Los asistentes de IA no tienen que comunicarse en segmentos. Pueden comunicarse a través de interfaces.
LLM ha convertido los asistentes de IA en una característica estándar en SaaS. El asistente de IA permite a los usuarios recuperar información instantáneamente e interactuar con el sistema a través de indicaciones basadas en texto. Mathias Bülmann en su artículo “Introducción a AX: Por qué es importante la experiencia del agente,” analiza dos enfoques diferentes para crear asistentes de IA. Los enfoques cerrados implican asistentes de conversación integrados directamente en un único producto SaaS. Los ejemplos incluyen AI Companion de Zoom, Einstein de Salesforce CRM y Copilot de Microsoft. Los enfoques abiertos implican asistentes de conversación externos como Claude, ChatGPT y Gemini, que se mejoran con protocolos como MCP (Protocolo de contexto modelo). Este protocolo permite a los asistentes de IA conectarse e interactuar con una variedad de asistentes de conversación diferentes. Productos SaaS, haciendo que los productos de la empresa sean accesibles de manera efectiva para asociados y agentes externos.
riesgo de mercantilización
Ambos métodos funcionan bien. Proporcionan a los usuarios una flexibilidad sin precedentes. Sin embargo, también reducen una experiencia de usuario bien diseñada a una interfaz puramente basada en texto. Cuando las interacciones son solo de texto y están separadas de su producto, la experiencia del usuario ya no es un diferenciador y su El producto corre el riesgo de convertirse en una mercancía..
La interfaz de texto plano también limita la interacción con la recuperación de información simple y las operaciones CRUD básicas, lo que dificulta los flujos de trabajo complejos. este causar restricciones Cuando los usuarios intentan consumir grandes cantidades de información y realizar operaciones complejas únicamente mediante mensajes de texto. Andrej Karpathy entre sus trabajos recientes Resumen del año 2025 LLMseñaló que si bien el texto es el formato favorito de las computadoras y los estudiantes de LL.M., no es adecuado para los humanos. Los humanos preferimos la información visual. Asimismo, Maximilian Piras señaló en 2024: El chat generalmente no es adecuado para patrones de interacción complejos..
El atractivo de la interfaz de usuario generativa
Una respuesta cada vez más popular son las interfaces de usuario generativas, en las que la inteligencia artificial crea automáticamente interfaces basadas en las indicaciones de los usuarios. Si bien esta capacidad podría mejorar significativamente, también conlleva el riesgo de ofrecer una experiencia genérica. Sin la aportación de los diseñadores, las experiencias de usuario generadas por IA utilizarán de forma predeterminada un promedio común de sus datos de entrenamiento. Cada producto comienza a verse igual. No hay diferencia. Dorian Tireli describe cómo La inteligencia artificial está exacerbando la mediocridad Dado que los datos de entrenamiento provienen de una plataforma de diseño universal optimizada para el atractivo visual.
Caso de integración del sistema de diseño.
Por lo tanto, necesitamos investigar una forma alternativa de enseñar a los asistentes de IA sobre el sistema de diseño único de un producto: sus componentes, patrones y pautas. En lugar de mostrar bloques de texto y párrafos, ¿qué pasaría si el asistente pudiera presentar la rica interfaz proporcionada por el sistema de diseño de productos cada vez que el usuario lo solicite? Esto transforma el chat de un cuadro de texto estático a una ventana gráfica dinámica con ricos elementos interactivos. este Últimas noticias El protocolo MCP hace posible este enfoque.
Tres modos brindan una experiencia de IA más rica
Para crear una experiencia más rica y diferenciada, consideré tres patrones de diseño diferentes que pueden ayudarnos a escapar de la trampa del texto.
Modo 1: salida enriquecida
En aplicaciones empresariales complejas, los usuarios consumen datos, no sólo respuestas. Grandes bloques de texto crean una carga cognitiva. El desafío es ir más allá del texto y lograr una interfaz de usuario más rica. Por ejemplo, cuando se le solicita al usuario “Fusionar los dos registros de John Smith marcados ayer”, la IA no pregunta “¿Cuál debería ser el registro principal?”. En cambio, muestra dos tarjetas de contacto y metadatos uno al lado del otro, lo que permite al usuario tomar la decisión a través de la interfaz de usuario. Este enfoque maximiza la capacidad de escaneo, permitiendo a los usuarios comprender inmediatamente la situación y priorizar acciones posteriores.
Modo 2: UI como entrada
Una experiencia diferenciada debe comenzar con los aportes, no solo con los resultados. Imagínese si un asistente de IA pudiera reemplazar los cuadros de texto con componentes de entrada estructurados, en lugar de obligar a los usuarios a crear mensajes de texto precisos y exigirles que conocieran los parámetros exactos que deben proporcionar. Por ejemplo, cuando un usuario quiere recuperar un registro, el asistente de IA puede simplemente mostrar un generador de consultas, en lugar de escribir “Mostrar clientes potenciales de California con alta actividad” y luego pedirle al usuario que vuelva a preguntar cada vez que quiera agregar más parámetros.
Este cambio de texto a entrada de alta fidelidad elimina la ambigüedad, reduce los intercambios y hace que las interacciones generales sean más rápidas y precisas.
Modo 3: Co-creación
Los modos 1 y 2 representan interacciones únicas. Pero los escenarios del mundo real rara vez son tan simples. En las aplicaciones SaaS, las tareas de alto valor son flujos de trabajo de varios pasos. Crear campañas de automatización de marketing. Cree informes complejos. Configurar la integración. Estas no son cosas que se completan en un solo mensaje, sino que se desarrollan en una conversación donde el usuario y el asistente de IA trabajan juntos para perfeccionar el trabajo.
Para respaldar esto, el asistente de IA debe ser más que un simple respondedor. Tiene que ser un espacio de trabajo.
Veamos cómo funciona esto a través de un escenario: un usuario crea una campaña de automatización de marketing. Mensaje de usuario: “Cree una actividad para los usuarios de prueba que aún no están activados”. La IA responde renderizando un componente de creación de procesos que muestra un borrador de la actividad.
De aquí en adelante, cuatro habilidades Cambie las conversaciones de ida y vuelta al modo de cocreación.
Cambio de modo fluido
No se debe obligar a los usuarios a volver a un mensaje de texto cuando quieran actualizar un bloque. Los asistentes de IA deberían permitir a los usuarios moverse con fluidez entre texto y acciones directas. Por ejemplo, en lugar de que se le solicite “Cambiar el tiempo de espera a 5 días”, el usuario puede simplemente ajustar el componente de espera directamente en el generador de procesos. La IA valida los cambios y actualiza automáticamente los elementos relevantes.
Recomendaciones proactivas entre herramientas
Los flujos de trabajo complejos a menudo implican múltiples herramientas y los usuarios necesitan información de diversas fuentes para tomar mejores decisiones. Los asistentes de IA pueden incorporar datos de herramientas conectadas directamente a los flujos de trabajo, en lugar de obligar a los usuarios a iniciar nuevas conversaciones o abrir nuevas pestañas. Aún mejor, puede sacar a la luz conocimientos de forma proactiva.
En nuestro ejemplo, una vez creado el flujo, la IA notó que la mayoría de los usuarios inactivos estaban en dispositivos móviles, mientras que la plantilla de correo electrónico estaba centrada en el escritorio. Sin preguntar, extrae datos de uso de herramientas de análisis conectadas y muestra una breve información en el generador de procesos: “El 68 % de los usuarios de prueba inactivos utilizan dispositivos móviles, pero sus plantillas de correo electrónico no están optimizadas para dispositivos móviles”.
Para ello, el asistente de IA necesita el nivel adecuado de acceso a los datos. Pero el acceso por sí solo no es suficiente. Diseñar la capa de juicio requiere saber cuándo vale la pena ofrecer información y cuándo el silencio es una mejor opción.
Delegación de subtareas discretas
En algún momento de un flujo de trabajo de varios pasos, es posible que un usuario desee entregar por completo el trabajo incluido. Según los conocimientos de optimización móvil, los usuarios solicitan al asistente de IA que actualice las plantillas. Luego, el asistente de IA se encarga del trabajo del contenido mientras el usuario continúa refinando la lógica estructural de la campaña. Cuando esté lista, AI muestra la plantilla actualizada para su revisión. Esto es La cocreación como división del trabajono solo turnándose.
Refinar según el contenido del texto
La entrada basada en texto no tiene que estar en una información sobre herramientas; puede estar relacionada con un elemento de la interfaz de usuario. Por ejemplo, un usuario pasa el cursor sobre un conector en el flujo y se le solicita “Enviar una encuesta preguntándole sobre sus mayores desafíos y luego dirigirlo a diferentes pistas de contenido según sus respuestas”. En respuesta, la IA inserta un nuevo bloque de encuesta antes del bloque final de correo electrónico de recordatorio, crea ramas condicionales basadas en respuestas comunes y muestra un flujo de trabajo de múltiples rutas.
Debido a que las indicaciones están ancladas a componentes específicos en lugar de en un cuadro de indicación general, la IA comprende en qué parte del flujo de trabajo está actuando el usuario, no solo lo que dice. Aspectos destacados de la biblioteca Shape of AI de Emily Campbell acción en línea Como una forma para que los usuarios ajusten o respondan a una pequeña porción de contenido más grande.
En el Modo 3, el asistente de IA ya no obliga a los usuarios a participar en conversaciones paso a paso, sino que se convierte en un modo adicional de la experiencia del producto. Guarda el contexto entre las herramientas para que los usuarios no tengan que hacerlo. crea Un espacio de trabajo compartido para la cocreación Esto permite a los usuarios y a los asistentes de IA trabajar juntos.
La artesanía no ha cambiado.
Si bien diseñar para asistentes y agentes de IA puede parecer desalentador al principio, la buena noticia es Las habilidades necesarias para tener éxito no son nuevas. Son los mismos fundamentos que siempre hacen que los grandes diseñadores se destaquen.
Necesita un conocimiento profundo de sus usuarios y del trabajo por realizar para determinar qué tareas realmente se benefician de la IA conversacional. Como destacan estos artículos, el pensamiento sistémico se está convirtiendo rápidamente en una de las habilidades más importantes. vendedor y adobe. Necesita pensamiento sistémico porque estos asistentes cruzan fronteras, dentro de la IA de su producto y más allá de ella hacia otras herramientas. También necesita conocimientos técnicos: modelos de datos, API, lógica de backend. Cuando los usuarios pueden consultar cualquier dato que toque el sistema, será mejor que sepan cómo se ven esos datos.
Los asistentes y agentes de inteligencia artificial seguirán creciendo. La pregunta no es si su producto tendrá esa experiencia, sino si la experiencia será diferenciada o mercantilizada.
Existen trampas literales, pero no son inevitables.
La trampa del texto de la IA: hacia un futuro más interactivo Publicado originalmente en Colectivo de experiencia de usuario En Medium, la gente continúa la conversación destacando y respondiendo a esta historia.
