Diseñar en la era de la IA: porque las personas siguen siendo el centro de la innovación

Vivimos en un momento singular. La inteligencia artificial genera prototipos en segundos, automatiza flujos completos y propone soluciones a desafíos que antes requerían meses. La pregunta es legítima: ¿para qué aprender a diseñar e innovar si una máquina puede hacerlo por nosotros?

La respuesta es estratégica: porque diseñar bien no es generar soluciones ni impulsar mejoras incrementales, sino hacer las preguntas correctas y conducir un proceso iterativo de ciclos de reducción de incertidumbre para poder crear y capturar valor. Y eso sigue siendo una capacidad y responsabilidad irreemplazablemente humana.

En Chile y América Latina, uno de los principales obstáculos para la innovación no es la falta de ideas ni de tecnología; es la ausencia de estrategias que impulsen procesos sistemáticos para convertir esas ideas en soluciones relevantes y con visión sistémica de mediano y largo plazo. Las organizaciones frecuentemente invierten recursos en desarrollar productos o servicios que no resuelven problemas reales, o que directamente resuelven los problemas equivocados.

Las metodologías de diseño centrado en las personas y en sus contextos —como el Design Thinking o el Doble Diamante— surgieron para atacar ese desafío. No son recetas ni herramientas de moda: son marcos de trabajo que ordenan el proceso creativo y toma de decisiones basadas en evidencia para garantizar que las soluciones estén profundamente enraizadas en las necesidades y contextos reales de quienes las usarán.

El caso de Oral-B es ilustrativo. Cuando la empresa quiso modernizar su cepillo eléctrico, su primer impulso fue agregar funciones tecnológicas. En una lógica simplista “problema-solución”, si el cepillo limpia mejor los dientes, debería tener mayor aceptación de los usuarios. Solo después de salir a terreno y empatizar con los usuarios, los ingenieros y diseñadores descubrieron que cepillarse los dientes era, para muchos, una fuente de estrés. La solución correcta no era más tecnología, sino menos fricción: un hallazgo simple, de alto impacto, posible solo gracias a un proceso riguroso de validar y contrastar hipótesis con personas reales.

Lo que caracteriza a las metodologías de innovación más efectivas es su naturaleza iterativa y basada en el aprendizaje contextual. Primero, se observa y escucha; luego, se define el problema; después, se idean soluciones de forma divergente, y finalmente, se prototipa, testea e itera. Cuando el prototipo ha sido validado, viene el pilotaje —la prueba en un
entorno real pero acotado— que permite ajustar y decidir con información antes de escalar. Saltarse estas etapas no acelera la innovación; la expone a un riesgo innecesario y a tomar decisiones basadas en hipótesis cargadas de sesgos.

¿Qué cambia con la inteligencia artificial? No elimina este proceso, lo transforma y lo hace más eficiente en muchos casos. Hoy es posible generar variaciones de un prototipo en minutos y analizar grandes volúmenes de datos y capacidad de iteración inédita. Pero hay algo que la IA no puede hacer sola: decidir qué problema vale la pena resolver, ni evaluar si una solución genera valor genuinio para las personas a quienes va dirigida con dimensiones éticas y una comprensión del contexto ecosistémica.

En un mundo donde la capacidad de generar soluciones se democratiza, la ventaja competitiva se desplaza hacia quienes saben definir mejor los problemas y conducir procesos de innovación con rigor y visión estratégica. Diseñar bien es adquirir un lenguaje y marco de pensamiento común para enfrentar desafíos complejos, igual de útil para ingenieros, ejecutivos, médicos o funcionarios públicos.

En el mundo que viene —más automatizado, más incierto, más acelerado e interconectado—, esa capacidad no es un lujo. Es una necesidad para cualquier organización que aspire no solo a sobrevivir a los cambios (“surfear la ola”), sino a liderarlos con criterio, contexto y, sobre todo, con propósito.