La IA no nos hizo más rápidos. Por eso funcionó.

Este artículo está basado en “Never mind the prompts, here’s the thinking”, publicado originalmente en UX Collective, donde el autor narra en primera persona cómo reconstruyó su estudio de diseño alrededor de la IA durante un año entero, con clientes reales, deadlines reales y resultados que nadie en LinkedIn te va a contar.

El pitch que todos compramos sin leer la letra pequeña

Hay una frase que el sector tech repite como un mantra desde hace dos años: la IA te hace diez veces más rápido. La escuchas en conferencias, la lees en hilos de Twitter, la ves impresa en las diapositivas de consultores que cobran por hora lo que tú cobras por semana. Es el gran argumento de venta de nuestra era: la velocidad como virtud suprema, la eficiencia como religión, el prototipo terminado antes de que se enfríe el café.

El problema con los mantras es que nadie los somete a prueba empírica. Los repites, los compartes, los crees. Hasta que alguien hace el experimento de verdad.

Eso es exactamente lo que hizo el autor de esta historia: un año completo reconstruyendo los procesos de su estudio de diseño alrededor de la inteligencia artificial. Cuatro productos reales. Clientes con expectativas reales. Ingenieros acostumbrados a entregables estándar que no entienden por qué ahora los wireframes llegan acompañados de conversaciones con modelos de lenguaje. Y al final del año, la conclusión que nadie quiere escuchar: la IA no los hizo más rápidos.

Y aquí viene el giro que convierte esto en algo interesante: por eso funcionó.

Confundir la herramienta con el pensamiento

Hay una escena en Whiplash que siempre me parece pertinente a este tipo de debates. Fletcher, el director de la banda, le grita a su baterista que tocar a tiempo no es suficiente. Que la velocidad sin intención es ruido. Que lo que separa al músico del músico excepcional no es cuántas notas ejecuta por minuto, sino cuáles elige no tocar.

La industria del diseño lleva dos años obsesionada con las notas por minuto. Con cuántos assets genera Midjourney en una hora, con cuántas variantes de copy escupe GPT-4 en diez segundos, con cuántos prototipos puede montar Figma AI antes de que el cliente termine de leer el briefing. La conversación ha sido sistemáticamente sobre outputs, nunca sobre pensamiento.

Y aquí está el error de arquitectura conceptual que esta experiencia de un año pone sobre la mesa: la IA es extraordinariamente buena generando. Es pésima decidiendo. No porque sea tonta —no lo es— sino porque decidir requiere contexto humano, requiere fricción, requiere ese momento incómodo en que te preguntas si lo que estás construyendo tiene sentido para alguien que no eres tú.

Integrar IA en un proceso de diseño sin entender esa distinción es como darle a un arquitecto una impresora 3D ultrarrápida sin enseñarle estática. Construyes más rápido, sí. Pero lo que construyes puede venirse abajo.

La deuda que nadie está contabilizando

Hay un concepto en ingeniería de software llamado deuda técnica: el coste acumulado de tomar atajos en el código que luego alguien tendrá que pagar con horas de refactorización. Es invisible al principio, cómoda de ignorar mientras el producto funciona, devastadora en el momento en que necesitas escalar.

Lo que esta experiencia de un año revela es que existe una deuda equivalente en diseño asistido por IA, y que nadie la está nombrando todavía. Llamémosla deuda cognitiva: el conjunto de decisiones que el equipo no tomó conscientemente porque la herramienta las tomó por ellos. Decisiones que parecían correctas en pantalla, que el cliente aprobó en la reunión, pero que no tienen detrás el razonamiento que debería sostenerlas.

Esta deuda es especialmente peligrosa porque es invisible. No hay un error en la consola que te avise. No hay un test que falle. Hay un producto que funciona técnicamente y que sin embargo no resuena, no convierte, no conecta. Y entonces el equipo pasa horas intentando diagnosticar un problema cuya causa raíz fue que nadie se hizo las preguntas difíciles porque la IA ya había rellenado el espacio en blanco.

Lo que el estudio descubrió, casi por accidente, es que al integrar IA de forma que ralentizaba ciertas fases —obligando al equipo a revisar, cuestionar y contextualizar cada output generado— no solo mejoraba la calidad del trabajo. Eliminaba esa deuda antes de que se acumulara.

El tijereador humano en el centro del proceso

Hay una imagen en el artículo original que no abandona la cabeza: “la parte del proceso que parece más rápida es la que necesita a un humano sosteniendo las tijeras”. Es una frase que merece quedarse.

Porque en el imaginario colectivo, la IA viene a quitarnos las tijeras de la mano. A hacer el corte por nosotros. Y hay tareas donde eso es perfectamente razonable: generar alternativas visuales, explorar variaciones tipográficas, sintetizar research, producir documentación. En todo eso, que la máquina acelere es una ganancia neta.

Pero hay un momento en cualquier proceso creativo —una fracción de segundo que en realidad dura días— en que alguien tiene que decidir qué conservar. Qué idea de las veinte generadas tiene algo verdadero. Qué camino de los cinco explorados responde a algo real que el usuario necesita y no solo a algo que el modelo encontró estadísticamente coherente. Ese momento no se puede delegar. No todavía. Quizás nunca.

La velocidad que la industria está vendiendo obvia deliberadamente ese momento. Lo que este estudio encontró después de un año es que el valor real de la IA en diseño no está en eliminar ese momento, sino en darte más energía y más material para llegar a él con mejor criterio.

Más lento hacia adelante, más rápido hacia lo correcto

Existe una paradoja en el mundo del ajedrez que los jugadores conocen bien: las partidas rápidas —el blitz, el bullet— parecen más emocionantes, pero son donde más errores se cometen y donde menos se aprende. Los grandes maestros pasan horas en una sola posición precisamente porque la profundidad del análisis cambia la naturaleza de la jugada.

No estoy diciendo que el diseño deba volverse un ejercicio monástico de reflexión infinita. Los clientes tienen fechas. Los productos tienen ventanas de mercado. La velocidad importa. Pero importa en la dirección correcta, y eso requiere saber en qué fase del proceso conviene apretar el acelerador y en cuál conviene, paradójicamente, resistir la tentación de hacerlo.

Lo que un año de experimentación real demostró es que la IA integrada de forma reflexiva —no como atajo sino como amplificador de criterio— produce algo que la velocidad pura nunca produce: trabajo que aguanta. Que no necesita ser rehecho en tres meses. Que tiene detrás un pensamiento que el equipo puede articular y defender.

En un mercado donde todo el mundo está prometiendo entregar en una tarde lo que antes tardaba un mes, eso es, curiosamente, la propuesta de valor más diferencial que un estudio de diseño puede ofrecer.

Las tijeras siguen necesitando una mano.