Exploración sobre UX en productos con IA
Una exploración sobre los principios de diseño de experiencia de usuario específicos de los productos que incorporan inteligencia artificial generativa o predictiva.
La UX en productos con IA es diferente
Los principios de UX tradicionales siguen siendo válidos cuando se diseñan productos con IA. Pero hay capas adicionales que no existían en el software determinista.
Esta es una exploración en progreso de esos principios adicionales.
1. Gestión de expectativas
Los usuarios no tienen un modelo mental claro de lo que la IA puede y no puede hacer. Eso lleva a dos problemas opuestos: sobrestimar las capacidades del sistema (y frustrarse cuando no cumple) o subestimarlo (y no usarlo en casos donde sería útil).
La UX tiene que ayudar a calibrar esas expectativas desde el inicio. Esto incluye:
- Comunicar con claridad qué hace el sistema y qué no.
- Mostrar la confianza del sistema cuando procede (no todos los resultados tienen el mismo nivel de certeza).
- Hacer visibles las limitaciones sin que parezcan defectos.
2. El error como parte del diseño
En software determinista, el error es una excepción que hay que gestionar. En IA, el error es estadísticamente inevitable.
La pregunta de diseño no es “cómo evitamos que el sistema cometa errores” (no se puede), sino “cómo diseñamos para que el usuario pueda detectar el error, corregirlo y seguir adelante”.
Esto implica:
- Diseñar siempre un mecanismo de corrección o feedback.
- No presentar los resultados de la IA como hechos inapelables.
- Pensar qué pasa cuando el usuario no está de acuerdo con el resultado del sistema.
3. La confianza se construye despacio y se pierde rápido
Los usuarios desarrollan confianza en los sistemas de IA a través de la experiencia acumulada. Cada interacción que produce un resultado inesperado o incorrecto erosiona esa confianza.
El diseño tiene que pensar en la trayectoria de confianza: cómo se construye progresivamente, cómo se recupera cuando hay un fallo y cómo se mantiene en el tiempo.
4. Transparencia vs. sobrecarga de información
Explicar cómo funciona la IA puede generar confianza. Pero demasiada explicación genera fricción y sobrecarga cognitiva.
El punto de equilibrio depende del contexto: cuánto le importa al usuario saber por qué, y cuánto impacto tiene la decisión del sistema sobre su vida o su trabajo.
Esta exploración está en desarrollo activo. Los principios se irán refinando con más ejemplos y casos de uso reales.