UX Research con IA: maximizando el valor de lo humano

Lautaro Aragón Lautaro Aragón

¿Dónde se genera realmente el valor en una investigación de diseño?¿En la pauta de entrevista? ¿En el informe? ¿En la conversación con usuarios?

Foto de BoliviaInteligente en Unsplash

Foto de BoliviaInteligente en Unsplash

La inteligencia artificial puede ayudarnos en muchas partes del proceso… pero no en todas. Y eso nos obliga a preguntarnos, con más urgencia que antes, cuál es el rol insustituible de lo humano en la investigación.

Este artículo explora cómo la IA está transformando el flujo típico de investigación en diseño, desde la planificación hasta la síntesis, y cómo esa eficiencia operativa nos lleva a reivindicar los aspectos más estratégicos del trabajo  y también su lado relacional.

El flujo de investigación (y lo que la IA está cambiando)

Quienes investigamos en diseño sabemos que este trabajo alterna momentos profundamente humanos (entrevistas, observación, relación) con otros más técnicos y solitarios (análisis, codificación, síntesis).
 El flujo típico, con matices según el contexto, sigue más o menos esta secuencia:

Antes de ejecutar:

  • Definición inicial: Partimos por definir los objetivos, la metodología y la muestra que vamos a utilizar. A veces, esto se resuelve en una breve conversación de 15 minutos; otras veces requiere un poco más de trabajo, dependiendo de la complejidad del estudio y el tipo de decisiones que queremos tomar con esa información.

  • Logística y planificación: Una vez que tenemos claridad sobre lo anterior, activamos en paralelo toda la logística necesaria para el trabajo de campo. Esto incluye la captación de participantes de la muestra, la definición de incentivos, el agendamiento de las sesiones y, por supuesto, la construcción de los instrumentos de investigación que vamos a utilizar.


Durante la ejecución:

  • Ejecución y recopilación de información: Cuando llega la fecha, comenzamos a ejecutar las sesiones de investigación, utilizando los instrumentos previamente diseñados. Vamos recogiendo la información en tiempo real y, en muchos casos, la vamos revisando en paralelo para ajustar sobre la marcha o detectar posibles hallazgos tempranos.


Después de la ejecución:

  • Análisis y hallazgos: Con el material recopilado, pasamos a identificar patrones, contrastar información y plantear los hallazgos clave. Esta etapa requiere un trabajo riguroso de análisis y síntesis, es donde empezamos a darle sentido a lo que observamos.

  • Refinamiento y comunicación: Una vez definidos los hallazgos, viene un proceso igual de importante: su refinamiento. No basta con tener buenas observaciones; también hay que convertirlas en conocimiento útil, y para eso necesitamos ajustar el contenido, el lenguaje y el formato según la audiencia a la que se lo vamos a presentar. La claridad y la pertinencia son tan importantes como la profundidad.

Incluso en metodologías más ágiles, como los "testeos de guerrilla", estas etapas, aunque condensadas o ejecutadas en paralelo, siempre están allí. 

 

¿Qué tanto acelera realmente la IA?

Muchísimo. Y lo hace especialmente en dos momentos:

En la planificación o “el antes”

  • Automatización Logística: Por ejemplo, tareas como el agendamiento pueden automatizarse. Esto nos ahorra muchísimo tiempo en la logística.

  • Generación de Instrumentos: La IA generativa acelera la creación de nuestros instrumentos de investigación, como las guías de entrevista. Si partimos de definiciones estratégicas claras y luego pulimos borradores con el equipo, un proceso que antes podía tomar varios días, ahora se puede reducir a un par de horas.

En el análisis y comunicación o “el después”

  • Procesamiento de Información: La IA puede asistirnos de manera muy significativa en la recopilación, el ordenamiento, la estructuración, la categorización y hasta la identificación de patrones en la información que hemos recabado.
  • Eficiencia en la Comunicación: La generación de presentaciones y el ajuste de la información para distintos formatos también experimentan una reducción importante de la carga.

¿El resultado? En general, las fases "antes" y "después" de la investigación pueden experimentar una reducción de carga operativa superior al 50%. Esto como resultado de una ganancia de productividad notable, algo que Jakob Nielsen ya estimaba hace algunos meses en un 66% al integrar bien las herramientas de IA en procesos de UX.

lukas-blazek-UAvYasdkzq8-unsplash 1

Foto de Lukas Blazek en Unsplash

El valor de lo humano

Esta optimización de la carga operativa nos lleva a algunas reflexiones sobre dónde se concentra nuestro aporte en el proceso. 
La posibilidad de automatizar/reducir la carga operativa en la administración y organización de la información permite que brillen con más fuerza otros aspectos de nuestro trabajo:

 

La definición estratégica

Decisiones clave sobre objetivos, metodología y muestra se vuelven aún más críticas. Ahora tenemos más tiempo para abordarlas con conciencia y rigor, asegurando que no haya fallos en estas definiciones fundamentales.


 La formulación de hallazgos

Si bien la IA puede ayudarnos a identificar patrones, asegurar la profundidad y relevancia de los hallazgos requiere de nuestras habilidades de contraste y contextualización. Necesitamos asegurarnos de que los hallazgos realmente "vayan al fondo" y que su valor sea fácil de percibir para nuestros stakeholders.

El "durante" es el nuevo protagonista

Curiosamente, al ganar eficiencia en las fases más técnicas - “antes” y “después”-, el momento de recolección, especialmente en la investigación cualitativa, es clave.

Aquí es donde el factor humano se vuelve absolutamente crítico:

La interacción en campo
En una investigación cualitativa, donde la información emerge en tiempo real, la habilidad del investigador para ser flexible, adaptar la pauta y explorar preguntas que surgen espontáneamente es fundamental. Es imperativo que nos aseguremos de capturar el máximo valor durante estas interacciones, porque la calidad de nuestra materia prima determinará en buena cuenta la profundidad del análisis posterior.

Las condiciones para la recolección
No debemos comprometer la duración o las condiciones de las sesiones de campo por intentar automatizar en exceso o reducir tiempos indiscriminadamente en el “durante”. Asegurar condiciones óptimas para la interacción con los participantes en tiempo y espacio garantiza la riqueza de la información recolectada y potencia también nuestra capacidad de construir nuevo conocimiento e intuir patrones en la información.

 

IA + investigación: una alianza operativa, estratégica y relacional

La irrupción de la IA en el diseño estratégico está reconfigurando la manera en que organizamos el esfuerzo dedicado en nuestro trabajo - además de estar abriendo nuevas posibilidades. 

Lo que antes era una carga operativa intensa ahora se hace más eficiente, liberando tiempo y energía. Bien entendido y bien ejecutado, el resultado es un proceso donde lo "maquinal" se reduce y lo "humano" se enfatiza.
Esto nos plantea la tarea de ser aún más conscientes de nuestro rol en cada paso, lo cual implica durante la investigación:

  • Ser aún más estratégicos: Las definiciones estratégicas y la interpretación profunda de los hallazgos se han hecho aún más claves.

  • Hacernos maestros relacionales: Cultivar nuestra capacidad innata de generar conocimiento valioso a través de las relaciones humanas y potenciar nuestra intuición racional.

Si entendemos esto, podemos hacer que la tecnología nos potencie. No para investigar más rápido, sino para investigar mejor y crear valor de maneras más profundas y significativas.

Suscríbete a nuestro blog

Te compartiremos las mejores recomendaciones y buenas prácticas de la industria notas y nunca mandaremos spam.