Hace poco leí un estudio de Nielsen Norman Group que observó a usuarios reales interactuando con los chatbots de IA de sitios como Home Depot, Redfin, Amazon, Williams Sonoma y Turo. No es un análisis teórico: es gente común intentando resolver una tarea concreta —comprar un mezclador, buscar una casa, instalar un lavamanos— con un asistente de IA de por medio. Y los resultados me parecieron demasiado relevantes como para no comentarlos acá.
La conclusión general es simple pero incómoda: la diferencia entre un chatbot que la gente adopta y uno que abandona casi nunca es el modelo de IA que hay detrás. Es el diseño de la interfaz.
El Problema No Es la Inteligencia, Es la Claridad
Todos asumimos que un chatbot "falla" cuando responde mal. Pero el estudio muestra algo distinto: la mayoría de la frustración no viene de respuestas incorrectas, sino de que el usuario no sabe qué puede pedirle al bot, ni dónde encontrarlo, ni si el bot ya sabe lo que está viendo en pantalla.
Un caso que me quedó grabado: Home Depot tiene dos chatbots distintos —Magic Apron y Live Chat— sin ninguna señal clara de cuál usar para qué. Un usuario terminó recibiendo una respuesta irrelevante simplemente porque el bot equivocado era el único disponible en esa página. El otro sí tenía la respuesta correcta, pero desaparecía justo al llegar al checkout.
Esto es un error de arquitectura de información disfrazado de problema de IA. Y es exactamente el tipo de cosa que como diseñadores deberíamos estar cazando antes de que llegue a producción.
Cinco Aprendizajes que Me Parecen Clave
1. El chatbot tiene que acompañar al usuario, no aparecer y desaparecer
Si un chatbot ayuda a encontrar algo en la página A, pero desaparece en la página B, el usuario pierde el hilo de la conversación y, con él, la confianza en la herramienta. Si tu chatbot va a sostener una tarea de varios pasos, tiene que estar disponible en todo el recorrido, no solo en la pantalla donde lo pensaste originalmente.
2. Decile al usuario qué puede hacer, no le hagas adivinar
Un saludo genérico tipo "Preguntame lo que quieras" genera expectativas que el bot no puede cumplir. Funciona mucho mejor mostrar, desde el primer mensaje, ejemplos concretos de lo que el asistente sabe resolver —y, si es posible, adaptarlos a la página en la que está el usuario. Amazon's Rufus hace esto bien: en el home sugiere preguntas exploratorias, pero en una página de producto ofrece preguntas específicas sobre ese producto, dejando claro que "sabe" lo que estás mirando.
3. Las sugerencias tienen que ser clics, no tipeo
Ofrecer preguntas sugeridas reduce la carga cognitiva de tener que formular la pregunta correcta. Pero si esas sugerencias son solo texto dentro de la respuesta, el usuario igual tiene que escribir. Convertirlas en botones clicables elimina fricción real, y el estudio lo confirma con usuarios que lo agradecen explícitamente.
4. Una recomendación sin imagen es una recomendación incompleta
Cuando el chatbot sugiere un producto o explica un paso técnico (como instalar una pieza de plomería), el texto solo no alcanza. Los usuarios lo dicen literalmente: "en cierto punto, necesito ver una foto de eso". Si tu asistente compara opciones o da instrucciones, pensalo como una superficie visual, no como un chat de texto plano.
5. No fuerces el scroll, dejá que el usuario lea a su ritmo
Un detalle chico pero muy molesto: varios bots hacen autoscroll hasta el final de una respuesta larga mientras esta se va generando, obligando al usuario a volver a subir para leer desde el principio. Es un ejemplo perfecto de cómo un detalle de interacción, aparentemente menor, puede arruinar una funcionalidad que en el fondo funciona bien.
Mi Reflexión
Lo que más rescato de este estudio es que ninguno de estos hallazgos tiene que ver con qué tan potente es el modelo de lenguaje detrás del chatbot. Tienen que ver con decisiones de diseño de interfaz completamente tradicionales: jerarquía, continuidad, affordances, feedback visual. Cosas que venimos discutiendo en UX desde mucho antes de que existiera la IA generativa.
Creo que ahí está el punto ciego de muchos equipos hoy: tratan la incorporación de un chatbot de IA como un proyecto de "integrar una API", cuando en realidad es un proyecto de diseño de producto completo, con sus propios flujos, estados vacíos, casos límite y pruebas con usuarios reales. La IA no exime al diseño de sus responsabilidades de siempre; si acaso, las vuelve más urgentes, porque el margen de confusión es mayor cuando la interfaz "conversa" en lugar de simplemente mostrar botones.
"La diferencia entre un chatbot que los usuarios adoptan y uno que abandonan casi nunca está en el modelo. Está en cómo se presenta, cómo seguí acompañando al usuario y cuánto le exige adivinar."
Si estás por sumar un asistente de IA a tu producto, mi recomendación es simple: antes de preguntarte qué modelo usar, preguntate qué necesita ver, hacer clic y entender tu usuario en cada paso. Esa sigue siendo la pregunta de UX de siempre.
¿Vos ya probaste algún chatbot de IA que te haya sorprendido, para bien o para mal? Me encantaría leer tu experiencia. Podés escribirme en LinkedIn.