La Inteligencia Artificial (IA) se está convirtiendo en un componente estratégico esencial de los productos. Sin embargo, su integración sigue siendo un reto complicado para los Product Designers. Entonces, ¿cómo convertir la IA en una verdadera palanca de innovación sin que se convierta en un gadget? Te lo contamos a través de las experiencias de Designers de Cardiologs, Doctrine e Indy.
Recuerda tus primeras experiencias con chatbots... ¿Cuántos nos han hecho perder la paciencia imponiendo su criterio sin ofrecer soluciones alternativas, hasta el punto de dejarnos bloqueados? Como contraejemplo, citemos el Shuffle, icónico reproductor de música de Apple. Desde su lanzamiento en 2005, contaba con un modo aleatorio: los usuarios notaron que las mismas canciones se repetían con frecuencia. Entonces, el algoritmo se rediseñó para ser menos aleatorio y ofrecer una mejor experiencia de escucha. IA, sí, ¡pero diseñada con cuidado!
Estas dos situaciones revelan que la integración de la IA es un arte delicado, regido por buenas prácticas de diseño que deben conocerse para ofrecer un verdadero valor añadido a los usuarios.
🤖 Elegir la inteligencia artificial
¿Es realmente necesaria la IA?
¿Saltar de cabeza a una solución técnica, sin cuestionar su pertinencia, te evoca situaciones incómodas? Por desgracia, es probable que vuelva a ocurrir con la IA... En efecto, la tentación de resolver todos los problemas por este medio es grande, recordando la metáfora del martillo de Maslow según la cual todo problema es un clavo para quien tiene un martillo. A partir de ahí, para quien quiera utilizar la IA, todo problema sería un dato a procesar por un algoritmo.
¿Y si, para integrar de forma natural la IA en tu producto, el primer punto fuera identificar el problema a resolver? Por supuesto, esto implica que el problema ha sido claramente identificado. Julien Laureau, responsable de diseño de Indy, una start-up que comercializa un software de contabilidad diseñado para autónomos y pymes, insiste en este punto: "Nunca hacemos las cosas para seguir una tendencia (...) Siempre volvemos a las necesidades del usuario." Para ello, su equipo sigue un enfoque de discovery en tres etapas:
- Los retos de negocio se identifican y exploran en una fase previa.
- El problema se reformula cuidadosamente.
- La fase de solución permite generar las primeras ideas. El reto consiste en identificar soluciones y, a continuación, ver si la IA puede apoyarlas.
Así es como el uso del OCR (Optical Character Recognition) - una tecnología que ofrece la posibilidad de convertir imágenes de texto manuscrito o impreso en texto digital - ahorra tiempo a los autónomos al eliminar la necesidad de introducir manualmente sus notas de gastos.
El mismo principio sigue Cardiologs, una empresa especializada en salud digital, que utiliza IA para analizar electrocardiogramas y detectar posibles anomalías cardíacas. Su Lead Designer, Ingrid Pais de Oliveira, destaca el proceso del roadmap, compartido por los equipos de Producto y Datos: "Los Data Scientists identifican algo. Si los Diseñadores lo validan con verbatims, se convierte en un tema de roadmap".
En estas dos organizaciones, no hay IA sin feedback de los usuarios, que validan el problema y luego la solución. Por tanto, el conocimiento que los Diseñadores tienen de los usuarios a través de la investigación juega un papel fundamental, permitiendo:
- Identificar casos de uso concretos como la categorización de las transacciones en Indy, por ejemplo.
- Confirmar el interés de los usuarios por la funcionalidad mediante entrevistas y tests.
- Adaptar mejor el algoritmo a los usuarios, en particular para limitar el sesgo algorítmico en caso necesario.
Sobre este último punto, citemos la lucha de Joy Buolamwini, investigadora informática del MIT y activista digital estadounidense-ghanesa. Denuncia los sesgos raciales y de género de los algoritmos de reconocimiento facial, destacando su falta de precisión para los rostros de mujeres y personas racializadas, a las que se tuvo demasiado poco en cuenta en las fases de prueba.
Para ir más allá: descarga gratuitamente nuestra "Biblioteca de Prompts IA para Producto"
Diferenciarse con la IA
Al intentar ceñirnos perfectamente a las expectativas de los usuarios, ¿no corremos el peligro de perdernos una buena idea para utilizar la IA?
Esta es una de las principales preocupaciones de Doctrine, una start-up cuya misión es simplificar el acceso a la legislación y permitir a abogados y profesionales del derecho encontrar documentos legales relevantes gracias a sus algoritmos basados en IA. Su responsable de diseño, Louis-Éric Maucout, confirma: "Buscamos cuál será la funcionalidad diferenciadora para un software jurídico: lo que hará que el cliente diga: 'Nunca he visto esto en ningún otro sitio'."
Así, los equipos de Doctrine han lanzado funcionalidades muy esperadas por sus usuarios, como resúmenes automáticos de documentos legales o un chatbot jurídico especializado, pero siempre asegurándose de que añaden un elemento diferenciador. Doctrine destaca en particular por la centralización de varios conocimientos jurídicos en un único chatbot. Estas ideas provienen, en particular, de benchmarks alimentados continuamente por todos los equipos de Producto, Datos y Diseño.
Integrar la IA en los recorridos existentes
Una vez validada la necesidad, ¿cómo diseñar la solución de IA e integrarla de forma armoniosa en el journey del producto? A este respecto, recomendamos encarecidamente leer el framework de diseño de IA generativa escrito por Vincent Koc. Su "brújula" se centra en seis dimensiones:
- Descubrimiento, donde los usuarios se familiarizan con la GenAI a través de interacciones sencillas y atractivas.
- Asistencia, que guía la experiencia sin eclipsar las acciones del usuario.
- Exploración, para fomentar la autonomía y la creatividad.
- Refinamiento, sinónimo de personalización.
- Confianza, al garantizar la calidad y veracidad de los datos producidos por la IA.
- Dominio, donde los usuarios integran plenamente la IA en procesos autónomos.
Extracto de "GenAI Compass" - Fuente : Artículo de Vincent Koc
Los expertos entrevistados recomiendan introducir las nuevas funciones de IA de forma gradual, para que su uso se convierta en un hábito, haciendo así referencia a la noción de diseño progresivo de Raymond Loewy. Un principio que los equipos de Doctrine aplicaron cuando se utilizó el símbolo @ como un atajo en su chatbot: "Usar @s en un chatbot ya sea para invocar una especialidad o para hacer una pregunta sobre un documento o entidad específica aún no es algo "natural" para nuestros clientes, pero intuimos que es una tendencia subyacente que se irá imponiendo poco a poco en todas las UIs del chatbot."
La pregunta también se la hacen en Cardiologs. Ingrid Pais de Oliveira habla de aplicar el principio "menos es más" en el flujo de trabajo: "Cada vez que añadimos una funcionalidad, no podemos correr el riesgo de cambiar la forma en que los médicos manejan la herramienta en su propio flujo de uso. No podemos permitirnos hacer un onboarding. Tiene que ser imperceptible".
Fomentar la adopción y el uso de la IA
Una vez que la IA se ha integrado sutilmente en el flujo de navegación, el siguiente paso es animar a los usuarios a adoptarla. Aquí, de nuevo, hay que ponerse en los zapatos del usuario y evitar el discurso tecnológico, como señala Julien Laureau: "Intentamos hablar al usuario en términos de beneficios para él."
Ten en cuenta que las experiencias digitales están plagadas de patrones, que facilitan esta apropiación: por ejemplo, si hablo de un menú hamburguesa en una Design review, nadie piensa que estoy soñando con comida rápida. Las funciones basadas en la IA no son una excepción, y existen buenas prácticas, como:
- Dar a los usuarios la opción de desconectar la IA de su cuenta: los usuarios, por motivos de confidencialidad o falta de confianza en la tecnología, pueden preferir mantener el control del producto que están utilizando.
- Resaltar las opciones más utilizadas por el usuario cuando tiene varias a su disposición. Este es el mismo principio en el que se basan las recomendaciones que se encuentran en muchos sitios que ofrecen catálogos.
- Mostrar las limitaciones del modelo dejando que el usuario retome el control de los resultados, como el iPhone que pide al usuario que revise la clasificación de sus fotos, por ejemplo.
- Mostrar que el procesamiento está en marcha, aunque a veces suponga crear fricción simulando un proceso más largo.
Fomentar la confianza del usuario en la IA
Estas prácticas sacan a la luz una cuestión clave del diseño con IA: ¿hasta qué punto debemos ser transparentes con los usuarios respecto a los riesgos de error? Louis-Éric Maucout es tajante: "Con la IA generativa, nadie puede afirmar con certeza que ofrece una respuesta infalible. Ignorar este hecho es irresponsable, ya que el impacto es demasiado grande para nuestros clientes". En el chatbot de Doctrine, cada fuente citada se convierte en un enlace directo para que el usuario pueda acceder a ella con un solo clic, eliminando cualquier fricción innecesaria y fomentando que los clientes verifiquen las respuestas.
Traducir la incertidumbre en interfaces es necesario para ganarse la confianza de los usuarios. De hecho, los datos no siempre son tan fiables y actualizados como nos gustaría. En el ámbito médico, se trata, literalmente, de una cuestión de vida o muerte. Ingrid Pais de Oliveira, Lead Designer en Cardiologs, habla de "poner los resultados de la IA en su justa medida". Señala que "es un resultado que interpreta una IA, nunca un diagnóstico. No hacemos el trabajo por el usuario. En cualquier momento, él puede volver a clasificar una señal".
Las mejores ideas para las funcionalidades de IA surgen de observar y escuchar a los usuarios de forma continua.
Otra pregunta subyacente: ¿deberías mencionar abiertamente que utilizas IA en tu producto? La mención "IA" a veces se utiliza como argumento diferenciador - me vienen a la mente funcionalidades de herramientas empresariales como Maze, Notion o Airtable -, pero no es una generalidad. El término IA no se menciona directamente en las interfaces de Indy o Cardiologs, por ejemplo, a pesar de que el término está presente en la web escaparate de esta última y en su eslogan ("La IA al servicio de la Cardiología").
🧗🏻♂️ Adaptarse constantemente y en equipo
La naturaleza técnica de los temas de IA puede llevar a la gente a pensar que los diseñadores no tienen nada que decir al respecto. Sin embargo, cuanto antes conozcan las características específicas del modelo, más relevante será el camino que podrán proponer. Por eso, después de mencionar algunas buenas prácticas de diseño, ¡es hora de pasar a algunos consejos de colaboración!
Fortalecer la colaboración con perfiles de datos
Empecemos por descifrar el impacto de la IA en la colaboración Tech <> Design <> Product. La integración de la IA presenta nuevos retos para los diseñadores. Por ejemplo, el entrenamiento de datos puede alargar los tiempos de implementación, sin garantía de resultado.
Los equipos de datos trabajan a diario sobre los algoritmos, revisando el conocimiento de los modelos por razones de seguridad, confidencialidad, obsolescencia de los datos o incluso para parametrizarlos en función de nuevas necesidades. A modo de ejemplo, Cardiologs ha lanzado recientemente una versión pediátrica de su plataforma, que ha requerido ajustes técnicos (cambio del umbral de frecuencia cardíaca) con impactos en los recorridos de los usuarios (identificar si el registro es el de un niño o no). Estas características específicas están plenamente integradas en el planteamiento de diseño, como explica Ingrid Pais de Oliveira:"Cuando identificamos soluciones, nos cuestionamos las capacidades técnicas y la idoneidad normativa de la solución. Necesitamos saber de inmediato si lo que estamos haciendo es legal, y si es posible con IA."
Por ello, es muy recomendable que los Data Scientists participen en todas las fases, hasta la creación de flujos, durante los talleres de ideación.
Probar la IA con los usuarios
Sin embargo, los usuarios no deben permanecer al margen. Como hemos visto, es observándoles y escuchándoles de forma continua como nacen las mejores ideas de funcionalidades de IA, es decir, aquellas que realmente responden a una necesidad. ¿Y qué mejor que los datos reales de los usuarios para entrenar los algoritmos? Por razones de confidencialidad, sin embargo, estos datos pueden ser eliminados cuando el software pasa a producción.
Cerremos el círculo y demos también voz a los usuarios en la fase de evaluación, cuando se prueban las interfaces y se controlan los datos de uso. Así, para su chatbot, los equipos de Doctrine estudiaron las preguntas de seguimiento planteadas al chatbot, con el siguiente enfoque:"¿Se trata de preguntas de negocio que pretenden profundizar en un punto concreto del derecho, o es una petición de funcionalidad, como obtener más fuentes o resumir la conversación?" Si el segundo caso es más recurrente,los diseñadores responden a las demandas de los usuarios con un solo clic, implementando un botón de "Más fuentes" o "Resumir la conversación". Estas opciones se ofrecen como acciones de seguimiento en la conversación
Las empresas entrevistadas apostaron - con éxito - por integrar la IA desde el principio. ¿Y si otra clave del éxito fuera involucrar a los diseñadores desde el inicio en esta aventura? Encontrar Product Designers con verdadera experiencia o interés en la implementación de IA no es fácil: estas funcionalidades, al ser vistas como técnicas, suelen quedar en manos de Product Managers y perfiles de datos.
Sin embargo, gracias a su profundo conocimiento de los modelos mentales de los usuarios, los Product Designers piensan en términos de scripting y de integración armoniosa de la IA en el journey del usuario. Como están atentos a la sobrecarga cognitiva y a la claridad de la información entregada, animan a los usuarios a explorar la IA según sus propias necesidades, para que sea adoptada con confianza. De hecho, tranquilizar al usuario es esencial a la hora de diseñar funcionalidades de inteligencia artificial. Anticiparse a los sesgos, encontrar el nivel adecuado de información y transparencia que proporcionar al usuario deben ser preocupaciones principales para garantizar un uso responsable de la IA.
Por último, para los Product Designers, esta es una época única. Como señala Louis-Éric Maucout: "Hacer diseño de producto en estos tiempos no ocurre a menudo en una carrera. Hay grandes apuestas que hacer, es una época de inestabilidad, pero estamos convencidos de que tenemos una gran ventaja competitiva gracias a nuestra sólida cultura de Producto y a nuestros talentosos ingenieros."
