Cómo la IA cambió de verdad mi trabajo diario como Product Designer

Hace seis meses pagué Claude Pro con mi propia plata. Nadie en la empresa me lo pidió. Nadie sabía que lo estaba haciendo.

Pasé dos semanas probándolo con problemas reales de trabajo. Generación de contenido. Planes estratégicos. Guiones de video. Cuando tuve suficiente evidencia de que funcionaba, entré a la oficina del CEO y se lo propuse directamente.

Llegamos a tener 4 agentes de Claude corriendo en Sell2Rent. Dos personas del equipo los usaban a diario. Y mi forma de trabajar como product designer cambió de raíz. No como lo describen los artículos de la industria, con su «orquestación agéntica» y sus «interfaces efímeras». De una forma mucho más simple y más práctica.

Así se ve la IA en mi trabajo diario. Sin frameworks. Sin predicciones sobre el futuro del diseño. Solo lo que es real ahora mismo.

Para qué uso la IA (y para qué no)

Fui el único product designer de una startup PropTech de 35 personas. Me encargaba de product design, CRO, automatización de marketing, SEO y, al final, herramientas de IA. Eso no es un problema de descripción de cargo. Es la realidad de trabajar en startups de etapa temprana, donde la adaptabilidad pesa más que cualquier habilidad individual.

Estos son los lugares donde la IA sí cambió mi flujo de trabajo:

Producción de contenido. Los 4 agentes de Claude que armé se encargaban de generación de contenido, guiones de video, documentos de planeación estratégica y una tarea más especializada. Antes de los agentes, producir una sola pieza de contenido multicanal —LinkedIn, Instagram, guiones de YouTube, blog posts— me tomaba casi un día entero. Ahora el primer borrador toma minutos. Editar y refinar sigue tomando tiempo, pero el punto de partida es radicalmente mejor que una página en blanco.

Automatización de CRM. Cuando migré Sell2Rent de Zoho a HubSpot, construí desde cero todo el flujo de inversionistas: etapas del ciclo de vida, secuencias de email, disparadores de automatización y la lógica de matching entre deals e inversionistas. La IA me ayudó a pensar más rápido la arquitectura de esa lógica. No construyéndola por mí, sino siendo un compañero de conversación para el diseño de sistemas complejos.

Vibe coding. Uso herramientas como v0 para tomar diseños de Figma y generar código front-end funcional. El back-end se queda con el equipo de desarrollo. Pero poder prototipar en código real y no solo en mockups de alta fidelidad cerró la brecha entre la intención de diseño y la implementación. Esa brecha es donde se pierde la mayor parte del valor del diseño.

SEO y analítica. Manejaba todo el stack de SEO de sell2rent.com con Ahrefs y Pagesense. La IA ayuda con el análisis de keywords, la optimización de contenido y el reconocimiento de patrones en grandes volúmenes de datos. No reemplaza las decisiones estratégicas, pero acelera el análisis que las informa.

Lo que la IA todavía no puede hacer (el 20% final)

Hay un número que aparece una y otra vez en la investigación de productividad: la IA acelera las tareas típicas en cerca de un 80%. Coincide con mi experiencia. Pero ese 20% restante es donde vive todo el valor.

La IA puede generar un primer borrador de un post de LinkedIn con mi voz. No puede saber si el gancho inicial va a hacer que un founder en San Francisco deje de hacer scroll. Eso es reconocimiento de patrones construido en años de escribir, publicar y ver qué pega.

La IA puede hacer un análisis de keywords y sugerir oportunidades de contenido. No puede decidir cuál oportunidad encaja con la estrategia de marca que estoy construyendo para miguelba.com. Eso requiere entender el cuadro completo de hacia dónde voy, no solo lo que dicen los datos hoy.

La IA puede generar código front-end funcional desde un diseño de Figma. No puede decirte que el diseño mismo está resolviendo el problema equivocado. He lanzado proyectos con una ejecución técnicamente impecable cuyo resultado igual fue un fracaso porque las decisiones estructurales alrededor del trabajo de diseño estaban rotas.

Esa es la lección de Keller Offers que aplica directo a la IA: las herramientas no te salvan de un mal proceso. Una forma más rápida de producir lo equivocado sigue siendo producir lo equivocado.

El 20% que la IA no toca es el criterio. El gusto. La capacidad de mirar algo que técnicamente funciona y saber que no está bien. Eso no se va a ir. Al contrario, se vuelve más valioso porque todo lo demás se está abaratando.

Cómo armé los agentes de Claude

Quiero ser específico en esto porque la mayoría de los artículos sobre «IA en diseño de producto» son teóricos. Esto fue lo que hice.

Paso uno: usar mi propia plata. Pagué Claude Pro antes de proponerle nada a la empresa. Esto importa porque significó que podía experimentar sin pedir permiso, sin burocracia, sin un comité decidiendo si la IA era lo bastante «estratégica» para invertir en ella.

Paso dos: probar con trabajo real. No problemas de juguete. Contenido que de verdad había que producir, documentos estratégicos que de verdad había que escribir, guiones de video que de verdad tenían que sonar a una voz y un tono específicos.

Paso tres: ir directo al CEO. No a mi jefe. No con un documento de propuesta. Le mostré lo que los agentes podían hacer con resultados reales de tareas reales. Dijo que sí.

Paso cuatro, el que no termina: el refinamiento. Los agentes no son un producto terminado. Son un proceso. Estoy ajustando todo el tiempo los prompts, los flujos y los estándares de calidad. Dos compañeros los usaban a diario, Emilia y José, y su feedback moldeaba la evolución de los agentes.

Todo el enfoque refleja cómo siempre he operado en startups: identifica el problema, construye una solución en tu propio tiempo, demuestra que funciona con resultados reales y entonces proponla. La herramienta es la IA. El método es el mismo que me llevó del diseño UI puro a manejar CRO, automatización de marketing y estrategia de producto.

Vibe coding: donde el diseño se encuentra con el desarrollo (de verdad)

La división entre diseño y desarrollo se está derrumbando. No en teoría. En la práctica. Y está cambiando lo que significa ser product designer. Esto conecta directo con algo que ya escribí: la conversación entre diseño y desarrollo es donde se crea o se destruye la mayor parte del valor de un producto.

En Sell2Rent usaba v0 para tomar diseños de Figma y generar componentes de React funcionales. El back-end es territorio exclusivo del equipo de desarrollo. Pero el prototipado del front-end ahora ocurre en código real, no solo en Figma. Eso significa que cuando le paso algo a desarrollo, la conversación arranca desde un prototipo que funciona, no desde un mockup estático que puede o no traducirse con precisión.

Esto es significativo porque uno de los modos de fallo más comunes en el diseño de producto es la brecha entre lo que muestra Figma y cómo se ve el producto construido. Yo he vivido esa brecha. En Keller Offers, el equipo de desarrollo adoptó otra librería de componentes sin consultar a diseño, y la brecha entre prototipo y producto se volvió permanente. El proyecto fracasó en parte por eso.

El vibe coding no elimina esa brecha del todo. Pero la comprime. Cuando le puedes entregar a un desarrollador código funcionando junto con un archivo de Figma, la conversación pasa de «hazlo ver así» a «aquí hay una versión que funciona, refinémosla juntos».

Las herramientas que más me han servido: v0 para componentes de Next.js, Bolt.new y Lovable para prototipos completos de MVP cuando la velocidad importa más que el pulido. Cada una tiene sus compromisos. Ninguna reemplaza a un equipo de desarrollo de verdad. Todas hacen que el traspaso entre diseñador y desarrollador pierda menos por el camino.

La parte honesta: lo que se vuelve más difícil con la IA

Nadie habla de esto, pero la IA ha vuelto algunas cosas más difíciles.

Las expectativas se inflan. Cuando tu equipo sabe que puedes producir un primer borrador en 15 minutos en vez de 4 horas, la definición de «terminado» se corre. Más iteraciones. Más variaciones. Más canales. El aumento de velocidad no se traduce en menos trabajo. Se traduce en más producción al mismo ritmo. Es una forma de crecimiento silencioso de la carga que es fácil de ignorar hasta que ya estás quemado.

El control de calidad se vuelve más importante, no menos. El resultado de la IA es seguro de sí mismo. Se lee bien. Se ve terminado. Pero «se ve terminado» y «está terminado» son cosas distintas. El trabajo del diseñador cada vez más es ser editor, puerta de calidad, la persona que atrapa el 15% que está sutilmente mal. Eso exige más atención, no menos.

Las preguntas de derechos de autor y originalidad son reales. Cuando la IA genera contenido o código, la procedencia no está clara. Para una marca personal construida sobre experiencia auténtica, esto importa. Todo contenido asistido por IA que publico pasa por un filtro: ¿esto suena a algo que yo diría de verdad, basado en algo que viví de verdad? Si la respuesta es no, se reescribe o se corta.

Lo que esto significa de verdad para los product designers

La narrativa de la industria dice que la IA está reemplazando a los diseñadores. Está mal. La IA está reemplazando las partes del trabajo de diseño que nunca fueron las valiosas.

Generar un wireframe nunca fue lo difícil. Lo difícil era entender qué wireframear. Producir un design system nunca fue el cuello de botella. Lo era saber cuándo romper el sistema por una necesidad específica del usuario.

Los diseñadores que van a sufrir son aquellos cuya propuesta de valor era la velocidad de ejecución. Si te contrataron porque sacabas pantallas de Figma rápido, eso ya lo hace la IA. Los que van a prosperar son aquellos cuyo valor siempre estuvo en el criterio: saber qué problema resolver, saber cuándo los datos engañan, saber que una solución técnicamente correcta igual puede ser la respuesta equivocada.

Después de 8 años en startups, de Mentive a Customela y Sell2Rent, la habilidad que más ha importado en cada etapa es la misma que la IA no puede replicar: sentarte en un cuarto donde nadie se pone de acuerdo en qué construir y descubrir el siguiente paso correcto. La IA te puede ayudar a ejecutar ese paso más rápido. No te dice cuál paso dar.

El cambio real

La IA no ha reemplazado mi trabajo. Comprimió las partes que antes me tomaban más tiempo y me liberó para dedicarle más tiempo a las que crean más valor. La proporción pasó de 70% producción y 30% estrategia a algo más cercano a 40/60.

Esa es la historia real. No orquestación agéntica. No interfaces efímeras. No ocho pilares de nada. Solo un product designer en una startup de 35 personas que pagó Claude Pro con su propia plata, armó 4 agentes y ahora dedica más tiempo a pensar en los problemas correctos que a producir entregables.

Las herramientas cambiaron. El trabajo que importa no.

¿Quieres ver cómo aplico IA y design thinking en proyectos reales? Mira mis case studies o conéctate conmigo en LinkedIn.