En mi artículo anterior, exploré cómo la IA puede ayudarnos a crear personas funcionales de manera más eficiente. Buscamos crear personajes que se centren en lo que los usuarios intentan lograr en lugar de perfiles demográficos que se ven bien en los carteles pero que rara vez cambian las decisiones de diseño. Pero crear personajes es sólo la mitad de la batalla. El mayor desafío es hacer que esos conocimientos lleguen a manos de las personas que los necesitan, en el momento en que los necesitan. Todos los días, las personas de su organización toman decisiones que afectan la experiencia del usuario. Los equipos de producto deciden qué funciones priorizar. Los equipos de marketing elaboran campañas. Los equipos de finanzas diseñan procesos de facturación. Los equipos de atención al cliente escriben plantillas de respuesta. Todas estas decisiones dan forma a cómo los usuarios experimentan su producto o servicio. Y la mayoría de ellos ocurren sin la participación de los usuarios reales. El problema con la forma en que compartimos la investigación de usuarios Tú haces la investigación. Tú creas las personas. Tú escribes los informes. Tú haces las presentaciones. Incluso haces infografías sofisticadas. ¿Y luego qué pasa? La investigación se encuentra en algún lugar de un disco compartido, acumulando lentamente polvo digital. Se hace referencia a las personas en las reuniones iniciales y luego se olvidan. Los informes se hojean una vez y nunca se vuelven a abrir. Cuando un gerente de producto decide si agregar una nueva característica, probablemente no busca en el repositorio de investigación del año pasado. Cuando el equipo de finanzas está rediseñando el correo electrónico de la factura, es casi seguro que no consultan a los usuarios. Hacen su mejor conjetura y siguen adelante. Esto no es una crítica a esos equipos. Están ocupados. Tienen plazos. Y honestamente, incluso si quisieran consultar la investigación, probablemente no sabrían dónde encontrarla o cómo interpretarla para su pregunta específica. El conocimiento permanece encerrado dentro de los jefes del equipo de UX, quienes no pueden estar presentes en cada decisión que se toma en toda la organización. ¿Qué pasaría si los usuarios realmente pudieran hablar? ¿Qué pasaría si, en lugar de crear documentos estáticos que las personas necesitan encontrar e interpretar, pudiéramos ofrecer a las partes interesadas una forma de consultar a todos los usuarios a la vez?
Imagine a un director de marketing trabajando en una nueva campaña. En lugar de intentar recordar lo que dijeron las personas sobre las preferencias de mensajería, podrían simplemente preguntar: "Estoy pensando en presentar una oferta de descuento en este correo electrónico. ¿Qué pensarían nuestros usuarios?". Y la IA, basándose en todos los datos y personas de su investigación, podría responder con una visión consolidada: cómo reaccionaría probablemente cada persona, en qué están de acuerdo, en qué difieren y un conjunto de recomendaciones basadas en sus perspectivas colectivas. Una pregunta: información sintetizada de toda su base de usuarios.
Esto no es ciencia ficción. Con la IA, podemos construir exactamente este tipo de sistema. Podemos tomar toda esa investigación dispersa (las encuestas, las entrevistas, los tickets de soporte, los análisis, las personas mismas) y convertirla en un recurso interactivo que cualquiera puede consultar para obtener comentarios desde múltiples perspectivas. Creación del repositorio de investigación de usuarios La base de este enfoque es un depósito centralizado de todo lo que sabe sobre sus usuarios. Piense en ello como una única fuente de verdad a la que la IA puede acceder y de la que puede extraer. Si ha estado investigando a los usuarios durante algún tiempo, probablemente tenga más datos de los que cree. Simplemente está distribuido en diferentes herramientas y formatos:
Resultados de la encuesta en su plataforma de encuestas, Transcripciones de entrevistas en Google Docs, Tickets de atención al cliente en su sistema de asistencia técnica, Datos analíticos en varios paneles, Menciones y reseñas en redes sociales, Viejos personajes de proyectos anteriores, Grabaciones y notas de pruebas de usabilidad.
El primer paso es reunir todo esto en un solo lugar. No es necesario que esté perfectamente organizado. La IA es notablemente buena para dar sentido a entradas confusas. Si está comenzando desde cero y no tiene mucha investigación, puede utilizar herramientas de investigación profunda de IA para establecer una línea de base.
Estas herramientas pueden escanear la web en busca de discusiones sobre su categoría de producto, reseñas de la competencia y preguntas comunes que hace la gente. Esto le brinda algo con qué trabajar mientras desarrolla su investigación principal. Creando personas interactivas Una vez que tenga su repositorio, el siguiente paso es crear personas que la IA pueda consultar en nombre de las partes interesadas. Esto se basa directamente en el enfoque de persona funcional que describí en mi artículo anterior, con una diferencia clave: estas personas se convierten en lentes a través de los cuales la IA analiza preguntas, no solo referencias.documentos. El proceso funciona así:
Alimente su repositorio de investigación con una herramienta de inteligencia artificial. Pídale que identifique distintos segmentos de usuarios según sus objetivos, tareas y puntos de fricción. Haga que genere personas detalladas para cada segmento. Configure la IA para consultar a todas las personas cuando las partes interesadas hagan preguntas, proporcionando comentarios consolidados.
Aquí es donde este enfoque difiere significativamente de las personas tradicionales. Dado que la IA es el principal consumidor de estos documentos personales, no es necesario que se puedan escanear ni que quepan en una sola página. Las personas tradicionales están limitadas por la legibilidad humana: hay que resumir todo en viñetas y citas clave que alguien pueda asimilar de un vistazo. Pero la IA no tiene esa limitación. Esto significa que tus personajes pueden ser considerablemente más detallados. Puede incluir largas observaciones de comportamiento, puntos de datos contradictorios y un contexto matizado que nunca sobreviviría al proceso de edición de un póster de persona tradicional. La IA puede contener toda esta complejidad y aprovecharla al responder preguntas. También puede crear diferentes lentes o perspectivas dentro de cada persona, adaptadas a funciones comerciales específicas. Su personaje de "guerrero del fin de semana" puede tener una lente de marketing (preferencias de mensajería, hábitos de canal, respuestas de campaña), una lente de producto (prioridades de funciones, patrones de usabilidad, activadores de actualizaciones) y una lente de soporte (preguntas comunes, puntos de frustración, preferencias de resolución). Cuando un director de marketing hace una pregunta, la IA recurre a la información relevante para el marketing. Cuando un gerente de producto pregunta, se aparta de la lente del producto. Misma persona, diferente profundidad dependiendo de quién pregunta.
Las personas aún deben incluir todos los elementos funcionales que discutimos antes: metas y tareas, preguntas y objeciones, puntos débiles, puntos de contacto y brechas en el servicio. Pero ahora estos elementos se convierten en la base de cómo la IA evalúa las preguntas desde la perspectiva de cada persona, sintetizando sus puntos de vista en recomendaciones prácticas. Opciones de implementación Puede configurar esto con distintos niveles de sofisticación según sus recursos y necesidades. El enfoque sencillo La mayoría de las plataformas de IA ahora ofrecen funciones de proyectos o espacios de trabajo que le permiten cargar documentos de referencia. En ChatGPT, estos se denominan Proyectos. Claude tiene una característica similar. Copiloto y Géminis los llaman Espacios o Gemas. Para comenzar, cree un proyecto dedicado y cargue sus documentos de investigación y personas clave. Luego, escriba instrucciones claras que indiquen a la IA que consulte a todas las personas al responder preguntas. Algo como: Está ayudando a las partes interesadas a comprender a nuestros usuarios. Cuando se le hagan preguntas, consulte a todos los usuarios de este proyecto y proporcione: (1) un breve resumen de cómo probablemente respondería cada persona, (2) una descripción general que resalte en qué están de acuerdo y en qué difieren, y (3) recomendaciones basadas en sus perspectivas colectivas. Utilice todos los documentos de investigación para fundamentar su análisis. Si la investigación no cubre completamente un tema, busque en plataformas sociales como Reddit, Twitter y foros relevantes para ver cómo las personas que coinciden con estas personas discuten temas similares. Si aún no está seguro de algo, dígalo honestamente y sugiera qué investigaciones adicionales podrían ayudar.
Este enfoque tiene algunas limitaciones. Hay límites en la cantidad de archivos que puedes cargar, por lo que es posible que debas priorizar tu investigación más importante o consolidar tus personajes en un único documento completo. El enfoque más sofisticado Para organizaciones más grandes o para un uso más continuo, una herramienta como Notion ofrece ventajas porque puede contener todo su repositorio de investigación y tiene capacidades de inteligencia artificial integradas. Puede crear bases de datos para diferentes tipos de investigación, vincularlas y luego usar la inteligencia artificial para realizar consultas en todo.
El beneficio aquí es que la IA tiene acceso a mucho más contexto. Cuando una parte interesada hace una pregunta, puede recurrir a encuestas, tickets de soporte, transcripciones de entrevistas y datos analíticos, todo a la vez. Esto genera respuestas más ricas y matizadas. Lo que esto no reemplaza Debo tener claras las limitaciones. Las personas virtuales no sustituyen a hablar con usuarios reales. Son una forma de hacer que la investigación existente sea más accesible y viable. Hay varios escenarios en los que aún se necesita investigación primaria:
Al lanzar algo genuinamente nuevo que su investigación actual no cubre; Cuando necesite validar diseños o prototipos específicos; Cuando los datos de su repositorio se vuelven obsoletos; Cuando las partes interesadasNecesito escuchar directamente a humanos reales para generar empatía.
De hecho, puedes configurar la IA para que reconozca estas situaciones. Cuando alguien hace una pregunta que va más allá de lo que la investigación puede responder, la IA puede responder con algo como: "No tengo suficiente información para responder eso con seguridad. Esta podría ser una buena pregunta para una entrevista o encuesta rápida con un usuario". Y cuando realiza una nueva investigación, esos datos se retroalimentan al repositorio. Las personas evolucionan con el tiempo a medida que se profundiza su comprensión. Esto es mucho mejor que el enfoque tradicional, donde las personas se crean una vez y luego poco a poco quedan obsoletas. El cambio organizacional Si este enfoque se populariza en su organización, sucederá algo interesante. El papel del equipo de UX pasa de ser el guardián del conocimiento del usuario a ser el curador y mantenedor del repositorio. En lugar de dedicar tiempo a crear informes que pueden leerse o no, dedica tiempo a asegurarse de que el repositorio se mantenga actualizado y que la IA esté configurada para brindar respuestas útiles. La comunicación de la investigación cambia de push (presentaciones, informes, correos electrónicos) a pull (las partes interesadas hacen preguntas cuando necesitan respuestas). El pensamiento centrado en el usuario se distribuye por toda la organización en lugar de concentrarse en un solo equipo. Esto no hace que los investigadores de UX sean menos valiosos. En todo caso, los hace más valiosos porque su trabajo ahora tiene un alcance más amplio y un mayor impacto. Pero sí cambia la naturaleza del trabajo. Empezando Si desea probar este enfoque, comience poco a poco. Si necesita una introducción a las personas funcionales antes de sumergirse, he escrito una guía detallada para crearlas. Elija un proyecto o equipo y configure una implementación simple utilizando ChatGPT Projects o una herramienta similar. Reúna cualquier investigación que tenga (incluso si parece incompleta), cree una o dos personas y vea cómo responden las partes interesadas. Presta atención a las preguntas que hacen. Estos le indicarán dónde tiene lagunas su investigación y qué datos adicionales serían más valiosos. A medida que refine el enfoque, podrá ampliarlo a más equipos y herramientas más sofisticadas. Pero el principio básico sigue siendo el mismo: tomar todo ese conocimiento disperso de los usuarios y darle una voz que cualquiera en su organización pueda escuchar. En mi artículo anterior, sostuve que deberíamos pasar de personas demográficas a personas funcionales que se centren en lo que los usuarios intentan hacer. Ahora sugiero que demos el siguiente paso: de personas estáticas a personas interactivas que realmente puedan participar en las conversaciones donde se toman las decisiones. Porque todos los días, en toda su organización, las personas toman decisiones que afectan a sus usuarios. Y tus usuarios merecen un asiento en la mesa, aunque sea virtual. Lecturas adicionales sobre SmashingMag
"Una mirada más cercana a las personas: qué son y cómo funcionan | 1", Shlomo Goltz "Cómo mejorar su proceso de diseño con personas basadas en datos", Tim Noetzel "Cómo hacer que su investigación de UX sea difícil de ignorar", Vitaly Friedman "Cómo construir relaciones sólidas con los clientes para la investigación de usuarios", Renaissance Rachel
