De estudios a sistemas de conocimiento
La IA está cambiando cómo las personas buscan, deciden, delegan, confían, corrigen y se relacionan con los productos.
Por eso, investigar solo la interfaz se queda corto.
01
¿Por qué este recurso?
02
Idea central
03
El nuevo rol del investigador con IA
04
Metodologías incluidas
05
Research Operations
06
De HCI a HCAI: Human Centered AI
07
UX Design evoluciona hacia AX Design
08
10 tips accionables
La IA ya no aparece solo como una herramienta al final del proceso. Está cambiando expectativas, decisiones y relaciones en cada punto de contacto.
Cuando un producto integra IA, observar si una persona entiende una pantalla ya no basta. También necesitamos entender qué pasa debajo: intención, confianza, delegación, corrección y validación.
El verdadero reto es diseñar mejores relaciones humano-IA.
Intención
Qué quiere realmente el usuario cuando interactúa con la IA. Más allá de lo que escribe en el prompt.
Confianza
Cuándo confía, cuándo desconfía y cuándo delega. El mapa de zonas de resistencia y de adopción.
Delegación
Qué tareas entrega a la IA y cuáles necesita controlar. Cómo cambia esto con el tiempo y el uso.
El UX Research tradicional sigue siendo necesario, pero ya no basta por sí solo.
Los métodos clásicos capturan muy bien lo que el usuario ve, toca y hace dentro de una interfaz. Pero cuando la IA entra en el producto, también necesitamos investigar lo que cambia por debajo: comportamiento, expectativas, confianza, adopción, relación, delegación y procesos de decisión.
La IA no solo optimiza procesos. Redefine expectativas, decisiones y relaciones en cada punto de contacto.
No se trata de hacer menos research porque ahora tenemos IA.
Se trata de construir mejores sistemas de conocimiento.
El investigador no es reemplazado por la IA — su rol se transforma. Pasa de ejecutar tareas repetitivas a diseñar contexto, evaluar criterio y tomar decisiones que la IA no puede tomar sola.
Entender el contexto
Ecosystem AI Mapping★
Mapa de herramientas IA del ecosistema: competidores y oportunidades de diferenciación.
Workshops rediseño humano-IA★
Talleres para identificar qué procesos actuales cambian cuando la IA entra en el flujo. Reingeniería de tareas y roles.
Decision Flow Mapping
Mapear dónde decide el humano, dónde la IA y dónde co-deciden. Crítico en productos agénticos.
Trust Risk Mapping
Mapa de riesgos de confianza, errores tolerables, errores críticos, momentos de verificación y momentos de delegación.
Entender a las personas
Entrevistas humano-IA★
Cuándo delega, cuándo desconfía, cuándo corrige y cuándo abandona. Protocolo específico para mapear la relación con la IA.
Living Personas
Personas que evolucionan, aprenden y cambian comportamiento con el tiempo. No son estáticas: se actualizan con cada loop del research.
Protocolo de confianza percibida
Entrevistas específicas sobre cuándo el usuario confía o desconfía de la IA. Mapa de zonas de delegación y resistencia.
Observar comportamientos
Behind AI★
Análisis cualitativo a escala de las preguntas que el usuario hace a la IA. Qué busca, cómo formula y qué no sabe pedir.
Shadowing IA
Observar el ciclo completo: Usuario → IA → Usuario → IA. Análisis de conversaciones en texto, voz e imagen en contexto real.
Diary Studies con IA active★
Seguimiento durante semanas de primer uso, prompts, emociones, frustraciones y contexto. La IA forma parte del diario.
Análisis de logs de prompts
Los prompts del usuario como datos conductuales. Qué pide, cómo itera, dónde se rinde. Observación a escala sin sesión moderada.
Prompt Ethnography
Observación sistemática de prompts, iteraciones, correcciones y abandonos. Probablemente será uno de los métodos estrella de esta década.
Delegation Analytics
Analizar cuándo delegan, cuándo recuperan control y cuándo validan.
Conceptualizar experiencia
Conversational Journey Mapping
No mapas de pantallas. Mapas de: Intención → Prompt → IA → Corrección → Confianza → Acción.
Synthetic Users★
Simulación de perfiles para exploración rápida y generación de hipótesis conductuales. No sustituyen investigación humana.
Design Thinking 3.0
El loop clásico ampliado con IA: el prototipo es un agente conversacional. La IA participa en la fase de ideación y testeo.
Human-AI Journey Mapping
Más amplio que conversacional. Incluye confianza, delegación, supervisión y validación.
Agent Journey Mapping★
Cuando múltiples agentes participan. Ejemplo: Usuario → Agente IA → CRM → Agente IA → Usuario.
Experimentar y aprender
Métricas IA en producto★
Precisión de respuesta, Correction Rate, Prompt Success Rate, Delegation Rate y Hallucination Tolerance.
Métricas del usuario★
Uso, temas conversacionales, calidad percibida, ahorro de tiempo en tareas, Trust Score y AI Reliance Index.
Simulación Co-evolutiva
Cómo usuario e IA se adaptan mutuamente. Rastrea delegación, confianza, correcciones y dependencia IA a lo largo del tiempo.
Experimentos de comportamiento
Pruebas con nudges, prompts y copy para entender qué decisiones de diseño cambian el comportamiento del usuario con la IA.
AI Agent Evaluation Studies
Evaluar agentes autónomos mediante tasa de éxito, resiliencia, recuperación y coste de supervisión.
En la era de la IA, la investigación deja de ser una fase y se convierte en un sistema organizativo continuo de aprendizaje y recabación de datos.
Empoderar al usuario sobre automatizar
Human-in-the-loop
Ética, control, accesibilidad, respeto, privacidad
Community-Centered Design
Hoy el diseño opera desde HCAI — sistemas centrados en la colaboración humano-IA. La próxima etapa, UX 4.0, exige diseñar para agentes autónomos que actúan, delegan y deciden.
Para tener en cuenta: parte de diseñar buenas experiencias con y para IA es reconocer la responsabilidad, ética, accesibilidad, límites y parámetros del correcto uso.
01
Modera tú. Que transcriba la IA.
Usa Plaud.ai o similar para liberar tu atención durante la entrevista. Tú observas; la IA captura. La moderación sigue siendo humana.
02
Testa la confianza, no solo la usabilidad.
Pregunta: "¿Confiarías en esta recomendación? ¿Por qué?". A veces revela más que cualquier click-path.
03
Investiga la intención, no solo la interfaz.
Observa los prompts que escriben los usuarios. Lo que preguntan y cómo lo hacen dice mucho sobre su necesidad real.
04
Tu repositorio de insights es tu mayor activo.
Centraliza hallazgos por proyecto. Sin repositorio, cada diseño empieza desde cero y la IA no tiene nada que buscar.
05
IA para sintetizar. Tú para concluir.
Deja que la IA agrupe, transcriba y detecte patrones. La recomendación estratégica sigue siendo tuya.
06
El usuario de hoy no es el de ayer.
Sus expectativas, paciencia y relación con los errores cambiaron. Aunque tu producto no tenga IA, tu usuario probablemente sí la usa.
07
No diseñes solo interacciones. Diseña decisiones compartidas.
Define qué decide la IA, qué decide el usuario y dónde debe existir confirmación humana.
08
Tus insights también diseñan el modelo.
Research puede convertirse en prompts, reglas, memoria, fuentes, tono, límites y handoffs.
09
Cambia "¿funciona?" por "¿a quién afecta?"
Evalúa cada feature IA con una mini matriz: beneficio, riesgo, sesgo, control y recuperación ante error.
10
De control de interfaz a co-pilotaje.
Diseña quién toma la iniciativa: usuario, IA o ambos. Si la IA actúa, el usuario debe poder entender, corregir y deshacer.