# Q&A #5 – Cuando la IA se encarga de la ejecución ¿cómo «vender» el valor del diseño?

- Link: https://www.solmesz.com/es/articulos/cuando-ia-ejecuta-como-vender-valor-diseno
- Published: 2026-06-15T00:00:23-03:00
- Author: Sol Mesz

En los posts anteriores hablamos de métricas, stakeholders, objetivos vagos y decisiones
de diseño conectadas con impacto. Pero con la IA hay una pregunta que hoy se vuelve
inevitable: si la IA empieza a hacerse cargo de buena parte de la ejecución, ¿dónde
queda el valor del diseño?

Mi respuesta parte de una idea clave: cuando la ejecución se vuelve más barata y
más rápida, el valor de diseño se desplaza cada vez más hacia el criterio. La IA
ayuda a producir más y a hacerlo más rápido, pero lo central sigue siendo tener 
el criterio para identificar qué vale la pena producir, para quién, con qué impacto
esperado.

Esta fue la quinta pregunta del Q&A con Bryan Zmijewski. 

---

**Bryan**: en la pregunta anterior respondías que cuando para clarificar los objetivos“
_hay dos formas en que los diseñadores pueden empezar este proceso. La primera es
usando lo que las palabras mágicas, y la segunda adoptando una mirada sistémica.
Y ambas deberían usarse juntas_”.

Esto me hizo pensar inmediatamente en mis hijos en jardín de infantes. Cinco rondas
de “por qué” y, de repente, ya habían descubierto cómo usar la ternura como táctica
de negociación. Pero bromas aparte, esto es muy acertado. Es simple y funciona.

A medida que los sistemas se vuelven más complejos, con agentes de IA y personas
tomando decisiones en conjunto, muchas de las cosas sobre las que un diseñador pregunta“
por qué” ya no son visibles. Están enterradas en la lógica de habilidades, reglas
de automatización o datos de entrenamiento. Ahí es donde la cosa empieza a ponerse
más compleja.

Estamos entrando en una etapa en la que humanos y agentes van a cruzarse constantemente
en la toma de decisiones. Y eso abre una pregunta real: ¿con quién está trabajando
realmente el diseñador ahora?

Mi pregunta principal es cómo los diseñadores convierten esto en un intercambio 
de valor claro para el negocio. **A medida que los sistemas se vuelven más abstractos,
la eficiencia se vuelve más difícil de señalar. ¿Cómo se vende el valor de este 
trabajo en ese contexto? El juicio es una pieza clave de ese valor.**

---

**Sol**: en la [pregunta anterior](https://www.solmesz.com/es/?p=23037), cuando 
hablaba de usar las palabras mágicas «por qué» para entender los objetivos de un
pedido (para luego poder medir en qué medida lo logramos) no me refería a la técnica
de los “5 porqués”.

Este «por qué» _no es un ejercicio de causa raíz_ para encontrar el origen de un
problema hasta encontrar una única causa. La función de este «por qué» es la de 
encontrar una forma de encuadrar mejor el problema: qué problema hay que resolver,
para quién y dentro de qué restricciones.

El objetivo no es llegar a una única causa, sino hacer visibles la intención, los
supuestos y los trade-offs detrás de una decisión.

Dicho eso, cuando la IA se encarga de la eficiencia, el criterio se vuelve uno de
los principales motores de valor para los diseñadores.

En productos que usan IA, el criterio ayuda a decidir qué debería hacer la IA y 
qué no, cómo manejar los posibles errores, qué contexto necesita el sistema, cuándo
hace falta intervención humana, qué niveles de confianza son adecuados y cómo construir
confianza en el sistema para los usuarios.

Algunas preguntas típicas de criterio cuando se incorpora IA a un producto o proceso
podrían ser: ¿el sistema debería aprobar automáticamente este préstamo o derivarlo
a una persona? ¿Debería generar este borrador de email o hacer preguntas aclaratorias
primero? ¿Debería resolver consultas rutinarias de clientes o escalar todo lo que
sea ambiguo?

### Pero el criterio no aparece solo en la interacción con la IA. Hace falta durante todo el proceso.

**Desde el lado del negocio y la estrategia**, hace falta juicio para decidir qué
construir y qué no construir, porque cuando construir se vuelve barato, también 
se vuelve más fácil que nunca construir algo que nadie necesita.

**Desde el lado del producto**, hace falta juicio para entender, o ayudar a clarificar,
qué problema está resolviendo o debería resolver el equipo. Un stakeholder puede
decir: “necesitamos un agente de IA para responder consultas de clientes”. Pero 
un diseñador que pregunta «por qué», puede descubrir que el problema real es que
la información que usa el equipo de soporte es inconsistente, o que la sección de
preguntas frecuentes no está funcionando.

Esa capacidad para identificar si estamos resolviendo el problema correcto puede
ayudar a redirigir todo el proyecto y evitar que el negocio invierta en construir
la solución incorrecta.

Desde una mirada sistémica, el juicio consiste en mapear dependencias y decir, por
ejemplo: “esto no va a funcionar si no involucramos a compliance desde el inicio
y rediseñamos también su proceso de revisión”. Eso no tiene que ver solamente con
la interfaz. Tiene que ver con la viabilidad real del sistema.

**Desde el lado de las métricas,** el criterio implica definir indicadores alineados
con el valor que realmente se quiere crear. Muchas veces los equipos tienden a medir“
tasa de automatización con IA” o “tiempo ahorrado”. Pero un diseñador podría cuestionar
eso y decir: “si medimos el éxito de esta manera, vamos a optimizar cantidad por
sobre precisión, y podemos terminar dejando al equipo de soporte en una peor posición”.

**Y desde el lado operativo**, el criterio también implica identificar si están 
las personas correctas en la conversación. Tal vez operaciones tiene que estar involucrado
en la etapa de diseño, no recién en el lanzamiento. Ahí el juicio del diseñador 
está en detectar cuándo falta una perspectiva crítica para que la solución funcione.

Todas estas decisiones tienen que ver con algo más allá de la ejecución: con entender
si el proyecto está realmente preparado para generar valor.

**Y ahí es donde los diseñadores pueden demostrar su aporte en tiempos de IA: no
solo produciendo más rápido, sino ayudando a decidir mejor qué vale la pena producir,
cómo debería funcionar y bajo qué condiciones puede generar impacto real. Y, por
supuesto, proponiendo las métricas relevantes que permitan identificar ese impacto.**