El criterio no se automatiza — pero sí se escala

Hay una pregunta que aparece con frecuencia creciente en posteos de colegas, en conversaciones con clientes y en reflexiones de referentes de la industria: ¿qué le queda al especialista en research, diseño y desarrollo digital cuando la IA puede hacer en minutos lo que antes tomaba días? ¿Qué rol tiene el UX researcher, el diseñador, el analista digital, el consultor de experiencia en un contexto donde las herramientas de IA avanzan a una velocidad que cuesta seguir?

Mi visión, luego de casi dos años incorporando herramientas de IA al núcleo de nuestra práctica de forma gradual y sin hacer demasiado ruido — porque preferimos ser prudentes antes que entusiastas — es esta: le queda lo más complejo. El criterio. El juicio. La responsabilidad de interpretar y decidir en el contexto específico de cada cliente y cada negocio.

Y debo decir que nos costó — y nos cuesta — calibrar ese límite. Hoy nos encontramos con automatizaciones que resultan asombrosas, que pueden inclusive aportar cierto criterio, proponer conclusiones, sugerir prioridades. Pero no todo. Y en ese asombro constante fuimos construyendo nuestro propio stack de IA, el que hoy nos permite hacer más eficiente nuestra práctica sin resignar lo que consideramos esencial.

De dónde venimos

En EGO llevamos más de 15 años haciendo consultoría de experiencia digital para clientes en retail, banca, automotriz, industria y telco. Nuestra práctica siempre fue rigurosa y demandante: entender el ecosistema del cliente — que rara vez es solo un sitio web, sino una red de touchpoints digitales y físicos entrelazados — mapear el customer journey real, identificar las fricciones que no aparecen en los reportes de analytics, y construir un diagnóstico que tenga sentido estratégico para el negocio.

Un proceso de Discovery completo podía extenderse semanas. No porque lo hiciéramos mal — sino porque hacerlo bien requería tiempo: entrevistas, análisis de comportamiento, revisión dimensional del ecosistema, síntesis de hallazgos, construcción del scorecard, priorización de recomendaciones. Ese proceso era también lo que limitaba cuántos clientes podían acceder a él.

Incorporamos inteligencia artificial de manera progresiva, acompañando su madurez. No como una apuesta tecnológica sino como una pregunta metodológica: ¿qué parte de este trabajo tiene reglas claras y patrones reconocibles? ¿Y qué parte requiere algo que ningún modelo puede reemplazar? Esa pregunta sigue abierta, y creemos que es la pregunta correcta.

Una advertencia necesaria

Las automatizaciones hay que calibrarlas. Hay un equilibrio difícil de encontrar entre lo que la IA puede aportar y lo que el trabajo humano tiene que sostener. No todo es automatizable, y el incremento en productividad que promete la IA no es mágico ni inmediato.

En la construcción de cualquier producto digital — un portal corporativo enterprise, una plataforma de servicios, un ecosistema de marca — la complejidad no viene solo de lo técnico. Viene de lo organizacional: las relaciones internas, las negociaciones entre unidades de negocio, los tiempos reales, las particularidades de cada industria. Alguien que se pregunta si la IA puede acelerar la arquitectura de información, la carga de contenidos o la definición de estructura tiene razón en parte — hay cosas que sí. Pero discernir qué poner, cómo, con quién validarlo y cuándo: eso tiene una complejidad que la automatización no resuelve, y en muchos casos trabajar el input para que la IA lo procese correctamente requiere un esfuerzo mayor que hacerlo directamente.

La IA puede ser engañosa en ese sentido. La ganancia de tiempo no siempre es donde parece estar.

FAE: Full Assessment Engines — un producto de IA para análisis al alcance de quienes toman decisiones digitales

En ese contexto decidimos liberar parte de nuestro stack de IA: el que venimos usando para entender qué dice una marca en los medios digitales, identificar los espacios de mejora de su ecosistema y complementar ese análisis con trabajo artesanal de nuestro equipo.

El resultado son tres engines disponibles, cada uno orientado a una dimensión del ecosistema digital:

— Engine 01 — Análisis de sitio: arquitectura, E-E-A-T, SEO, CRO, accesibilidad, analytics. Diagnóstico completo de la presencia web con benchmark del vertical.

— Engine 02 — Análisis CX digital: presencia de marca en el ecosistema, touchpoints, voz del mercado, oportunidades de crecimiento.

— Engine 03 — Diagnóstico técnico: stack, seguridad, performance, deuda técnica, escalabilidad y compliance.

El proceso no fue lineal. Desarrollamos skills conversacionales para distintas dimensiones del análisis — construidos sobre los frameworks que venimos refinando durante 15 años de práctica, no como prompts genéricos sino como estructuras de análisis con criterios de ponderación, umbrales de referencia por vertical y lógica de priorización propia. Algunos tomaron una dirección distinta a la esperada y los transformamos, otros los fusionamos, otros los descartamos en favor de enfoques más precisos. Lo que quedó es lo que hoy consideramos lo suficientemente maduro para ser útil.

Cada engine genera un reporte ejecutivo con scorecards por módulo, hallazgos priorizados por impacto en el negocio, matrices de esfuerzo-impacto y un roadmap en tres horizontes temporales. Va más allá del hallazgo mecánico porque el framework que opera por debajo tiene criterio incorporado, no solo reglas. Y cada hallazgo es trazable hasta una observación concreta tomada en el momento exacto del análisis — no una estimación del modelo a partir de su conocimiento de entrenamiento, sino evidencia real del ecosistema digital del cliente hoy.

Complementariedad, no reemplazo

Lo que la IA hace bien en este contexto es la parte estructurada del análisis: dimensiones definidas, criterios explícitos, benchmarks documentados. Lo que requiere complemento humano es todo lo que depende del contexto específico: por qué ese problema existe en esa organización, qué significa para la estrategia del cliente, cómo comunicarlo de manera que genere acción interna.

Ese complemento no es opcional — es lo que convierte un diagnóstico en una decisión. Por eso el FAE funciona como primera capa de nuestro servicio de Discovery: una entrada accesible que genera evidencia real, sobre la cual el trabajo consultivo puede construir con más precisión y en menos tiempo. No es un paso obligatorio, pero es un punto de partida que cambia la calidad de la conversación.

Para quién está disponible

Hoy el FAE está en una versión estable y en evolución continua. Lo ponemos a disposición de responsables de marketing, digital y CX, consultores, UX researchers, analistas y equipos de producto que quieran entender el estado real de su ecosistema digital con evidencia concreta.

También para agencias — de comunicación, publicidad, medios — que invierten en pauta y trabajan con marcas cuyos sitios y ecosistemas digitales no están preparados para recibirla. Cada peso invertido en media que llega a una experiencia digital con fricciones no resueltas es presupuesto que no convierte. El FAE hace visible ese problema antes de que cueste.

Los tres engines tienen versiones de entrada disponibles para la comunidad. El análisis es el inicio del camino.

→ Accedé a los engines

Las devoluciones son bienvenidas y nos enriquecen. Si algo de lo que encontrás no tiene sentido en tu contexto, o si hay una dimensión que el análisis no está capturando bien, nos interesa saberlo.

Escribime: bruno.borgoglio@egodesign.io

‍

‍