Estás en una excelente posición para encontrar oportunidades valiosas para la IA. Puedes evaluar tanto la viabilidad técnica de una idea como su impacto en la experiencia del usuario, dos perspectivas que deben unirse para que las funciones basadas en IA tengan éxito. No debes crear funciones potenciadas por IA porque sean novedosas o impresionantes, sino porque realmente les faciliten la vida a los usuarios, les ahorren tiempo o les permitan disfrutar más de sus actividades.
En este módulo, se describe un método estructurado e iterativo para generar ideas, especificar y crear prototipos de casos de uso de la IA en tu producto.
Comprende el valor de la IA
El siguiente árbol de oportunidades de IA define las grandes categorías de valor que puede proporcionar la IA:
Enumeramos categorías de valor para que organices tus soluciones. A medida que avanzas en la lista, la complejidad, el riesgo y el potencial de impacto en el usuario tienden a aumentar:
- Estadísticas: Mejoran la toma de decisiones.
- Conveniencia: Elimina los inconvenientes.
- Automatización: Reemplaza el trabajo repetitivo.
- Aumento: Ayuda a los usuarios con tareas complejas o creativas.
- Personalización: Adapta el producto a las necesidades y preferencias de cada persona.
Primero, intenta resolver los casos de uso de menor impacto. Por ejemplo, recopila mejores estadísticas del producto con un sistema interno de IA para que puedas mejorarlo desde adentro. Luego, audita tu deuda de UX existente y usa la IA para reducir la fricción y la carga cognitiva de tus usuarios. A medida que adquieras confianza y experiencia, podrás abordar casos de uso más complejos y aumentar la exposición a la IA.
Dicho esto, es posible que descubras oportunidades de alto impacto, como pequeños toques de personalización, que son sorprendentemente accesibles, de bajo riesgo y significativas.
Identifica oportunidades en tu producto
Para determinar la idea correcta, debes tener una buena idea de quiénes son tus usuarios. Trabaja con tu equipo de UX o repasa los arquetipos para definir quiénes son esos usuarios. Adopta un enfoque centrado en el usuario (o en las personas) y asigna las oportunidades de IA que encuentres a casos de uso concretos para tu producto.
Estos pueden ser los siguientes:
- Estar motivado por las necesidades o los puntos débiles explícitos de los usuarios
- Sugerencias de los miembros de tu equipo o tuyas En este caso, la validación rápida con los usuarios es fundamental para evitar la trampa de la "IA por el bien de la IA".
- Inspírate en la competencia, pero con precaución. El público y el contexto de tus competidores pueden ser diferentes a los tuyos. Valida las iniciativas de la competencia que tuvieron éxito para comprobar si se aplican a tu producto.
Por ejemplo, la siguiente tabla tiene ideas para un sitio web de reservas de vuelos:
En cada paso del recorrido del usuario, puedes identificar diferentes oportunidades para agregar valor con la IA.
Dale forma a tu solución
A estas alturas, ya trazaste varias ideas basadas en IA a lo largo de tu recorrido del usuario. El siguiente paso es darles forma y ganar la confianza suficiente para decidir cuáles desarrollar primero. Es un esfuerzo en equipo y, por lo general, lo dirige el administrador de productos. Como desarrollador, tu principal responsabilidad es estimar el costo, el esfuerzo y los riesgos de la solución de IA planificada.
Especifica tus ideas
Primero, captura cada idea en una especificación rápida y holística. Puedes usar el plan del sistema de IA de nuestra introducción. Por lo general, los desarrolladores se enfocan en la parte de la solución, mientras que el gerente de productos especifica la oportunidad. Este ejercicio les brinda a todos una base compartida para la alineación y el debate antes de seguir adelante.
Evalúa el esfuerzo y el costo
A continuación, evalúa qué tan difícil es implementar tu idea. Por ejemplo, agregar filtros inteligentes podría requerir solo el análisis basado en instrucciones con una API de LLM, que es rápida para crear prototipos y ejecutar, y más fácil de ajustar. Por el contrario, un asistente de reservas personalizado requeriría canalizaciones de datos personalizadas, APIs de reservas y mecanismos humanos en el circuito cuidadosamente diseñados, lo que implica un esfuerzo mucho mayor.
Analiza el esfuerzo y el costo en varias dimensiones:
- Disponibilidad de los datos: ¿Ya tienes los datos que necesitas? ¿Cuánta limpieza, preprocesamiento o etiquetado se debe realizar para que esté lista para la IA?
- Madurez del modelo: ¿Ya existe un modelo adecuado entrenado previamente o necesitas entrenar uno desde cero?
- Latencia: ¿Qué tan rápido debería responder el modelo para que la función se sienta fluida y útil?
- Complejidad de la integración: ¿Cuántos sistemas deben conectarse? ¿Hay herramientas de backend, APIs, IU o de terceros? Cuantos más puntos de contacto haya, mayores serán el costo y el riesgo.
- Costo operativo: ¿Qué tan costosa es cada llamada o inferencia del modelo? Estima el uso mensual y el presupuesto para el escalamiento. Una función que es "económica" en la etapa de prototipo puede volverse costosa cuando miles de usuarios estén en vivo.
Considera los costos ocultos para el usuario. La IA puede generar incertidumbre y errores frecuentes en tu producto. Con la IA del cliente, las funciones se ejecutan en el dispositivo del usuario, lo que consume ancho de banda, almacenamiento y energía. La función debe ser lo suficientemente valiosa como para que los usuarios se sientan cómodos con el costo.
Si evalúas el esfuerzo con anticipación, puedes enfocarte en los logros valiosos y sencillos, y aplazar las ideas más complejas hasta que maduren tus datos, tu infraestructura y tu experiencia.
Estima los modos de falla
A veces, el modelo comete errores y las funciones no se ejecutan como se espera. Debes comunicarles a los usuarios lo que sucede y dónde ocurrió el error para que sepan si pueden cambiar su entrada y obtener los resultados que buscan.
Por ejemplo, supongamos que administras una agencia de viajes. Tu empresa quiere ofrecer inspiración personalizada para los viajeros. Tus usuarios solicitaron una herramienta para hacerlo por su cuenta, y tu equipo de productos insiste en implementarla. Sin embargo, sabes que la personalización requiere muchos indicadores de los usuarios sobre sus intereses, y no configuraste una base de datos que recopile esos indicadores. Esto genera una personalización fallida que ofrece inspiración irrelevante, lo que hace que los usuarios abandonen la función. Tu comprensión de la disponibilidad de los datos personalizados debería haber fundamentado la estimación del valor de tu equipo.
Estos son otros modos de falla críticos de la IA que debes tener en cuenta:
- Alucinación: El modelo genera resultados que parecen plausibles, pero no son reales (por ejemplo, inventa un vuelo que no existe).
- Sesgo: El modelo exhibe o amplifica generalizaciones injustas basadas en los datos de entrenamiento, lo que genera resultados discriminatorios o inequitativos. Por ejemplo, el modelo puede suponer que los usuarios quieren vuelos en primera clase y otros quieren vuelos económicos según su género o raza percibidos.
- Problema de inicio en frío: El sistema no puede proporcionar valor para los usuarios o elementos nuevos debido a la falta de datos iniciales, como se indica en el ejemplo de la herramienta de viajes personalizada.
- Deterioro del rendimiento: La precisión del modelo se deteriora con el tiempo a medida que los datos del mundo real evolucionan y se alejan de la distribución original, lo que también se conoce como desviación del modelo.
Prototipo
Al principio, tus datos de entrada sobre el costo, el esfuerzo y los modos de falla tendrán una fidelidad baja. Para ganar confianza, la mejor validación de una función específica potenciada por IA es crear un prototipo. El prototipado te permite probar rápidamente las suposiciones técnicas principales (preparación de los datos, latencia, precisión) antes de comprometerte con una compilación completa. Especialmente con una tecnología nueva y no explorada por completo, como la IA, se aprende más rápido creando que investigando y analizando.
Con herramientas de generación de código impulsadas por IA, como Vertex AI y Replit, puedes acelerar y reducir el riesgo de tu proceso de creación de prototipos de forma radical.
Adopta esta mentalidad: lanza algo pequeño, observa cómo se comporta y perfecciónalo de forma continua.
Aplica las siguientes prácticas recomendadas:
- Crea un flujo de extremo a extremo desde el principio. Prueba todo el flujo según se define en el plan de tu sistema de IA (datos, inteligencia, experiencia del usuario), no solo la precisión del modelo. Esta compilación debe reflejar cada parte de la experiencia del usuario con la IA, pero no tiene que representar cada función de la aplicación.
- Comienza con los atajos. Usa APIs y modelos entrenados previamente para validar el valor rápidamente.
- Registra todo. Haz un seguimiento de las entradas, los resultados y las ediciones del usuario para ver los modos de falla comunes y evaluar los posibles problemas graves.
- Realiza pruebas con datos reales. Las primeras pruebas deben capturar el comportamiento natural y desordenado del usuario.
- Agregar mecanismos de control y comentarios Facilita que los usuarios marquen errores o ajusten los resultados, y permite que los usuarios confirmen o corrijan los resultados.
En la mayoría de los casos, el prototipado se realiza junto con la evaluación y el trabajo de especificación.
Tus conclusiones
Aprendiste a convertir el potencial abstracto de la IA en ideas de productos concretas y valiosas. Como desarrollador, tu ventaja radica en conectar la factibilidad técnica con la experiencia del usuario. Exploraste cómo la IA puede crear valor en diferentes categorías, asignaste estas oportunidades al recorrido del usuario de tu producto y aprendiste a especificarlas, evaluarlas y priorizarlas con marcos estructurados.
Recuerda que la IA tiene éxito a través de la iteración constante. Lanza el producto pronto, escucha a los usuarios y obsérvalos, y realiza ajustes rápidamente. Cada prototipo es un paso hacia la comprensión de cómo la IA puede aumentar el valor y el placer de tu producto.
Recursos
- Getting AI Discovery Right, una guía para generar ideas, validar y priorizar tus casos de uso de IA
- AI Radar, una herramienta de descubrimiento y respaldo de decisiones para identificar y priorizar casos de uso en todos los sectores
Verifica tus conocimientos
¿Qué categoría de oportunidad de IA implica ayudar a los usuarios con tareas complejas o creativas?
Cuando se evalúa el esfuerzo y el costo de una idea de IA, ¿a qué se refiere la "complejidad de la integración"?
¿Qué es el problema de inicio en frío en el contexto de los modos de falla de la IA?
¿Cuál es la mentalidad recomendada para crear prototipos de funciones basadas en IA?
¿Por qué es importante mantener un registro cuando se crea un prototipo?