La reunión que cambió algo
El equipo de Marta llevaba casi un año trabajando en una app de bienestar. La propuesta era sencilla: un check-in diario donde el usuario respondía cómo se sentía, y el sistema le devolvía patrones, sugerencias, pequeños ejercicios. Nada clínico. Un acompañamiento ligero para gente que quería prestar más atención a su estado emocional.
Los números del primer trimestre eran buenos. Retención estable, valoraciones altas, el engagement con los check-ins por encima de lo esperado. En la revisión trimestral, todo el mundo estaba satisfecho.
Pero Marta llevaba semanas leyendo tickets de soporte que no encajaban con esas métricas.
Varios usuarios preguntaban cómo “bajar la intensidad” de la app. Otros escribían cosas como “no necesito que me sugiera hablar con un profesional, estoy bien” o “¿por qué me salen estos recursos? Solo dejé de contestar un par de días”. Una usuaria había escrito: “Me hizo sentir peor. La borré.”
No eran quejas sobre bugs. La app funcionaba exactamente como la habían diseñado. El problema era otra cosa.
De herramienta a agente
Durante décadas, los productos digitales fueron herramientas. Hacían lo que les pedías, cuando se lo pedías. Un procesador de texto esperaba a que escribieras. Un buscador esperaba tu consulta. Una app de notas esperaba que añadieras algo.
La relación era clara: tú iniciabas, el producto respondía.
Eso ya no es así.
Hoy los productos interpretan. Analizan lo que haces —y lo que dejas de hacer— para decidir cómo actuar. No esperan instrucciones. Observan, infieren, intervienen.
Han dejado de ser herramientas. Se comportan.
Y cuando algo se comporta, empieza a tener algo que antes reservábamos para las personas: carácter.
El carácter que nadie diseñó
El carácter de una persona se revela en cómo actúa cuando nadie le da instrucciones. En cómo responde a la ambigüedad. En qué hace cuando la situación no viene en el manual.
Con los productos pasa lo mismo.
¿Qué hace tu producto cuando el usuario deja de interactuar? ¿Espera? ¿Interpreta el silencio? ¿Cómo lo interpreta? ¿Qué hace cuando los datos que tiene son ambiguos? ¿Actúa de todos modos? ¿Pide confirmación? ¿Asume lo peor?
El equipo de Marta no se sentó nunca a decidir que su app fuera alarmista. No hubo una reunión donde alguien dijera “queremos que el usuario sienta que le vigilamos”. Lo que hubo fue un modelo entrenado para detectar señales de riesgo. Una decisión de producto de “mejor prevenir”. Un sistema de escalado automático que nadie pensó como una decisión sobre el carácter de la app.
Decisiones razonablea, aisladas. Pero sumadas, crearon algo que nadie había elegido.
Tres momentos de verdad
Hay tres situaciones que revelan el carácter de un producto mejor que cualquier documento de diseño. No voy a desarrollarlas aquí (reservo su profundidad necesaria en mi libro PRAXIS), pero sí nombrarlas, porque una vez que las ves no puedes dejar de verlas:
Cómo actúa cuando no sabe qué hacer.
Cómo responde cuando el usuario dice que no.
Y si es capaz de no actuar cuando podría hacerlo.
El sistema de Marta fallaba en las tres. Ante la duda, asumía lo peor. Ante el rechazo, escalaba. Y no tenía en su repertorio la opción de quedarse callado.
Lo que Marta encontró
Después de la revisión trimestral, Marta pidió que le explicaran exactamente cómo funcionaba el sistema de escalado. Lo que encontró no era un bug. Era la lógica funcionando como estaba diseñada.
El modelo analizaba varios inputs: frecuencia de check-ins, contenido de las respuestas, patrones de uso. Si detectaba lo que interpretaba como señales de bajón —menos interacción, respuestas más cortas, horarios irregulares— activaba un protocolo de mayor acompañamiento. Más notificaciones, más sugerencias, y si la tendencia continuaba, recursos de ayuda profesional.
La intención era buena: no dejar solo a nadie que pudiera estar pasándolo mal. Pero el sistema no podía distinguir entre alguien en dificultad y alguien que simplemente estaba viviendo su vida fuera de la app. Para el modelo, menos interacción era siempre una señal de alerta.
Una usuaria que se fue de vacaciones dos semanas volvió a encontrar su app llena de mensajes preocupados y sugerencias de terapeutas. “Estaba en la playa”, escribió a soporte. “Estaba disfrutando de un descanso merecido.”
¿Cómo debería haber actuado el sistema? No es una pregunta fácil. La respuesta no es “no hacer nada” —a veces el silencio sí significa algo—. Pero tampoco es “asumir siempre lo peor”.
Lo que faltaba no era mejor tecnología. Era un criterio previo: ¿qué tipo de errores preferimos cometer? ¿Pecar de exceso o de defecto? ¿Y quién decide eso?
La pregunta que queda
Si tu producto observa el comportamiento del usuario para decidir cómo actuar —y si usa IA o modelos predictivos, lo hace— entonces tiene carácter.
La pregunta no es si lo tiene. Es si alguien lo eligió.
Aristóteles decía que el carácter se forma con la repetición. Cada pequeño acto va sedimentando una forma de ser. Con los productos pasa igual: cada decisión sobre cómo interpretar el silencio, qué hacer con la ambigüedad, cuándo escalar y cuándo esperar, va construyendo un carácter.
La diferencia es que las personas pueden reflexionar sobre cómo actúan y cambiar. Un producto solo puede hacerlo si alguien se detiene a mirar lo que realmente está pasando.
El equipo de Marta había construido un producto atento, vigilante, que prefería equivocarse por exceso de cuidado. Eso es un carácter. No es un mal carácter. Pero no era el único posible, y nadie lo había elegido conscientemente.
¿Cuándo fue la última vez que alguien en tu equipo se detuvo a preguntarse qué carácter tiene lo que están construyendo?
Estas ideas forman parte de PRAXIS, un marco para diseñar productos con IA que respeten a las personas. Más en www.praxisbook.com