Diseñar interfaces para productos con IA: confianza, control y transparencia

La primera vez que diseñamos una función con IA para un cliente, una herramienta interna de una inmobiliaria que redactaba descripciones de viviendas a partir de los datos de la ficha, cometimos un error de enfoque muy instructivo. Diseñamos la interfaz como si el resultado fuera siempre correcto: un botón «Generar», un texto que aparecía en el campo y un botón «Publicar». En las pruebas, una agente publicó una descripción que hablaba de «vistas al mar» en un piso interior. El modelo había rellenado un hueco con lo más habitual en la zona, y la interfaz no daba ninguna pista de que eso pudiera pasar.

Rediseñamos. El texto generado pasó a aparecer como borrador, con una etiqueta clara, los datos de la ficha en los que se basaba resaltados al lado y las afirmaciones que no salían de la ficha subrayadas para revisar. La publicación requería un paso de revisión. Las agentes lo usaron más, no menos, porque se fiaban de lo que veían.

Esa es la esencia de diseñar interfaces para IA: la tecnología produce resultados probables, no certezas, y la interfaz tiene que ayudar a las personas a trabajar con esa incertidumbre con confianza. En esta guía repasamos los patrones que usamos en el estudio, de las expectativas a los errores, con un checklist final.

01Qué cambia al diseñar para productos con IA

Una interfaz tradicional es determinista: el mismo clic produce el mismo resultado. Con IA generativa, la misma petición puede dar respuestas distintas, algunas excelentes y alguna equivocada con total aplomo. Eso añade tres trabajos al diseño de interfaces:

• →Ayudar a pedir bien. La calidad del resultado depende mucho de la entrada, y la mayoría de personas no sabe qué pedir ni cómo.
• →Ayudar a evaluar. La persona necesita pistas para decidir cuánto confiar en cada resultado y qué revisar.
• →Hacer fácil corregir. Editar, regenerar, deshacer y descartar tienen que estar a un toque.

Los principios clásicos siguen vigentes. Las heurísticas de Nielsen (visibilidad del estado del sistema, control y libertad del usuario, prevención de errores) se aplican con más fuerza que nunca. Y hay marcos específicos muy útiles: las 18 directrices de interacción humano-IA de Microsoft Research (Amershi y otros, 2019), la People + AI Guidebook de Google y los apartados de Apple sobre aprendizaje automático en sus Human Interface Guidelines.

02Fijar expectativas: qué puede hacer y qué no

La primera directriz de Microsoft es dejar claro qué puede hacer el sistema, y la segunda, con qué grado de acierto. Las expectativas mal ajustadas son la fuente principal de frustración con la IA: quien espera magia se decepciona, y quien no sabe lo que puede pedir, no pide.

Lo que funciona:

• →Describir la capacidad en lenguaje concreto. «Redacta un borrador de descripción a partir de los datos de la ficha», mejor que «Asistente inteligente».
• →Mostrar ejemplos de peticiones. Sugerencias pulsables en el estado vacío enseñan el alcance mejor que cualquier explicación.
• →Decir los límites con naturalidad. «Se basa solo en los datos de esta ficha; revisa los detalles antes de publicar».
• →Introducir la función en el momento útil. Un aviso contextual la primera vez que la persona abre una ficha vacía funciona mejor que un tutorial al principio. Hablamos de cómo dosificar esas presentaciones en la guía de onboarding de producto digital.

03Diseñar la entrada: del campo vacío a la petición guiada

El campo de texto vacío con un cursor parpadeando es la interfaz más flexible y también la más exigente. Obliga a la persona a saber qué pedir y cómo formularlo, lo que dispara la carga cognitiva. Para la mayoría de productos conviene ofrecer entradas más guiadas.

La regla general: cuanto más concreta y frecuente es la tarea, más se acerca la entrada a un botón. El campo libre se reserva para lo que de verdad es abierto.

04Presentar resultados: borradores, fuentes y señales de revisión

Cómo se muestra un resultado generado influye directamente en cuánto se confía en él. Estas son las decisiones que más impacto tienen.

Mostrarlo como borrador

Un resultado que aparece en un área diferenciada, con una etiqueta «Borrador» y acciones de aceptar, editar o descartar, invita a revisarlo. Uno que aparece directamente insertado como definitivo invita a darlo por bueno. Para contenido que se publicará o enviará, el formato borrador es casi siempre la mejor opción.

Enseñar de dónde sale

Cuando el resultado se basa en documentos, datos o fuentes, mostrarlas es la herramienta de transparencia más potente. Citas enlazadas a la frase exacta del documento, datos de la ficha resaltados junto al texto, enlaces a la fuente original. Permiten verificar en segundos y enseñan a la persona cómo funciona el sistema.

Señalar lo que conviene revisar

Los porcentajes de confianza suelen confundir más que ayudar. Funciona mejor una señal cualitativa y accionable: subrayar las afirmaciones que no salen de la fuente, avisar cuando la información disponible es escasa, marcar los datos numéricos para comprobar.

Ofrecer alternativas cuando aporta

Para tareas creativas, mostrar dos o tres variantes ayuda a elegir y deja claro que no hay una única respuesta correcta. Para tareas factuales, una sola respuesta con fuentes suele ser más útil que varias.

Clave: la confianza que buscamos no es la máxima, sino la justa. Una buena interfaz de IA ayuda a fiarse de lo que merece confianza y a revisar lo que la necesita.

05Control: editar, deshacer, detener y aprender

La persona tiene que sentir en todo momento que lleva el mando. Estos controles son la base:

1. 01Detener. Si la respuesta tarda o va por mal camino, un botón para pararla, visible mientras se genera.
2. 02Editar en el sitio. El resultado se puede modificar directamente, sin copiarlo a otro lugar.
3. 03Regenerar con ajuste. Pedir otra versión, idealmente indicando qué cambiar («más corta», «sin tecnicismos»).
4. 04Deshacer. Cualquier cambio que la IA haga en un contenido existente se deshace con un clic, y se conserva la versión anterior.
5. 05Confirmar acciones con consecuencias. Si la IA va a enviar, publicar, borrar o pagar algo, se muestra lo que va a hacer y se pide confirmación explícita.
6. 06Dar feedback. Valoración sencilla del resultado (útil o no útil) con opción de explicar por qué. Sirve para mejorar el sistema y hace sentir escuchada a la persona.
7. 07Gestionar la memoria y los datos. Si el sistema recuerda preferencias o usa datos personales, la persona puede verlo, editarlo y desactivarlo.

Los botones de estas acciones siguen las reglas de jerarquía de siempre: una acción principal clara (aceptar o insertar) y las secundarias accesibles sin competir con ella, con la misma lógica que cualquier otro grupo de botones de la interfaz.

06Espera, errores y estados vacíos

Los modelos de IA tardan: desde un segundo hasta bastantes más en tareas largas. La percepción de esa espera se diseña.

Mostrar progreso real. Si el texto se genera palabra a palabra, mostrarlo en tiempo real (lo que se llama streaming) hace la espera mucho más llevadera. Para tareas largas, indicar en qué paso está el sistema («Leyendo 3 documentos… Redactando…») ayuda a confiar en que algo está pasando.

Errores que orientan. Cuando el sistema no puede responder, lo que funciona es explicar por qué en términos humanos y ofrecer un camino: reformular, añadir información, intentar más tarde o hacerlo manualmente. «No he encontrado información sobre la orientación de la vivienda en la ficha. Puedes añadirla o escribir esa parte a mano».

Respuestas fuera de alcance. Si la persona pide algo que el sistema no hace, decirlo con claridad y sugerir lo que sí puede hacer es mucho mejor que una respuesta inventada.

Estado vacío que enseña. La primera pantalla de una función con IA es la mejor oportunidad para mostrar ejemplos de lo que se puede pedir.

Probar con personas una función con IA

Los tests de usabilidad de una función con IA tienen una particularidad: cada participante verá resultados distintos. Lo que nos funciona es combinar dos tipos de tareas. Unas con entradas fijas, preparadas por el equipo, para comparar cómo interpretan las personas el mismo resultado (incluido uno con un error deliberado, para ver si lo detectan). Y otras libres, en las que cada participante usa la función con su propio contenido, que es donde aparecen las peticiones reales y las expectativas que no habíamos previsto.

Además de si completan la tarea, conviene observar tres cosas: si revisan el resultado antes de aceptarlo, si encuentran cómo corregirlo y si saben explicar con sus palabras qué hace la función. Esas tres respuestas dicen mucho sobre si la confianza está bien calibrada.

07Transparencia, normativa y un checklist para revisar tu diseño

El Reglamento Europeo de IA (Reglamento (UE) 2024/1689) establece, a partir de agosto de 2026, que las personas deben saber cuándo interactúan con un sistema de IA, y que ciertos contenidos generados deben marcarse como tales. En la interfaz esto se traduce en etiquetas claras, discretas y accesibles (un icono acompañado de texto, no solo un símbolo) y en información sobre el funcionamiento a un clic de distancia. Si el producto incluye un asistente conversacional, en nuestra guía de chatbots y asistentes con IA entramos en el detalle.

Antes de dar por terminada una función con IA, la repasamos con estas preguntas:

• →¿Se entiende en una frase qué hace la función y cuáles son sus límites?
• →¿Hay ejemplos o sugerencias en el estado vacío?
• →¿La entrada es tan guiada como permite la tarea?
• →¿El resultado aparece como borrador cuando se va a publicar o enviar?
• →¿Se muestran las fuentes o los datos en los que se basa?
• →¿Se señala lo que conviene revisar?
• →¿Se puede detener, editar, regenerar y deshacer?
• →¿Las acciones con consecuencias requieren confirmación?
• →¿Hay un mensaje útil para cada tipo de error?
• →¿Está etiquetado el contenido generado de forma accesible?
• →¿Puede la persona ver y controlar qué datos usa el sistema?
• →¿Se ha probado con resultados reales del modelo, incluidos los malos?

08Diseñar con la persona en el centro

En la inmobiliaria del principio, la versión final de la herramienta no era la más espectacular que podíamos haber hecho, pero sí la que más se usó. Las agentes ahorraban tiempo en la parte tediosa (estructurar el texto, adaptarlo a portales e idiomas) y ponían su conocimiento en lo que importaba: el detalle de la luz por la tarde, el ambiente del barrio, lo que no está en ninguna ficha. Y nunca más se publicó un piso interior con vistas al mar.

Así entendemos el diseño de interfaces para IA: herramientas que amplían el criterio de las personas, con la tecnología al servicio de su trabajo y la última decisión siempre en sus manos.

En SIMA diseñamos y desarrollamos productos digitales con funciones de IA dentro de nuestro servicio de desarrollo web y apps con IA, cuidando tanto lo que hace el modelo como lo que siente quien lo usa. Si estás pensando en incorporar IA a tu producto o herramienta interna, escríbenos y lo diseñamos juntos.