Respuesta corta: diseñar un producto con IA consiste en que el usuario entienda qué puede pedir, confíe en el resultado y pueda corregirlo. Los cinco principios que más impacto tienen son: empezar por la tarea y no por la tecnología, hacer visible el razonamiento de la IA, dejar que el usuario edite antes de aplicar, diseñar bien la espera y el error, y medir si la IA ahorra trabajo de verdad. La IA no sustituye al diseño de producto: lo hace más necesario.
En los últimos dos años casi todos los productos digitales han añadido "algo de IA". Muchos han acabado con un botón con destellos que nadie usa o con un chat genérico que no sabe nada del producto. En Pleya Studio diseñamos productos con IA para clientes, como el software de reclutamiento Mainder, y construimos los nuestros, como Lantis, que traduce webs con IA, y Citable, que mide y mejora tu visibilidad en ChatGPT. Esta guía resume lo que hemos aprendido.
Qué cambia al diseñar con IA
Un producto tradicional es determinista: el mismo clic produce siempre el mismo resultado. Un producto con IA no: el resultado puede variar, tardar, equivocarse o sorprender. Eso cambia el diseño en cuatro aspectos:
| Aspecto | Producto tradicional | Producto con IA |
|---|---|---|
| Entrada | Formularios y filtros | Lenguaje natural, ejemplos, archivos |
| Resultado | Predecible | Variable, probabilístico |
| Tiempo de respuesta | Instantáneo | Segundos o minutos |
| Errores | Excepciones claras | Respuestas plausibles pero incorrectas |
| Control | El usuario ejecuta | La IA propone o actúa |
El trabajo del diseño es convertir esa incertidumbre en una experiencia en la que el usuario se sienta en control.
Principio 1: empieza por la tarea, no por el modelo
La pregunta no es "¿dónde ponemos la IA?", sino "¿qué tarea le cuesta al usuario y cómo podría hacerla en menos pasos?". En Mainder, los reclutadores perdían tiempo configurando búsquedas con decenas de filtros. La solución fue People Finder: el usuario describe el perfil en una frase y la IA extrae los criterios.
La IA no se ve como un "chat", sino como una forma más rápida de hacer algo que el usuario ya hacía. Ese es el patrón que mejor funciona en productos B2B.
Principio 2: haz visible el razonamiento
Un usuario no confía en un resultado que no entiende. Si la IA recomienda un candidato, una traducción o una acción, la interfaz debe responder a "¿por qué?". Algunas formas de hacerlo:
- Mostrar los criterios que la IA ha usado, como en People Finder, donde aparecen como etiquetas editables.
- Citar las fuentes de una respuesta, como hacen los buscadores de IA.
- Explicar el encaje con una frase corta: "encaja por 6 años de experiencia en Python y residencia en Barcelona".
- Mostrar una puntuación con su significado, no solo un número.
En AI Hunt, el módulo de búsquedas con IA de Mainder, el cambio más importante del rediseño fue precisamente ese: hacer visible por qué aparecía cada perfil.
Principio 3: el usuario edita antes de aplicar
La IA debe proponer y el usuario decidir, sobre todo cuando el resultado tiene consecuencias (enviar un email, publicar un texto, descartar un candidato). Patrones útiles:
- Borrador editable: la IA genera, el usuario revisa y aplica.
- Criterios ajustables: en lugar de rehacer la petición, el usuario modifica una parte.
- Comparar antes y después, como en un editor de traducciones.
- Deshacer siempre disponible.
En Lantis, las traducciones se generan con IA, pero el cliente puede corregir cualquier texto directamente sobre su web con un editor visual.
Principio 4: diseña la espera y el error
La IA tarda. Un spinner durante veinte segundos se percibe como un fallo. Mejor:
- Mostrar el progreso por pasos ("analizando tu web", "comparando con la competencia", "escribiendo el informe").
- Streaming: mostrar el resultado según se genera.
- Trabajo en segundo plano con aviso cuando termine, para tareas largas.
- Resultados parciales útiles mientras se completa el resto.
Y la IA se equivoca. Los errores más peligrosos no son los que fallan, sino los que parecen correctos. Diseña para ellos:
- Indicar el nivel de confianza cuando sea relevante.
- Pedir confirmación en acciones irreversibles.
- Facilitar el feedback ("esto no es correcto") y usarlo de verdad.
- Ofrecer el camino manual cuando la IA no sirva.
Principio 5: mide si la IA ahorra trabajo
Una función con IA no es un éxito porque se use, sino porque ahorra trabajo o mejora un resultado. Métricas útiles:
- Tasa de aceptación de las propuestas de la IA sin cambios, con cambios y rechazadas.
- Tiempo para completar la tarea con y sin IA.
- Uso repetido: ¿vuelve el usuario a usarla la semana siguiente?
- Resultado de negocio: contrataciones, traducciones publicadas, visibilidad conseguida.
En Citable, todo el producto gira alrededor de esta idea: cada semana mide si ChatGPT, Gemini, Perplexity, Claude y Google AI recomiendan tu web y muestra la evolución, para que el resultado de la automatización sea demostrable.
Chat o interfaz: cuándo usar cada uno
| Situación | Mejor opción |
|---|---|
| Tarea abierta, exploratoria | Chat o entrada en lenguaje natural |
| Tarea repetitiva con pasos conocidos | Interfaz clásica con IA integrada |
| Configuración con muchas opciones | Lenguaje natural que rellena un formulario editable |
| Revisar muchos resultados | Tabla con explicaciones y acciones por fila |
| Acciones automáticas recurrentes | Agente con panel de control y registro |
El chat es una buena puerta de entrada, pero casi nunca el mejor sitio para revisar, comparar y decidir. Las mejores experiencias combinan lenguaje natural para pedir e interfaz para controlar.
Diseñar productos con agentes de IA
Un agente es una IA que no solo responde, sino que actúa: envía mensajes, publica contenido, actualiza datos. Diseñar agentes exige patrones propios: permisos, límites, registro de acciones y modos de aprobación. Lo desarrollamos en UX de agentes de IA y copilotos.
Errores frecuentes en productos con IA
- El botón mágico: una función con IA sin explicar qué hace ni cuándo usarla.
- El chat genérico que no conoce el contexto del producto.
- Ocultar que es IA, lo que destruye la confianza cuando se equivoca.
- No dejar corregir el resultado.
- Prometer demasiado en la web y decepcionar en el producto.
- Diseñar solo el caso ideal, sin espera, error ni resultados vacíos.
Cómo explicar un producto con IA en tu web
La web de un producto con IA tiene un reto extra: demostrar que funciona. Lo que mejor funciona es enseñar la IA trabajando con ejemplos reales, no ilustraciones abstractas. En la web de Genesy, un software de ventas con IA, cada funcionalidad se explica con su interfaz y con conversaciones de ejemplo del agente de ventas.
El proceso que seguimos
- Mapa de tareas: qué hace el usuario hoy y cuánto le cuesta.
- Oportunidades de IA: dónde la IA ahorra pasos o mejora el resultado.
- Prototipo en código con IA real, no simulada, para ver resultados de verdad.
- Pruebas con usuarios centradas en confianza y corrección.
- Diseño de estados: espera, error, vacío y baja confianza.
- Métricas definidas antes de lanzar.
El paso 3 es clave: con IA, un prototipo estático engaña, porque muestra siempre la respuesta perfecta. Lo explicamos en prototipar en código con IA.
Escribir para productos con IA: el copy importa más
En un producto con IA, los textos de la interfaz hacen gran parte del trabajo de diseño. Algunas pautas que aplicamos:
- Ejemplos en lugar de instrucciones. Un campo en lenguaje natural funciona mejor con dos o tres ejemplos de peticiones reales que con una explicación de lo que "puede hacer la IA".
- Nombres por tarea, no por tecnología. "Buscar perfiles" se entiende mejor que "Asistente IA".
- Honestidad sobre los límites. Una frase como "revisa el resultado antes de enviarlo" genera más confianza que prometer precisión total.
- Mensajes de espera concretos: qué está haciendo la IA en cada momento.
- Errores accionables: qué ha fallado y qué puede hacer el usuario a continuación.
En Mainder, el campo de People Finder pregunta "¿a quién buscas hoy?" y muestra ejemplos de perfiles, en lugar de describir el modelo que hay detrás. La diferencia en uso es enorme.
Privacidad, datos y confianza
Los usuarios, sobre todo en B2B, quieren saber qué pasa con sus datos cuando usan una función con IA. El diseño debe responder sin obligar a leer la política de privacidad:
- Qué datos usa la IA para cada función, explicado en una línea junto a ella.
- Si los datos se usan para entrenar modelos o no, y cómo desactivarlo si aplica.
- Quién ve el resultado: solo el usuario, su equipo o terceros.
- Controles de administración para que la empresa decida qué funciones de IA activa.
En Europa, además, el marco regulatorio exige transparencia sobre el uso de IA en muchos casos, así que diseñarlo bien desde el principio evita rehacerlo después.
Coste del modelo y diseño
Cada llamada a un modelo de IA tiene un coste, y el diseño influye directamente en él. Algunas decisiones de diseño que reducen costes sin empeorar la experiencia:
- Generar bajo demanda en lugar de para todos los elementos de una lista.
- Guardar resultados que no cambian, en lugar de regenerarlos.
- Ofrecer el resultado por partes, empezando por lo más útil.
- Limitar el contexto a lo que la tarea necesita.
Hablar del coste con el equipo técnico desde el prototipo evita sorpresas al fijar precios.
Cómo probar un producto con IA con usuarios
Las pruebas con usuarios de un producto con IA tienen sus particularidades:
- Usa datos del propio usuario siempre que sea posible: la calidad percibida cambia mucho con datos reales.
- Observa qué pide el usuario, no solo cómo usa la interfaz: las peticiones reales revelan expectativas que no habías previsto.
- Pregunta por la confianza: "¿enviarías esto sin revisarlo?" dice mucho del diseño.
- Repite la prueba días después: la novedad de la IA desaparece y queda la utilidad.
Checklist para una funcionalidad con IA
- Resuelve una tarea concreta que hoy cuesta tiempo.
- El usuario sabe qué puede pedir, con ejemplos.
- El resultado explica su razonamiento o sus fuentes.
- Se puede editar antes de aplicar.
- La espera muestra progreso real.
- Los errores son claros y hay un camino manual.
- Está claro qué datos usa y quién ve el resultado.
- Hay métricas de aceptación y de resultado definidas.
Preguntas frecuentes
¿Qué es el diseño de productos con IA?
Es el diseño de experiencias en las que una IA participa en la tarea del usuario: entiende peticiones en lenguaje natural, genera contenido, recomienda o actúa. Su objetivo es que el usuario entienda qué puede pedir, confíe en el resultado y pueda corregirlo.
¿Todo producto con IA necesita un chat?
No. El chat es útil para tareas abiertas, pero la mayoría de tareas funcionan mejor con una interfaz clásica que integra la IA: un campo en lenguaje natural que rellena un formulario, una tabla con recomendaciones explicadas o un borrador editable.
¿Cómo se genera confianza en una función con IA?
Explicando el razonamiento, citando fuentes, dejando editar antes de aplicar, siendo honesto sobre lo que es IA y mostrando resultados medibles.
¿Cuánto cuesta diseñar un producto con IA?
Similar a otro producto digital: entre 8.000 € y 25.000 € para un MVP y entre 4.000 € y 12.000 € para añadir una funcionalidad con IA a un producto existente. El coste del modelo de IA se suma en el desarrollo y la operación.
¿Qué métricas usar en una funcionalidad con IA?
Tasa de aceptación de las propuestas, tiempo para completar la tarea, uso repetido y resultado de negocio. El número de clics en el botón de IA, por sí solo, no dice nada.
¿Hay que decir al usuario que algo lo ha hecho una IA?
Sí. Además de ser una buena práctica y, en muchos casos, una obligación regulatoria, ayuda a que el usuario revise el resultado con el cuidado adecuado.
¿Qué producto con IA habéis diseñado?
Hemos diseñado funcionalidades con IA para clientes, como People Finder y AI Hunt en Mainder, y productos propios con IA en su núcleo: Lantis, que traduce webs, y Citable, que mide y mejora la visibilidad de una marca en ChatGPT y otros buscadores con IA.
Fuentes
- Google PAIR: People + AI Guidebook: guía de Google para diseñar productos con IA centrados en las personas.
- Microsoft: Guidelines for Human-AI Interaction: 18 pautas para diseñar la interacción entre personas y sistemas de IA.
- Nielsen Norman Group: 10 heurísticas de usabilidad: los principios con los que se audita una interfaz.
Siguiente paso
Si tu producto ya está hecho con IA y necesita diseño, mira rediseño de apps hechas con IA. Si estás añadiendo IA a tu producto o diseñando uno nuevo, agenda una reunión de 30 minutos. Te enseñamos cómo lo hicimos en Mainder, Lantis y Citable y te ayudamos a elegir dónde tiene sentido la IA en tu caso.
