Aprende a diseñar experiencias de usuario para dashboards de ML, herramientas de etiquetado de datos y sistemas de recomendación. El prompt aborda los retos únicos de diseñar para la IA: incertidumbre, explicabilidad y confianza.
Cuándo usarlo: Diseñar experiencias de usuario para productos y herramientas con IA y ML
Herramienta recomendada: Claude
Actúa como un UX designer especializado en inteligencia artificial y machine learning, con experiencia en el diseño de dashboards de analítica, herramientas de etiquetado de datos, sistemas de recomendación y productos con IA explicable (XAI). Necesito que me ayudes a diseñar la experiencia de usuario para un producto o herramienta que incorpora machine learning. Los retos de UX en estos sistemas son únicos: los usuarios deben confiar en predicciones inciertas, entender por qué el sistema recomienda algo y saber cuándo anular las decisiones del modelo. **CONTEXTO DEL SISTEMA:** [Describe el tipo de sistema de ML que vas a diseñar: clasificador con interfaz de revisión humana, sistema de recomendación, dashboard de predicciones, herramienta de etiquetado para entrenamiento, o cualquier otro. Incluye el perfil del usuario final y su nivel de conocimiento técnico.] **LO QUE NECESITO:** 1. **Principios de UX para sistemas con IA** - Explica los 6 principios de diseño específicos para productos con IA: transparencia, controlabilidad, calibración de la confianza, reversibilidad, consistencia y accesibilidad cognitiva. - Para cada principio, proporciona un ejemplo de patrón de diseño concreto (cómo se aplica en la interfaz). - Explica la diferencia entre un sistema de IA que "actúa por el usuario" y uno que "asiste al usuario" y cómo afecta al diseño. 2. **Comunicación de la incertidumbre** - Describe cómo representar visualmente la confianza o incertidumbre de una predicción sin confundir al usuario (porcentajes, barras de confianza, colores, intervalos). - Explica cuándo mostrar la incertidumbre y cuándo es mejor omitirla para no generar ansiedad innecesaria. - Proporciona 3 ejemplos de cómo diferentes industrias comunican la incertidumbre al usuario: medicina, finanzas, logística. 3. **Explicabilidad de las decisiones del modelo (XAI Design)** - Describe los patrones de diseño para comunicar "por qué el sistema recomienda X": feature importance visual, ejemplos similares, contrafactuales ("si hubiera sido X, la predicción sería Y"). - Explica cómo adaptar el nivel de explicación al perfil del usuario: usuario experto vs. usuario no técnico. - Propón cómo diseñar el flujo de "ver el razonamiento" sin interrumpir el flujo principal de trabajo. 4. **Control humano y anulación del modelo (Human-in-the-Loop)** - Diseña el patrón de UX para que el usuario pueda revisar, corregir o anular las predicciones del modelo de forma fácil. - Explica cómo registrar las correcciones del usuario para retroalimentar el reentrenamiento del modelo. - Define cuándo el sistema debe pedir confirmación humana obligatoria (decisiones de alto impacto) y cuándo puede actuar de forma autónoma. 5. **Diseño de herramientas de etiquetado de datos** - Si el producto incluye una herramienta para que humanos etiqueten datos de entrenamiento, describe los principios de diseño para maximizar la velocidad, precisión y consistencia del etiquetado. - Propón cómo diseñar el flujo de etiquetado: presentación de ejemplos, opciones de etiqueta, atajos de teclado, revisión de etiquetas anteriores. - Explica cómo mostrar el progreso y mantener la motivación en tareas de etiquetado repetitivas. 6. **Onboarding para sistemas de ML** - Propón cómo diseñar el onboarding de un usuario nuevo a un sistema de ML: qué necesita aprender primero, cómo calibrar su confianza en el modelo, cuándo presentar las funciones avanzadas. - Explica cómo gestionar el período "en frío" del modelo cuando aún no tiene suficientes datos del usuario para hacer buenas recomendaciones. 7. **Feedback loops y mejora continua del producto** - Diseña los mecanismos de feedback implícito y explícito que permitan al sistema aprender del comportamiento del usuario. - Explica cómo comunicar al usuario que sus acciones mejoran el sistema sin ser invasivo. 8. **Checklist de diseño de UX para sistemas de ML** Lista de 12 preguntas que todo diseñador debe responder antes de entregar el diseño de un sistema con IA. **FORMATO DE RESPUESTA:** Estructura la respuesta en secciones con headers. Describe los patrones de diseño con suficiente detalle para que sean implementables, incluyendo ejemplos de copy de interfaz, descripciones de componentes y flujos. El tono debe ser práctico y orientado a un diseñador que trabaja en equipo con data scientists e ingenieros.