Diseñar Para el Aprendiz

Hay un tipo de trabajo que nadie extraña. Las cuarenta variantes de un mismo botón. Las especificaciones pantalla por pantalla para que ingeniería no tuviera que adivinar. Los estados vacíos, los errores, los casos raros que el diseño principal no había contemplado. Durante años fue el trabajo de entrada al oficio: lo que se le daba a quien recién llegaba, porque era necesario, porque era aburrido y porque alguien tenía que hacerlo. Y es exactamente el trabajo que la inteligencia artificial hoy hace mejor y más rápido.

Lo que casi nadie dijo en su momento es que ese trabajo también enseñaba. No porque alguien lo hubiera diseñado como formación, sino por accidente. Hacer la variante número treinta de un botón obligaba a notar por qué la veintinueve no funcionaba. Escribir el estado de error obligaba a pensar qué le pasa a una persona cuando algo sale mal. Corregir una especificación que un senior devolvía marcada en rojo era, sin que nadie lo llamara así, una clase. El aprendizaje venía disfrazado de producción. Y ahora que la producción se automatiza, el disfraz se cae y el aprendizaje se cae con él.

Lo que muestran los números

Dolphia Arnstein reunió algunos datos que vale la pena mirar con cuidado. Según el análisis que cita, la contratación de diseñadores de entrada en las grandes empresas de tecnología cayó a la mitad desde 2019 y hoy representa cerca del siete por ciento de las incorporaciones. Son cifras de un sector puntual, no de toda la disciplina, pero la dirección es clara. Y su observación más interesante no es la caída sino una paradoja: las herramientas que se vendieron como una forma de democratizar el diseño exigen más criterio, no menos. Si no sabés distinguir un resultado que funciona de uno que solo lo parece, la herramienta no te ayuda: te deja equivocarte más rápido. No bajó el piso. Lo subió.

Ahí está el nudo. La máquina hace el trabajo junior, pero evaluar ese trabajo requiere un criterio senior. Y el criterio senior se formaba, en buena medida, haciendo el trabajo junior. Takuma Kakehi lo formuló como una ley de la automatización: el trabajo se reparte según lo que la máquina puede hacer, nunca según lo que le conviene a una persona aprender. Nadie decidió que formar diseñadores dejara de importar. Simplemente se automatizó la parte que formaba.

Una discusión con mi propio argumento

Este tema me incomoda más que otros, porque toca dos ideas que vengo defendiendo.

En Diseñar para la presión sostuve que cierta fricción no es un obstáculo sino el mecanismo por el que se forma el entendimiento, y que una herramienta que nos quita toda la exigencia funciona como un ambiente sin presión: cómodo y de a poco debilitante. Si eso es cierto para alguien que ya tiene criterio, es mucho más cierto para alguien que todavía no lo tiene. Quien ya pasó por la fricción puede delegar desde un juicio formado. Quien empieza delegando no tiene desde dónde delegar.

En Diseñar el criterio heredado escribí que el juicio no viaja como regla sino como caso, y que lo que se transmite de una generación de un equipo a la siguiente puede ser un conjunto de conclusiones o la práctica que las produjo. Ahí aparece algo nuevo. Cada vez más equipos escriben su criterio en rúbricas para que lo apliquen los agentes, y esas rúbricas funcionan: Richa Sehgal mostró cómo una revisión que llevaba cuarenta y cinco minutos pasó a llevar seis. Pero pensemos en quien llega a ese equipo. Lo que encuentra no es la discusión que produjo la rúbrica, sino la rúbrica terminada. Aprende a aplicarla, no a pensarla. Hereda la conclusión sin haber estado en la conversación.

Y hay una tercera pieza que complica todo. Kai Wong observó que una pantalla en alta fidelidad decía algo que nunca decía en voz alta: que una persona competente había tomado cien decisiones ahí. Cuando hacerla llevaba dos semanas, ese tiempo era una señal del criterio invertido. Ahora que se genera en minutos, la pantalla dejó de dar fe. Esto no solo afecta cómo se evalúa a un diseñador experimentado. Afecta también cómo se reconoce a un junior con buen ojo, porque ya no hay un trabajo en el que ese ojo se haga visible.

Las posiciones en disputa

No todos ven esto como un problema, y conviene escuchar a quienes no.

Maya Brennan, por ejemplo, propone algo radical: cerrar Figma durante una semana y empezar a construir directamente con IA. En su lectura, el camino tradicional de aprendizaje no hay que comprimirlo sino saltearlo, porque las habilidades que enseñaba están perdiendo valor. Es una posición seria. Asume que el criterio puede formarse de otra manera, enviando cosas reales y viendo cómo fallan, en lugar de pasar años haciendo variantes que nadie usa.

Slava Polonski va por otro lado. Se pregunta qué trabajos deberían seguir siendo humanos, y propone que la respuesta no dependa de si la máquina puede hacerlos, sino de si el ser humano es parte de lo que valoramos. Una de sus pruebas es justamente la formación: hay tareas que vale la pena que haga una persona porque hacerlas la forma, aunque una máquina pudiera hacerlas mejor. Es una manera de asignar el trabajo por su valor, no por la capacidad de la máquina.

Y Nicole Michaelis lleva la discusión al gusto. Lo describe como un músculo que solo crece bajo resistencia, y afirma que lo estamos dejando de alimentar: menos exposición a lo que no esperamos, más copia de lo que ya funciona. Me gusta su imagen, pero conviene decir que el declive del gusto, en su texto, es una premisa, no algo medido.

El riesgo de la nostalgia

Hay una objeción que me hago a mí misma y que no quiero esquivar. Es fácil romantizar la fricción que nos formó. El trabajo tedioso también desgastaba gente, la retenía años en tareas que no le enseñaban nada nuevo, y muchas veces dependía de tener la suerte de que un senior se tomara el tiempo de corregir. No todo lo que nos costó nos sirvió. Henry Desroches lo dice muy bien hablando de otra cosa: no se puede volver atrás, entre otras razones porque lo recordamos mal.

Entonces la pregunta no puede ser cómo preservar el aprendizaje que tuvimos. Esa fricción era accidental, y lo accidental no se preserva: se reemplaza por algo deliberado o se pierde. La pregunta es qué fricción formativa diseñamos ahora, sabiendo que ya no va a venir de regalo con la producción.

Diseñar la formación

Si la fricción que forma ya no aparece sola, hay que diseñarla. Y acá me sirve un criterio que surgió hablando de accesibilidad: una fricción es productiva cuando la elige o la co-diseña quien la tiene que atravesar. Impuesta, se parece más a una barrera o a un rito de paso arbitrario. Elegida, se vuelve entrenamiento.

Algunas formas concretas aparecen casi solas cuando se mira el problema así. Que alguien haga a mano, una vez, lo que después va a delegar, para saber qué está delegando. Que compare su intento con el de la máquina y explique en qué difieren, en lugar de solo aprobar el resultado. Que las revisiones devuelvan el razonamiento y no solo la corrección, porque el juicio viaja como caso con su porqué. Que las rúbricas de un equipo se presenten como un punto de partida para discutir y no como una regla a cumplir. Ninguna de estas prácticas es nueva. Lo nuevo es que ya no pasan por accidente.

Y hay un problema de fondo que ninguna práctica individual resuelve. Durante décadas, la formación de diseñadores fue un subproducto gratuito de la producción: se aprendía haciendo trabajo que igual había que hacer. Cuando ese trabajo lo hace una máquina, la formación pasa a ser un costo explícito. Peter Merholz señaló que las organizaciones solo financian lo que pueden ver y anticipar, y la formación de criterio es justamente de lo más difícil de ver y de anticipar.

Quizás esa sea la pregunta que queda abierta para quienes diseñan equipos, no solo pantallas. Si el criterio ya no se forma como efecto secundario del trabajo, alguien va a tener que decidir formarlo a propósito. ¿Quién va a pagar por eso, y qué va a pasar en diez años con los equipos que no lo hayan hecho?