INTERACCIÓN Y EXPERIENCIA DE USUARIO

UX e inteligencia artificial

Evolución del EUD

4.1 Evolución del EUD

Tres generaciones de EUD

CódigoEscribir

→

Low / no codeComponer

→

IA generativaDescribir

Evolución del EUD

El EUD ha evolucionado en tres grandes generaciones:

Evolución del EUD

En la primera, el usuario debía escribir todo el código directamente, lo que exigía conocimientos técnicos avanzados y limitaba la creación de soluciones a perfiles especializados.
La segunda generación trajo plataformas de low code y no code, donde los usuarios podían construir aplicaciones y automatizaciones mediante interfaces visuales, arrastrando y configurando bloques, reduciendo la dependencia de programadores expertos.
Una tercera generación, impulsada por la IA Generativa y el prompting, permite que los usuarios describan lo que quieren en lenguaje natural y el sistema genera, adapta o ejecuta el flujo automáticamente a través de agentes inteligentes (v.g. herramientas tipo n8n). Esto democratiza aún más la creación.

Evolución del EUD

Prompting y agentes: Formas de expresar el comportamiento del software

Karpathy distingue código explícito escrito por personas, parámetros de redes aprendidos con datos y modelos que se programan mediante lenguaje natural. Esta clasificación ayuda a diferenciar construir una regla, entrenar un modelo y pedir a un modelo ya entrenado que realice una tarea. No implica que una forma elimine las anteriores.
Vídeo: Software Is Changing (Again): Software 1.0, 2.0 y 3.0, desde 1:25.
Propuesta de actividad: clasificar una automatización con reglas, un clasificador entrenado y una aplicación con prompts. Identificar qué debe revisar o modificar el usuario en cada caso.

Vídeos recomendados

Prompting y agentes: Formas de expresar el comportamiento del software

Andrej Karpathy: Software Is Changing (Again)

Y Combinator

Software Is Changing (Again): Software 1.0, 2.0 y 3.0, desde 1:25

La IA y el futuro de las UI

4.2 La IA y el futuro de las UI

Entrada y salida son problemas distintos

01EntradaExpresar una intención en lenguaje natural

Facilitar que la persona comunique lo que quiere conseguir.

02SalidaVer, comparar y controlar resultados

Mostrar resultados que puedan inspeccionarse y corregirse.

4.2 La IA y el futuro de las UI

Del chat a una interfaz específica

01IntenciónLenguaje natural

→

02ProcesamientoModelo y herramientas

→

03ResultadoRepresentación visual

La IA y el futuro de las UI

The Weird Death of User Interfaces [14'33"]

La IA y el futuro de las UI

Enrico Tartarotti plantea, como tesis de su vídeo, que las UI utilizadas durante los últimos 40 años están siendo desplazadas. Se trata de una interpretación sobre su evolución, no de un hecho establecido sobre su desaparición. A pesar de los esfuerzos recientes por perfeccionar y embellecer estas interfaces, las mismas compañías están intentando eliminarlas por completo, reemplazándolas con simples "prompts de texto en blanco y negro" que recuerdan a las líneas de comando de los años 80.

La IA y el futuro de las UI

Esta transición se debe a que, si bien las UIs tradicionales son muy buenas para la salida (mostrar información de forma visual), son deficientes en la entrada (la necesidad de navegar por menús y hacer clics).

La IA y el futuro de las UI

Por el contrario, los nuevos chatbots han resuelto el problema de la entrada al "entender" el lenguaje natural, aunque su salida sigue siendo el texto plano. En el futuro post-UI, las interfaces no se construirán, sino que se generarán sobre la marcha a través de agentes que responden al lenguaje, lo que puede llevar a que las UIs desaparezcan en gran medida.

La IA y el futuro de las UI

Interfaces generativas y revisión del diseño

Los dos ensayos de Tartarotti se pueden leer como propuestas sobre la evolución de las interfaces, no como la constatación de que las GUI hayan desaparecido. El segundo diferencia componentes generados para una tarea, aplicaciones que combinan partes estables y generativas, y productos organizados alrededor de reglas de generación. La elección entre GUI, lenguaje y agentes depende de la actividad.
Vídeo: The Weird Death Of User Interfaces: antecedente de la discusión.
Vídeo: The Weird Future Of User Interfaces: interfaces generativas, desde 9:40.
Caso de diseño: Designing a Mobile App From Scratch With AI (UX Pilot). La demostración permite observar el paso de un flujo a pantallas y la revisión de su presentación. Una pantalla generada no demuestra por sí misma que una aplicación funcione ni que sea usable.
Propuesta de actividad: elegir qué partes de una aplicación deben permanecer estables y cuáles podrían adaptarse sin perjudicar la orientación del usuario.

Vídeos recomendados

Interfaces generativas y revisión del diseño

The Weird Death Of User Interfaces

Enrico Tartarotti

The Weird Future Of User Interfaces

Enrico Tartarotti

The Weird Future Of User Interfaces: interfaces generativas, desde 9:40

Designing a Mobile App From Scratch With AI (UX Pilot)

Cameron Banhan

Interfaces generativas y revisión del diseño

Los dos ensayos de Tartarotti se pueden leer como propuestas sobre la evolución de las interfaces, no como la constatación de que las GUI hayan desaparecido. El segundo diferencia componentes generados para una tarea, aplicaciones que combinan partes estables y generativas, y productos organizados alrededor de reglas de generación. La elección entre GUI, lenguaje y agentes depende de la actividad.
Vídeo: The Weird Death Of User Interfaces: antecedente de la discusión.
Vídeo: The Weird Future Of User Interfaces: interfaces generativas, desde 9:40.
Caso de diseño: Designing a Mobile App From Scratch With AI (UX Pilot). La demostración permite observar el paso de un flujo a pantallas y la revisión de su presentación. Una pantalla generada no demuestra por sí misma que una aplicación funcione ni que sea usable.
Propuesta de actividad: elegir qué partes de una aplicación deben permanecer estables y cuáles podrían adaptarse sin perjudicar la orientación del usuario.

La IA como sistema operativo

4.3 La IA como sistema operativo

El LLM como sistema operativo: una analogía

LLM

ContextoHerramientasAplicacionesDatosUsuarioMemoria

La IA como sistema operativo

OpenAI just made your entire tech stack obsolete… [15"]

La IA como sistema operativo

El intento de OpenAI de usar ChatGPT como un sistema operativo (SO) o interfaz universal para todas las aplicaciones se resume en su ambición de convertir a ChatGPT en una plataforma de aplicaciones, buscando reemplazar o evitar la necesidad de las GUI tradicionales. Este esfuerzo ha pasado por varias fases y se basa en la idea de que la forma de interactuar con el software está cambiando fundamentalmente.

La IA como sistema operativo

La analogía que se hace es que los LLM tienen propiedades que los asemejan a los sistemas operativos (SO).

La IA como sistema operativo

ChatGPT como plataforma: OpenAI está apostando fuertemente por convertir a ChatGPT en una plataforma de aplicaciones. El objetivo es que ChatGPT actúe como un SO que te mantenga completamente encerrado en su ecosistema.
La analogía del SO: Los LLMs se ven como una especie de nuevo sistema operativo. El LLM en sí es como la CPU y las ventanas de contexto son como la memoria. El LLM orquesta computación y memoria para resolver problemas.

4.3 La IA como sistema operativo

La interfaz universal como experimento

PluginsConectar herramientas

→

GPTsEspecializar asistentes

→

AppsIntegrar aplicaciones

El experimento de la interfaz universal

OpenAI just made your entire tech stack obsolete… [30"]

El experimento de la interfaz universal

OpenAI ha intentado varias aproximaciones para lograr que ChatGPT sea la interfaz de interacción principal:

El experimento de la interfaz universal

Inicialmente, lanzaron GPT Plugins
Luego, intentaron una ligera variación llamada GPTs
Actualmente, están intentando implementar Apps in ChatGPT.

El experimento de la interfaz universal

Apps in ChatGPT: Plataforma, interfaz y producto especializado

El vídeo de Fireship comenta la integración de aplicaciones y herramientas en ChatGPT. Sirve para discutir qué gana y qué pierde el usuario cuando varias tareas pasan por un mismo punto de entrada: acceso, contexto compartido, dependencia de la plataforma y adecuación de la interfaz a cada tarea.
Vídeo: OpenAI just made your entire tech stack obsolete…. Es comentario tecnológico con tono satírico y contenido patrocinado; el título no demuestra que otras herramientas hayan quedado obsoletas.

Vídeos recomendados

Apps in ChatGPT: Plataforma, interfaz y producto especializado

OpenAI just made your entire tech stack obsolete...

Fireship

4.3 La IA como sistema operativo

Un agente encadena acciones

01ObjetivoDefinir

→

02HerramientasActuar

→

03ResultadoVerificar

Autonomía parcial

4.4 Autonomía parcial

Autonomía parcial

01IAGenera una propuesta

Propone un resultado a partir del objetivo y el contexto.

→

02PersonaRevisa y decide

Parte de una intención y comprueba si consigue su objetivo.

→

03SistemaAplica el cambio

Ejecuta las acciones dentro del alcance permitido.

Autonomía parcial

Aplicaciones parciamente autónomas [21']

Autonomía parcial

Andrej Karpathy considera las aplicaciones parcialmente autónomas como una de las mayores oportunidades en la era del software impulsado por LLM. Estas aplicaciones representan una forma de interactuar con los modelos de lenguaje que va más allá de simplemente usar el LLM directamente como una terminal o un sistema operativo (como copiar y pegar código en un chat).

Autonomía parcial

Estas aplicaciones están diseñadas para la cooperación entre humanos e IA (Human in the loop). En esta cooperación, la IA se encarga de la generación del trabajo, mientras que los humanos realizan la verificación o auditoría. El objetivo principal es hacer que este ciclo de generación y verificación sea lo más rápido posible.

4.4 Autonomía parcial

La GUI facilita la auditoría

01Texto continuoLeer y reconstruir diferencias

02Vista especializadaComparar · aceptar · rechazar

4.4 Autonomía parcial

Controlar el alcance de la autonomía

01Sugerir

La persona decide qué propuesta incorpora.

02Editar un fragmento

La herramienta modifica una parte delimitada.

03Completar una tarea

La herramienta encadena pasos con un objetivo acotado.

04Actuar como agente

Delega más acciones y aumenta la necesidad de supervisión.

Aplicaciones parcialmente autónomas

Gestión del contexto: Los LLM dentro de estas aplicaciones manejan una enorme cantidad de la gestión del contexto por el usuario.
Orquestación de LLMs: Orquestan múltiples llamadas a diferentes modelos LLM, incluyendo modelos de embeddings, modelos de chat y modelos específicos que aplican cambios (como diffs de código).
GUI Específica: Poseen una GUI especializada para la aplicación.
- La GUI es vital para la auditoría, ya que utiliza la capacidad de visión artificial 😉 del cerebro humano.
- Leer texto es un esfuerzo, pero mirar representaciones visuales es rápido y fácil. Por ejemplo, es más fácil ver un diff de código en rojo y verde que leerlo en texto, y es más rápido aceptar o rechazar un cambio con un comando de teclado que escribirlo.
Control deslizante de autonomía (autonomy slider): El usuario debe tener control sobre el nivel de autonomía que desea otorgar a la herramienta.
- Esta autonomía se puede ajustar según la complejidad de la tarea.
- El rango puede ir desde una baja autonomía (como la finalización con un toque o modificar solo un fragmento de código) hasta la autonomía total del agente (como permitir que el agente modifique todo un repositorio).

4.4 Autonomía parcial

Cambios pequeños, revisión rápida

01Petición concretaLimitar el alcance

→

02Cambio pequeñoInspeccionar

→

03VerificaciónAceptar o corregir

Atar en corto a la IA

Dado que los LLMs son sistemas falibles y propensos a alucinaciones y déficits cognitivos, es crucial "atar en corto" a la IA.

Atar en corto a la IA

La IA puede ser sobre-reactiva y generar resultados excesivamente grandes (como un diff de 10,000 líneas de código) que se convierten en un cuello de botella para la verificación humana.
Para que el bucle de generación-verificación sea rápido, es mejor trabajar en trozos pequeños e incrementales. Esto se logra siendo más concreto en las indicaciones (prompts).

Atar en corto a la IA

Al igual que sucedió con el piloto automático en la conducción autónoma (un producto de autonomía parcial), la dirección correcta es construir productos de autonomía parcial en lugar de grandes demostraciones llamativas de agentes totalmente autónomos. Durante la próxima década, la oportunidad reside en desarrollar software que mueva gradualmente ese control deslizante de autonomía hacia una mayor automatización.

Atar en corto a la IA

Especificar, generar y verificar en ciclos cortos

Karpathy insiste en limitar el alcance de cada intervención para mantener rápida la revisión humana. Grove aporta la idea complementaria de conservar la intención y comprobar el comportamiento frente a criterios escritos.
Vídeos: Software Is Changing (Again): cambios incrementales, desde 23:47 y The New Code: herramientas para especificaciones, desde 15:46.
Propuesta de actividad: pedir un cambio pequeño, definir cómo se aceptará y revisar el resultado antes de ampliar la delegación. Comparar el esfuerzo con el de verificar una modificación grande realizada de una sola vez.

El objetivo es mantener visibles las decisiones y los resultados intermedios, de modo que la persona pueda aceptar, corregir o detener el proceso.

Vídeos recomendados

Especificar, generar y verificar en ciclos cortos

El objetivo es mantener visibles las decisiones y los resultados intermedios, de modo que la persona pueda aceptar, corregir o detener el proceso.

Andrej Karpathy: Software Is Changing (Again)

Y Combinator

Software Is Changing (Again): cambios incrementales, desde 23:47

The New Code — Sean Grove, OpenAI

AI Engineer

The New Code: herramientas para especificaciones, desde 15:46

Especificar, generar y verificar en ciclos cortos

Karpathy insiste en limitar el alcance de cada intervención para mantener rápida la revisión humana. Grove aporta la idea complementaria de conservar la intención y comprobar el comportamiento frente a criterios escritos.
Vídeos: Software Is Changing (Again): cambios incrementales, desde 23:47 y The New Code: herramientas para especificaciones, desde 15:46.
Propuesta de actividad: pedir un cambio pequeño, definir cómo se aceptará y revisar el resultado antes de ampliar la delegación. Comparar el esfuerzo con el de verificar una modificación grande realizada de una sola vez.

El objetivo es mantener visibles las decisiones y los resultados intermedios, de modo que la persona pueda aceptar, corregir o detener el proceso.

4.4 Autonomía parcial

Debate: automatizar sin perder control

¿Dónde debe detenerse el agente?

Definid una acción automática y otra que requiera revisión.

Autonomía parcial

Aplicaciones parciamente autónomas [21']

Autonomía parcial

Atar en corto a la IA

Dado que los LLMs son sistemas falibles y propensos a alucinaciones y déficits cognitivos, es crucial "atar en corto" a la IA.

Atar en corto a la IA

La IA puede ser sobre-reactiva y generar resultados excesivamente grandes (como un diff de 10,000 líneas de código) que se convierten en un cuello de botella para la verificación humana.
Para que el bucle de generación-verificación sea rápido, es mejor trabajar en trozos pequeños e incrementales. Esto se logra siendo más concreto en las indicaciones (prompts).

Atar en corto a la IA

Especificar, generar y verificar en ciclos cortos

Karpathy insiste en limitar el alcance de cada intervención para mantener rápida la revisión humana. Grove aporta la idea complementaria de conservar la intención y comprobar el comportamiento frente a criterios escritos.
Vídeos: Software Is Changing (Again): cambios incrementales, desde 23:47 y The New Code: herramientas para especificaciones, desde 15:46.
Propuesta de actividad: pedir un cambio pequeño, definir cómo se aceptará y revisar el resultado antes de ampliar la delegación. Comparar el esfuerzo con el de verificar una modificación grande realizada de una sola vez.

El objetivo es mantener visibles las decisiones y los resultados intermedios, de modo que la persona pueda aceptar, corregir o detener el proceso.