Guía de estudio de NN/g: cómo usar la inteligencia artificial en el trabajo de UX

El artículo, publicado por Nielsen Norman Group (NN/g) y firmado por Tanner Kohler, no es un ensayo tradicional sino una "guía de estudio": una recopilación curada de enlaces a artículos, vídeos y episodios de podcast propios de NN/g sobre el uso de la inteligencia artificial en el trabajo de experiencia de usuario (UX). Por eso este resumen tiene una extensión moderada y no artificialmente inflada: reproduce fielmente la estructura de un índice temático de recursos, con descripciones breves de cada uno, en lugar de desarrollar un argumento único y extenso.

La premisa de partida es clara y se plantea como pregunta y respuesta: ¿debe una persona de UX usar IA en su trabajo? Sí, según NN/g, porque la pregunta relevante ya no es si la IA puede ayudar, sino cuándo y cómo hacerlo. Pero inmediatamente matizan: ¿garantiza la IA un trabajo mejor o más eficiente? No. El material insiste en que hay que pensar de forma crítica y usar la IA de manera estratégica, no delegarle el trabajo sin supervisión. La frase que resume el enfoque es elocuente: si no quieres trabajar para el robot, haz que el robot trabaje para ti.

La guía se organiza en varios bloques temáticos. El primero, "Integrar la IA en los flujos de trabajo de UX", parte de la idea de que entregar todo el flujo de trabajo a la IA no es, por ahora, la mejor estrategia; en cambio, los profesionales más avanzados del sector han encontrado formas puntuales de que la IA asista su trabajo existente, actuando como estrategas que se ponen unos "guantes" de IA para ampliar lo que pueden lograr, mientras las manos —es decir, el criterio humano— siguen dirigiendo el resultado. Dentro de este bloque se citan recursos sobre cómo empezar con tareas pequeñas vigilando las alucinaciones, una estructura de prompting llamada CARE (contexto, petición específica, reglas y ejemplos), el uso de la IA generativa como asistente de contenido, investigación, ideación y diseño, los "7 pecados capitales" que debilitan las habilidades de UX si se cae en la tentación de depender demasiado de la IA, la analogía de trabajar con la IA como si fuera un becario con talento que aún necesita supervisión, el fenómeno de personas sin formación técnica que construyen sistemas de IA agéntica mediante experimentación autodidacta (los llamados "vibe architects"), la idea de que el proceso de diseño no ha muerto sino que se ha comprimido —los diseñadores experimentados siguen los mismos pasos, solo que más rápido— y un análisis de por qué los anuncios navideños generados por IA fracasan, como ejemplo de que el juicio humano sigue siendo necesario en el trabajo creativo.

El segundo bloque, sobre estrategia profesional y la evolución de los roles de UX, reconoce abiertamente que los puestos de trabajo en UX están cambiando por la IA, algo incómodo pero no inédito en la historia de la disciplina. La recomendación es no lamentar cómo eran las cosas antes, sino adaptar habilidades y mentalidad. Los recursos enlazados sostienen que las herramientas cambian constantemente pero la IA no eliminará la necesidad de habilidades fundamentales como entender a las personas y saber hacer las preguntas correctas; que los diseñadores conservan valor centrándose en estrategia, narrativa, resultados importantes y juicio sobre datos; que está resurgiendo la figura del "generalista" de UX, capaz de moverse entre disciplinas con pensamiento estratégico, a medida que la IA amplía lo que una sola persona puede abarcar; que existen cinco principios básicos para redefinir las habilidades de diseño de cara a la IA; que basta con experimentos pequeños y una dieta moderada de noticias (optimistas y escépticas) para no quedarse atrás; que el "buen gusto" y el criterio seguirán siendo necesarios para producir diseños superiores aunque la IA permita que más gente cree contenido; que el ciclo de exageración ("hype") de la realidad virtual ofrece lecciones relevantes, porque la desilusión que generó podría repetirse con la IA; que la etiqueta única de "diseño con IA" ya se ha dividido en cuatro tipos distintos de trabajo; y que los clientes de consultoría de UX siguen esperando buen criterio, rigor de investigación y respeto por las limitaciones del mundo real, pese al mayor uso de IA.

En el apartado de diseño propiamente dicho, la tesis central es que las habilidades valiosas se desplazan del "UI" (mover píxeles en una herramienta de diseño) hacia el "UX" puro: definir necesidades de usuario, especificar intenciones y supervisar la creación de buenos recorridos, además de curar el contexto que se le da a la IA. Se mencionan recursos sobre el uso de la IA para crear prototipos (con promesas pero también riesgos), los "promptframes" —una evolución del wireframe que usa IA para aumentar la fidelidad y obtener mejor feedback de usuarios y stakeholders—, el uso de IA para generar tablas y gráficos realistas en pruebas de prototipos, el llamado "diseño con contexto UX" (donde el resultado del trabajo de investigación y diseño deja de ser documentos para humanos y pasa a ser contexto curado que guía a la IA), la crítica como habilidad central del diseño en la era de la IA (codificar las necesidades del usuario y el criterio de diseño en criterios de evaluación bien definidos), el "diseño orientado a resultados" (frameworks adaptativos que responden a objetivos individuales en vez de optimizar una única interfaz para el usuario promedio), y la importancia de prompts precisos —con palabras clave visuales, referencias, datos simulados y fragmentos de código— frente a prompts vagos al pedir interfaces a la IA.

El bloque de investigación (research) defiende que la información generada por IA todavía no puede sustituir los datos reales de personas reales, con una frase directa: la IA no controla el bolsillo del cliente, las personas sí. Aun así, la IA puede ayudar en fases de planificación y análisis. Se citan piezas sobre cómo acelerar la investigación con IA (más útil en planificación y análisis), cómo planificar estudios con IA generativa mediante prompting cuidadoso, una agenda de investigación sobre IA generativa en UX, los "gemelos digitales" que simulan comportamientos humanos cada vez con más utilidad, los "usuarios sintéticos" como complemento —nunca sustituto— de la investigación con usuarios reales, una metodología de indagación contextual sobre herramientas de generación de imágenes por IA, un caso de estudio sobre el uso de ChatGPT para planificar investigación, la idea de que el aprendizaje del equipo que surge de observar usuarios reales no se puede externalizar aunque la IA iguale la calidad del resultado, el uso responsable de la IA como "compañera de pensamiento" en el análisis (sin que lidere la interpretación), la afirmación de que la IA agiliza la redacción de encuestas pero no sustituye la pericia humana para detectar fallos sutiles de diseño que debilitan la calidad de los datos, las entrevistas moderadas por IA como opción más rápida y escalable pero no equivalente a las entrevistas semiestructuradas dirigidas por humanos, los puntos ciegos metodológicos que se vuelven más consecuentes cuando la IA planifica y analiza la investigación, y el riesgo de externalizar el análisis cualitativo a la IA tanto para la calidad de los hallazgos como para la credibilidad del investigador.

Sobre escritura, el planteamiento es que la IA tiene una capacidad excepcional para escribir, pero apoyarse demasiado en ella puede erosionar el estilo, el tono y el mensaje propios; ahorra tiempo a corto plazo pero puede generar, a la larga, una "monotonía en cacofonía". Se recomienda no usar palabras de tono en los prompts (suele fallar) sino aportar textos existentes y pedir alternativas múltiples, además de prácticas concretas para que la IA edite mejor.

En diseño de servicios, la IA puede mejorar la experiencia de los empleados internos (lo que indirectamente mejora la experiencia del cliente) y también interactuar directamente con los clientes. Se anticipa que los agentes de IA actuarán cada vez más en nombre de usuarios y organizaciones, cambiando cómo se prestan y reciben los servicios, y que se necesitarán nuevas métricas para evaluar el rendimiento entre sistemas de IA, la colaboración humano-IA, la calidad de los datos y la confianza del usuario.

Sobre ideación y talleres, la guía defiende que la IA puede actuar como una "compañera de equipo cibernética" (cybernetic teammate): los equipos que usan IA para potenciar la ideación superan a los individuos y equipos sin IA, e incluso a individuos que usan IA en solitario. Se ofrecen consejos para preparar y facilitar talleres potenciados por IA.

La sección "Estado de la IA para el trabajo de UX" reúne estudios fechados que retratan el impacto de la IA en distintos momentos, advirtiendo que algunos hallazgos siguen vigentes y otros probablemente hayan cambiado. Entre los datos concretos que sí aparecen en el texto: en 2025, herramientas de diseño con IA de alcance acotado resultaban marginalmente útiles pero no listas para sustituir a los diseñadores; las actividades de UX estaban entre los principales tipos de solicitudes hechas a Claude, muchas centradas en tareas de escritura; en abril de 2024, la mayoría de herramientas de IA para diseño UX no lograban apoyar de forma significativa los flujos de trabajo centrales; los programadores que usaban GitHub Copilot aumentaron su rendimiento un 126%, con mayores ganancias entre los menos experimentados (2023); los agentes de soporte al cliente que usaban IA gestionaban un 13,8% más de consultas por hora mejorando ligeramente la calidad de resolución, beneficiando especialmente a los agentes menos cualificados (2023); la IA generativa aumentó la productividad de los empleados en un 66% de media, con mayor beneficio para los trabajadores menos cualificados y las tareas complejas (2023); y los profesionales de negocio que usaban ChatGPT escribían más rápido y producían resultados de mayor calidad (2023). También se menciona que en 2020, antes de que los grandes modelos de lenguaje estuvieran ampliamente disponibles, Jakob Nielsen ya predijo muchas de las formas en que la IA cambiaría la investigación y el diseño de UX, y que el estado de la disciplina en 2026 apunta a una fase de estabilización tras la inestabilidad de 2025, donde la diferenciación y el impacto de negocio demostrado siguen siendo vitales.

Finalmente, la guía enlaza siete episodios de un podcast propio de NN/g en los que participan, entre otros, Jakob Nielsen, Don Norman y responsables de NN/g, además de invitados externos de empresas como Condens.io o Great Question, abordando temas como la evolución de la disciplina, la investigación de UX con IA, el uso responsable de la IA en el análisis, el futuro del diseño de servicios y la precisión de la IA en el análisis de UX.

En conjunto, el documento no es una noticia puntual sino un recurso de referencia que NN/g ofrece a profesionales de UX, con un hilo conductor consistente: la IA amplía capacidades y acelera tareas concretas —planificación, prototipado, edición, ideación—, pero el criterio humano, la investigación con usuarios reales y las habilidades fundamentales de comprensión de las personas siguen siendo insustituibles, y quienes trabajan en UX deben adaptar sus habilidades en lugar de resistirse al cambio o delegar el trabajo por completo en la máquina.