Hay una decisión de diseño que se repite en casi todos los productos digitales que incorporan IA este año. No es tecnológica. No tiene que ver con el modelo elegido ni con la infraestructura de inferencia. Es una decisión de interfaz, y es la más perezosa de todas: meterlo en un chat.
Abres una herramienta de análisis de datos, y hay un cuadro de texto que te dice "Pregúntame lo que quieras". Entras en un CRM, y hay un chatbot en la esquina. Pruebas una plataforma de BI, y el onboarding te pide que "conversen". La lógica es siempre la misma: los LLMs están entrenados sobre texto en formato diálogo, luego el diálogo es la interfaz natural para la IA. La conclusión no podría ser más incorrecta.
Porque el diseño no consiste en exportar la arquitectura interna del sistema hacia la pantalla del usuario. Consiste en entender qué tarea tiene el usuario, con qué carga cognitiva la afronta y qué modalidad de interacción reduce más fricción. A veces eso es un chat. Muchas veces no.
- La modalidad de interfaz debe derivarse del contexto y la intención del usuario, no de la tecnología subyacente.
- El chat es la modalidad con mayor coste cognitivo: obliga al usuario a articular bien lo que quiere antes de obtener respuesta.
- Hay al menos cuatro familias de intención de usuario para las que el chat es una elección activamente mala.
El Problema: Cuando la Arquitectura Dicta la UX
En los años noventa, los primeros editores web generaban HTML directamente desde interfaces de tipo procesador de texto porque los desarrolladores conocían mejor HTML que diseño tipográfico. Nadie dijo que aquello era un buen diseño; era simplemente lo que se podía hacer entonces. Cuarenta años después, el sector del software sigue cometiendo el mismo error conceptual: dejar que las limitaciones o las capacidades internas del sistema determinen la forma en que el usuario interactúa con él.
Con la IA conversacional ha pasado algo parecido. ChatGPT normalizó el paradigma del cuadro de texto libre, y ese paradigma se ha trasladado sin cuestionarse a productos donde no tiene ningún sentido. El resultado no es solo un diseño subóptimo: es fricción activa. Obligas al usuario a recordar qué puede y qué no puede preguntar, a formular bien la query, a interpretar si la respuesta es correcta o alucinada, a iterar en lenguaje natural cuando lo que necesitaría es un filtro o un botón.
La interfaz conversacional es el equivalente UX de decirle al usuario: "El sistema es complejo; tú descubre cómo usarlo." No es diseño centrado en el usuario, es diseño centrado en el modelo.
Esto conecta directamente con algo que ya hemos señalado antes: el error de diseñar desde la herramienta en lugar de desde el objetivo del usuario. La IA es una herramienta extraordinaria, pero proyectarla tal cual sobre la pantalla no es diseño; es abdicación.
Las Cuatro Intenciones que el Chat Gestiona Mal
No toda interacción con IA merece el mismo tratamiento de interfaz. Si aplicamos un filtro básico de JTBD —¿qué tarea concreta está intentando resolver el usuario en este momento?— emergen al menos cuatro familias de intención para las que el chat es una elección francamente mala.
Exploración sin pregunta definida
El usuario no sabe exactamente qué busca. Quiere explorar un espacio de posibilidades: tendencias en sus datos, patrones en un conjunto de documentos, ideas para un brief creativo. En estos casos, el chat crea un bloqueo de arranque: si no sabes qué preguntar, el cuadro de texto vacío es intimidante y, lo que es peor, improductivo. La modalidad adecuada aquí es una superficie visual que genere puntos de entrada: clustering automático, sugerencias contextuales, mapas de calor sobre los propios datos. La IA trabaja por debajo; arriba hay forma, no texto.
Tareas repetitivas de alta frecuencia
El usuario ejecuta la misma acción decenas de veces al día. Clasificar un ticket de soporte, etiquetar un documento, aprobar o rechazar una sugerencia. Si cada iteración requiere escribir una instrucción en lenguaje natural, el coste de interacción es absurdo. La modalidad correcta es la de acción mínima: un botón, un swipe, una clasificación por arrastre, con IA trabajando en segundo plano para pre-rellenar, priorizar o destacar. El usuario confirma o corrige; no "conversa".
Flujos con pasos secuenciales obligatorios
Hay procesos —un alta de cliente, una solicitud de crédito, una configuración técnica— donde el orden importa y los pasos son no negociables. Meter esto en un chat produce dos patologías: el usuario salta pasos porque el sistema no los impone, o el sistema genera respuestas ambiguas porque la conversación puede ir en cualquier dirección. Un wizard con IA embebida que rellena campos, valida en tiempo real y sugiere valores es infinitamente mejor que un chatbot que "guía" al usuario por el mismo proceso.
Confianza y verificabilidad
Cuando la decisión tiene consecuencias —médica, legal, financiera— el usuario necesita poder auditar el razonamiento, no solo leer la conclusión. Un chat que responde "La dosis recomendada es X" no da más confianza que el mismo texto en un PDF. Una interfaz que muestra las fuentes, descompone el razonamiento en pasos visibles y permite al usuario explorar la evidencia crea un nivel de confianza radicalmente distinto. Esto es especialmente crítico en entornos enterprise donde la trazabilidad no es opcional.
En entornos así, el reto de diseño no es solo de modalidad sino de gestión de la ambigüedad. La IA amplifica la ambigüedad en lugar de resolverla cuando la interfaz no está diseñada para contenerla.
Modalidad: El Vocabulario que el Sector está Ignorando
Hablar de "interfaz de IA" como si fuera una sola cosa es como hablar de "vehículo" sin distinguir entre una ambulancia, un camión de reparto y una moto de trial. La modalidad —la forma en que el sistema recibe y devuelve información— es una dimensión de diseño con sus propias reglas, sus propios trade-offs y sus propios costes cognitivos.
Hay al menos cinco modalidades relevantes en interfaces de IA que no son chat:
- Sugerencia inline: la IA propone dentro del flujo existente sin interrumpirlo. GitHub Copilot es el ejemplo canónico; el usuario acepta o ignora sin salir de su contexto.
- Superficie reactiva: el sistema analiza el contexto actual (documento abierto, datos visualizados) y ofrece acciones relevantes sin que el usuario las solicite explícitamente. Notion AI lo intenta con resultados desiguales.
- Interfaz de revisión: la IA propone, el humano decide. Útil para clasificación, moderación, priorización. El usuario valida a alta velocidad; el sistema aprende del patrón de validaciones.
- Dashboard aumentado: visualizaciones generadas o enriquecidas por IA que el usuario explora de forma no lineal. La IA selecciona qué mostrar; la navegación es visual, no conversacional.
- Agente silencioso: la IA opera en segundo plano, ejecuta tareas y notifica cuando hay algo que requiere atención humana. La interfaz principal es la bandeja de notificaciones, no un chat.
Ninguna de estas modalidades es universalmente superior al chat. Pero cada una tiene condiciones en las que gana claramente. El problema del sector es que estas condiciones raramente se evalúan; el chat se elige porque es lo conocido, lo que ya tienen otros, lo que se puede construir rápido con los SDKs disponibles.
Elegir la modalidad de interacción es una decisión estratégica de producto, no una consecuencia de qué modelo de IA has contratado.
Cómo Elegir: Un Marco de Tres Preguntas
En Room 714, cuando auditamos productos con IA, la primera conversación no es sobre el modelo ni sobre la API: es sobre la tarea. Y para pasar de la tarea a la modalidad de interfaz, usamos tres preguntas que tienen la virtud de ser rápidas y de obligar al equipo a ponerse en el lugar del usuario real, no del usuario imaginario que escribe prompts perfectos.
¿Cuánto sabe el usuario sobre lo que quiere?
Si el usuario sabe exactamente qué quiere —"dame el resumen del contrato de enero"—, el chat funciona bien. Si no lo sabe —"quiero entender cómo van mis ventas"—, el chat es una trampa. La exploración no se puede articular en lenguaje natural sin antes haber explorado; es una paradoja circular que solo la interfaz visual resuelve.
¿Con qué frecuencia repite esta acción?
Una acción que se ejecuta una vez al mes tolera una interfaz conversacional con curva de aprendizaje. Una acción que se ejecuta cincuenta veces al día necesita ser casi subconsciente. Aquí la IA bien aplicada no se nota: reduce el número de clics, pre-rellena con precisión, elimina pasos innecesarios. El riesgo de optimizar solo la superficie visible cuando el problema está en el flujo completo es especialmente alto en estos contextos de alta frecuencia.
¿Qué pasa si la IA se equivoca?
Si el coste del error es bajo y reversible, la autonomía del sistema puede ser alta. Si el coste es alto o irreversible, la interfaz debe diseñarse para que el humano tenga siempre el control visible y la decisión final. Esto no es solo un problema de UX; es un problema de confianza sistémica. Un sistema que falla silenciosamente mientras el usuario conversa despreocupado es un sistema que eventualmente destruye la confianza en toda la plataforma.
Estas tres preguntas no agotan el espacio de diseño, pero descartan el 80% de los casos donde el chat se elige por defecto sin pensarlo. Y ese 80% es exactamente donde se acumula la deuda de UX que los equipos pagan más adelante en forma de abandono, baja adopción y soporte desproporcionado.
El Estándar que Viene
El mercado tardó unos tres años en entender que una web responsiva no era "un sitio web que también funciona en móvil" sino un enfoque de diseño distinto. Estamos en un momento análogo con las interfaces de IA. La primera oleada —todo en un chat— ya está dando señales de agotamiento. Los usuarios más sofisticados empiezan a quejarse de la fatiga conversacional, del coste de articular bien cada query, de la falta de estructura cuando necesitan estructura.
Los productos que ganen los próximos tres años no serán los que tengan el modelo más potente debajo. Serán los que hayan pensado con rigor qué modalidad de interfaz sirve mejor a cada intención de usuario, y los que hayan tenido la disciplina de no resolver todo con un cuadro de texto porque era lo más rápido de montar.
Si tu producto tiene IA y tu primera decisión fue "ponemos un chat", merece la pena dedicar media jornada a revisitar esa decisión desde el JTBD. Igual el chat era la respuesta correcta. Igual no lo era. En Room 714 hacemos esa auditoría sistemáticamente antes de cualquier rediseño de producto con IA: no para demoler lo construido, sino para asegurarnos de que la interfaz trabaja a favor del usuario y no en contra de él.
