¿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
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.
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:
Durante la ejecución:
Después de la ejecución:
Incluso en metodologías más ágiles, como los "testeos de guerrilla", estas etapas, aunque condensadas o ejecutadas en paralelo, siempre están allí.
Muchísimo. Y lo hace especialmente en dos momentos:
¿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.
Foto de Lukas Blazek en Unsplash
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:
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.
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.
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.
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:
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.
Etiqueta: