El vicepresidente de Diseño de Producto afirma que producto, diseño e ingeniería deben contar con una estructura compartida de IA para colaborar eficazmente

Andy Vitale es vicepresidente de Diseño de Producto y del Centro de Excelencia de IA en Taxwell.

Nos sentamos con Andy para hablar sobre cómo los equipos de diseño, producto e ingeniería pueden colaborar eficazmente con la IA. Esto es lo que nos contó.

Donde se encuentran el diseño, la tecnología y la organización

Soy Andy Vitale, un ejecutivo de diseño que ha pasado la última década creando y lanzando productos basados en IA. Actualmente, dirijo el área de Diseño y el Centro de Excelencia de IA en Taxwell, donde creamos productos de software que respaldan decenas de millones de declaraciones de impuestos cada año para más de 90.000 profesionales fiscales y 3 millones de contribuyentes que las presentan por su cuenta.

El trabajo abarca desde productos para consumidores que deben resultar sencillos en situaciones de verdadera presión financiera hasta herramientas profesionales en las que la profundidad y la fiabilidad importan más que ofrecer asistencia paso a paso. Mi organización cubre los impuestos para consumidores, los impuestos profesionales, la plataforma compartida que sustenta ambos ámbitos y nuevas áreas de producto que todavía estamos definiendo. El equipo se organiza en torno a esos dominios y estamos avanzando hacia un modelo de desarrollo asistido por IA, de modo que el diseño trabaja más cerca del producto en lugar de limitarse a entregárselo.

Mi trayectoria con la IA comenzó en 2015 con el procesamiento del lenguaje natural aplicado a la atención sanitaria en 3M. Fue mi primera exposición real al diseño de productos en torno a la inteligencia artificial, no solo de interfaces. Después, dirigí el área de diseño en Rocket, donde observé cómo se mueve la tecnología dentro de una organización grande. Más tarde, como director de Diseño en Constant Contact, vi cómo la IA generativa comenzaba a transformar lo que podían hacer los productos. Ahora, en Taxwell, hago que nuestros productos sean más inteligentes y que nuestros equipos tengan más capacidad para crear con IA de forma fluida.

Siempre me han atraído las intersecciones: los puntos donde se encuentran el diseño, la tecnología y la organización. La IA ha convertido esas intersecciones en la parte más importante del trabajo. Este momento parece ser para lo que me ha preparado toda mi trayectoria.

Cómo crear una base compartida de IA entre disciplinas

Dejamos de tratar la IA como una funcionalidad que añadir y empezamos a tratarla como una infraestructura que construir. Durante el último año, los equipos de diseño, producto e ingeniería han colaborado para crear una base que permite al equipo avanzar más rápido sin trabajar de forma más imprudente.

Eso implica estructuras de soporte y entornos de ejecución compartidos para trabajar con modelos, así como pasos habilitados por IA desde la concepción hasta la validación. No necesitamos esperar para establecer una forma de probar una idea con IA.

La segunda parte de ese cambio es que ahora el equipo crea usando los mismos materiales y herramientas, en lugar de diseñar en un lugar y entregar el trabajo para reconstruirlo en otro. Esto elimina las brechas en las que normalmente se pierde o se distorsiona el trabajo. Cuando un diseñador trabaja en el mismo entorno en el que se crea el producto, la conversación deja de centrarse en las especificaciones y las entregas y pasa a centrarse en el propio producto.

El resultado es velocidad y precisión al mismo tiempo, dos aspectos que normalmente compiten entre sí. La base compartida nos permite avanzar más rápido porque las partes difíciles ya están construidas y se pueden reutilizar. Trabajar con las mismas herramientas implica menos errores de traducción, porque hay menos traducciones. El equipo dedica su tiempo al criterio, en lugar de reconstruir el trabajo de los demás.

El resultado fue una serie de lanzamientos desde cero hasta uno. Ahora, un equipo pequeño puede llevar una idea de principio a fin, pasando del concepto a un software funcional en semanas en lugar de atravesar ciclos de planificación y entregas.

Un flujo de trabajo habilitado por IA, del concepto al software

Voy a explicar nuestro proceso para llevar una idea desde el concepto hasta un software funcional, porque la IA transformó especialmente este flujo de trabajo para nosotros.

Comienza con el descubrimiento, y la IA interviene desde el primer minuto. Antes de que nadie diseñe nada, usamos la IA para recopilar los conocimientos existentes sobre el problema, los patrones obtenidos de la investigación y los datos de soporte, los intentos anteriores y los escenarios fiscales relevantes. En lugar de partir de una página en blanco, el equipo comienza con un punto de vista sintetizado sobre el que puede reaccionar y que puede someter a prueba.

Mientras damos forma a la idea, utilizamos usuarios sintéticos para la ideación. Creados a partir de nuestra investigación conductual, estos usuarios nos permiten explorar cómo podrían responder distintos tipos de contribuyentes a un enfoque antes de comprometernos con él. Son una herramienta de ideación que amplía las direcciones que consideramos y nos ayuda a detectar pronto los puntos débiles de nuestro razonamiento, no un sustituto de los usuarios reales en una fase posterior.

A continuación, pasamos a la construcción, que es donde antes se producía la entrega del trabajo. Como he mencionado, trabajamos el concepto directamente en materiales y herramientas compartidos, el mismo entorno en el que creamos el producto, en lugar de diseñar en un lugar y redactar unas especificaciones para que otra persona lo reconstruya. Un diseñador puede crear rápidamente un prototipo real y funcional, no solo una imagen de cómo sería. Esto es importante porque ahora razonamos sobre el comportamiento real del producto, no sobre una representación del mismo.

Después, validamos con comentarios reales. Utilizamos la IA para moderar las rondas de pruebas, lo que nos permite realizar muchas más sesiones, de forma más coherente, que con un calendario moderado por personas. Los comentarios económicos y rápidos llegan pronto y se incorporan directamente al mismo artefacto de trabajo, no a una nueva ronda de especificaciones. Como el diseño, el prototipo y la construcción utilizan herramientas compartidas, el ciclo entre «hemos aprendido algo» y «el producto ya lo refleja» es corto. La conversación se centra en el producto en sí, en lugar de traducir información entre documentos.

Durante todo el proceso, una persona sigue siendo responsable del resultado. La IA amplía las aportaciones y acelera el proceso, pero conservamos el criterio para decidir qué es correcto, cumple la normativa y es realmente bueno para alguien que presenta su declaración bajo una presión real. En un ámbito regulado, ese es exactamente el lugar que debe ocupar.

Como resultado, un equipo pequeño puede llevar una idea desde un concepto inicial hasta un software funcional en cuestión de semanas, eliminando las pérdidas de información y las esperas que antes se producían entre las distintas etapas.

Por qué la IA es responsable del proceso que conduce a una decisión, pero no de la decisión en sí

Nos apoyamos especialmente en la IA durante las fases de trabajo exploratorio, donde el coste de equivocarse es bajo y el valor de avanzar rápido es alto.

Durante el descubrimiento, la IA nos ayuda a informarnos rápidamente. Recopila el conocimiento existente, identifica patrones en los datos de investigación y soporte, y nos proporciona una ventaja inicial para comprender un problema, en lugar de empezar desde cero.

En la experimentación y la creación de prototipos, la IA nos permite pasar de una idea a algo que se puede probar en una fracción del tiempo. Podemos crear un prototipo funcional y utilizar la IA para moderar algunas pruebas con usuarios, lo que nos permite realizar más sesiones, de forma más coherente, de lo que permitiría un calendario moderado por personas.

Para las decisiones de UX, la IA ofrece una segunda opinión rápida. Nos ayuda a someter los flujos a pruebas de resistencia, revisar los datos de comportamiento e identificar dónde los usuarios pueden dudar o abandonar. Amplía las aportaciones con las que trabaja un diseñador.

Pero la decisión en sí sigue siendo humana, y así debe ser deliberadamente. La IA destaca a la hora de decirnos qué está ocurriendo y qué suele funcionar. No decide la experiencia que ofrecemos a la persona que está al otro lado de la pantalla. La priorización y los juicios sobre si una experiencia es buena, honesta y respetuosa con alguien que presenta su declaración de impuestos bajo una presión real siguen correspondiéndonos.

Yo lo veo así: la IA amplía las aportaciones y acelera el proceso que conduce a una decisión. No toma decisiones que requieran criterio, responsabilidad o atención hacia la persona para la que diseñamos.

Andy comparte

Nos apoyamos especialmente en la IA durante las fases de trabajo exploratorio, donde el coste de equivocarse es bajo y el valor de avanzar rápido es alto. Yo lo veo así: la IA amplía las aportaciones y acelera el proceso que conduce a una decisión. No toma decisiones que requieran criterio, responsabilidad o atención hacia la persona para la que diseñamos.

Cómo los beneficios de la IA también dejan al descubierto las debilidades

El resultado positivo más evidente es la velocidad. Lanzamos una serie de productos y funcionalidades de cero a uno en una sola campaña fiscal, algo que antes habría tardado mucho más en ponerse en marcha, incluido un conector personalizado de Claude que configuramos en cuestión de días, en lugar de meses. Las pruebas moderadas por IA nos permitieron realizar muchas más rondas y hacerlo de forma más coherente que utilizando únicamente moderadores humanos. Como resultado, pudimos tomar decisiones basadas antes en un mayor volumen de evidencias.

Pero avanzar rápido dejó al descubierto todas las debilidades de nuestro proceso. Sin las medidas de protección adecuadas, la velocidad dio lugar a retrabajos y el ritmo exigió mucho al equipo. La IA aceleró nuestras fortalezas e hizo más evidentes nuestras carencias.

El resultado real, que quiero que conozcan otros líderes, es que los equipos que obtuvieron buenos resultados ya contaban con unos fundamentos sólidos. La IA es un acelerador. Recompensa los buenos procesos y deja al descubierto las carencias; por eso, crear esos fundamentos es ahora más importante, no menos.

Por qué la IA tiene dificultades en escenarios de productos complejos

La IA ha rendido claramente por debajo de lo esperado en la parte más compleja del trabajo, ese tramo entre un prototipo prometedor y algo que se puede lanzar con confianza.

Realmente destaca a la hora de llevarte rápidamente a una primera versión. No completa el último tramo. Cuanto más te alejas de un problema limpio y bien definido, más trabajo vuelve a recaer en las personas. Los casos extremos, los escenarios fiscales complejos que se desvían del camino habitual y las decisiones de criterio sobre lo que es correcto y conforme con la normativa siguen requiriendo el mismo esfuerzo humano de siempre.

Ese es el verdadero límite. Solo eres tan rápido como la parte más lenta de tu proceso. La velocidad inicial es real, pero no se acumula como cabría esperar porque el resto del sistema no cambia al mismo ritmo.

Por qué la IA funciona mejor como compañera de reflexión

Según mi experiencia, la IA ofrece mejores resultados cuando se la trata como una compañera de reflexión, no como una máquina de respuestas.

En un ámbito como el nuestro, la precisión y la responsabilidad no son opcionales, por lo que el valor no está en generar una respuesta y seguir adelante. Está en utilizar la IA para llegar más rápido a una respuesta considerada con mayor profundidad.

Cuando nuestros equipos la utilizan para explorar opciones, poner a prueba sus planteamientos y avanzar más rápidamente en las partes que ya dominan, actúa como un verdadero multiplicador.

Andy comparte

En un ámbito como el nuestro, la precisión y la responsabilidad no son opcionales, por lo que el valor no está en generar una respuesta y seguir adelante. Está en utilizar la IA para llegar más rápido a una respuesta considerada con mayor profundidad.

Por qué los líderes de producto deben gestionar cómo reciben los usuarios un producto de IA

La parte más difícil de lanzar IA no es la tecnología; es cómo la reciben las personas.

Mi primer producto de IA, en 2015, consistía en sugerir automáticamente códigos médicos en el ámbito sanitario. El sistema leía la documentación clínica y sugería los códigos adecuados, una tarea que los codificadores médicos profesionales siempre habían realizado manualmente. Me centré en si las sugerencias serían precisas. Subestimé la pregunta que los propios codificadores se hacían en silencio: ¿Está esto aquí para sustituirme?

Ese miedo lo condiciona todo, tanto si lo abordas como si no. Se manifiesta como resistencia, como una falta de adopción silenciosa, como personas que técnicamente siguen adelante mientras esperan que fracase. Y era completamente razonable.

Pusimos delante de las personas una herramienta que realizaba una versión de su trabajo sin explicar primero qué significaba para ellas, así que llenaron ese silencio con la peor interpretación posible. Aprendí que no puedes contrarrestar ese miedo añadiendo funcionalidades. Ningún nivel de precisión responde a la pregunta que se están haciendo.

He aplicado esa lección a todos los productos de IA desde entonces. Introduces el cambio y el significado del cambio al mismo tiempo. La cuestión tecnológica es la fácil. La humana es donde estas iniciativas triunfan o fracasan.

Por qué es necesario renovar los sistemas de diseño

Si tu sistema de diseño solo existe en un archivo de diseño, cada generación de IA de la empresa acaba apartándose ligeramente de la marca y alguien debe reconciliarla después. Este trabajo de reconciliación es el nuevo impuesto que los equipos pagan discretamente por no haberse anticipado a esta situación.

Por tanto, rediseña el sistema de diseño para dejar de tratarlo como un documento de referencia y empezar a tratarlo como un artefacto de ejecución —algo que vive dentro de las herramientas reales que generan el trabajo.

Esto implica más que una biblioteca de componentes. Significa empaquetar las variables de diseño y los componentes para que las herramientas y los equipos puedan incorporarlos directamente al código, distribuirlos como paquetes listos para consumir y combinarlos con capacidades y buenas prácticas asociadas —las reglas y el contexto que una herramienta de IA necesita para utilizar correctamente el sistema. Cuando los estándares, los componentes y los conocimientos prácticos conviven allí donde se realiza el trabajo, la marca aparece desde la primera instrucción en lugar de añadirse al final.

Cuando aciertas, tus estándares de diseño están integrados en todo lo que la empresa entrega, sin importar quién lo haya producido ni qué herramienta haya utilizado. El sistema deja de ser algo a lo que la gente recurre a posteriori y pasa a regir discretamente la calidad a gran escala.

Por qué los CPO deben hacer el trabajo ellos mismos

Mi consejo es sencillo. Ponte manos a la obra. Haz el trabajo tú mismo, ahora, con tus propias manos.

Muchos líderes entregan instintivamente la IA a sus equipos, esperan a que surjan buenas prácticas y, después, establecen el rumbo basándose en lo que han aprendido. Eso funcionó en cambios anteriores. En este caso, no funciona. Todo avanza demasiado rápido, y la brecha entre quienes utilizan las herramientas y quienes hablan de ellas se amplía cada semana. Si prescribes herramientas que nunca has abierto, todo el mundo en la sala se da cuenta.

Dedico buena parte de mi semana a trabajar directamente con estas herramientas, en parte porque disfruto sinceramente del trabajo, pero sobre todo porque creo que no puedes liderar con credibilidad a un equipo durante un cambio que solo observas. Al crear con ellas, aprendes qué es real y qué es humo. Te ganas el derecho a marcar el rumbo y a tomar decisiones mucho mejores sobre dónde encaja la IA y dónde no.

Así que deja de tratar esto como algo que se puede delegar y estudiar desde la distancia. Dedica tiempo real al trabajo. Entrega algo pequeño. Comprueba dónde ayuda y dónde falla. Los líderes que se sitúen por delante serán quienes se impliquen en este momento, no quienes esperen a que se calme.

Sigue la evolución

Puedes seguir el trabajo de Andy Vitale en andyvitale.com y en LinkedIn.

¡Próximamente, más entrevistas con expertos en The CPO Club!