Este es un ejemplo que perfectamente podría ser real: un equipo tomó el desafío de rediseñar el sitio web de una organización determinada. Se trata de un problema conocido, que se ha realizado innumerables veces, obviamente con matices diferentes. Pero con una mirada general similar. ¿Cómo reestructurar el contenido y la oferta de servicios? La respuesta reflejo de los profesionales de UX es realizar un discovery para enfrentar la reestructuración del contenido y su navegación a partir de los insights que genere el proceso de investigación.
Varias semanas después, se comienza a llegar a una solución razonable de estructura. El costo de esto incluye un esfuerzo importante representado por horas de varias personas en el equipo.
Esto sigue con muchas horas de definición de wireframes, vistas y flujos, para luego definir el diseño visual y en algún punto intermedio, realizar pruebas con usuarios. El resultado será —casi inevitablemente— un sitio web no muy diferente de otros en su apariencia, estructura y comportamiento.
Escenario alternativo: abro ChatGPT y con una secuencia de instrucciones llegamos a una estructura de contenido muy similar en no más de 5 minutos. El proceso incluye generar una instrucción general, abierta y luego dirigir el resultado con prompts más específicos. El prompt que inicia todo esto podría ser como sigue:
Prompt inicial:
La organización {X} necesita rediseñar su sitio web, orientándose a la difusión de sus servicios y beneficios, así como las acciones de registro, agendamiento y reserva de sus espacios y actividades. Considera el sitio web actual y otros de organizaciones similares como {Y} y {Z} como referencia. Dame una nueva estructura de contenido y navegación para su sitio {URL}, orientada a usuarios de {características} y buscando aumentar los visitantes nuevos y la reserva de espacios.
Instrucción de ejemplo para iniciar un proceso de exploración.
Este prompt, más que una plantilla, es un ejemplo de cómo se puede plantear algo así, que con más refinamiento, puede llegar a algo muy específico. Ciertamente se puede afinar mucho más el proceso, iterar y obtener respuestas más precisas. Sucesivamente se puede obtener una estructura de navegación, los contenidos de la portada, etc.
¿Es esta una solución directa para diseñar un sitio web o definir un producto? No. Para lo que puede servir, es para cambiar el paradigma de trabajo y acelerar las primeras etapas del proceso. Una vez que definimos con los stakeholders cuáles son los objetivos del negocio, podemos enfocarnos a levantar información e ideas —con resultados que obtenemos con prompts como el anterior— que nos permitan generar hipótesis que luego podemos testear de diversas formas.
¿Significa esto que no hay que investigar? No. Pero sí nos tiene que hacer pensar en dónde ponemos el esfuerzo. Si tenemos evidencia de que podemos llegar a resultados muy rápido a un costo bajo, podemos poner más esfuerzo en los problemas más complejos y en validar lo que generemos con AI.
¿Quita valor esto a los roles de experiencia? No. Pero sí obliga a ser estratégicos y tener un foco agudo en el resultado. A entender que el valor de los roles de diseño está puesto en nuestra capacidad de resolver problemas, no un proceso o método determinado.
El proceso puede continuar con la producción de vistas, interacciones y diseño apoyado en patrones, librerías y herramientas de Inteligencia Artificial generativa (Gen-AI) que pueden ayudarnos a conseguir resultados aceptables en una fracción del tiempo que normalmente tomamos. También con la misma observación: pueden no ser versiones finales, pero ayudan a avanzar con rapidez.
Detrás de todo esto hay un punto central: el diseño de productos y servicios digitales ha madurado durante los últimos años, se han establecido estándares y patrones. Los mismos problemas se han resuelto cientos y hasta miles de veces y esa información es accesible para las diversas AI, porque es información disponible públicamente. Con toda esa información, prácticas y patrones, repetir un proceso que es útil para la exploración y el descubrimiento de problemas desconocidos, resulta una ineficiencia injustificable.
¿Por qué la necesidad de acelerar y hacer las cosas más rápidas? ¿Es realmente necesario hacer todo más eficiente? Todo este fenómeno tiene una descripción en economía, la ley de retorno decreciente, que Sol Mesz explica muy claramente. En simple, se trata de que cuando alcanzas un punto de eficiencia máxima, agregar más factores reduce la eficiencia del resultado. Aplicado al Diseño de Experiencia y al Diseño de Productos, se puede traducir como: las disciplinas de diseño han alcanzado un punto de estandarización y disponibilidad de recursos y conocimiento, que la inversión en investigación y exploración que se justificaba —y que era parte de la propuesta de valor desde hace 20 años atrás— hoy no aporta.
Por ejemplo, ¿hace realmente la diferencia realizar una investigación de varios meses para diseñar el sitio web de un banco? Probablemente no, porque:
- Hay miles de sitios webs de bancos en el mundo (forzando a Google Gemini me dice que es posible que el número esté cercano a los 500.000).
- Sabemos que hay diferencias entre diferentes tipos de bancos, pero las operaciones básicas son similares.
- Sabemos que los segmentos de clientes son bastante estándar.
- Tenemos información de tendencias disponible.
Para todo esto, podemos aprovechar la investigación comparativa y de escritorio para poder saber qué pedir a la inteligencia artificial. Con herramientas de AI podemos generar estructuras de información, navegación, y mucho más.
Luego podemos refinar y validar con usuarios, cuando ya tenemos soluciones basadas en toda esta información. El tiempo, esfuerzo y costo, de este modo, se reducen significativamente.
No se detiene ahí: hay y aparecerán más herramientas para resolver los aspectos más visible del diseño de experiencia.
- Existen librerías y sistemas de diseño disponibles públicamente para resolver todas las interacciones posibles para un banco, o al menos la gran mayoría.
- Hay herramientas que permiten generar propuestas de diseño que, sumadas a las librerías disponibles, son un gran salto en términos de eficiencia.
Nada de esto genera soluciones definitivas o perfectas, se necesitan diseñadores para conceptualizar y saber cuál es la dirección en la que se debe ir. Y ese es justamente su valor: conceptualizar y dirigir las soluciones.
Para la mayor parte de los problemas, la vía eficiente apoyada por AI y el conocimiento disponible será la solución más razonable en costo y resultados. ¿Se hacen dispensables los diseñadores? No, pero los que generarán valor son aquellos con una visión estratégica puesta en el resultado y la adaptabilidad suficiente para entender que su aporte está en su capacidad de producir soluciones, indistintamente del proceso o herramienta que utilicen para ello.
¿Hay espacio para investigación y procesos de innovación? Ciertamente. Pero los lugares en que pueden ser aplicados generando valor están centrados al descubrimiento de problemas nuevos o desconocidos, para la producción de ideas o la validación de hipótesis, por ejemplo. En esos espacios, resultan críticos.
¿Se transforma todo en un proceso mecanicista y sin corazón? No. Pero necesitamos ser pragmáticos y dejar de lado aquellas partes del trabajo que no marcan una diferencia y enfocarnos en las capacidades estratégicas que un diseñador puede desarrollar para agregar valor en un rango más amplio de problemas.
