La crítica de diseño en la era de la IA: de evaluar el resultado a analizar las decisiones

MC Dean, en su newsletter, sostiene que la crítica de diseño (la «crit») necesita una renovación cuando un modelo de IA participa en la creación. Un modelo puede producir una docena de variaciones creíbles en muy poco tiempo, así que el resultado final dice mucho menos sobre la huella humana en el trabajo. Esa es su tesis de partida.

La autora retoma una metáfora que ya usó en otro texto suyo: trabajar con IA se parece a conducir un coche de Fórmula 1. El coche es rápido, el conductor aporta el «feeling» y el rendimiento reside en la combinación de ambos. Lo que ha cambiado desde entonces, dice, es que el coche ahora tiene opiniones: sugiere, contradice y produce cosas que parecen decisiones. Por eso la crítica importa más, ya que es el único espacio donde el equipo mira esas decisiones en conjunto.

Propone que la crit funcione como un «debrief» de carrera. En un equipo de F1 nadie dedica la reunión a la posición final, sino que se abre la telemetría: dónde se frenó, cuánto acelerador se usó, qué hacía el coche cuando se corrigió. El aprendizaje está en las decisiones. Un debrief no es una evaluación de desempeño: piloto, ingenieros y estrategas están del mismo lado de la mesa. La crítica de trabajo hecho con IA debería ser un espacio para aprender juntos, decidir la dirección y calibrar qué es «bueno». Evaluar al diseñador o cómo usó la IA corresponde, según ella, a las conversaciones de desempeño.

En lugar de «¿por qué lo diseñaste así?», sugiere preguntas como estas:

- ¿Qué lógica, arquitectura y razonamiento hay detrás del trabajo? - ¿Dónde hubo fricción con el modelo o las herramientas, y qué soluciones alternativas se encontraron? - ¿Qué aprendimos sobre cómo se comporta el modelo y cómo se comportan los usuarios? - ¿Qué ideas de usuario o de negocio marcaron la dirección, dónde están los huecos y se aprovecharon bien los datos? - ¿Dónde se tomó el volante y dónde se dejó correr al coche? - ¿Cómo sabemos que es correcto y qué se comprobó? - ¿Qué sigue y cómo se manejará distinto el coche en la próxima vuelta?

Dean cita a otras personas que ya han detectado el cambio. Eric Chung afirma que las críticas tradicionales se diseñaron para un mundo donde crear ideas era caro, y que ahora el papel del diseñador pasa de crear conceptos a evaluarlos, refinarlos y seleccionarlos. Según el texto, Chung ha cambiado la forma de dirigir la sesión: empieza pidiendo al diseñador que explique cómo encajó la IA en su flujo de trabajo, qué le dio, qué restricciones incluyó, qué contexto faltaba y qué conceptos descartó y por qué. Itamar Medeiros, por su parte, argumenta que el resultado pulido de la IA arrastra el feedback hacia los detalles superficiales, y propone roles como los «Prompt Reviewers» para mantener la conversación centrada en la intención.

Un segundo argumento de la autora es que el diseño ya no vive solo en la vuelta, sino también en el «garaje». En una carrera, gran parte del resultado se decide antes de que se apaguen los semáforos: ángulo de alerones, neumáticos, combustible, estrategia. Del mismo modo, los briefs, restricciones, rúbricas, comprobaciones de marca y reglas del sistema de diseño que se entregan a un modelo son el «setup». Una crit que solo repasa la vuelta se pierde el garaje, así que también habría que criticar el setup: qué se le dijo al modelo sobre el contexto, qué se le dijo que nunca hiciera, quién acordó esos límites y si alguien puede cambiarlos sobre la marcha.

Advierte además del riesgo de no sentir el límite: cuando el coche es tan rápido, un pequeño descuido sale caro, como aprobar a toda velocidad un diseño plausible o una respuesta segura que nadie comprobó. El problema, dice, no es la velocidad sino la distancia entre la velocidad y el criterio del conductor. Cita también a Tanya Donska, que avisa de que, si se delega la crítica en una IA, esta tiende a darte la razón. Según el texto, Donska describe cómo el mismo diseño recibía opiniones opuestas según el planteamiento del prompt, y cómo una función se lanzó con una tasa de finalización del 29% tras una revisión previa con IA que le dio el visto bueno. Dean concluye que el conductor necesita un buen ingeniero que le diga que los neumáticos están acabados.

La autora no ve en todo esto una mala noticia para los diseñadores. Sensibilidad, gusto, empatía y la capacidad de intuir un límite antes de alcanzarlo son cualidades que llevan toda una carrera construyendo, y son justo lo que le falta a ese coche tan rápido. Propone aprender además lo nuevo: el setup, la telemetría y el manejo de un coche con criterio propio.

Para concretar qué hace a un gran «conductor» en el diseño con IA, enumera seis paralelismos:

- Sentir el límite: notar cuándo el resultado deja de ser fiable, como un layout plausible que se tuerce o un texto que empieza a desviarse, antes de que cause un problema. - Dar feedback útil a los ingenieros: «subviraje en la curva cuatro» vale más que «no me convence». En diseño, explicar qué falla con la precisión suficiente para convertirlo en una restricción, una regla del sistema de diseño o un cambio de código. - Gestionar los neumáticos: reservar el juicio completo para las decisiones importantes en lugar de gastarlo en cada variante. La atención es un recurso limitado. - Consistencia vuelta tras vuelta: mantener el mismo estándar en la variante cuarenta que en la primera, algo difícil. - Leer las condiciones: los modelos y herramientas cambian cada pocas semanas, y quien sigue ajustándose superará a quien aprendió un flujo de trabajo en primavera y se quedó ahí. - Saber cuándo tomar el volante: decidir cuándo dejar correr al coche, cuándo anular sus propuestas y cuándo dejar de generar y decidir.

Ninguna de estas habilidades se ve en el diseño terminado; aparecen en la telemetría, y por eso el debrief importa. El artículo cierra preguntando a los lectores cómo han visto evolucionar esta ceremonia y qué creen que necesita ahora.

En los comentarios, una lectora que firma como Tash A señala que las críticas dan vueltas en círculo cuando la sala carece de un vocabulario común, y que un «esto no me convence» solo se vuelve accionable si alguien puede nombrar el problema, por ejemplo una respuesta que se transmite sin vía de recuperación. Menciona un glosario de UX para IA que ella misma ha creado. Se trata de una recomendación de una lectora, no una afirmación del artículo.

Es un texto de opinión, basado en la experiencia personal de la autora y en la metáfora de la F1. No presenta datos propios ni estudios, y las cifras o posiciones que menciona proceden de terceros citados.