Llevo años leyendo sobre lo que la inteligencia artificial va a hacerle al diseño, y a la vez también llevo unos meses usándola cada día en mi trabajo en Automattic. Al final me he dado cuenta de que estas dos experiencias se parecen muy poco.
Los titulares dicen que nos va a reemplazar, o que nos va a hacer diez veces más productivos, o que no puede hacer lo que hacemos… o todo a la vez. Lo que yo vivo en mi día a día es diferente: hay momentos en los que las herramientas superan mis expectativas, y otros en los que me arrastran hacia donde no quiero ir.
Hay un concepto de Ethan Mollick que me ha permitido articular mejor algo que estaba observando pero no sabía explicar bien.
«La frontera dentada»
Encontrar este concepto me ayudó mucho a entender y visualizar por qué la inteligencia artificial falla en tareas que parecen sencillas.
Mollick es investigador en Wharton School y es probablemente la persona que más trabajo teórico está publicando sobre IA y su impacto en la educación y el trabajo. Lo llama la frontera dentada (jagged frontier en inglés) y lo describe así:
Imagina la muralla de fortaleza que contiene varias torres y almenas. Unas se proyectan hacia el campo, mientras que otras se repliegan hacia el centro del castillo. Esa «muralla» es la capacidad de la IA, y cuanto más lejos del centro, más difícil es la tarea. Todo lo que está dentro de la muralla puede hacerlo la IA; todo lo que está fuera le resulta difícil. El problema es que la muralla es invisible, así que algunas tareas que lógicamente podrían parecer estar a la misma distancia del centro, y por tanto ser igual de difíciles (por ejemplo, escribir un soneto y un poema de exactamente 50 palabras) están en realidad a lados opuestos de la muralla.
Si te ayuda visualizarlo, Mollick comparte esta imagen:
La idea central es esta: la capacidad de la IA no sigue ninguna lógica intuitiva. No es que sea buena en las tareas difíciles y mala en las fáciles, ni que funcione bien en lo creativo y mal en lo mecánico. Su frontera de competencia tiene picos y valles sin un patrón aparente.
Un estudio con consultores del Boston Consulting Group descubrió que la IA hacía a los participantes un 25% más rápidos y un 40% mejores en las tareas dentro de su frontera. Pero en las tareas fuera de ella, los que usaban IA rendían peor que los que no la usaban, porque seguían las sugerencias del modelo incluso cuando el modelo estaba equivocado.
Para diseñadores, esto explica algo que probablemente habrás notado sin saber por qué: la IA puede escribirte un mensaje de error convincente, pero no puede decirte si tu flujo de onboarding tiene el modelo mental equivocado. Puede generar veinte variantes de UI en cinco minutos, pero es incapaz de decirte cuál deberías lanzar.
Cruzar esa frontera sin darte cuenta (es decir, confiar en la IA justo donde es más débil), es el error más común que veo… y en el que caigo yo también.
Si quieres profundizar en esto, el newsletter de Mollick, One Useful Thing, es lo mejor que hay sobre el tema.
La IA en cada fase del proceso
Aplicar esta teoría de la «frontera dentada» es lo que más me ha aclarado dónde tiene sentido usar herramientas y dónde no. Y también me ayuda a evaluar de forma más crítica los resultados, aunque Claude suene muy convincente 😅
Descubrimiento e investigación
- Dentro de la frontera: Puede resumir volúmenes grandes de texto, estructurar guías de entrevistas, encontrar patrones en datos cuantitativos, y transcribir y clasificar notas de investigación.
- Fuera de la frontera: Saber qué preguntas hacer antes de entrar al detalle, reconocer lo significativo frente al ruido en una entrevista de usuario y entender lo que no se dice (algo tan humano como leer entre líneas).
La IA puede procesar cientos de notas de investigación, pero no puede decirte qu´e deberías estar buscando. Esta diferencia es enorme.
Definición del problema
Esta es probablemente la fase más alejada de la frontera. La inteligencia artificial puede reformular un brief, generar hipótesis de problema, o identificar inconsistencias lógicas en un planteamiento. Pero no puede saber si estás resolviendo el problema correcto, cuestionar los supuestos de negocio, ni entender el contexto político detrás de una decisión. Hay mucho conocimiento de la empresa que no está documentado y la IA no tiene acceso a él.
El trabajo de definición (preguntarle al brief por qué existe, decidir qué problema merece ser resuelto) sigue siendo una tarea nuestra, y es probablemente donde más valor aportas ahora mismo.
Diseño
Aquí la frontera dentada se hace especialmente visible, y es donde la grandísima mayoría de herramientas se están enfocando, porque es técnico y teóricamente es fácil de resolver.
- Dentro de la frontera: Generar veinte opciones en cinco minutos, aplicar un sistema de diseño, proponer una jerarquía visual o explorar opciones de diseño para componentes.
- Fuera de la frontera: La IA es incapaz de decirte cuál de esas veinte opciones encaja con tu usuario, tu contexto y tu negocio. No puede detectar si el patrón de interacción que has propuesto resuelve el problema que debe resolver, o solo el más obvio y fácil.
El error que veo repetidamente es usar la inteligencia artificial para generar opciones y también dejar que decida. El criterio de selección tiene que ser tuyo.
Producción
Aquí es donde la IA añade más valor hoy en día, también porque es una cuestión técnica. Puede generar fácilmente tokens, variantes, aplicar un sistema de diseño, preparar entregables, crear una paleta de colores, o iterar rápidamente sobre un componente. Todo esto está claramente dentro de la frontera.
Hay, eso sí, un matiz que aprendí durante un sprint en Automattic: incluso en la fase de producción, el modelo te arrastra hacia donde quiere ir si tú no tienes criterio claro antes de empezar. Figma seguía siendo mi brújula en todo momento, porque sin ella, el output era siempre técnicamente correcto y conceptualmente erróneo.
Handoff e implementación
Herramientas como MCP están creando puentes entre diseño y desarrollo que reducen la fricción que ha habido siempre en el proceso de handoff. Incluso ayudan construyendo un puente con producto en el caso de que usen Linear, Todoist o cualquier herramienta similar.
- Dentro de la frontera: La IA puede generar especificaciones, escribir documentación, y acortar la distancia entre lo que diseñas y lo que se implementa. Puede revisar el código, encontrar bugs e inconsistencias.
- Fuera de la frontera: Lo que no puede hacer es tomar las decisiones cuando la implementación no encaja exactamente con el diseño. El criterio de qué resolver y cómo sigue siendo humano.
El patrón que emerge de estas cinco fases es consistente. Hay dos tipos de trabajo en diseño: la producción está en su mayor parte dentro de la frontera. El criterio está,
casi siempre, fuera.
El riesgo no es que te reemplacen
Escribí un artículo sobre cómo no ser reemplazado por la IA siendo diseñador/a, y la pregunta del título me parece cada vez menos relevante que la que hay debajo.
El riesgo no es que un modelo haga tu trabajo… el riesgo es que tu trabajo se reduzca a lo que un modelo puede hacer.
Si tu valor está principalmente en la ejecución (en producir pantallas rápido, en dominar las herramientas, y en hacer los entregables), ese valor se deprecia. No porque vayas a desaparecer, sino porque la diferencia entre hacerlo tú y delegarlo en una IA se reduce cada vez más.
Si tu valor está en el criterio (en entender el problema antes de definir la solución, en conocer el negocio, en saber cuándo la solución obvia es la equivocada), ese valor no solo no desaparece, sino que se vuelve más escaso y más importante.
Hay una consecuencia de esto que el estudio de BCG confirma: cuanto mejor eres como diseñador, mejor usas las herramientas de IA. No al revés. Los consultores más capaces se beneficiaban más de la IA; los menos capaces tendían a confiar en ella justo donde era más débil. Un diseñador sin criterio recibe outputs plausibles que no sabe evaluar. Un diseñador con criterio usa las mismas herramientas y sabe exactamente qué está mal en el resultado.
La responsabilidad tampoco se automatiza. Puedes usar Claude para generar una solución, pero eres tú quien decide si esa solución es correcta para el usuario real. «La IA lo generó» no es argumento en una revisión de diseño… y definitivamente no te ayudará a progresar en tu carrera.
Por dónde empezar
Si todavía no has integrado IA en tu trabajo de forma real, no te diré que experimentes con todas las herramientas. Hay demasiadas, y eso paraliza, lo sé.
Mi recomendación es más aburrida, pero creo que es más efectiva: identifica las tres tareas de tu semana que más tiempo consumen y que haces casi en piloto automático (las que son necesarias pero que no requieren toda tu capacidad cognitiva). Empieza por ahí.
Si alguna herramienta las resuelve con resultados aceptables, el tiempo que recuperas lo inviertes en el trabajo que sí requiere criterio. Que es, precisamente, el trabajo que define cuánto vales 🚀
