5 min de lectura
Nielsen Norman Group publicó ayer un artículo que documenta algo que muchos equipos de producto ya están notando sin haberlo puesto en palabras: la distancia entre un wireframe y un producto funcionando se ha reducido muchísimo. Diseñadores de Ramp construyeron un prototipo de un editor de políticas de gasto con chat conversacional usando Cursor, tan funcional que los usuarios de la prueba interactuaron con él como si fuera el producto real, con sus propios datos. Eso cambia muchísimo más que la velocidad de trabajo de un diseñador.
¿Qué casos reales de prototipado con IA documenta NN/g?
Tres, y los tres comparten un patrón: interfaces demasiado complejas para prototipar a mano de forma realista. En Ramp, el diseñador Pavan Garidipuri necesitaba probar un editor de políticas gestionado por chat, algo imposible de simular con pantallas estáticas porque la interfaz respondía de forma dinámica a cada mensaje. Con el prototipo funcional, el equipo descubrió que el sistema de seguimiento de cambios confundía a los usuarios, un problema que el propio diseñador reconoce que no habrían encontrado sin un prototipo que se comportara como el producto real.
El caso que mejor ilustra el cambio
Investigadores de Purdue diseñaron una interfaz de filtros para analizar datos de tráfico con 27 atributos por evento. Primero construyeron wireframes estáticos en Figma sin IA: consiguieron feedback sobre el aspecto visual, pero nada sobre cómo se comportaban los filtros al usarlos. Después reconstruyeron la misma interfaz con v0 y Bolt, con un conjunto de datos sintético generado por IA. El resultado fue muy distinto: con las pantallas estáticas, los participantes daban feedback vago, como si el diseño fuera demasiado preliminar para criticarlo en serio; con el prototipo interactivo, identificaron problemas concretos y accionables. NN/g avisa explícitamente de que esto es un caso secuencial de un único proyecto, no un experimento controlado, así que hay que leerlo como ilustración de lo que ya es posible construir, no como prueba de que la IA mejora la investigación por sí sola.
¿Qué es la «trampa de la fidelidad» que advierte NN/g?
Es el riesgo de que un prototipo generado con IA parezca tan terminado que alguien confunda «funciona» con «está bien diseñado». NN/g pone el ejemplo exacto: un prototipo pulido, con datos reales y capacidades interactivas completas, hace que un stakeholder pregunte «esto ya se ve genial, ¿por qué no lo lanzamos directamente?». La pregunta es razonable si no sabes cómo se construyó, pero el pulido visual puede esconder patrones de diseño equivocados, jerarquías confusas o elementos repetidos sin necesidad, precisamente porque la IA rellena huecos de diseño sin entender de verdad la jerarquía visual ni el contexto de negocio. NN/g es claro en esto: las decisiones de diseño las sigue tomando la persona, la IA solo las ejecuta más rápido.
Cómo el prototipado con IA reduce la distancia entre wireframe y producto
Antes, el camino era casi siempre lineal: wireframe en baja fidelidad, prototipo clicable que simulaba un único camino feliz, y después desarrollo real, que era el primer momento en que alguien podía probar de verdad cómo se comportaba la interfaz con casos límite, datos reales o entradas inesperadas. Cuando un prototipo con IA puede generar datos realistas, múltiples estados y hasta respuestas conversacionales variables en un solo día, esa etapa intermedia deja de ser una simulación pobre del producto y empieza a comportarse casi como el producto mismo, mucho antes de que desarrollo escriba una línea de código definitiva.
Esto cambia varias cosas a la vez, no solo la velocidad. Cambia cuándo investigas con usuarios, porque ya no hace falta esperar a tener desarrollo real para ver cómo se comporta alguien ante casos límite. Cambia quién puede prototipar, porque las herramientas que generan interfaces funcionales a partir de un prompt bien escrito bajan la barrera técnica que antes exigía saber programar de verdad. Y cambia qué significa «alta fidelidad»: ya no es solo que se vea acabado, es que se comporte como si lo estuviera, y esa diferencia es exactamente donde vive la trampa que advierte NN/g.
¿Entonces el rol del diseñador se reduce a escribir un buen prompt?
No, y aquí está el matiz que separa esto de un simple «usa esta herramienta nueva». Lo que la IA acelera es la ejecución de una decisión de diseño ya tomada, no la decisión en sí. El diseñador de Ramp no le pidió a Cursor «hazme un buen editor de políticas», ya sabía exactamente qué interacción quería probar y por qué. Sin ese criterio previo, un prototipo generado con IA rellena los huecos con la solución más probable estadísticamente, no con la mejor para ese caso concreto, y eso es precisamente lo que después se disfraza de «terminado» en la trampa de la fidelidad. Cuanto más rápido se puede construir un prototipo que parece real, más vale el criterio de quien decide qué construir antes de escribir el primer prompt, no menos. Es la misma idea de fondo que planteamos al hablar de qué hace que un contenido escrito con IA siga siendo humano: la IA ejecuta, el criterio sigue siendo de la persona.
