Diseñadores como orquestadores de agencias: lo que aprendí sobre el envío con IA en 2025
Los diseñadores tienen las mejores cualidades para obtener el resultado de IA granular necesario para crear productos exitosos.
Tradicionalmente, evitamos construir porque la brecha entre el diseño y la entrega requiere aprender a codificar, probar y corregir errores. Todo esto requiere una importante inversión de tiempo en aprender la gramática, que cambia cada pocos años mientras que los principios básicos siguen siendo los mismos. La mayoría de nosotros somos diseñadores porque, hasta cierto punto, somos pensadores visuales.
En 2025, la construcción asistida por IA colmará esta brecha. Para los diseñadores, explicar cómo debería funcionar el software nunca es la parte difícil. Traducir esta comprensión a código sí lo es. La IA no baja el listón; Lo eliminó.
Construí más de 15 prototipos funcionales usando Claude Code y Cursor, y envié 3 aplicaciones en 2025, cuando tenía una comprensión básica de Swift que aprendí hace tres años; y uso este conocimiento probablemente el 5% del tiempo. Esta publicación cubre la mentalidad que he desarrollado durante el año pasado. Este cambio ha cambiado la forma en que diseño, trabajo con ingeniería, resuelvo problemas técnicos y pienso sobre la IA en sí.
Por qué los diseñadores son coordinadores naturales
Los agentes de orquestación tienen las habilidades para escribir, probar, depurar e iterar código por encima del nivel de implementación. Los diseñadores ya son buenos en este tipo de pensamiento de alto nivel; sólo necesitamos aplicarlo a nuevos medios.
Las habilidades buenas en diseño son exactamente lo que necesita la arquitectura asistida por IA:
- Defina claramente el resultado: Empatizamos y pensamos en nuevos escenarios para nuestros usuarios, imaginamos cómo se ve lo bueno y lo aplicamos a nuestros productos.
- La predicción falló: Mapeamos constantemente casos extremos
- Comunicar la intención sin contexto compartido: Hacemos esto durante cada entrega y presentación a partes interesadas no técnicas.
Los buenos consejos no residen en saber codificar. Se trata de articular claramente el “qué” y el “por qué” para que la IA pueda manejar el “cómo”.
Lo que la IA no puede hacer (y por qué es tu trabajo)
Si bien la IA puede manejar código, no lo hace:
- Comprensión contextual de los usuarios.
- Su visión de cómo se sentirá su producto
- Capacidad para formular hipótesis sobre casos extremos.
- Comprender qué error indica un problema, un problema regulatorio o un posible problema legal
Modelos legibles por IA, indicaciones detalladas, escenarios de recuperación de errores, suposiciones del usuario: estos no son opcionales; ahora son el verdadero trabajo.
Pedirle a la IA que “lo resuelva” produce prototipos genéricos y defectuosos. Definir las experiencias con precisión puede conducir a productos obstinados y decididos. Combine esto con un sistema de diseño sólido, artesanía y señales para comunicar la intención del diseño y estará listo para un poderoso MVP.
Progreso: lo que aprendí sobre el envío en 2025
Fase 1: aceptar todo lo que hace la IA
Mis primeras construcciones eran torpes. Mi mensaje era básico: “Crear función X y agregar esta función”. Las cosas se desmoronaron misteriosamente. Mientras trabajaban, no estaba seguro de estar haciendo algo bien. Una vez que el cursor está listo, simplemente presiono Enter y continúo hasta que implemente algo que rompa algo más.
pregunta: La IA no puede entender tus intenciones ni la experiencia que estás construyendo. Utiliza los patrones más comunes para resolver problemas de manera razonable; patrones que no funcionan para sus usuarios.
lección: Veo la IA como una transferencia (“déjame hacer esto”) en lugar de una colaboración (“esto es lo que quiero lograr y por qué”). El “qué” y el “por qué” se convierten en una bola de nieve en cada decisión arquitectónica que toma el modelo.
En esta etapa, copias y pegas código, las cosas se estropean misteriosamente y, cuando funcionan, no estás seguro de lo que estás haciendo bien. La coreografía es torpe y sobredescribes algunas cosas y subestimas otras.
pista: Documente lo que sabe en un archivo Claude.md o Agents.md: investigación, patrones de interacción, necesidades del usuario. El modelo hace referencia a este contexto y construye la arquitectura a su alrededor.
Fase 2: aprender a depurar a través del diálogo
Mi siguiente error: Cuando algo sale mal, digo “Es un error, arréglalo”. sin contexto. La inteligencia artificial encontrará errores y los solucionará. El código se compila y todo funciona bien; sin embargo, pierdo la oportunidad de pensar críticamente. ¿Se trata de un error técnico o de un caso extremo que no tuve en cuenta y que podría interrumpir el recorrido del usuario?
La depuración con IA es una habilidad. Dejé de decir “está roto” y comencé a decir “esto es lo que esperaba, esto es lo que pasó, esto es lo que probé, esta es mi intención para esta función y cómo quiero que los usuarios la usen”.
lección: Pasar de “resolver este problema” a la depuración basada en hipótesis. Describir el comportamiento es más importante que el mensaje de error.
En la práctica: Al crear una aplicación para Mac, tengo problemas para ordenar las conexiones bluetooth. El dispositivo no puede conectarse de manera confiable. Describí el error, Claude generó una solución, lo probé y todavía no funciona. Caminamos durante horas.
Qué funciona: Dejé de pedir arreglos y pedí explicaciones. “Dime qué esperas que suceda después de cada paso”. Escribí cada paso en un cuaderno y dibujé el proceso en Figma, visualizando lo que debería suceder versus lo que estaba sucediendo.
Y luego regresé de otra manera. No “Corregir este error”, sino “Aquí hay tres escenarios que ilustran cómo quiero que se sienta esta secuencia de conexión desde la perspectiva del usuario. Alinee el código con los escenarios y pruébelos”.
El primer escenario falló. La segunda opción falló. La opción tres funcionó.
pista:
- Pídale al código AI/Claude que cree un diagrama ASCII de la arquitectura actual. Esto revela el problema y revela los casos extremos para los que necesita diseñar
- Sigue pidiéndole a la IA que te explique las cosas que no entiendes. Comprender cómo se conectan sus modelos de datos puede indicarle qué necesita diseñar
La tercera etapa: pensamiento sistémico
En este nivel, cada vez que se le solicite corregir un error o escribir una nueva función, le recomiendo pensar en el sistema. Naturalmente, los diseñadores están formados en este ámbito. Utilice el contexto que obtenga de la documentación, las limitaciones técnicas y las necesidades del usuario, y explique el mensaje para obtener todos los detalles necesarios.
Consejo:
- Comunique claramente la intención utilizando Figma MCP, la anotación y el sistema de diseño.
Etapa 4: sepa cuándo dejar de incitar
Estudiado recientemente: Una vez que haya mapeado la arquitectura, haya preguntado a la IA sobre los casos extremos y haya optimizado los escenarios de usuario, esta mejora resulta fructífera. Esta es la misma trampa que diseñar para cada escenario posible en lugar de realizar un curso de investigación que responda a lo que desea aprender.
Siempre inclinarse y optimizar es una trampa. A veces es suficiente. Entregue un MVP, aprenda del uso en el mundo real, luego regrese al diseño y solicite información basada en el uso en el mundo real. Aprendí mucho al entregar el MVP y comprender los problemas clave que me ayudaron a aprovechar mejor las técnicas anteriores para generar y resolver estos errores en minutos usando el código Claude o el cursor.
lección: Diseñe y solicite casos extremos críticos, pero envíelo una vez que se logre la propuesta de valor central. Los conocimientos del mundo real superan a las optimizaciones hipotéticas.
Qué significa esto para los equipos de diseño
Todo lo anterior describe un viaje en solitario. Pero su impacto también se extiende a cómo diseñan y operan los equipos de producto.
La conversación sobre el “cómo” ha cambiado. Tradicionalmente, a veces los diseñadores tienen que ajustar el “qué” porque las limitaciones técnicas dictan el alcance.
“Esto requiere una refactorización exhaustiva, entonces, ¿cómo simplificamos el alcance del diseño aquí?”
Esa conversación sigue siendo válida. Pero los equipos nativos de IA pueden posponerse o no ocurrir en absoluto. Cuando el “cómo” puede lograrse más rápidamente, el “qué” y el “por qué” se convierten en las principales limitaciones. Los equipos cuya intención esté claramente definida y respaldada por investigaciones, estudios de usabilidad y decisiones claras y documentadas avanzarán más rápido. Los equipos que diseñan la documentación del sistema, anotan utilizando MCP de patrones de desarrollo y brindan a los agentes conocimiento contextual sobre los usuarios y los objetivos comerciales avanzarán más rápido.
Mayor retorno de la inversión en diseño. La estrategia de producto ya no necesita definirse principalmente por lo que es más fácil, más rápido o más barato de construir. La IA puede desarrollar capacidades técnicas en torno a las necesidades comerciales y de los usuarios, eliminando contenido aburrido y liberando a los ingenieros para trabajar estratégicamente. Tradicionalmente, esto ha sido una fortaleza de las organizaciones centradas en el diseño como Airbnb y Apple, que tienen ciclos de lanzamiento mucho más lentos.
Ahora, los equipos más pequeños pueden operar de la misma manera. Configurar un sistema de diseño, documentación de archivos y comentarios para que los agentes los analicen ayudará a los equipos a moverse más rápido y entregar productos bien diseñados. El diseño avanza hacia arriba, lo que permite más tiempo para el trabajo estratégico y al mismo tiempo puede ser práctico e implementado.
El interruptor cambia. Cuando los diseñadores pueden crear prototipos funcionales en lugar de solo modelos, la conversación con la ingeniería cambia. No estás entregando una visión y esperando que sobreviva. Está entregando una prueba de concepto funcional. Se reduce la brecha entre la intención del diseño y el producto entregado.
No aprendí a codificar este año. Aprendí a coreografiar. La diferencia importa. La codificación se trata de sintaxis. La orquestación tiene que ver con la intención, los sistemas y saber cómo se ve “hecho”. Los diseñadores llevan años haciendo esto. Las herramientas finalmente se están poniendo al día.
Para obtener más información sobre los flujos de trabajo orientados a la IA, le recomiendo que consulte
https://x.com/mattpocockuk
https://x.com/steipete
https://x.com/Dimilian
Diseñadores como orquestadores de agencias: lo que aprendí sobre el envío con IA en 2025 Publicado originalmente en Colectivo de experiencia de usuario En Medium, la gente continúa la conversación destacando y respondiendo a esta historia.
