He pasado los últimos dos años diseñando productos conversacionales y asistidos por IA, sobre todo en el espacio SaaS B2B. El principio más útil al que he llegado cabe en una frase: el modelo interpreta; el código ejecuta.
Déjame explicar por qué esa separación importa para la experiencia de usuario.
No finjas comprensión con listas
Al principio, el primer instinto de todo equipo es manejar el lenguaje con listas de palabras clave, regex y tablas de alias mantenidas a mano. "Si el mensaje contiene 'precio' o 'costo' o 'cuánto', redirige a precios." Funciona en la demo y colapsa en la segunda semana, cuando un usuario real escribe "¿cuánto me saldría esto al mes?" y cae en el fallback.
La comprensión del lenguaje es exactamente en lo que los LLM son buenos. Delega la interpretación al modelo. Pero — y esta es la decisión de diseño — nunca dejes que el modelo ejecute nada directamente. El modelo produce una intención estructurada; el código determinista valida el esquema y realiza la acción. Si la validación falla, el usuario igual recibe una respuesta de texto coherente; solo se retiene la acción. La conversación nunca llega a un callejón sin salida, y el sistema nunca hace algo que el modelo alucinó.
Ese modo de falla — el texto se degrada con gracia, las acciones fallan de forma cerrada — es una propiedad de UX. Los usuarios perdonan a un bot que responde de forma imperfecta. No perdonan a uno que reserva la cita equivocada.
Entiende las necesidades antes de automatizarlas
La tentación es pegar IA sobre el flujo que ya existe. La mejor pregunta es: ¿en qué punto de este recorrido el usuario está traduciendo su intención al vocabulario de nuestro sistema? Ese trabajo de traducción es lo que la IA debería absorber.
En un contexto de marketplace, eso significó reemplazar un panel de filtros que nadie usaba correctamente por una búsqueda en lenguaje simple que se mapeaba a los mismos filtros subyacentes. Los usuarios no querían "funciones de IA". Querían dejar de aprender nuestra taxonomía. Mismo backend, carga de comprensión radicalmente distinta.
Diseña el presupuesto de confianza
Cada interacción con IA gasta o gana confianza. Algunas reglas que ahora trato como predeterminadas:
- Muestra tu interpretación. Cuando el modelo mapea "cancela mi cita del viernes" a una reserva específica, repítela antes de actuar. Una línea de confirmación cuesta un toque y evita el error catastrófico.
- Limita el radio de impacto. Las acciones reversibles pueden ejecutarse de forma autónoma. Las irreversibles — pagos, eliminaciones, mensajes a terceros — siempre requieren una confirmación explícita.
- Nunca digas "ilimitado", nunca prometas de más. Especialmente en fintech, el copy que sobrevende la IA genera tickets de soporte, no satisfacción.
Instrumenta los fallos
El artefacto de investigación más valioso en un producto con IA es el registro de interpretaciones que fallaron la validación. Cada una es una necesidad del usuario expresada en sus propias palabras que tu sistema no pudo atender. Los reviso cada semana, tal como antes revisaba grabaciones de pruebas de usabilidad. Es más barato que un sprint de investigación y brutalmente honesto.
Integrar IA en la UX no se trata de agregar una caja de chat. Se trata de decidir, deliberadamente, qué capa interpreta y qué capa actúa — y de asegurarte de que la costura entre ambas sea invisible para el usuario e inspeccionable por ti.