Estás en una excelente posición para encontrar oportunidades de alto valor 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 potenciadas por IA tengan éxito. No deberías crear funciones potenciadas por IA solo porque son novedosas o impresionantes, sino porque realmente hacen que la vida de los usuarios sea más fácil, rápida o agradable.
En este módulo, se describe un método estructurado y, además, iterativo para idear, especificar y crear prototipos de casos de uso de IA en tu producto.
Comprender el valor de la IA
En el siguiente árbol de oportunidades de IA, se definen las grandes categorías de valor que puede proporcionar la IA:
A continuación, se indican las categorías de valor para enmarcar 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: Mejora la toma de decisiones.
- Conveniencia: Elimina las dificultades.
- 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 una persona.
Primero, intenta resolver los casos de uso de menor impacto. Por ejemplo, recopila mejores estadísticas de productos con un sistema de IA interno para que puedas mejorar tu producto 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 ganes confianza y experiencia, podrás avanzar hacia casos de uso más complejos y aumentar la exposición a la IA.
Dicho esto, es posible que descubras oportunidades de alto impacto, como toques ligeros de personalización, que son sorprendentemente accesibles, de bajo riesgo y significativos.
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 perfiles de usuario 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:
- Motivadas por necesidades o puntos problemáticos explícitos de los usuarios
- Sugeridas por ti o por los miembros de tu equipo En este caso, la validación rápida con los usuarios es esencial para evitar la trampa de la "IA por el bien de la IA".
- Inspírate en la competencia, pero hazlo con cuidado. El público y el contexto de tus competidores pueden ser diferentes de los tuyos. Valida con anticipación para probar si las iniciativas exitosas de la competencia se trasladan a tu producto.
Por ejemplo, la siguiente tabla tiene ideas para un sitio web de reserva 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 esta altura, ya trazaste varias ideas de IA en el recorrido del usuario. El siguiente paso es darles forma y ganar suficiente confianza para que puedas decidir cuáles desarrollar primero. Este es un esfuerzo de equipo y, por lo general, lo dirige el gerente de producto. Como desarrollador, tu responsabilidad principal 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 plano 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 producto especifica la oportunidad. Este ejercicio les brinda a todos una base compartida para la alineación y el debate antes de avanzar.
Evalúa el esfuerzo y el costo
A continuación, evalúa qué tan difícil es implementar tu idea. Por ejemplo, agregar filtros inteligentes solo puede requerir un análisis basado en instrucciones con una API de LLM, que es rápido de crear prototipos y ejecutar, y más fácil de ajustar. En cambio, un asistente de reservas personalizado necesitaría canalizaciones de datos personalizadas, APIs de reservas y mecanismos cuidadosos con intervención humana, lo que implica un esfuerzo mucho mayor.
Analiza el esfuerzo y el costo en varias dimensiones:
- Preparación de los datos: ¿Ya tienes los datos que necesitas? ¿Cuánta limpieza, procesamiento previo o etiquetado se debe realizar para que esté listo para la IA?
- Madurez del modelo: ¿Ya existe un modelo entrenado previamente adecuado o necesitas entrenar uno desde cero?
- Latencia: ¿Qué tan rápido debe responder el modelo para que la función se sienta fluida y útil?
- Complejidad de la integración: ¿Cuántos sistemas deben conectarse? ¿Hay backend, APIs, IU o herramientas de terceros? Cuantos más puntos de contacto, mayor será 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 una vez que miles de usuarios la usan en vivo.
Considera los costos ocultos para el usuario. La IA puede introducir incertidumbre y errores habituales 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 desde el principio, puedes enfocarte en las victorias de alto valor y baja fricción, y posponer las ideas más complejas hasta que tus datos, infraestructura y experiencia maduren.
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 se produjo la falla para que sepan si pueden cambiar su entrada y obtener los resultados que buscan.
Por ejemplo, supongamos que tienes una agencia de viajes. Tu empresa quiere ofrecer inspiración personalizada para los viajeros. Tus usuarios pidieron una herramienta para hacerlo por su cuenta, y tu equipo de producto presiona para 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 de valor de tu equipo.
Aquí tienes 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 (como inventar un vuelo que no existe).
- Sesgo: El modelo muestra 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 de primera clase y otros quieren vuelos económicos en función de su género o raza percibidos.
- Problema de inicio en frío: El sistema no puede proporcionar valor para los usuarios nuevos o elementos nuevos debido a la falta de datos iniciales, como se indica en el ejemplo de la herramienta de viajes personalizada.
- Degradación del rendimiento: La exactitud del modelo se degrada 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
Tus entradas sobre el costo, el esfuerzo y los modos de falla tendrán baja fidelidad inicialmente. Para ganar confianza, la mejor validación de una función de IA específica es crear un prototipo de ella. La creación de prototipos te permite probar rápidamente las suposiciones técnicas principales (preparación de los datos, latencia y exactitud) antes de comprometerte con una compilación completa. Especialmente con una tecnología nueva y no explorada por completo, como la IA, aprendes más rápido creando que investigando y analizando.
Con las herramientas de generación de código impulsadas por IA, como Vertex AI y Replit, puedes acelerar de forma radical y reducir el riesgo de tu proceso de creación de prototipos.
Adopta esta mentalidad: envía algo pequeño, observa cómo se comporta y, luego, perfecciónalo de forma continua.
Aplica las siguientes prácticas recomendadas:
- Compila de extremo a extremo desde el principio. Prueba todo el flujo como se define en el plano de tu sistema de IA (datos, inteligencia, experiencia del usuario), no solo la exactitud del modelo. Esta compilación debe reflejar cada parte de la experiencia del usuario con la IA, pero no tiene que representar todas las funciones de la aplicación.
- Comienza con los accesos directos. Usa APIs y modelos entrenados previamente para validar el valor con rapidez.
- Registra todo. Realiza un seguimiento de las entradas, los resultados y las ediciones de los usuarios para ver los modos de falla comunes y evaluar los posibles problemas graves.
- Realiza pruebas con datos reales. Las pruebas iniciales deben capturar el comportamiento natural y desordenado de los usuarios.
- Agrega mecanismos de control y comentarios. Facilita que los usuarios marquen errores o ajusten los resultados, y permite que confirmen o corrijan los resultados.
En la mayoría de los casos, la creación de prototipos 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 de alto valor. Como desarrollador, tu ventaja radica en conectar la viabilidad técnica con la experiencia del usuario. Exploraste cómo la IA puede generar valor en diferentes categorías, asignaste estas oportunidades al recorrido del usuario de tu producto y aprendiste a especificarlas, evaluarlas y priorizarlas con frameworks estructurados.
Recuerda que la IA tiene éxito gracias a la iteración constante. Lanza el producto pronto, escucha a tus usuarios, obsérvalos y perfecciona el producto rápido. Cada prototipo es un paso para comprender cómo la IA puede aumentar el valor y el deleite de tu producto.
Recursos
- Getting AI Discovery Right, una guía para idear, validar y priorizar tus casos de uso de IA.
- AI Radar, una herramienta de descubrimiento y asistencia para la toma de decisiones que permite 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 evalúan 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 potenciadas por IA?
¿Por qué es importante mantener un registro cuando se crean prototipos?