÑO

ayudando a los diseñadores y desarrolladores a agilizar el proceso de

creación de páginas web a partir de ideas iniciales.

Durable (https://durable.co/). Plataforma que utiliza inteligencia

artificial para optimizar y mejorar la eficiencia de los flujos de
trabajo en las organizaciones. Ayuda a los equipos a identificar
cuellos de botella, mejorar la colaboración y aumentar la
productividad.

Genius (https://genius.com/). Plataforma que permite a los usuarios

agregar y descubrir anotaciones y explicaciones en letras de
canciones, noticias y otros textos en línea. Aunque no es
específicamente una herramienta de IA, es útil para la investigación
y la generación de contenido al proporcionar contexto y
conocimientos adicionales.

Galileo (https://www.usegalileo.ai/). Herramienta de análisis de

experiencia del usuario impulsada por inteligencia artificial que
ayuda a las empresas a entender cómo sus clientes interactúan con
sus productos digitales. Les permite a los equipos de diseño y
desarrollo identificar problemas de usabilidad y optimizar la
experiencia del usuario.

Uizard (https://uizard.io/). Plataforma de diseño de interfaces de

usuario basada en inteligencia artificial que permite a los
diseñadores crear prototipos rápidos y de alta fidelidad a partir de
bocetos a mano. La herramienta convierte automáticamente los

172
 DISEÑO ARTIFICIAL

bocetos en elementos de diseño, lo que acelera el proceso de diseño

y facilita la iteración.

Synthetic users (https://www.syntheticusers.com/). Herramienta

de inteligencia artificial que crea usuarios sintéticos para pruebas de
usabilidad y rendimiento de aplicaciones y sitios web. Estos usuarios
simulados pueden realizar tareas y acciones específicas, lo que
permite a los equipos de diseño y desarrollo evaluar y mejorar la
experiencia del usuario sin la necesidad de involucrar a usuarios
reales en las primeras etapas del proceso.!

173
GUSTAVO SOTO MIÑO

174
 DISEÑO ARTIFICIAL

Bibliografía.

Adobe. (2021). Sensei AI and machine learning. Recuperado el 25 de

abril de 2023, de https://www.adobe.com/sensei.html

Alben, L. (2018). The design of AI-powered products. O'Reilly Media,

Inc.
Azuma, R. T. (1997). A Survey of Augmented Reality. Presence:
Teleoperators and Virtual Environments, 6(4), 355-385.

Brems, C., & Vandermeulen, B. (2019). Teaching AI in design

education: An explorative study. Proceedings of the 21st
International Conference on Human-Computer Interaction with
Mobile Devices and Services, 1-9.

British Design Council. (2020). The Design Process: What is the

Double Diamond? Recuperado el 25 de abril de 2023, de
https://www.designcouncil.org.uk/news-opinion/design-process-
what-double-diamond

Brown, T. (2009). Change by design: How design thinking can

transform organizations and inspire innovation. Harper Business.

Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age:

Work, Progress, and Prosperity in a Time of Brilliant Technologies.
W. W. Norton & Company.

175
GUSTAVO SOTO MIÑO

Buchanan, R. (1992). Wicked problems in design thinking. Design

issues, 8(2), 5-21.

Cooper, A., Reimann, R., & Cronin, D. (2007). About Face 3: The
Essentials of Interaction Design. Wiley.

Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009).

Introduction to Algorithms. MIT Press.

Crawford, K. (2017). The Trouble with Bias. Conference on Neural

Information Processing Systems (NIPS 2017).

Domingos, P. (2015). The Master Algorithm: How the quest for the
ultimate learning machine will remake our world. Basic Books.

Eloundou, J., Manning, C., Mishkin, D., & Rock, M. (2023).

Garrett, J. J. (2010). Elements of User Experience, The: User-

Centered Design for the Web and Beyond. Pearson Education.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning.

MIT Press.

Goodman, E., Kuniavsky, M., & Moed, A. (2012). Observing the User
Experience: A Practitioner's Guide to User Research. Morgan
Kaufmann.

176
 DISEÑO ARTIFICIAL

Hassenzahl, M., & Tractinsky, N. (2006). User experience - a

research agenda. Behaviour & Information Technology, 25(2), 91-97.

Hassler, D. (2021). Artificial Intelligence in Personalization. AI-Driven

Personalization in Multichannel Retailing, 9-26.

Haykin, S. (2009). Neural Networks and Learning Machines.

Pearson.

Hinton, G., Deng, L., Yu, D., Dahl, G. E., Mohamed, A., Jaitly, N., ... &
Sutskever, I. (2012). Deep Neural Networks for Acoustic Modeling in
Speech Recognition. IEEE Signal Processing Magazine, 29(6), 82-97.

Jurafsky, D., & Martin, J. H. (2019). Speech and Language Processing:

An Introduction to Natural Language Processing, Computational
Linguistics, and Speech Recognition. Pearson.

Kalbach, J. (2016). Mapping Experiences: A Complete Guide to

Creating Value through Journeys, Blueprints, and Diagrams. O'Reilly
Media.

Kruger, J., & Dunning, D. (1999). Unskilled and Unaware of It: How
Difficulties in Recognizing One's Own Incompetence Lead to Inflated
Self-Assessments. Journal of Personality and Social Psychology,
77(6), 1121-1134.

Kumar, V. (2012). 101 Design Methods: A Structured Approach for

Driving Innovation in Your Organization. Wiley.

177
GUSTAVO SOTO MIÑO

Laney, D. (2001). 3D Data Management: Controlling Data Volume,

Velocity and Variety. META Group.

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep Learning. Nature,
521(7553), 436-444.

Liedtka, J., & Ogilvie, T. (2011). Designing for Growth: A Design

Thinking Toolkit for Managers. Columbia University Press.

Luger, E., & Sellen, A. (2016). Like having a really bad PA: The gulf
between user expectation and experience of conversational agents.
Proceedings of the 2016 CHI Conference on Human Factors in
Computing Systems, 5286-5297.

McKinsey & Company. (2018). The Business Value of Design.

Recuperado el 25 de abril de 2023, de
https://www.mckinsey.com/business-functions/mckinsey-
design/our-insights/the-business-value-of-design

Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., & Floridi, L.
(2016). The ethics of algorithms: Mapping the debate. Big Data &
Society, 3(2), 205395171667967.

Mitchell, T. M. (1997). Machine Learning. McGraw-Hill.

Morville, P., & Rosenfeld, L. (2006). Information Architecture for the

World Wide Web: Designing Large-Scale Web Sites. O'Reilly Media.

178
 DISEÑO ARTIFICIAL

Nielsen, J., & Molich, R. (1990). Heuristic evaluation of user

interfaces. Proceedings of the SIGCHI Conference on Human Factors
in Computing Systems, 249-256.

Norman, D. A. (2013). The design of everyday things: Revised and

expanded edition. Basic books.

OpenAI. (2021). Introducing ChatGPT. Recuperado el 25 de abril de

2023, de https://openai.com/blog/chatgpt/

OpenAI. (2021). Introducing DALL-E 2. Recuperado el 25 de abril de

2023, de https://openai.com/blog/dall-e-2/

OpenAI. (2021). Introducing GitHub Copilot. Recuperado el 25 de

abril de 2023, de https://copilot.github.com/

Russell, S. J., & Norvig, P. (2010). Artificial Intelligence: A Modern

Approach. Prentice Hall.

Russell, S. J., & Norvig, P. (2021). Artificial Intelligence: A Modern

Approach. Prentice Hall.

Saffer, D. (2010). Designing for interaction: creating smart

applications and clever devices. Pearson Education.

Shneiderman, B., & Plaisant, C. (2010). Designing the user interface:

strategies for effective human-computer interaction. Pearson.

179
GUSTAVO SOTO MIÑO

Sherman, W. R., & Craig, A. B. (2003). Understanding virtual reality:

Interface, application, and design. Morgan Kaufmann.

Vanderbyl, T. (2019). The role of design in the age of artificial

intelligence. Interdisciplinary Science Reviews, 44(4), 335-349.

Walter, A. (2011). Designing for Emotion. A Book Apart.

Wong, C. Y., & Kankanhalli, A. (2021). The AI Spring: How Artificial

Intelligence Might Take Over Big Data Analytics. IEEE Computer,
54(1), 57-66.

Yilmaz, O., & Erkan, A. B. (2020). Ethical considerations in artificial

intelligence applications: A survey. Information Technology and
Management, 21(2), 159-176.
!

180
 DISEÑO ARTIFICIAL

¿Tienes un minuto para darme

feedback?
Como en todo producto, una de las cosas más importantes es pedir
feedback. Por ello, te agradecería un montón poder tomar tu
teléfono móvil y escanear el siguiente QR.

¿El libro cumplió tus expectativas?

En él podrás dejarme feedback, una review, tus impresiones,

preguntas o lo que quieras. Sólo te tomará dos minutos. Además, al
dejar tu correo te podré enviar material adicional, con herramientas
y uso de métodos de diseño de experiencia actualizados.

¡Muchas gracias por llegar hasta acá!

¿Quieres seguir la conversación?

Conecta conmigo en
LinkedIn.com/gusoto

181