logo_retina_pablocoattslogo_retina_pablocoattslogo_retina_pablocoattslogo_retina_pablocoatts
  • Proyectos
  • Experimentos
  • Contacto
  • es
    • en
    • pt
    • es
✕

Validación UX con IA Generativa

Fecha: Septiembre 2024

Rol: Diseñador UX-UI

Tipo: Proyecto Final 

Contexto: Curso de IA para Diseñadores

🎯 Problema Detectado

En contextos financieros, la validación de decisiones de diseño con usuarios reales suele estar condicionada por largos plazos y procesos internos (por razones de seguridad, regulación o disponibilidad).

Esto genera cuellos de botella en los ciclos de diseño, obligando a equipos de UX y producto a tomar decisiones con menos certeza o depender de validaciones tardías.

🧠 Hipótesis

Si pudiéramos realizar pre-validaciones de diseño usando arquetipos reales y datos históricos, podríamos acelerar los ciclos de diseño sin sacrificar la calidad centrada en el usuario.

 

 

Contexto y problemática

Describimos el problema en 5 preguntas

🛠️ Propuesta de Solución

Diseño de un MVP de herramienta basada en IA generativa, que simula la validación de decisiones de diseño usando:

  • Arquetipos de usuarios reales.

  • Datos históricos del comportamiento en la app de seguros.

  • Feedback de encuestas, SNEX y tests de usabilidad anteriores.

 

Funcionalidades clave:
  • Entrenamiento con datos acotados a un flujo de valor específico (seguros).

  • Validación rápida de hipótesis de diseño antes de investigar en terreno.

  • Feedback automatizado del algoritmo en base a distintos perfiles.

Propuesta de solución

Integración de GenAI

📌 Integración al flujo de trabajo UX

La herramienta se pensó para ser utilizada antes de cualquier validación formal, ya sea en etapas de Discovery o Prototipado.


De esta manera, se reduce el riesgo y se acelera la entrega de soluciones al negocio y a desarrollo.

🧩 Datos usados
  • Datos de clientes segmentados (productos, antigüedad, inversión).

  • Literales de encuestas de satisfacción y feedback de tests.

  • Perfil digital y demográfico de los usuarios.

  • Clasificación por Proto-Arquetipos (5 definidos).

⚠️ Desafíos Detectados
  • Riesgos
  • Veracidad de resultados
  • Costos de entranamiento
  • Sesgos
  • Descripción
  • Depende del correcto entrenamiento y curación de los datos.
  • Recursos técnicos, mantenimiento y mejora continua.
  • Riesgo de respuestas desequilibradas, aunque también oportunidad para diseñar con ellos en mente.
📈 Resultado esperado
  • Disminución del tiempo de validación (de semanas a días).

  • Mayor confianza del negocio en las propuestas tempranas.

  • Menores iteraciones en desarrollo.

  • Usuarios finales con soluciones más ajustadas a su realidad desde el inicio.

© Pablo Coatts 2025 | Diseñador de Productos digitales | Todos los derechos reservados.