Diseñar para la desconfianza: UX de funciones con IA
Tu funcionalidad se va a equivocar. Los seis patrones de diseño que hacen que el usuario siga usándola después, y los tres que garantizan que la abandone.
Toda funcionalidad con IA se equivoca. La pregunta de diseño no es cómo evitarlo, es qué pasa después.
Y lo que pasa después casi siempre es lo mismo si no lo has diseñado: la persona deja de usarla. No la desactiva, no se queja, no abre un ticket. Simplemente deja de mirarla, y tú sigues pagando por una funcionalidad muerta.
El error de partida
Muchas funcionalidades con IA se diseñan como si acertaran siempre. Un resultado, presentado con la misma seguridad con la que el producto presenta un total sumado. Sin margen, sin origen, sin manera fácil de corregirlo.
Eso funciona mientras acierta. La primera vez que falla, la persona no piensa “se ha equivocado en este caso”, piensa “no me puedo fiar de esto”. Y ese juicio es difícil de revertir porque a partir de ahí revisa todo, con lo cual la funcionalidad ha dejado de ahorrarle tiempo.
Los seis patrones que sostienen la confianza
1. Enseña en qué se basa. No el razonamiento entero, la fuente. “Según la factura de marzo” o “basado en las últimas 12 conversaciones de esta cuenta”. Convierte un veredicto en algo comprobable, y la persona lo comprueba dos veces y deja de hacerlo.
2. Calibra el tono a la certeza. Si el sistema no está seguro, que no suene seguro. Un “probablemente” bien puesto compra más credibilidad que diez aciertos presentados como certezas, porque cuando el sistema sí afirma con seguridad, la persona le cree.
3. Haz que corregir sea trivial. Un clic, sin diálogos de confirmación ni formularios. Si corregir cuesta más que hacerlo a mano, la persona hace todo a mano. Y cada corrección es la señal más valiosa que vas a recibir sobre dónde falla el sistema.
4. Deja el original a la vista. Si la IA reescribe, resume o traduce, que lo de antes siga accesible. Saber que puedes volver es lo que hace que la gente se atreva a usarlo.
5. Da el paso intermedio en las tareas largas. Si el proceso tarda, enseña qué está haciendo. No una barra de progreso genérica: “leyendo el documento”, “buscando coincidencias”. Reduce la sensación de caja negra y hace la espera tolerable.
6. Que el sistema levante la mano. Los casos en los que no está seguro tienen que verse distintos de los demás. Es lo que permite a la persona revisar el 5 % en vez de revisar todo, que es la diferencia entre ahorrar tiempo y no ahorrar nada.
Los tres que garantizan el abandono
El resultado sin origen. Un número, una clasificación o un texto que aparece sin decir de dónde sale. La primera vez que no cuadre con lo que la persona sabe, se acabó.
La confianza uniforme. Todo presentado igual, lo seguro y lo dudoso. Obliga a revisar todo, con lo cual la funcionalidad no ahorra nada.
La corrección que no se aprende. La persona corrige lo mismo por cuarta vez y el sistema sigue igual. Comunica que su tiempo no vale nada, y es el patrón que más rápido mata el uso.
El caso especial de lo irreversible
Cuando la salida de la IA dispara algo que no se puede deshacer, como enviar un correo, mover dinero o rechazar una solicitud, las reglas cambian.
Ahí no basta con poder corregir después. Hace falta un paso de confirmación con el resultado a la vista, y hace falta que ese paso no se pueda convertir en automático por costumbre. Un botón que la gente pulsa sin leer no es una confirmación, es un trámite.
La regla práctica: cuanto más caro sea el error, más cerca del final tiene que estar la persona. La IA prepara, la persona firma.
Cómo saber si lo tuyo está funcionando
La métrica que importa no es la precisión del modelo. Es cuánta gente sigue usando la funcionalidad a las cuatro semanas.
Un sistema con un 85 % de acierto y buen diseño de error retiene. Uno con un 95 % y ningún diseño de error se abandona en cuanto llegan los dos primeros fallos. La diferencia no está en el modelo.
La segunda métrica útil es cuántas correcciones recibe. Si son cero, no es que acierte siempre: es que nadie está mirando.
Por qué esto es una decisión económica
Una funcionalidad abandonada tiene todos los costes y ninguno de los beneficios. Sigues pagando el desarrollo, el mantenimiento y el consumo. El desglose completo está en el coste real de operar una feature de IA.
Por eso el diseño de la desconfianza no es un adorno de la fase final. Es lo que decide si la inversión entera se recupera. El criterio para elegir dónde meter IA está en dónde aplicar IA en tu producto SaaS, y un caso concreto bien acotado, en cualificar leads inbound con IA.
Si tienes una funcionalidad de IA lanzada y la sensación de que nadie la usa, una auditoría de producto te dice en dos semanas si el problema es el modelo o el diseño de alrededor. Casi siempre es el segundo.
¿Cómo se diseña una función con IA para que la gente confíe en ella?
Enseñando en qué se basa cada resultado, dejando corregirlo sin fricción y calibrando el tono a la certeza real. La confianza no viene de acertar siempre, viene de que cuando falla se vea por qué y se pueda arreglar en un clic.
¿Hay que decir al usuario que una función usa IA?
Hay que decirle qué grado de revisión necesita, que es lo accionable. Etiquetar todo como IA sin más acaba siendo ruido que la gente aprende a ignorar. Lo que sí cambia comportamiento es indicar cuándo el sistema no está seguro.
¿Qué pasa cuando una función con IA se equivoca dos veces?
La gente deja de usarla, y normalmente sin desactivarla ni quejarse. Es el peor escenario económico: sigues pagando desarrollo, mantenimiento y consumo de una funcionalidad que nadie mira. Recuperar esa confianza cuesta más que ganarla la primera vez.