11 jun 2025·8 min
De la curiosidad al producto: una historia de la IA como co-creadora
Guía basada en historias que muestra cómo la IA ayuda a convertir una simple curiosidad en investigación, prototipos, validación y un plan de lanzamiento, paso a paso.
Conoce al Constructor Curioso (y a su IA compañera)
Maya no intenta “crear una startup”. Trata de evitar que ocurra una pequeña y molesta situación, una y otra vez.
Cada lunes, las actualizaciones de estado de su equipo llegan en cinco formatos distintos: viñetas, párrafos, capturas de pantalla, pensamientos a medio escribir; y ella pasa una hora convirtiéndolos en algo que la dirección pueda leer. No es trabajo difícil. Es… innecesario.
Después de unos meses, la pregunta por fin se queda:
¿Por qué sigue pasando esto?
El momento en que la curiosidad se convierte en idea de producto
Al principio, Maya hace lo que la mayoría: se queja, se encoge de hombros y hace otra hoja de cálculo.
Pero esta vez se detiene y trata su molestia como una pista. Si este problema aparece cada semana —para varias personas— quizá no sea “solo el equipo de Maya”. Quizá sea un patrón que merece entenderse.
Ahí está el cambio: de “esto es irritante” a “esto podría ser un problema que otras personas pagarían por resolver”. No porque la solución sea glamorosa, sino porque el dolor es común.
Entra la IA compañera (con mejores preguntas)
Maya abre su asistente de IA y escribe un prompt desordenado y honesto:
“Estoy cansada de reescribir actualizaciones de estado. ¿Hay aquí una idea de producto simple?”
En lugar de escupir un concepto de app brillante, la IA hace preguntas aclaratorias:
- ¿Quién escribe las actualizaciones (roles, nivel, tamaño del equipo)?
- ¿Qué hace que una actualización sea “buena” para tu audiencia?
- ¿Dónde viven hoy las actualizaciones (Slack, email, Notion)?
- ¿Qué parte toma tiempo: perseguir gente, reescribir, formatear o resumir?
Maya responde —y se da cuenta de que ha intentado resolver tres problemas a la vez. Uno destaca: convertir actualizaciones informales en un resumen semanal consistente y legible.
Una expectativa clara (para que no entregues el volante)
La IA ayuda a Maya a estructurar su pensamiento: organizar el problema, sacar a la luz suposiciones, sugerir formas de probarlas. Pero Maya sigue eligiendo lo que importa: qué dolor atender, qué compensaciones son aceptables y qué significa “mejor” para personas reales.
La compañera puede redactar opciones. El constructor toma decisiones.
Convertir una pregunta en un problema que valga la pena resolver
La curiosidad a menudo empieza como una frase nebulosa: “¿Por qué es tan difícil?” o “¿Hay una forma mejor?”. En la app de notas de Maya era interesante, pero no accionable.
Así que le pide a su IA que actúe como una editora paciente, no como una máquina del bombo publicitario. El objetivo no es más ideas. Es un problema más claro.
1) De la curiosidad a la declaración del problema
Pega su pensamiento desordenado y pregunta:
“Reescribe esto como una frase de problema de una sola oración. Luego dame tres versiones: amigable para principiantes, orientada a negocio y emocionalmente honesta.”
En segundos tiene opciones lo bastante específicas para evaluar. Elige la que nombra una fricción real —no una característica.
Declaración del problema: “Personas que intentan [hacer X] con frecuencia se atascan en [momento Y], lo que provoca [consecuencia Z].”
2) ¿Quién tiene el problema —y cuándo?
A continuación, la IA fuerza una escena:
- Persona: ¿quién siente el dolor?
- Momento: ¿qué están haciendo justo antes de que las cosas salgan mal?
- Contexto: ¿en móvil, en el trabajo, con poco tiempo, solos, con un cliente?
Esto convierte una audiencia general (“cualquiera”) en una real (“nuevos líderes de equipo, durante los reportes semanales, 30 minutos antes de una reunión”).
3) Suposiciones para probar (antes de construir nada)
La IA sugiere una lista rápida de suposiciones, redactadas como afirmaciones comprobables:
- Las personas experimentan este problema con suficiente frecuencia como para importarle.
- Las soluciones actuales son lentas, arriesgadas o molestas.
- Un enfoque más simple sería confiable.
- El constructor puede contactar a estas personas para aprender más.
4) Una métrica de éxito simple
Finalmente, define qué significa “mejor” sin hojas de cálculo:
Métrica de éxito: “Un usuario primerizo puede pasar de atascado a hecho en menos de 10 minutos, sin pedir ayuda.”
Ahora la pregunta no solo es interesante: vale la pena probarla.
Investigación rápida sin perderse
La curiosidad de Maya tiene un problema: es ruidosa. Una búsqueda rápida de “ayúdame a planear un MVP” se convierte en docenas de pestañas: plantillas, cursos, herramientas “no-code” y opiniones que no coinciden.
Así que le pide a su IA algo más simple: “Mapea lo que ya existe y dime qué hacen las personas en lugar de comprar un producto.”
Comienza con un mapa del mercado (no con un agujero de conejo)
En minutos, la IA agrupa el espacio en:
- Categorías (herramientas, servicios, plantillas, comunidades)
- Alternativas (qué compran las personas en su lugar)
- Soluciones DIY (hojas de cálculo, documentos de Notion, contratar a un freelancer por una semana)
Esto no es un veredicto: es un mapa. Ayuda a Maya a ver dónde podría encajar su idea, sin pretender que “ha hecho investigación” después de leer tres posts.
Crea una tabla comparativa que realmente puedas usar
Luego pide una tabla: “Opciones principales, rango de precios típico, brechas y quejas comunes”.
| Tipo de opción | Rango de precio típico | Quejas comunes | Posibles brechas |
|---|---|---|---|
| Cursos | $50–$500 | Demasiado genéricos, difíciles de aplicar | Pasos guiados para tu contexto |
| Plantillas | $10–$100 | Bonitas, no cambian resultados | Bucle de feedback + responsabilidad |
| Coaches/consultores | $100–$300/h | Caro, calidad variable | Orientación asequible y consistente |
| Comunidades | $0–$50/mes | Poca señal, mucho ruido | Prompts estructurados + puntos de control |
¿Es diferente o solo un reempaquetado familiar?
La IA luego plantea una pregunta más dura: “¿Qué haría esto realmente distinto frente a otra versión del mismo producto?” Eso empuja a Maya hacia un ángulo claro: mayor rapidez para obtener claridad y menos decisiones—no “una plataforma todo en uno”.
Señala afirmaciones para verificar después
Finalmente, la IA resalta afirmaciones para validar en el descubrimiento de clientes: “A la gente no le gustan los cursos”, “Las plantillas no funcionan”, “La asesoría es demasiado cara”. Hipótesis útiles—hasta que usuarios reales las confirmen.
Elegir para quién es el producto
La curiosidad puede atraer a una multitud en tu cabeza: estudiantes, gerentes, freelancers, padres, fundadores. Tu IA estará encantada de idear funciones para todos ellos—y así es exactamente como los proyectos se hinchan en silencio.
La solución es simple: elige a una persona real en una situación real y construye la primera versión para esa persona.
Bosqueja 2–3 personas rápidas (con fundamento, no genéricas)
En lugar de estereotipos como “profesional ocupado”, pide a la IA que te ayude a perfilar personas usando contexto concreto:
- ¿Dónde están cuando ocurre el problema? (en un escritorio, en una obra, en el teléfono entre reuniones)
- ¿Qué herramientas usan ya? (hojas de cálculo, WhatsApp, Notion, email)
- ¿Qué temen? (verse despreparados, perder tiempo, incumplir plazos)
Personas de ejemplo:
- Maya, una marketera freelance que equilibra solicitudes de clientes y cambios constantes de contexto.
- Jordan, un líder de equipo que necesita claridad rápida antes de una reunión semanal.
- Sam, un estudiante constructor que experimenta rápido pero se atasca al elegir el siguiente paso.
Convierte las personas en historias de usuarios
Pide a la IA que convierta cada persona en 2–3 historias de usuario en el formato:
“Cuando X, necesito Y, para poder Z.”
Para Maya: “Cuando un cliente envía notas dispersas, necesito un brief limpio, para poder responder con seguridad sin releer cada mensaje.”
Elige un usuario principal—y un trabajo principal
Ahora toma la decisión difícil: un usuario principal para la versión uno.
Una buena regla es elegir la persona con el dolor más claro y el camino más corto hacia una pequeña victoria. Luego define un job-to-be-done principal: el único resultado que tu primera versión debe entregar. Todo lo demás queda para “después”.
Descubrimiento de clientes: mejores preguntas, más rápido
Nuestro Constructor Curioso tiene un prototipo en la cabeza, algunas opiniones fuertes y un gran riesgo: entrevistar a personas de un modo que solo confirme lo que ya cree.
La IA acelera el descubrimiento de clientes—pero la ganancia real es hacerlo más limpio: menos preguntas sugerentes, notas más claras y una forma más simple de decidir qué feedback importa.
1) Genera preguntas que no “conduzcan al testigo”
Una buena pregunta de descubrimiento invita a una historia. Una mala pide permiso.
Haz que la IA reescriba tus preguntas para eliminar suposiciones. Por ejemplo:
- En lugar de: “¿Usarías una app que registre tus comidas automáticamente?”
- Pregunta: “Cuéntame sobre la última vez que intentaste llevar un registro de comidas: ¿qué pasó?”
Prompt que puedes usar:
Rewrite these interview questions to avoid leading language or assumptions.
Make them open-ended, focused on past behavior, and easy to answer.
Questions: ...
(Nota: este bloque de código debe permanecer en inglés tal como está.)
2) Crea un guion de entrevista de 30 minutos y una plantilla de notas
La velocidad viene de la estructura. Pide a la IA un flujo simple que puedas repetir diez veces:
- 0–5 min: “¿Cómo es tu rol/día?”
- 5–20 min: Dos o tres historias recientes (“Recuérdame la última vez que…”)
- 20–25 min: Prioridades y compensaciones (“Si pudieras arreglar una parte, ¿cuál sería?”)
- 25–30 min: Cierre y referencias (“¿Con quién más debería hablar?”)
Luego genera una plantilla de toma de notas para que no te ahogues en transcripciones:
- Contexto: quién es, qué herramientas usa hoy
- Disparador: qué inicia el problema
- Solución actual: qué hace ahora (y por qué)
- Nivel de dolor: qué le cuesta (tiempo, dinero, estrés)
- Citas: copiar/pegar frases textuales
3) Planifica el alcance: encuentra 10 personas como tu usuario objetivo
Pide a la IA que proponga dónde se reúne tu audiencia exacta y elige dos canales que puedas ejecutar esta semana: grupos nicho de Slack/Discord, búsqueda en LinkedIn, comunidades de Reddit, listas de meetups o recomendaciones de conocidos.
Tu objetivo no es “muchas entrevistas”. Es 10 conversaciones relevantes con preguntas consistentes.
4) Decide qué cuenta como “señal” (vs. buen feedback)
El feedback amable suena como: “¡Buena idea!” Las señales suenan así:
- Describen una situación reciente, no provocada
- Ya gastan tiempo/dinero en resolverlo
- Se decepcionarían si el problema empeorara
- Preguntan “¿Cuándo puedo probarlo?” u ofrecen presentar a otros
Haz que la IA etiquete tus notas como Señal / Tal vez / Ruido—pero conserva el juicio final.
Dar sentido a lo que la gente realmente dijo
Controla tu código fuente
Mantén el control exportando el código fuente cuando quieras moverlo a otro flujo de trabajo.
Tras unas cuantas conversaciones, el Constructor Curioso enfrenta un problema familiar: páginas de notas, una docena de “tal vez” y el miedo de estar oyendo solo lo que quiere oír.
Aquí la IA demuestra su valor—no inventando insights, sino convirtiendo conversaciones desordenadas en algo accionable.
Convierte notas en temas (sin pulir la verdad)
Comienza por poner notas crudas en un solo documento (una entrevista por sección). Luego pide a la IA que etiquete cada enunciado en categorías simples:
- Puntos de dolor (qué frustra o cuesta)
- Disparadores (qué les hizo buscar una solución ahora)
- Herramientas/soluciones actuales (qué usan hoy, aunque sea “hojas de cálculo y esperanza”)
El objetivo no es una taxonomía perfecta. Es un mapa compartido que puedas revisar.
Usa la IA para resumir patrones —y señalar contradicciones
A continuación, solicita a la IA que resuma patrones recurrentes y que destaque contradicciones. Las contradicciones son oro: suelen señalar diferentes tipos de usuarios, contextos distintos o un problema que no es consistente.
Por ejemplo:
“No tengo tiempo para configurar nada nuevo.”
…puede coexistir con:
“Si me ahorrara 2 horas a la semana, lo aprendería.”
La IA puede mostrar estos en paralelo para que no los promedies hasta convertirlos en algo sin sentido.
Escribe tus “Top 3 Problemas” con evidencia
Ahora convierte los temas en una lista simple de los 3 problemas principales, cada uno con:
-
una afirmación en lenguaje llano del problema
-
quién lo experimenta (rol/contexto)
-
1–2 citas de evidencia
Formato de ejemplo:
- Problema #1: Las personas pierden el seguimiento de X cuando ocurre Y.
- Evidencia: “…”
Esto te mantiene honesto. Si no encuentras citas, puede que sea tu suposición y no su realidad.
Decide: continuar, pivotar o pausar
Finalmente, pide a la IA que te ayude a tomar una decisión basada en lo aprendido:
- Continuar si el mismo dolor aparece repetidamente y la gente ya gasta tiempo/dinero en afrontarlo.
- Pivotar si el dolor es real pero el “quién” o “cuándo” son distintos a lo que esperabas.
- Pausar si el interés es cortés, la evidencia es débil o el problema desaparece al observarlo más de cerca.
No necesitas certeza aún—solo un siguiente paso fundamentado.
Diseñar la versión mínima útil (MVP)
En este punto, el Constructor Curioso tiene un cuaderno lleno de insights y la cabeza llena de “y si también…”. Aquí la IA ayuda más—no añadiendo funciones, sino ayudándote a recortar hasta algo que realmente puedas lanzar.
Dibuja varios caminos, luego elige uno
En lugar de debatir una idea hasta el cansancio, pide a tu IA que genere 5–7 bocetos de solución: distintas formas en que el producto podría entregar valor. Luego que las clasifique por esfuerzo vs. impacto.
Un prompt simple funciona: “Lista 7 formas de resolver este problema. Para cada una, estima esfuerzo (S/M/L) e impacto (S/M/L) y explica por qué.”
No buscas perfección—solo un claro favorito.
Elige un MVP que entregue un resultado central
El MVP no es “la versión mínima del producto completo”. Es la versión más pequeña que produce un resultado significativo para una persona específica.
La IA ayuda a enunciar ese resultado como una promesa comprobable:
- “En 10 minutos, obtendrás __.”
- “Al final, tendrás __.”
Si el resultado no es obvio, el MVP aún es demasiado difuso.
Lo que excluyes es el plan real
Para evitar el feature creep, crea una lista explícita de “No en v1” con la IA:
- dashboards y analíticas
- múltiples tipos de usuario
- integraciones
- personalización y temas
Esa lista será tu escudo cuando aparezcan nuevas ideas a mitad de semana.
Dilo en una frase
Finalmente, la IA ayuda a redactar un mensaje fácil de repetir:
- Propuesta de valor en una frase: “Una [herramienta simple] para [personas específicas] que [logra el resultado central] sin [dolor común].”
- Elevator pitch (2–3 líneas): qué hace, para quién es y por qué es mejor que la solución actual.
Ahora el MVP es pequeño, con propósito y explicable: justo lo que necesitas antes de prototipar.
Prototipado: de la idea a algo que la gente pueda tocar
Lanza sin herramientas adicionales
Pon tu app en marcha con despliegue y hosting integrados cuando estés listo para compartir.
Un prototipo es donde el producto deja de ser una descripción ingeniosa y empieza a comportarse como algo real. No “completamente construido”, no “perfecto”: lo bastante concreto para que alguien pueda hacer clic, leer y reaccionar.
Convierte el MVP en un flujo simple
Pide a tu IA que traduzca tu MVP en un esquema pantalla a pantalla. Apuntas a un camino corto que demuestre el valor central.
Por ejemplo, promptea así:
You are a product designer. Create a simple user flow for a first-time user.
Context: [what the product helps with]
MVP scope: [3–5 key actions]
Output:
1) Flow diagram in text (Screen A -> Screen B -> ...)
2) For each screen: title, primary CTA, and 2–4 lines of copy
Keep it friendly and clear for non-technical users.
(Nota: este bloque de código debe permanecer en inglés tal como está.)
A partir de eso puedes crear wireframes rápidos (incluso en papel) o un mock clicable básico. La meta: que la gente “entienda” en menos de 10 segundos.
Redacta las palabras antes que los píxeles
La mayoría de prototipos fallan porque el copy es vago. Usa la IA para redactar:
- Pasos de onboarding (qué pasa primero, segundo, tercero)
- Texto de ayuda (explicaciones pequeñas donde los usuarios dudan)
- Mensajes de error (qué falló y qué hacer a continuación)
- Emails clave (bienvenida, “casi listo” y un seguimiento simple)
Si puedes leer el prototipo en voz alta y aún tiene sentido, vas por buen camino.
Haz una prueba “fake door” para validar interés
Antes de construir todo, crea una landing que describa la promesa, muestre 2–3 pantallas prototipo e incluya un CTA claro (por ejemplo “Solicitar acceso” o “Unirse a la lista”). Si alguien hace clic en una función que no existe, muestra un mensaje amable y captura su email.
La IA puede ayudarte a escribir la landing, las FAQ y un adelanto de precios (aunque sea un placeholder como /pricing).
Lo que buscas no son elogios: son compromisos: clics, registros, respuestas y preguntas concretas que revelen intención real.
Validación: demostrar valor antes de escalar trabajo
La validación es el momento en que el constructor curioso deja de preguntarse “¿podría esto funcionar?” y empieza a preguntar “¿a alguien le importa lo suficiente como para actuar?” El objetivo no es un producto perfecto: es prueba de valor con el mínimo esfuerzo.
Elige una prueba ligera (y hazla real)
En lugar de construir funciones, elige una prueba que fuerce una decisión:
- Una landing de una página con una promesa clara y una lista de espera
- Una versión “concierge” donde el servicio se entrega manualmente (pero de forma consistente)
- Un piloto pequeño con 3–5 usuarios objetivo
La IA ayuda convirtiendo una idea desordenada en una oferta nítida: titular, descripción corta, algunos beneficios y un CTA que no suene a marketing.
Define resultados que puedas medir
Antes de enviar nada, anota qué significa “éxito” en cifras. No métricas de vanidad: señales de intención.
Ejemplos:
- Registros: 30% de visitantes se unen a la lista de espera
- Respuestas: 10 respuestas significativas de 50 mensajes de outreach
- Tiempo ahorrado: usuarios terminan una tarea 20 minutos antes
- Uso repetido: 3 de 5 usuarios del piloto vuelven la semana siguiente
Si no puedes medirlo, no puedes aprender de ello.
Deja que la IA genere variantes A/B (rápido, no aleatorio)
Pide a la IA 10 pares titular + CTA dirigidos a una persona específica y elige dos para probar. Una versión puede enfocarse en “ahorrar tiempo”, otra en “evitar errores”. Mismo ofrecimiento, ángulos distintos.
Captura aprendizajes y decide el siguiente paso
Tras la prueba, la IA resume lo ocurrido: qué clicaron, qué preguntaron, qué les confundió, qué ignoraron. Terminas con una decisión simple: mantener, cambiar o parar —y una frase sobre qué probar después.
Planear el desarrollo sin ser técnico
No necesitas hablar “desarrollador” para planear una construcción. Necesitas claridad: qué debe hacer el producto el día uno, qué puede esperar y cómo sabrás que funciona.
Aquí tu IA deja de hacer brainstorming y empieza a actuar como socia de proyecto cuidadosa.
Comienza con tres buckets
Pide a la IA que convierta tu idea en un plan de construcción simple con Imprescindibles, Deseables y Después. Mantén los imprescindibles brutalmente pequeños: funciones que entreguen directamente la promesa que haces a los usuarios.
Luego que haga una “definición de hecho” de una página para cada imprescindible. Prompts de ejemplo:
- “Escribe una especificación en lenguaje llano para que un usuario guarde un borrador, incluyendo casos límite.”
- “Lista criterios de aceptación para ‘exportar a PDF’ que una persona no técnica pueda probar.”
Especificaciones y checklists en lenguaje llano
Haz que la IA redacte:
- Un checklist paso a paso de construcción (qué hay que construir y en qué orden)
- Historias de usuario simples (“Como…, quiero… para que…”) con criterios de aceptación
- Un checklist de pruebas que puedas ejecutar antes de compartir
Esto reduce las ocasiones de adivinar para freelancers o equipos de dev.
Aclara quién hace qué
Si trabajas con otros, pide a la IA que describa roles: quién diseña pantallas, quién construye el backend, quién escribe copy, quién monta analíticas, quién hace QA. Aunque una persona lleve varios sombreros, nombrarlos previene tareas olvidadas.
Preguntas prácticas sobre privacidad y manejo de datos
Antes de construir, usa la IA para generar una lista corta de preguntas prácticas: ¿Qué datos recogemos? ¿Dónde se almacenan? ¿Quién tiene acceso? ¿Cómo borra un usuario sus datos? No es política legal, es evitar sorpresas.
Cuando estés listo para construir, elige un flujo acorde a tu velocidad
Si eres no técnico (o quieres moverte rápido), las plataformas de “vibe-coding” pueden ayudar. Por ejemplo, Koder.ai te permite tomar las especificaciones que escribiste en lenguaje llano y convertirlas en una app web, backend o móvil mediante una interfaz de chat —luego iterar con snapshots y rollback mientras pruebas con usuarios reales.
El beneficio práctico no es generar código mágico; es acortar el ciclo desde “esto es lo que aprendimos” hasta “aquí hay una versión que podemos mostrar”. Y si luego quieres pasar a un pipeline tradicional, exportar el código fuente mantiene esa opción abierta.
Lanzamiento: mensaje claro y una checklist tranquila
Crea tu primer MVP rápido
Convierte una especificación en inglés claro en una app funcional usando chat; luego itera según lo que aprendas.
El día del lanzamiento no debería sentirse como subir al escenario sin guion. Si hiciste el descubrimiento y construiste un MVP pequeño y útil, el siguiente trabajo es explicarlo con claridad—y facilitar que las primeras personas lo prueben.
Una checklist de lanzamiento tranquila (lo que realmente importa)
Usa la IA como una jefa de proyecto práctica: pídele que convierta tus notas desordenadas en una lista ordenada y luego decide qué es real.
Tu checklist “suficientemente buena” puede ser:
- Mensajería: una frase para quién es, una para qué les ayuda a hacer, una para por qué es diferente.
- Demo: un recorrido de 60–90 segundos (grabación de pantalla o en vivo). No un tour de funciones—solo el trabajo principal realizado.
- Onboarding: una lista de inicio (máx. 3 pasos) y un ejemplo para que la gente no empiece desde cero.
- Soporte: un canal de contacto y una promesa como “Respondemos en 24 horas”.
Haz que la IA redacte FAQ a partir de objeciones
Toma las dudas principales que escuchaste en discovery —“¿Funciona con mi flujo?”, “¿Cuánto tarda la configuración?”, “¿Mis datos están seguros?”— y pide a la IA respuestas en tu tono.
Luego edita con honestidad. Si algo es incierto, dilo y explica el plan.
Página de producto basada en historia + primer anuncio
Pide a la IA un esquema simple:
- El momento de frustración (del cliente, no el tuyo)
- La pequeña ganancia que entrega tu producto
- Cómo funciona en 3 pasos
- Prueba (cita, captura o un resultado específico)
- Llamado a la acción claro (comenzar, unirse a la lista, solicitar acceso)
Para el primer post de anuncio, sé humano: “Esto es lo que construimos, para quién y qué estamos probando a continuación.”
Cronograma y la primera “victoria”
Fija una ventana de lanzamiento realista (aunque pequeña) y define una primera victoria como: 10 usuarios activos, 5 flujos de onboarding completados o 3 pruebas pagadas. La IA ayuda a hacer seguimiento, pero tú eliges la meta que prueba valor, no vanidad.
Mantener el impulso: la IA como co-constructora a largo plazo
Después del lanzamiento, el Constructor Curioso no “se gradúa” de la IA. Cambia cómo la usa.
Al principio, la compañera acelera: borradores, estructura, prototipos. Más tarde, ayuda con el ritmo: notar patrones, mantener consistencia y tomar decisiones pequeñas con menos estrés.
Iteración como un bucle semanal (no un sprint heroico)
Fija una cadencia simple: hablar con usuarios, lanzar una mejora pequeña y anotar qué pasó. La IA es el asistente silencioso que mantiene el bucle en movimiento.
Algunos hábitos que funcionan:
- Llamadas semanales con usuarios (aunque cortas). La IA genera agenda a partir de notas de la semana y 5 preguntas de seguimiento.
- Un registro de experimentos. Tras cada cambio, registra: hipótesis, qué se lanzó, qué esperabas, qué pasó. La IA resume resultados y sugiere próximos tests.
- Una librería de prompts. Guarda prompts que siempre producen buenos resultados (resúmenes de investigación, preguntas de entrevista, notas de lanzamiento). Con el tiempo, esto será tu “manual operativo”.
Lo que la IA no debe hacer
Dibuja líneas claras para que la compañera sea útil, no imprudente:
- No es la juez final. La IA puede recomendar; el constructor decide qué lanzar.
- No es el departamento de ética. La IA puede señalar riesgos; el constructor define políticas y valores.
- No es un atajo sobre el consentimiento del usuario. Nada de raspar datos privados, grabaciones sorpresa ni “preguntamos a la IA qué quieres”. Pregunta a las personas directamente y sé transparente.
Un marco repetible que puedes copiar
Cuando el impulso flaquea, vuelve a un guion simple:
- Escuchar: 3–5 conversaciones cortas con usuarios.
- Sintetizar: pedir a la IA temas, contradicciones y preguntas abiertas.
- Elegir: escoger un problema y una métrica que importe.
- Lanzar: hacer el cambio más pequeño que pruebe la idea.
- Aprender: registrar resultados, actualizar la librería de prompts y repetir.
Así la curiosidad se convierte en producto —y el producto en práctica.