#200 Model Designer: un nuevo rol en diseño UX
Si llevas tiempo sintiendo que el mundo del diseño está cambiando demasiado rápido, no te puedes perder este episodio.
Entrevisto a la diseñadora Paz Pérez, una Ex Google Designer, especializada en diseño ux e inteligencia artificial que nos explicará qué es esta nueva especialización de «Model Designer».
Ser Model Designer implica dar forma al comportamiento de los modelos de IA. Paz nos lo explica mucho mejor en este episodio del podcast. ¡No te lo pierdas!
La historia de Paz Pérez
Paz estudió arquitectura en Sevilla, montó una startup cuando aún no existían los plugins mágicos que montan webs por ti, se mudó a Nueva York, se especializó en UX y acabó en Silicon Valley trabajando con NLP, machine learning y modelos de IA.
Cuando entró en Google, lo hizo en el equipo de anuncios, donde uno de sus primeros retos fue diseñar confianza: cómo lograr que un usuario creyera en los datos modelados que veía en pantalla. Y justo ahí, en medio de ese trabajo, explotó ChatGPT.
Mientras mucha gente seguía tranquila, Paz vio algo que casi nadie estaba viendo: no estábamos ante una herramienta, sino ante un cambio estructural. Un cambio tan profundo que iba a afectar a nuestros roles, a nuestros procesos y a nuestra forma de entender el diseño.
Y cuando entendió lo que venía, empezó a enseñar. Lo que comenzó como una clase improvisada para su equipo terminó siendo una formación interna que ya han tomado cerca de mil empleados de Google.
Model Designer: un nuevo rol en diseño UX
Paz le puso nombre hace años, cuando aún trabajaba en Google, porque vio que había un trabajo que nadie estaba asumiendo: diseñar el comportamiento de un modelo de IA.
Y ojo a esto: no es usar IA para diseñar.
Es diseñar IA.
Un perfil de diseño UX especializado en ser Model Designer trabaja en tres áreas fundamentales:
1. Datos
Qué información alimenta al modelo, qué datos de la empresa incorpora, cómo cambian los resultados según el set de entrenamiento.
2. Contexto
Ese documento (enorme, invisible y crítico) que determina cómo debe responder el modelo: tono, límites, instrucciones, personalidad, sesgos que deben evitarse, situaciones prohibidas.
3. Evaluaciones
Los tests internos que determinan si el modelo responde de forma correcta, segura y útil. Esta parte, hoy, está en manos casi exclusivas de ingeniería. Y debería haber diseñadores ahí.
Cuando Paz me contó esto, entendí algo: estamos ante la oportunidad más grande que ha tenido el UX desde que nació.
Las tres capas del diseño con IA: dónde puedes trabajar tú
Para entender tu lugar en este nuevo mapa, necesitas ver estas tres capas:
Capa 1: Ejecución
Prototipar rápido, generar textos, resumir entrevistas, crear copies o maquetas. Es útil, sí. Pero es la parte más reemplazable del proceso.
Capa 2: UX para la persona usuaria
Cómo construimos confianza. Cómo evitamos sesgos. Cómo el usuario controla la memoria de la IA. Cómo entiende lo que hace y por qué lo hace. Aquí sigue habiendo muchísimo que diseñar.
Capa 3: Diseño del modelo
Aquí está una nueva especialización dentro del diseño UX.
Esta trata de: diseñar instrucciones, ajustar el comportamiento del modelo, testar los límites, corregir errores, decidir qué puede y qué no puede hacer la IA.
Esta área puede convertir a los perfiles de diseño UX en una pieza estratégica dentro de las empresas.
La verdad incómoda: si te quedas en la fase ejecutiva del diseño, la IA te va a sustituir
Hablamos del elefante en la habitación…
“Si tu trabajo es solo producción, ya estás en riesgo”.
Y lo estamos viendo: despidos masivos en perfiles de ejecución, product managers prototipando solos, herramientas automatizando flujos enteros.
Pero al mismo tiempo hay una gran necesidad de perfiles de diseño capaces de pensar sistemas, de entender comportamiento humano, de anticipar riesgos, de crear experiencias más seguras, éticas y alineadas con la realidad de la IA.
Ética: el tema que no podemos seguir posponiendo
En la conversación surgió un ejemplo reciente de cómo una IA permitía desnudar personas en imágenes generadas. La empresa reaccionó después del escándalo. Como siempre.
Paz lo resumió así:
“Diseñar lo que una IA no debe hacer, lleva más tiempo, pero es lo que más falta hace”.
Según Paz hay futuro para el UX. Muchísimo. Pero tenemos que formarnos y reclamar ese espacio.
Nuestro trabajo siempre ha sido mejorar la vida de las personas a través del diseño. Lo único que cambia es que ahora tenemos una herramienta nueva, poderosa y compleja que necesita ser entendida y diseñada.
Recursos
Puedes contactar con Paz a través de su LinkedIn.
Sigue a Paz en Medium donde puedes seguir aprendiendo a través de sus artículos.
El artículo mencionado en el podcast por Paz «The rise of the Model Designer».
Además Paz Pérez ha lanzado su propia empresa: Nothing Fancy AI.
Su misión es formar a equipos de UX para que puedan participar en el diseño del comportamiento de la IA, además de ayudar a empresas a crear flujos automatizados basados en agentes.
Glosario términos del episodio
Una intent (intención, en español) en Inteligencia Artificial
Particularmente en el ámbito de los chatbots y el procesamiento del lenguaje natural (PLN), representa el propósito o el objetivo subyacente de lo que un usuario quiere lograr cuando interactúa con un sistema. Ir a un artículo relacionado.
Es la interpretación de lo que la persona usuaria realmente quiere hacer, yendo más allá de la simple coincidencia de palabras clave.
Un desglose detallado de qué es una intent en IA:
- Definición Core: Es la «acción» o «pregunta» que la IA identifica en la frase del usuario. Por ejemplo, en la frase «Quiero reservar un vuelo a Londres», la intent es
reservar_vuelo. - ¿Cómo funciona? Los sistemas de IA utilizan NLU (Natural Language Understanding) para analizar la entrada del usuario y clasificarla en una de las intenciones predefinidas en su modelo.
- Intents vs. Entidades:
- Intent (Intención): Qué quiere hacer el usuario (ej:
ver_clima). - Entity (Entidad): Detalles específicos necesarios para completar esa acción (ej: ubicación «Madrid», fecha «mañana»).
- Intent (Intención): Qué quiere hacer el usuario (ej:
- Importancia: Una correcta clasificación de la intención es fundamental para que el bot ofrezca respuestas relevantes, personalizadas y automatizadas, mejorando la experiencia del usuario.
Modelo LLM
Un LLM (Large Language Model o Modelo de Lenguaje Grande) es un tipo de Inteligencia Artificial avanzada entrenada con cantidades masivas de texto para comprender, resumir, traducir, predecir y generar lenguaje humano de forma natural. Se basan en redes neuronales (arquitectura Transformer) y aprendizaje profundo para procesar y crear contenido similar al humano. Ir al artículo relacionado.
Características y Funcionamiento Clave:
- Entrenamiento a gran escala: Se alimentan de billones de palabras provenientes de libros, sitios web y código para aprender patrones de lenguaje.
- Capacidad generativa: Pueden crear texto nuevo (artículos, correos, código) en respuesta a un «prompt» o pregunta del usuario.
- Aplicaciones versátiles: Se utilizan para chatbots, análisis de opiniones, traducción automática, resúmenes y búsqueda inteligente.
- Limitaciones: Pueden «alucinar» (crear información falsa) si no tienen datos precisos o sesgos en el entrenamiento. Cloudflare +4
Ejemplos Reales:
En resumen, los LLM actúan como «motores» lingüísticos capaces de realizar tareas complejas de procesamiento de lenguaje natural (PLN) que antes requerían exclusivamente inteligencia humana.
No Woke
«No woke» se refiere a la postura opuesta al movimiento «woke», posicionándose contra las ideas progresistas, la justicia social extrema y las políticas de inclusión/diversidad.
Quienes usan este término buscan defender los valores tradicionales y critican lo que consideran «ideología de izquierda», «cultura de la cancelación» o imposición cultural.
Mejora tus habilidades en diseño con Inteligencia Artifical
En nuestra escuela de tribUX comienza un nuevo grupo de trabajo.
El objetivo es diseñar la app de Agromo durante los próximos 4 meses y medio, un programa para mejorar tus habilidades diseñando una app real con Inteligencia Artificial Generativa que previene riesgos medioambientales.
