El nuevo juego del diseño: de la pantalla al flujo conversacional
Diseñar dejó de ser dibujar una pantalla fija. La unidad de trabajo se convirtió en el flujo: interfaces conversacionales, agentes y superficies que se arman al instante. La IA generativa ya genera una pantalla bonita en segundos, solo que para el usuario promedio de su entrenamiento, no para tu usuario real. Esta lección abre la trilla alrededor de una tesis: generar rápido no es el problema, generar rápido sin nadie real adentro sí lo es.
Abres una herramienta de IA generativa de interfaz, describes la app que necesitas, "un panel de pedidos para una tienda pequeña", y en veinte segundos recibes una pantalla lista: colores equilibrados, botones en el lugar correcto, todo con cara de producto profesional. Es tentador aprobarla ahí mismo y mandarla a desarrollo. Solo que esa pantalla nació de un "usuario promedio" que la IA aprendió mirando miles de paneles parecidos en internet, no del dueño de la tienda pequeña que va a usar el tuyo, con su forma de organizar el pedido, su vocabulario, su hábito de revisar todo desde el celular en medio del mostrador. Bonita la pantalla. Correcta, todavía no se sabe.
El controller le pide al asistente que arme un panel financiero, y en segundos recibe un dashboard limpio, con gráfico de barras, indicador en verde y rojo, todo con cara de informe de consultoría. Solo que ese layout nació del "panel financiero promedio" que la IA ya vio incontables veces, no de la forma en que el CFO de la empresa realmente lee un número, qué indicador mira primero, qué ignora. Bonito el panel. Útil para una decisión real, todavía no se sabe.
El despacho le pide a la IA que genere una interfaz de consulta procesal, y recibe una pantalla organizada, con filtro, búsqueda y todo. Solo que el flujo que la IA armó es el "flujo jurídico genérico" de internet, no la forma en que el abogado sénior de ese despacho realmente busca un expediente con prisa, en medio de una audiencia. La pantalla parece lista. Sirve para el día a día real, todavía no se sabe.
El equipo le pide a la IA que genere una landing page, y recibe una página con hero bonito, prueba social en el lugar correcto, CTA llamativo. Solo que ese patrón es el "patrón de landing" que la IA aprendió mirando miles de páginas parecidas, no lo que hace que el cliente específico de esa marca haga clic. La página convierte a simple vista. Convierte en la práctica, todavía no se sabe.
El equipo de RRHH le pide a la IA que genere una pantalla de onboarding, y recibe un flujo paso a paso, bonito, con barra de progreso e ilustración simpática. Solo que ese flujo es el "onboarding estándar" que la IA ya vio cientos de veces, no la forma en que el nuevo empleado de esa empresa, con esa cultura específica, realmente aprende las reglas de la casa. El flujo parece acogedor. Acoge de verdad, todavía no se sabe.
El PM le pide a la IA que genere las pantallas del MVP a partir del PRD, y recibe un prototipo clicable en minutos, con flujo completo desde el registro hasta el checkout. Solo que ese flujo nació del "producto promedio" de la categoría, no de las dos objeciones que el cliente objetivo real plantea antes de comprar. El prototipo parece listo para el directorio. Resuelve la objeción real del cliente, todavía no se sabe.
El equipo comercial le pide a la IA que arme una interfaz de propuesta, y recibe un documento visual limpio, con gráfico de ROI y sección de garantía. Solo que ese modelo es el "modelo de propuesta" que la IA aprendió viendo miles de ejemplos, no el argumento específico que cierra a ese cliente, en ese sector, con esa objeción de precio. La propuesta parece profesional. Cierra el negocio, todavía no se sabe.
El equipo de operaciones le pide a la IA que genere una pantalla de panel de SLA, y recibe un dashboard con semáforo, gráfico de tendencia, todo alineado. Solo que ese diseño es el "panel operativo estándar", no la forma en que el supervisor del turno nocturno, con el celular en la mano en el piso de la fábrica, realmente necesita ver el cuello de botella en tres segundos. El panel parece completo. Sirve al turno real, todavía no se sabe.
El equipo de compliance le pide a la IA que genere una interfaz de registro de evidencia, y recibe una pantalla organizada, con campo para cada control y estado con color. Solo que ese layout es el "formulario de auditoría genérico" de internet, no la forma en que el auditor de esa empresa específica, bajo esa regulación específica, necesita navegar bajo presión de plazo. La pantalla parece conforme. Pasa la auditoría real, todavía no se sabe.
El equipo de ingeniería le pide a la IA que genere la interfaz administrativa del sistema nuevo, y recibe un panel completo en minutos, con tabla, filtro y acción en lote. Solo que ese diseño refleja el "admin genérico" que todo generador de UI produce, no la forma en que el equipo de soporte de esa empresa realmente resuelve el ticket urgente. El panel parece funcional. Resuelve el caso de uso real de quien opera, todavía no se sabe.
Abres una herramienta de IA generativa (tipo v0, Figma AI, UX Pilot) para generar la pantalla de onboarding de una app nueva, describes el objetivo en dos frases, y en veinte segundos recibes un flujo entero: pantalla de bienvenida, tres pasos de configuración, barra de progreso, microcopy simpático. Impecable a simple vista: jerarquía visual correcta, espaciado consistente, hasta sigue buenas prácticas básicas de accesibilidad. Casi lo apruebas para pasar directo a desarrollo. Solo que ese flujo nació del "usuario promedio de onboarding" que el modelo aprendió viendo miles de apps parecidas, no de tu usuario real, ese que abandona en el segundo paso porque la app pide permiso de ubicación antes de mostrar ningún valor, un patrón que solo aparece en la grabación de sesión de Hotjar de tu propia base, no en el entrenamiento de ningún modelo. La pantalla está lista. Está correcta para tu usuario, eso la IA no lo sabe, y solo lo descubres si preguntas.
El directorio le pide a la IA que arme una interfaz de seguimiento de metas, y recibe un panel elegante, con indicador de progreso y alerta visual. Solo que ese diseño refleja el "panel ejecutivo promedio" de internet, no la forma en que ese directorio específico prioriza riesgo versus oportunidad. El panel impresiona en la reunión. Orienta la decisión correcta, todavía no se sabe.
Oye, déjame contarte el giro que ya cambió el piso bajo tus pies de diseño, aunque todavía no te lo hayan dicho con todas las letras. Durante décadas, el trabajo del diseño fue la pantalla. Dibujabas un wireframe, refinabas un mockup, entregabas un prototipo estático, pixel perfect, y el desarrollador construía exactamente eso. La unidad de entrega era la pantalla, y a ti te evaluaban por la pantalla. Solo que la unidad se convirtió en otra cosa. Hoy buena parte de la interacción ya no pasa por ninguna pantalla fija: es conversación con un agente, es voz, es una superficie que se arma al instante, distinta para cada persona, dependiendo de lo que pidió. Y, para completar el giro, apareció una herramienta que genera esa pantalla antigua, la de siempre, en segundos, solo que sin nadie real adentro de ella. Esta es la lección que enmarca toda la trilla sobre este doble giro.
La idea central de esta lección. El diseño pasó por dos cambios al mismo tiempo, y ambos ocurren juntos. Primero, la unidad de trabajo dejó de ser la pantalla fija y se convirtió en el flujo: interfaces conversacionales, agentes, voz, superficies generativas que se arman al instante, de forma distinta en cada interacción. Segundo, la propia IA generativa de interfaz (v0, Galileo AI, UX Pilot, Figma AI, Lovable, y lo que venga después) ya entrega una pantalla lista, bonita, con buenas prácticas genéricas incorporadas, en minutos. El riesgo que le da nombre a esta lección es justamente ese: la IA genera para el usuario promedio de su entrenamiento, no para tu usuario real, y una interfaz puede parecer lista sin nunca haber sido verificada contra un dato real. La tesis que guía toda esta trilla, y quiero que se te quede grabada: generar rápido no es el problema. Generar rápido sin nadie real adentro es el problema. Vas a aprender a arquitectar el flujo con el usuario real adentro, no solo la pantalla bonita por fuera.
01De la pantalla fija al flujo que se moldea al instante
Vamos a llamar las cosas por su nombre. Aprendiste diseño pensando en pantalla: una secuencia de pantallas fijas, cada una con su estado, conectadas por una navegación previsible. El usuario hacía clic, aparecía la pantalla siguiente, siempre igual para todos. Ese modelo todavía existe, pero dejó de ser el centro del juego. Hoy una porción enorme de la interacción ocurre dentro de un chat, de un agente que responde por voz, de una superficie que aparece solo cuando tiene sentido y desaparece cuando ya no lo tiene. No hay pantalla fija que dibujar porque el contenido de la pantalla cambia con cada pregunta, con cada usuario, con cada contexto.
Piensa en el tamaño del cambio para quien vive del archivo de Figma. Ya no estás dibujando una secuencia de estados que se repite igual para todos. Estás dibujando un comportamiento: qué hace el sistema cuando el usuario pide X, qué pregunta de vuelta cuando falta información, cuándo muestra una pantalla real y cuándo resuelve todo en una respuesta de texto. Es la diferencia entre dibujar una casa y dibujar las reglas de cómo la casa se arma sola, dependiendo de quién entra.
02La salvedad: la IA ya genera la pantalla bonita, para el usuario equivocado
Aquí entra el segundo giro, y es el que le da el nombre a esta lección. Justo cuando el diseño necesitaba aprender a dibujar flujo, apareció una generación de herramientas que resuelve, sola, el problema antiguo: v0, Galileo AI, UX Pilot, Figma AI, Lovable y similares generan una pantalla entera, con jerarquía visual correcta, espaciado consistente, hasta accesibilidad básica incorporada, a partir de una frase de prompt. En segundos. Es rápido, es bonito, y es demasiado seductor como para no confiar con los ojos cerrados.
Solo que existe una salvedad, y es la salvedad que separa a quien usa esa generación correctamente de quien se engaña. Esa IA aprendió mirando miles de interfaces parecidas, y lo que devuelve es el promedio estadístico de lo que suele funcionar en general. Nunca vio a tu usuario. No sabe que, en tu base, es justamente la solicitud de permiso de ubicación apenas en la pantalla 2 lo que hace que uno de cada tres usuarios cierre la app, un patrón que solo existe en la grabación de sesión de Hotjar de tu propia empresa, no en ningún dato de entrenamiento de ningún modelo. La pantalla que generó parece lista porque sigue las reglas generales del buen diseño. Si es correcta para tu caso, esa es otra pregunta, y es una pregunta que solo un dato real responde.
03La tesis de la trilla: nadie real adentro es el problema, no la velocidad
Ahora la parte que organiza el resto del curso. Es tentador concluir, frente a este riesgo, que la solución es desconfiar de la generación rápida y volver a dibujar todo desde cero, pantallita por pantallita, a la manera antigua. Eso significaría tirar la ganancia real que traen estas herramientas, que es enorme y honesta: lo que tomaba días de wireframe ahora toma minutos, liberando tu tiempo para hacer el trabajo que solo un humano hace, que es validar contra gente real.
La tesis de esta trilla es el camino del medio, y es el único que se sostiene: generar rápido no es el problema. Generar rápido sin nadie real adentro es el problema. No renuncias a la velocidad. Te aseguras de que, antes de aprobar cualquier pantalla o flujo generado, exista alguien real dentro de la decisión: un dato de investigación que confirme, una sesión grabada que valide, un usuario sintético calibrado con dato real que pruebe antes que el humano de verdad. Es el mismo espíritu de la lección 1.1 de este curso, solo que aplicado a tu oficio: allá la diferencia era entre una IA que conversa (devuelve texto para que tú lo transportes) y una que actúa (trabaja sobre tu material y te lo muestra para verificar). Aquí la diferencia es entre una IA que dibuja bonito (devuelve una pantalla genérica lista para aprobar a ciegas) y una que dibuja correcto (trabaja anclada en tu usuario real y te muestra la evidencia antes de que apruebes).
04El mapa de esta trilla
Esta lección fue el encuadre. El nombre del módulo ya entrega la promesa: Negocios en UX y Diseño en la era en que la máquina dibuja rápido, pero solo tú garantizas que dibuja correcto. El resto de la trilla es manos a la obra, instalando esto en tu rutina real, un sistema a la vez:
- Conectar la IA a la investigación viva de verdad (Dovetail, Hotjar, ticket de soporte), para que deje de adivinar y empiece a leer a tu usuario.
- Transformar entrevista suelta en patrón con cita rastreable, sin perder el rastro de quién dijo qué.
- Probar el flujo con usuario sintético antes del humano real, nunca en lugar de él.
- Mantener el design system vivo, con componente, token y documentación que no se pudren.
- Auditar la accesibilidad de verdad, con agente y con gente.
- Auditar el propio insight, para detectar el momento en que la síntesis inventa un dolor que nadie mencionó.
- Y, al final, tu sistema operativo de diseño: el panel, los prompts y la rutina que garantizan que toda pantalla generada tiene alguien real adentro.
Cada lección toma una parte de tu proceso de diseño y la reconecta con el dato real, para que sigas ganando velocidad sin perder el piso. Al final, no vas a haber aprendido a usar una herramienta de IA generativa. Vas a haber reconstruido tu proceso de diseño para convertirte en quien arquitecta el flujo con el usuario adentro, no en quien solo aprueba la pantalla bonita que la máquina entregó. ¿Vamos?
Hazlo ahora
El ejercicio de hoy es rápido y te va a dar el susto saludable correcto. Toma una herramienta de IA generativa de interfaz que tengas a mano (v0, Figma AI, Lovable, UX Pilot, da igual) y genera una pantalla para un flujo real de tu producto, de la forma rápida de siempre: una frase de prompt, aprueba el resultado a simple vista.
Ahora detente y responde, con la mano en el pecho:
- QUÉ USUARIO IMAGINA ESA PANTALLA. Describe en una frase a quién parece haber tenido en mente la IA al generar ese layout, esa jerarquía, ese texto de botón.
- QUÉ DATO REAL TIENES sobre tu usuario que confirma o contradice esa suposición. Una grabación de sesión, un ticket, una entrevista, una review.
- SI NO TIENES ESE DATO A MANO ahora, anótalo como la primera brecha real de tu trilla de UX: es exactamente el hueco que la próxima lección cierra.
Guarda esa pantalla y esas tres respuestas. Son tu punto de partida de la trilla, el antes de cualquier sistema de investigación viva que vayas a armar de aquí en adelante.
Practica
1. ¿Cuál es el riesgo central que esta lección nombra sobre usar IA generativa de interfaz (v0, Figma AI, UX Pilot y similares)?
2. ¿Cuál es la tesis que guía toda la trilla de Negocios en UX y Diseño, según esta lección?
3. ¿Cómo se aplica al diseño de interfaz la diferencia entre 'IA que conversa' e 'IA que actúa' (lección 1.1), según esta lección?
4. Al generar una pantalla nueva con IA generativa de interfaz, ¿qué práctica, según esta lección, evita el riesgo de 'interfaz bonita que ignora al usuario real'?
¿Listo? Cerremos juntos el mensaje de esta apertura. El diseño no murió ni se volvió obsoleto, cambió de unidad: de la pantalla fija al flujo que se moldea en cada interacción, y ganó una herramienta nueva, poderosa, que genera esa pantalla en segundos. El riesgo no está en la velocidad, está en aprobar a ciegas una pantalla hecha para el usuario promedio del entrenamiento, sin verificar si sirve a tu usuario real. La tesis que guía toda esta trilla, para que la pegues en la pared: generar rápido no es el problema, generar rápido sin nadie real adentro sí lo es. Vas a aprender, lección por lección, a mantener a alguien real dentro de toda pantalla que apruebes, sin perder un segundo de la velocidad que ganaste. Siguiente.
Para la pizarra
Sobre la unidadel entregable dejó de ser la pantalla fija y se volvió el flujo que se moldea al momento.
Sobre el riesgola IA ya genera la pantalla bonita para el usuario equivocado. Bonita al ojo porque sigue el patrón general.
Sobre la tesisel problema no es la velocidad, es no tener a nadie real dentro de la decisión.
Gracias por el feedback. Esto ayuda a afinar la próxima lección.