¿Qué le está haciendo la IA a los diseñadores, y qué le están haciendo los diseñadores a la IA?
Encuestamos a 217 profesionales del diseño en 43 países para averiguarlo. Nos contaron cómo la IA está transformando su trabajo y su forma de pensar. También nos contaron cómo, a su vez, están decidiendo cómo nombrar a la IA, cuándo seguirla y cuándo corregirla. Este dashboard resume los patrones y las voces. No requiere contexto previo. Recorre las pestañas en el orden que quieras.
Tres lentes.
Nueve conceptos.
Una encuesta.
La mayoría de las encuestas sobre adopción de IA preguntan lo mismo: con qué frecuencia, cuántas herramientas, para qué. Aquí usamos tres lentes académicas para hacer preguntas más profundas. Cómo la IA está cambiando lo que los diseñadores hacen, cómo piensan, y qué significa el diseño como profesión.
Los estudios mono-disciplinares pasan por alto lo que la IA está realmente haciendo al diseño.
"¿Qué puede ver una arquitectura tri-disciplinar que una sola disciplina no logra captar?"
La perspectiva de HCI captura patrones de interacción, pero pasa por alto la identidad y el significado. Design Studies aborda la transformación de la práctica, pero carece de instrumentos para la comparación entre muestras. STS ofrece un análisis crítico y situado, pero rara vez se operacionaliza en patrones medibles. Ningún estudio existente integra los tres. Aquí construimos uno, y lo hicimos bilingüe para probar si los patrones se sostienen entre comunidades lingüísticas distintas.
Nota metodológica. Esta encuesta combinó dos formas de escuchar. La parte cuantitativa hizo preguntas estructuradas sobre frecuencia, herramientas, etiquetas de rol y escalas Likert, mapeando la forma de la integración de IA entre 217 profesionales. La parte cualitativa abrió un espacio para que los diseñadores respondieran con sus propias palabras: en qué se ha convertido su trabajo, cómo se siente trabajar con IA, qué están pasando por alto los investigadores. Las preguntas estructuradas nos dicen dónde se sitúan los diseñadores. Las respuestas abiertas nos dicen qué dicen. Los hallazgos más interesantes viven en la brecha entre ambas.
De las lentes teóricas a los ítems de encuesta.
"¿Cómo se convierte un concepto de la Teoría del Actor-Red en una pregunta de encuesta sin perder lo que lo hace valioso?"
Cada lente aporta tres conceptos derivados de la literatura, nueve en total. Design Studies y HCI ofrecieron constructos validados adaptables a ítems estructurados. STS planteó un desafío: la Teoría del Actor-Red fue diseñada para estudio etnográfico, no para encuestas. Construimos tres ítems propios orientados a percepción (atribución de agencia), comportamiento (respuesta a la inscripción) y resultado (reconfiguración de la red), una tríada percepción-comportamiento-resultado que se aproxima a la riqueza etnográfica dentro de las restricciones de una encuesta.
Una nota franca sobre los ítems STS. A diferencia de los conceptos de Design Studies y HCI, que se apoyan en escalas validadas (el modelo de tres niveles de Bhargava, CAILS/CAIMS), los tres ítems STS son de construcción propia: no existen instrumentos de encuesta validados para ANT. Usamos STS como lente interpretativa sobre datos estructurados, no como un estudio etnográfico ANT completo. Los tres ítems están diseñados deliberadamente para capturar percepción, comportamiento y resultado como compensación parcial por la ausencia de validación psicométrica.
La adopción es universal.
El lenguaje al respecto, no.
La encuesta arroja un gran hallazgo, las tres lentes convergen sobre el mismo gradiente: a mayor integración de IA, mayor transformación conjunta de la práctica, la cognición y el significado. Pero la forma en que los profesionales nombran lo que hacen con la IA va atrás de lo que realmente hacen, una brecha con consecuencias para la gobernanza, la formación y la identidad profesional.
Cuatro cifras que enmarcan todo lo demás.
Cada uno de los demás hallazgos es una sub-pregunta de estos cuatro.
Nueve mediciones.
Tres lentes.
Un hallazgo convergente.
"Si tuvieras que leer el efecto de la IA sobre la práctica del diseño en un solo cuadro, ¿qué diría?"
Cada columna abajo es una medición empírica única de la encuesta. Tres mediciones por lente. Cada celda muestra cómo cambia esa medición a medida que los profesionales se mueven de usuarios Rutinarios (Nivel I) a Exploradores (Nivel II) y a Integrados (Nivel III). El patrón a lo largo de las nueve columnas cuenta una sola historia: la profundidad de integración predice todo lo demás.
De producir a gobernar.
"¿Qué están haciendo distinto los diseñadores, y qué les cuesta?"
Los diseñadores pasan menos tiempo creando y más tiempo evaluando, curando y dirigiendo outputs generados por IA. El cambio no es sutil: 71% de la muestra total reporta más tiempo evaluando que produciendo, y en Nivel III, esto sube al 91%, con 45% reportándolo como el patrón dominante (más de 2× la tasa del Nivel I).
A mayor integración, mayor desplazamiento. Los usuarios de Nivel III tienen 2.5× más probabilidad de reportar un desplazamiento mayor hacia la evaluación que los de Nivel I. El acto de "diseñar" se está reorganizando alrededor de los outputs de la IA.
La brecha de etiquetado. 60% llama a la IA "asistente", pero 36% de los usuarios de Nivel III la nombran "colaborador," 4× la tasa de los usuarios de Nivel I. Los profesionales actualizan la etiqueta solo cuando el comportamiento no deja alternativa.
La adopción de IA no es una línea.
Es un paisaje.
Cuando mides lo que los diseñadores hacen con la IA por separado de cómo la llaman, emergen posiciones distintas, y el supuesto "destino" (el Gobernador Alineado) representa apenas el 10% de los profesionales. El camino de la transformación no es una línea única; son al menos dos rutas moldeadas por el contexto cultural y lingüístico.
Seis posiciones en el paisaje.
"¿Qué le pasa a la transformación con IA si dejas de asumir que todos se mueven en la misma dirección?"
Cada arquetipo combina una posición de integración conductual (Design Studies × HCI: qué tan integrado, qué estilo de interacción) con una posición de atribución de agencia (STS: herramienta / asistente vs. colaborador / impredecible). El 2×2 abajo muestra dónde vive cada arquetipo. Las celdas con varias tarjetas tienen sub-posiciones distintas.
Solo 3 respondientes encajan en el patrón estricto (n=3 de 177, 1.7%), demasiado pocos para caracterizar como arquetipo, pero vale anotarlo: es la postura más rara en la muestra.
Hallazgo clave. El Instrumentalista Sofisticado tiene más metacognición (3.27) y menos ansiedad (2.62) que el Gobernador Alineado (2.72 / 3.17). La persona que se niega a llamar "colaborador" a la IA es, en promedio, la más competente y la menos preocupada del equipo. El desajuste entre lo que hacen y lo que dicen no es un déficit que reparar. Es una señal que vale la pena escuchar.
La mitad de la muestra no encaja en un arquetipo limpio.
Los cinco arquetipos cubren 89 de 177 respondientes (50%). Los otros 88 (50%) están en lo que llamamos el "centro mayormente alineado", una posición donde comportamiento y lenguaje se mueven en la misma dirección pero ninguno alcanza un extremo. Esto no es un baúl residual. Es el cluster más grande de la muestra, y tiene consecuencias metodológicas.
Diseñadores cuya posición en los tres ejes es internamente consistente pero no alcanza los extremos discriminantes que definen un arquetipo. Hacen con la IA lo que su nivel de integración predice. La describen como su comportamiento predice. La historia no está con ellos. Está con la mitad que rompe el patrón.
Tu dashboard probablemente muestra frecuencia de uso de IA. Eso te dice casi nada sobre arquetipo. El Instrumentalista Sofisticado y el Gobernador Alineado usan IA diariamente, pero describen lo que hacen en formas opuestas. Sin medir la atribución de agencia, no puedes ver la diferencia.
Si los miembros más integrados de tu equipo se niegan a llamar "colaborador" a la IA, no están atrás. Pueden estar leyendo la situación con más precisión de la que el marco permite. Trátalo como dato.
La mitad de tu equipo no es un arquetipo, se mueven establemente en los tres ejes a la vez. Los programas de transformación diseñados para el Gobernador Alineado los van a perder. No necesitan reorientación; necesitan andamiaje para el camino que ya van caminando.
Hacen más con la IA.
Pero no quieren decirlo así.
Los diseñadores latinoamericanos, predominantemente colombianos (n=82, 90% colombianos), superan a sus pares globales en cada medida conductual de integración de IA. Pero se niegan a llamar "colaboración" a lo que hacen. Este desajuste conductual-lingüístico es el hallazgo más distintivo del estudio.
Latinoamérica llega al mismo destino, solo que desde más lejos.
"¿Por qué la brecha latinoamericana de atribución de agencia colapsa con la antigüedad?"
En cada nivel de antigüedad, los diseñadores latinoamericanos atribuyen menos agencia a la IA que sus pares globales, pero la brecha colapsa con la experiencia. De 40 puntos a nivel junior, a 16 puntos en mid-career, a 3 puntos en senior. Esto no es una posición cultural fija. Es una trayectoria de desarrollo. La pregunta pedagógica para la educación en diseño en la región: ¿podemos comprimir el tiempo hasta la llegada?
De desarrollo, no fijo. Los diseñadores senior latinoamericanos alcanzan paridad cercana (dentro de 3 puntos) con sus pares globales en llamar "colaborador" o "participante impredecible" a la IA. La historia no es que los latinoamericanos no vean a la IA como colaboradora. Es que llegan a esa percepción por una ruta distinta, y llegan. La brecha de 40 puntos a nivel junior señala dónde necesita aterrizar el esfuerzo curricular.
Lo que hacen con la IA
vs. lo que dicen que es.
"¿Qué pasa cuando el mismo grupo lidera en cada medida conductual pero queda atrás en cada medida lingüística?"
Los diseñadores latinoamericanos de mid-career (n=54) superan a sus pares globales (n=49) en cada indicador conductual. Pero se niegan a llamar "colaboración" a lo que hacen. Este es el hallazgo central del estudio: integración conductual sin agencia lingüística.
Integración conductual sin agencia lingüística. Los diseñadores latinoamericanos de mid-career hacen más con la IA, usan más herramientas y siguen sus sorpresas con más frecuencia, pero se niegan a nombrar lo que hacen como colaboración. La misma realidad conductual es narrada a través de registros discursivos fundamentalmente distintos. El hallazgo más consecuente de este estudio vive en la brecha entre un gráfico de barras y un vocabulario.
El corpus en español hace emerger conceptos para los que el inglés no tiene equivalente.
Cuando los profesionales latinoamericanos describen su relación con la IA, recurren a palabras que no aparecen a tasas comparables en ningún otro lugar. El vocabulario es un hallazgo.
36% de los hispanohablantes expresan preocupación por el empleo (vs. 8% en inglés). ~12% invocan humanidad o esencia, nombrando un núcleo humano irreducible del diseño. El corpus en español contiene las palabras "amor propio", "afectaciones cognitivas" y "tiempo lento", ninguna con análogos directos en el corpus en inglés.
La misma encuesta.
Dos vocabularios.
Dos relaciones.
Hacer la encuesta de forma bilingüe no fue un ejercicio de traducción, fue una decisión metodológica. Cada corpus lingüístico se codificó de forma independiente antes de la comparación entre lenguas, para evitar que los marcos del inglés colonizaran los significados del español. Lo que emergió: dos comunidades, nombrando la misma relación con la IA a través de registros discursivos fundamentalmente distintos.
El mismo comportamiento. Lenguaje distinto.
"¿Qué significa cuando una comunidad llama a la IA un 'partner' y la otra la llama una 'herramienta que ayuda'?"
Los respondientes en inglés recurren a vocabulario relacional, partner, companion, collaborator, thought partner, a cinco veces la tasa de los respondientes en español. Los hispanohablantes describen la misma realidad conductual pero permanecen más cerca del vocabulario instrumental, herramienta, asistente, dupla, incluso cuando la interacción de fondo es colaborativa. Si el vocabulario inglés describe o constituye la relación es justamente la pregunta que este estudio deja abierta.
~35% de los anglohablantes usan vocabulario relacional ("partner", "companion", "collaborator", "thought partner") en sus respuestas abiertas.
~6.5% de los hispanohablantes usan vocabulario relacional equivalente a niveles de uso comparables, cinco veces menos que el inglés. 36% expresan preocupación por el empleo (vs. 8% en inglés). El corpus en español carga un registro emocional que el corpus en inglés no tiene.
"Asistente" significa cosas distintas en lugares distintos.
"¿Por qué la misma palabra, Asistente, aparece en todas las regiones pero significa algo completamente distinto en cada una?"
La codificación bilingüe reveló que llamar "asistente" a la IA es el encuadre dominante en todas las regiones, pero el mecanismo detrás de ese encuadre varía por región. Los datos cualitativos revelan al menos tres lógicas distintas detrás de la misma etiqueta. Esto importa para la estrategia de transformación: los programas de capacitación diseñados para una forma de instrumentalismo no funcionarán para las otras.
Los clientes usan IA para saltarse al diseñador, llegan con mockups generados por IA y le piden al diseñador solo que los "pula". Llamar "colaborador" a la IA tergiversaría quién realmente tiene el poder. El encuadre instrumental es fiel a la realidad económica, no una descripción equivocada de ella.
Los diseñadores senior ven a la IA mercantilizar décadas de experiencia acumulada. Nombrar a la IA como "asistente" es un reclamo jurisdiccional, una forma de preservar el territorio profesional. "Sigo en control" es lo que hace el lenguaje, no lo que hace el trabajo.
La IA es infraestructura para la velocidad. Sin amenaza identitaria, sin presión de desplazamiento, solo optimización de flujo de trabajo. El encuadre instrumental refleja una relación que es genuinamente instrumental: el profesional está tranquilo, la herramienta es útil, el trabajo sigue.
La implicación. Los programas de capacitación que funcionan para los instrumentalistas pragmáticos europeos van a fracasar con los diseñadores latinoamericanos estructuralmente desplazados. Las estrategias de transformación diseñadas para los seniors defensivos de Norteamérica serán irrelevantes para los juniors latinoamericanos, que ya están más integrados que sus contrapartes anglosajonas. El desajuste conductual-lingüístico no es un fenómeno. Son al menos tres, y cada uno requiere una respuesta distinta.
Conceptos que el corpus en español hace emerger sin equivalente en inglés.
Tres términos que aparecieron repetidamente en las respuestas en español, sin análogo conceptual directo en el corpus en inglés. Esto no son fallos de traducción. Son hallazgos sobre lo que cada comunidad lingüística puede articular.
Un núcleo humano irreducible del diseño que la IA no puede replicar. ~12% de las respuestas en español lo invocan. El corpus en inglés no contiene ningún concepto comparable, los profesionales que escriben en inglés no nombran lo que la IA no puede alcanzar.
Por qué importa: Sugiere que el discurso del diseño en español mantiene un encuadre esencialista del valor humano del diseño que el discurso en inglés ha abandonado.
Valor de sí mismo en lo profesional. Distinto de la "autoestima" o el "orgullo profesional". Nombra una erosión específica: no la pérdida del trabajo, sino la disolución de la creencia en el propio trabajo. Emerge solo en español, anomalía ES-56.
Por qué importa: El discurso en inglés enmarca la amenaza de la IA como desplazamiento (empleo). El discurso en español añade un segundo registro: devaluación (sentido del propio valor).
El tiempo de incubación cognitiva que la aceleración de la IA elimina. "Ese tiempo lento hacía parte esencial del proceso." Anomalía ES-3.
Por qué importa: El concepto más cercano en el corpus en inglés es "thinking-time bottleneck" (anomalía EN-87), pero le falta la dimensión temporal-estética que carga tiempo lento.
Preguntamos. Esto fue lo que dijeron.
"¿Hay algo sobre cómo la IA está afectando tu trabajo a lo que los investigadores no le están prestando suficiente atención?"
La pregunta abierta que produjo el corpus más distintivo en ambos idiomas. Tres señales dominan.
Los profesionales reportan fatiga por la evaluación constante, una especie de carga de gobernanza que antes no existía. "Pienso más, pero creo menos." Los investigadores miden la adopción; los respondientes nos están pidiendo que midamos el costo de la evaluación.
Varios respondientes señalan que el uso de IA ya no es opcional, empresas, clientes y herramientas asumen la integración. "La uso por orden directa de mis jefes." Para una parte de la fuerza laboral, el encuadre correcto es mandato, no adopción.
Varios profesionales senior se preocupan de que la IA esté devorando el trabajo que produce diseñadores, las tareas de construcción de habilidad temprana ahora están automatizadas. La pregunta del pipeline: ¿de dónde vendrán los diseñadores senior en 2035?
Donde los patrones se rompen.
El análisis de anomalías fue un tercer paso analítico junto a la codificación deductiva e inductiva, hizo emerger voces que contradicen el hallazgo convergente, abren territorio conceptual nuevo, o nombran experiencias que el marco no anticipó. Aquí se ubican 29 anomalías (16 EN + 13 ES) como datos y provocación.
Cuatro formas en que una voz puede ubicarse fuera de los patrones.
Cada anomalía lleva una o más etiquetas. Las anomalías multi-etiquetadas son las más generativas, rompen el patrón en más de una dirección.
Invierte directamente un hallazgo del dataset convergente, p. ej., la IA causa burnout en vez de aliviarlo.
Nombra un fenómeno que ningún ítem de encuesta o concepto del marco anticipó, p. ej., culpa ambiental.
Da voz a una posición que tienen muy pocos respondientes, singular pero consecuente, p. ej., la IA como arma gerencial.
Articula un fenómeno visible en los datos estructurados, pero con una profundidad conceptual que la encuesta no pudo capturar, p. ej., "tiempo lento."
Filtra, busca, expande.
Filtra por idioma y etiqueta, o busca por texto. Haz clic en cualquier tarjeta para expandir la cita completa, los metadatos del respondiente y el análisis de por qué importa.
No son el titular. Son las costuras.
Estas 29 voces no son el titular. El titular vive en las otras pestañas, la convergencia, los arquetipos, la brecha bilingüe. Esta pestaña sostiene la parte de los datos que se resistió a la categorización: profesionales que dijeron algo que el marco no pudo absorber, o lo dijeron de una forma que rompió nuestra codificación. Las hemos mantenido visibles, en sus propias palabras, porque agregarlas y disolverlas habría sido la opción más cómoda, y la equivocada.
Leídas individualmente, ninguna anomalía sola prueba nada. Leídas en conjunto, hacen algo más interesante: marcan dónde viven las próximas preguntas. El concepto en español de humanidad como algo que la IA amenaza. La profesional senior que dice que la IA movió el diseño "de crear artefactos a arquitectar decisiones". El desplazamiento estructural que vuelve "colaborador" un nombre equivocado porque los clientes llegan con mockups generados por IA y solo le piden al diseñador que los pula. Estos no son patrones que encontramos. Son costuras en el marco, lugares donde podría comenzar otro estudio.
También son pequeñas. n=29 de 217. Señales tempranas, no hallazgos. Presentes hoy.
Estas voces anclarán la Etapa 2 de esta investigación, provotyping y grupos focales diseñados para probar si lo que aquí se lee hoy como anomalía mañana se lee como señal. Invitamos a la comunidad de diseño e investigación a tomar estas costuras en serio, como puntos de partida para su propio trabajo, como provocaciones para sus equipos, y como insumos para las conversaciones que deberíamos estar teniendo sobre qué le está haciendo la IA a la práctica del diseño, y cómo, a su vez, los diseñadores están reconfigurando la IA.
Si no lees nada más,
lee esto.
Una síntesis de lo que dice la encuesta, tomada en conjunto. Un párrafo que conecta los puntos a lo largo de las pestañas anteriores. Cinco tarjetas cortas, una para cada tipo de persona que podría estar leyendo esto. Y una pregunta de cierre con la cual pensar.
Lo que el estudio está realmente diciendo.
Si has leído las pestañas anteriores en cualquier orden, has encontrado una convergencia, una paradoja, un paisaje, una brecha de vocabulario, y 29 voces disidentes. Aquí está el hilo conductor.
La IA está moviendo el diseño de hacer a gobernar, y esa transición es real, medible y consistente a través de tres lentes disciplinares. Pero cómo los diseñadores describen lo que hacen va detrás de lo que hacen, y la brecha tiene patrón: los profesionales más integrados son a menudo los más reticentes a llamar "colaborador" a la IA. Esto no es un déficit de madurez. Es una postura profesional discriminadora, una que aparece con más nitidez en Latinoamérica, hace emerger conceptos para los que el mundo anglohablante no tiene palabras, y se rompe en 29 lugares específicos donde el marco no pudo seguir. La brecha entre lo que los diseñadores hacen y lo que dicen que es la IA es donde se va a negociar la próxima década de la práctica del diseño.
Cinco audiencias. Una cosa cada una.
No es una lista de conclusiones, es una lista de redirecciones. Encuentra la tarjeta que te encaja. Una observación que vale la pena guardar, y una provocación que vale la pena rumiar.
Si usas IA a diario, sigues sus sorpresas, y aun así la llamas "herramienta", estás en el arquetipo conductualmente más integrado de nuestra muestra. No estás atrás. Estás navegando algo que el vocabulario no ha alcanzado todavía.
Pon atención la próxima vez que describas tu flujo de trabajo con IA. La palabra que eliges te dice algo sobre la relación que estás dispuesto a reclamar, y la responsabilidad que estás dispuesto a compartir.
Tu dashboard probablemente rastrea la frecuencia de uso de IA. La mitad de tu equipo comparte el mismo nivel de frecuencia pero vive en arquetipos opuestos. El Instrumentalista Sofisticado y el Gobernador Alineado se ven idénticos en los datos de uso, y requieren conversaciones completamente distintas.
Si aplicaras la encuesta de tres ejes a tu propio equipo, ¿dónde se agruparían? ¿Y qué necesitaría la mayoría de Navegantes Silenciosos que ningún programa de transformación les está dando hoy?
El desajuste conductual-lingüístico es invisible para cualquier lente única, y los conceptos solo-en-español (humanidad, amor propio, tiempo lento) son invisibles para cualquier corpus solo-en-inglés. La arquitectura bilingüe + tri-lente no es un adorno metodológico, es la condición para ver lo que realmente está pasando.
¿Cuáles de tus hallazgos actuales sobrevivirían a un re-análisis estructurado entre lenguas, y cuáles son artefactos de trabajar en un solo idioma a la vez?
La brecha de atribución de agencia colapsa con la antigüedad (40 → 16 → 3 puntos). Esto es una oportunidad pedagógica, no un déficit cultural. Los diseñadores latinoamericanos senior alcanzan paridad cercana al llamar "colaborador" a la IA. La pregunta es qué cierra esa brecha, y si el currículum puede comprimirla.
Si tus estudiantes se están graduando hacia una profesión donde dirigir IA es más del trabajo que hacer cosas, ¿cómo debería verse el taller? ¿Cuál es el primer ejercicio que no asume el hacer como el acto principal?
71% de los diseñadores pasa más tiempo evaluando outputs de IA que produciendo trabajo original. El modo de falla dominante en nuestros datos de texto abierto no es el output malo, es la carga de gobernanza: el costo cognitivo de decidir qué conservar. Las ganancias de productividad de tu herramienta pueden ser invisibles para los usuarios que cargan ese peso.
¿Cómo se vería diseñar para el costo de la evaluación, no solo para la velocidad de la generación? ¿Qué rituales de evaluación podría incorporar tu herramienta, y de cuáles debería mantenerse al margen?
Si recuerdas una sola cosa, que sea esta.
Cuando la persona más competente de tu equipo se niega a llamar "colaborador" a la IA, ¿qué está protegiendo, y le está pidiendo el marco que lo entregue?
La encuesta.
Los autores.
Las salvedades.
Todo lo que necesitas para evaluar, replicar o criticar este estudio. Las preguntas de la encuesta mapeadas a las lentes y a los conceptos. Los compromisos metodológicos y las limitaciones conocidas. Autores, referencia, agradecimientos, y el firewall de integridad de datos que separa a los respondientes reales de este estudio de cualquier proxy sintético o analítico.
23 preguntas. Nueve derivadas del marco conceptual.
El instrumento completo comprendió 23 ítems: un bloque demográfico, dos ítems de conducta con IA (frecuencia y herramientas), nueve ítems derivados de los conceptos mapeados a las tres lentes, cuatro ítems abiertos para profundidad experiencial, y un ítem de seguimiento para reclutamiento a la Etapa 2. Las preguntas abiertas funcionaron como mecanismo de falsabilidad, permitiendo que emergiera lo que el marco no anticipó. Desplegada de forma bilingüe vía LinkedIn (~10.000 conexiones), 217 respuestas completas en un periodo de campo de dos semanas.
| Bloque | Lente | Concepto · Ítem |
|---|---|---|
| Demográficos | Contexto | País · género · educación · profesión · industria · contexto de trabajo · idioma principal de trabajo · área de diseño · años de experiencia |
| Conducta | Uso de IA | Frecuencia de IA: Diaria / Varias veces por semana / Pocas veces al mes / Rara vez / Nunca · Herramientas IA usadas: Conversacional / Generación de imagen / Código / Workflow / Personalizada-empresarial / Embebida |
| Concepto 1 | Design Studies | Modelo de tres niveles de uso: Rutinario / Explorador / Integrado (Bhargava & Gopal, 2022) |
| Concepto 2 | Design Studies | Desplazamiento de producción a evaluación: escala de 5 puntos evaluación/creación (Simkute et al., 2024) |
| Concepto 3 | Design Studies | Reconfiguración de valores: Likert: la IA está cambiando lo que cuenta como buen diseño |
| Concepto 4 | HCI | Estilo de interacción: Directivo / Iterativo / Socio de pensamiento / Sin enfoque consistente (escala CAILS) |
| Concepto 5 | HCI | Conciencia metacognitiva: Likert: puedo predecir la calidad del output de IA (CAIMS) |
| Concepto 6 | HCI | Balance confianza-autonomía: ítems Likert: ansiedad por habilidades, división de tareas, identidad director-curador |
| Concepto 7 | STS | Atribución de agencia: IA como herramienta / asistente / colaborador / participante impredecible (propio, inspirado en Latour) |
| Concepto 8 | STS | Respuesta a la inscripción: cuando la IA te sorprende: modificas / exploras / rechazas / usas como punto de partida (propio, inspirado en Akrich) |
| Concepto 9 | STS | Reconfiguración de la red: ¿ha cambiado cómo se divide / se discute / se valora el trabajo? (propio, Law & Varanasi 2025) |
| Abiertos | Cualitativo | Cambio en la práctica · Relación con la IA · Significado del diseño · Lo que los investigadores pasan por alto · Seguimiento a la Etapa 2 |
Lo que este estudio puede afirmar, y lo que no.
Cinco compromisos y limitaciones que dan forma a cada hallazgo en este dashboard.
Protocolo de codificación bilingüe
Cada corpus lingüístico se codificó de forma independiente antes de la comparación entre lenguas. No hubo traducción previa a la codificación. Esto evita que los marcos del inglés colonicen los significados del español, y es, en sí mismo, parte del hallazgo sustantivo.
Confound antigüedad-geografía
Los respondientes latinoamericanos sesgan más jóvenes que los anglo-occidentales. Las comparaciones geográficas en bruto no son fiables. Todas las comparaciones entre regiones en este dashboard están controladas por antigüedad (Junior / Mid-career / Senior).
STS como lente interpretativa
No existen instrumentos de encuesta validados para ANT. Nuestros tres ítems STS son de construcción propia, capturan percepción, comportamiento y resultado como compensación parcial por la ausencia de validación psicométrica. Usamos STS de forma interpretativa, no etnográfica.
Enredo recursivo
Se usó IA (Claude, Anthropic) para asistir en la codificación de los datos de la encuesta sobre el impacto de la IA en la práctica del diseño. Este enredo recursivo se reconoce como una limitación metodológica. Los autores mantuvieron las decisiones finales de codificación; la IA asistió en hacer emerger patrones.
Composición latinoamericana
Latinoamérica (n=82) es 90% colombiana (n=74); los 8 respondientes restantes provienen de seis países más. La submuestra no-colombiana es demasiado pequeña para probarse independientemente con confianza, pero hace eco general de los patrones discursivos de la muestra colombiana, llamar a la IA "asistente" en vez de "colaborador", menor atribución de agencia que el Resto del Mundo, sugiriendo que el hallazgo lingüístico se extiende más allá de una sola muestra nacional aun donde las medidas conductuales no tienen poder estadístico suficiente para confirmarlo.
Periodo de campo y distribución
La encuesta se aplicó entre el 17 de febrero y el 2 de marzo de 2026, distribuida enteramente a través de LinkedIn, a través de las redes profesionales de los autores (~10.000 conexiones) y amplificada sustancialmente por un repost de Jakob Nielsen que extendió el alcance más allá de la red original. Tiempo medio de respuesta: ~10 minutos. Voluntaria, anónima, sin incentivo.
🔥 Firewall de integridad de datos. Los hallazgos empíricos mostrados a lo largo de este dashboard provienen exclusivamente de 217 respondientes reales de la encuesta en 43 países. Las personas sintéticas (n=75) generadas para probar el instrumento están bloqueadas del dataset analítico. Los análisis exploratorios desarrollados para una encuesta organizacional transectorial planificada (Etapa 2) no están representados aquí, se mantienen metodológicamente separados. Cada porcentaje en este dashboard se puede rastrear a survey_clean.json.
Quiénes respondieron la encuesta.
Un retrato de los 217 profesionales del diseño cuyas respuestas sustentan cada gráfico en este dashboard. Latinoamérica (n=82) es el cluster regional más grande y es predominantemente colombiana (n=74), lo señalamos abiertamente aquí para que los lectores puedan ponderar cada comparación regional apropiadamente.
Créditos y cómo citar este trabajo.
Autores
Dr. Jaime Rivera
Universidad Nacional de Colombia / IIT Institute of Design
PhD en Diseño · UX research y estrategia · enredo investigador-diseñador
Marianna Russi MDes(c)
Universidad Nacional de Colombia
Marco teórico · Lente Design Studies · Tesis de Etapa 2 sobre el criterio del diseño
Referencia
Rivera, J. & Russi, M. (2026). AI and the situated emerging professional in design practice: An exploratory study through three disciplinary lenses. Base Diseño e Innovación, 10(13).
Estado: Artículo académico en revisión (segunda ronda, pendiente de aprobación). Número especial sobre Diseño e IA · Universidad del Desarrollo · NC State University · UAM Azcapotzalco.
Cuantitativa + cualitativa · Tri-lente · n=217 · 43 países · Bilingüe
Prototipos provocativos para hacer emerger los supuestos sobre el criterio del diseño, el concepto candidato emergente de las anomalías de la Etapa 1.
Construyendo sobre los hallazgos de la Etapa 2, diálogo situado a través de comunidades lingüísticas y niveles de antigüedad.
Este estudio existe porque ellos confiaron en que las preguntas valían la pena.
Agradecimientos especiales
Agradecimientos especiales a Jakob Nielsen, cuyo generoso repost amplificó la encuesta a su red global y expandió sustancialmente nuestro alcance más allá de lo que habríamos logrado solos. Agradecemos su apoyo y a la comunidad más amplia del Nielsen Norman Group que se vinculó con este trabajo.
A los respondientes y a la red
Agradecemos a los 217 diseñadores en 43 países que se tomaron 10 minutos de su semana laboral para pensar públicamente con nosotros. Agradecemos también a los colegas, pares y desconocidos en LinkedIn que compartieron la encuesta con sus redes. Este estudio existe porque ellos confiaron en que las preguntas valían la pena.