Reto 4: Evolución del Prototipado de Alta Fidelidad y Evaluación de Usabilidad

1. Introducción y enfoque del Reto 4

Este artículo recoge el proceso de transición desde la estructura conceptual del Reto 2 hacia un prototipo interactivo de alta fidelidad. El objetivo principal ha sido materializar las decisiones previas en una solución visual y funcionalmente realista, validando su eficacia mediante una evaluación con usuarios reales.

2. Proceso de Construcción sistémica y desafíos técnicos

La fase de diseño visual comenzó con una exploración mediante Figma Make, una herramienta de IA que utilicé como catalizador en la fase inicial del Espacio de la Solución. El propósito fue visualizar la viabilidad estética de mis ideas iniciales sin la necesidad de dibujar cada elemento desde cero, optimizando los tiempos de conceptualización.

De la Automatización al Control del UI Kit

Una vez establecida la dirección visual, el verdadero valor metodológico residió en la construcción del UI Kit propio. La maquetación de pantallas resultó ágil y eficiente gracias a la aplicación estricta de Auto-layout y la creación de variantes de componentes. Sin embargo, la sofisticación del prototipo desveló importantes retos interactivos:

• Simulación de campos de texto: reutilizar componentes para recrear funciones complejas (como simular que el usuario está escribiendo) requirió una lógica de estados avanzada.

• Gestión de Superposiciones (Overlays): elementos dinámicos como la selección de horarios generaron conflictos en el motor de renderizado de Figma, solapando capas de texto (Time vs. Horarios). Se iteró la solución mediante microinteracciones (Hover para limpiar texto y Click para desplegar horarios), un parche técnico que evidenció las limitaciones de las herramientas de prototipado frente al desarrollo real. Esta fue una de las mayores fricciones destacadas en los test de guerrilla

• Higiene y nomenclatura del archivo: Descubrí de manera empírica que el motor de Smart Animate de Figma penaliza el desorden. Modificar el nombre de las capas de texto de forma inconsistente provocaba comportamientos erráticos. La pulcritud y el orden metódico en la jerarquía de capas se revelaron como un requisito indispensable para la fidelidad de la experiencia. Figma me obligó a volverme mucho más ordenada.

• La dependencia de componentes de la Comunidad:  Te ahorra mucho tiempo apoyarte en recursos ya creados por la comunidad pero en mi caso también me llevó mucho tiempo poder utilizarlos de manera útil. Al no haber sido creado desde cero, carecía de la flexibilidad necesaria para incrustar interacciones críticas (como la selección dinámica del día). Esto limitó la libertad del diseño interactivo y demostró que en elementos nucleares de la UX, la artesanía propia supera a la conveniencia de terceros. Al final conseguí que al hacer click se seleccionara el día pero si volvemos a hacer click no se deseleccionaba.

3. Fase de Evaluación: Test de Guerrilla e Iteración

Para evaluar la solución, ejecuté un test de guerrilla empleando la técnica de Pensamiento Manifiesto (Think Aloud). Sin embargo, el análisis retrospectivo revela un sesgo metodológico en el timing: la prueba se introdujo de manera prematura.

Reflexión Crítica (Sesgo de Fidelidad): Siguiendo los principios de Travis & Hodgson, «el usuario no piensa como nosotros». Al presentar un prototipo que aún arrastraba «gazapos» interactivos y visuales, la atención y la carga cognitiva de los participantes se desvió hacia la detección de errores de la interfaz (QA) en lugar de evaluar el flujo de navegación, la arquitectura de la información o la usabilidad del servicio. Los hallazgos se contaminaron por el acabado técnico.

A pesar de este ruido, la identificación de estas fricciones permitió realizar una iteración de limpieza para corregir inconsistencias y asegurar que la versión final del prototipo mitigara estos puntos de dolor técnicos antes de su entrega definitiva. Así que una vez hecho el primer test, corregí muchos errores y lancé el segundo con mucho más éxito que el anterior.

4. Declaración de Uso de Inteligencia Artificial (IA)

En cumplimiento con los criterios de integridad académica de la Universitat Oberta de Catalunya (UOC), se detalla el uso ético y complementario de herramientas de IA generativa durante este reto:

1. Figma Make (Generativa Visual): Utilizada en la fase de ideación temprana para generar pantallas de referencia rápidas y testear la paleta visual e ideas macro de distribución de componentes. Las estructuras resultantes no se copiaron directamente, sino que sirvieron de base de inspiración para la creación del UI Kit normativo posterior.

2. Gemini:  Se emplearon herramientas de IA conversacional mediante prompts específicos orientados a:

   • Prompting de estructuración: Solicitar la ordenación y síntesis de las notas en bruto tomadas durante los test de guerrilla.

   • Filtrado: Ayudar a categorizar los comentarios de los usuarios entre «errores técnicos del prototipo» y «problemas reales de usabilidad».

   • Revisión: Todas las sugerencias de la IA fueron editadas críticamente, contrastadas con los objetivos del proyecto y adaptadas para asegurar que reflejaran fielmente mi proceso de aprendizaje humano y la realidad de los datos cualitativos obtenidos.

5. Entregables

• Enlace al Prototipo Interactivo en Figma

• Enlace al vídeo 

1. Introducción

¿Por qué cuando vemos un elemento como un botón rojo hay un impulso de querer tocarlo?

A veces el diseño es tan potente que, incluso cuando sabemos que no debemos actuar, el objeto nos empuja a ello. Es el caso del clásico botón rojo: su affordance es tan claro y su color tan magnético que nuestra respuesta instintiva ignora cualquier instrucción lógica. En este reto, exploro precisamente esa frontera entre la intuición y la confusión.

Me ha resultado muy interesante comprobar lo difícil que es abstraernos de la rutina para identificar productos tangibles que, en lugar de facilitarnos la vida, entorpecen nuestras tareas. Lo más complejo fue elegir los casos, ya que al mirar objetos puramente analógicos —como una silla, la manivela de un toldo o un exprimidor manual— todos me resultaban perfectamente intuitivos. Han sido diseñados para satisfacer una necesidad y hablan un lenguaje universal donde la forma dicta la interacción.

Sin embargo, existen productos que generan tal confusión que parece que se ríen de nosotros; rompecabezas que no se resuelven ni con un manual de instrucciones. Tras descartar lo analógico, comprendí que el melón estaba en los objetos con electrónica e interfaz. Allí encontré mis hallazgos: al poner distancia con mis automatismos y mirar el objeto como si fuera la primera vez.

Fue curioso cómo en el Caso 1 descubrí que había interiorizado un patrón deficiente para fijar la velocidad de crucero, recordando lo complejo que fue lograrlo la primera vez. El Caso 2, en cambio, fue mucho más sencillo: el diseño del aspirador me cautivó desde el unboxing y, cumpliendo mi manía de no leer nunca las instrucciones, estas no hicieron ni falta.

A partir de estos dos casos opuestos —la frustración frente al sistema de control de un coche y la fluidez de un electrodoméstico bien diseñado— aplico los principios de Don Norman para analizar cómo la forma, el mapping y el feedback condicionan nuestra experiencia con los objetos físicos.

2. Caso 1: Brechas de Ejecución y Evaluación (Toyota Auris 2012)

• El problema: el sistema de velocidad de crucero presenta una brecha de ejecución crítica. La falta de consistencia entre los botones del volante y la palanca trasera genera un modelo mental confuso para el usuario. La velocidad límite se encuentra en el volante y no es necesario activar ninguna palanca y sin embargo, la velocidad crucero necesita un botón central + bajar hacia abajo la palanca (que además este botón es invisible).

• Análisis: se ha documentado la desconexión y confusión entre el modelo del ingeniero/a y el modelo del usuario/a y las acciones necesarias para activar la velocidad crucero.

• Solución: propuesta de rediseño visual mediante wireframes en Figma para unificar controles, simplificando botones y manteniendo la misma lógica de usabilidad.

3. Caso 2: Topografía y Mapping Natural (Aspirador Xiaomi G10)

• El éxito: se trata de un ejemplo impecable de cómo la forma sigue a la función y el usuario no necesita instrucciones para poder usarlo sin frustración ni cargas cognitivas.

• Hallazgos más relevantes:

  • Mapping natural: relación directa entre botones y piezas extraíbles.

  • Feedback permanente: uso de materiales transparentes,cierres tipo bayoneta que confirman el éxito de la tarea y display electrónico que informa del estado de carga y de los modos de aspiración.

  • Affordance: diseño intuitivo que elimina la necesidad de manual de instrucciones.

  • Consistencia: los mismos modelos se repiten de manera que el usuario aprende y sabe como extraer/incorporar accesorios.

4. Prototipo Interactivo y vídeo

Para profundizar en el análisis, os dejo aquí el prototipo y un vídeo resumen del caso B, un caso de éxito en cuanto a topografía y usabilidad del producto:

• Reto 3 – Wireframe

• Vídeo  con los ejemplos más ilustrativos del Reto: muestra el feedback sonoro y táctil del aspirador en uso real.

Bibliografía y Referencias

• Norman, D. A. (2002). The Psychopathology of Everyday Things. En The Design of Everyday Things (pp. 1-36). New York: Basic Books. ISBN 0465067107.
• UOC (2026). Capítulo 2: Fundamentos para la generación de una interfaz gráfica. En Cuaderno de Prototipado. Barcelona: Universitat Oberta de Catalunya.

Uso de Inteligencia Artificial (IA)

Se declara el uso de herramientas de IA Generativa en la elaboración de este trabajo:

• Google Gemini (2026): Se ha utilizado el modelo Gemini exclusivamente para la generación y apoyo visual de los activos gráficos de la entrega.

  • Render del aspirador: Generado para ilustrar el caso de éxito con una estética de producto limpia (quitando el fondo de la imagen).

  • Esquema de rediseño del volante: A partir de mis ideas y bocetos me he apoyado en Gemini para generar un boceto del rediseño final del volante.

Introducción del Briefing:

Como respuesta al reto de optimizar la experiencia del organizador en Eventbrite, presento una propuesta de Prototipo de Baja Fidelidad y un UI Kit Sistematizado. El objetivo principal ha sido resolver las tareas esenciales encargadas por el cliente: crear, editar, previsualizar y publicar eventos, eliminando cualquier ruido visual que pudiera fatigar al usuario en un entorno móvil.

Antes de saltar a la digitalización, realicé una fase de exploración rápida mediante bocetos. En este punto descarté ideas como los formularios de una sola página, que resultaban abrumadores en móvil. Opté por el flujo segmentado que veis en el prototipo final: priorizando la claridad y el foco en cada paso.

Estrategia de diseño:

Menos es más

He apostado por un diseño basado en la economía de opciones. Aplicando la Ley de Hick y el principio de evitar la parálisis por análisis, he reducido las acciones en la pantalla «Mis Eventos» a lo estrictamente necesario: Editar y Borrar. Al limitar las opciones, guiamos al usuario hacia la acción sin abrumarlo, mejorando drásticamente la eficiencia operativa del organizador.

• Identidad visual: Los CTAs en negro puro (inspirados en la robustez de la marca original) aseguran el contraste máximo, mientras que la inversión de colores en los secundarios guía la intuición del usuario sin generar dudas.
• Acceso dual: Una decisión estratégica ha sido el «Login Dual» y el cambio de rol desde «Mi Cuenta». Esto elimina la fricción de tener que gestionar dos cuentas distintas, permitiendo que la transición de asistente a organizador sea orgánica y rápida.

Dejo aquí el vídeo:

Creo que la metodología de los prototipos de baja fidelidad pueden resultar muy útiles en el mundo laboral ya que evitan problemas de comunicación y nos permiten hacer pruebas con diversos perfiles para evitar mil horas de desarrollo perdido. Utilizar este nivel de abstracción nos permite:

1. Ahorrar presupuesto y malentendidos: validamos la arquitectura de la información antes de la inversión estética.

2. Combatir el sesgo del diseñador: nos obliga a testear si el flujo «realmente funciona» más allá de si es bonito. Es el recordatorio de que el usuario no piensa como tú y que nuestros prejuicios deben ser puestos a prueba constantemente.

Respecto a los aprendizajes técnicos, dominar el Atomic Design y Figma desde cero ha sido una curva de aprendizaje exigente. La verdadera dificultad no ha estado en crear componentes, sino en decidir sus propiedades booleanas para que el sistema fuera resiliente y no solo una galería de imágenes estáticas.

Link al proyecto:

https://www.figma.com/design/SJiOctoy5cvDRZK2CdjXFd/Reto2_Prototipado_Paula-Mu%C3%B1iz_vfinal?node-id=2078-714&t=ZJfKHCk1P62eJNCy-1

Bibliografía

FIGMA. Figma AI (Make Designs) [programa informático en línea]. San Francisco: Figma Inc., 2026. [Consulta: abril 2026]. Disponible en: https://www.figma.com/ai/

FIGMA. Figma Blog: Introducing AI to the design process [en línea]. San Francisco, 2025 [consulta: abril de 2026]. Disponible en: https://www.figma.com/blog/ai-tools-for-designers/

Nota: La Inteligencia Artificial de Figma (Make Designs) ha sido utilizada como herramienta de apoyo para la generación de estructuras base de wireframes (layouts iniciales), que posteriormente han sido refinadas manualmente al 90% para integrar los componentes específicos del UI Kit y corregir inconsistencias lógicas.

UNIVERSITAT OBERTA DE CATALUNYA. Cuaderno de Prototipado [material docente en línea]. Barcelona: UOC, 2024. Asignatura M4.356 Prototipado. [Consulta: abril 2026]. Disponible en: aula virtual UOC.