Chat vs. UI estructurada: cuándo usar cada una
El chat sirve para descubrir qué quiere el usuario y la UI estructurada para ejecutarlo. Cómo elegir entre ambas en un producto con IA y cuándo combinarlas.
¿Qué es cada una?
Un chat es una conversación: el usuario escribe, la IA responde y el historial se acumula en la pantalla. Una UI estructurada es una interfaz con elementos de forma predecible: selectores, calendarios, filtros, tarjetas con acciones. Ninguna es mejor en general. Cada una resuelve un tipo distinto de problema, y la mayoría de los productos con IA necesitan las dos.
Un criterio práctico es preguntar qué tan clara es la intención del usuario antes de empezar. Si es vaga, el chat ayuda a aclararla. Si ya está clara, cada turno de conversación es un paso de más. La guía de UXMagic lo resume así: el chat se encarga de la exploración abierta y los componentes estructurados, de la ejecución determinista.
| Situación | Mejor opción | Por qué |
|---|---|---|
| El usuario no sabe qué pedir | Chat, con sugerencias de arranque | Puede explorar y la IA le propone caminos |
| La tarea tiene opciones finitas | UI estructurada | Un selector es más rápido que describir una fecha con palabras |
| Acción frecuente y repetida | UI estructurada | Un atajo visible se aprende una vez |
| Resultados que hay que comparar u ordenar | UI estructurada | Una tabla o lista se escanea; en el chat, la respuesta se pierde en el scroll |
| Ambigüedad real que hay que negociar | Chat | La conversación ayuda a definir el significado |
¿Por qué le importa a un diseñador?
Porque la caja de chat parece universal y por eso se usa como valor por defecto. Pero una caja vacía no le dice al usuario qué puede hacer. ParallelHQ lo llama el problema del lienzo en blanco y UXMagic señala que una entrada de texto sin pistas visuales genera fricción cognitiva.
Jakob Nielsen lo plantea como una barrera de articulación: las interfaces basadas en prompts exigen describir por escrito lo que se necesita, y escribir es más difícil que leer. Su apuesta es que las interfaces de IA que funcionen serán híbridas, porque, en sus palabras, las GUI “muestran a la gente lo que se puede hacer”. Es una opinión de un experto, no un resultado de laboratorio, pero coincide con lo observado en estudios de bots.
Ese estudio es el de Nielsen Norman Group sobre chatbots, publicado en 2018 por Raluca Budiu, con 8 participantes. Son bots de reglas, no modelos de lenguaje actuales, así que sirve para entender el patrón y no para medir el producto de hoy. Los bots funcionaban bien mientras el usuario seguía el guion: pedir una pizza en Domino’s o cotizar un seguro con Flo, de Progressive. Cuando se salía, aparecían los problemas. El bot de Domino’s falló cuando una participante escribió “townhome” en vez de elegir casa o apartamento, y el de Kia obligó a otra a repetir todo el árbol de decisiones después de responder “No” en lugar de pulsar una opción.
El mismo estudio encontró poca descubribilidad. La mayoría de los participantes no sabía que existían los bots como canal en Messenger, Twitter o Slack, y en el bot de WebMD no estaba claro qué podía responder. Un control visible resuelve esto mejor que cualquier texto de ayuda escondido. Lo que el estudio no dice es que el chat sea malo: dice que un chat sin alcance claro obliga a adivinar.
¿Cómo se combinan sin confundir al usuario?
El patrón más recomendado hoy es híbrido: el chat para la entrada y la exploración, los controles para la ejecución. ParallelHQ lo expresa con una idea útil: el chat es bueno para descubrir y débil para ejecutar, así que hay que dar salidas claras hacia el producto, como “Exportar al tablero de tareas” o “Abrir en el editor”.
Prácticas que aparecen en las fuentes:
- Ofrece texto libre y opciones tocables a la vez. En el estudio de NN/g, los participantes querían ambas cosas y se quejaban cuando un bot los obligaba a teclear una fecha que podía ser un selector.
- Usa chips de arranque. ParallelHQ propone sugerencias globales (ligadas al valor central del producto), contextuales (a la pantalla actual) e históricas (a la actividad previa). Más en empty state de chat y sugerencias de prompt.
- Muestra datos como componentes. Si el resultado es una tabla o un gráfico, renderízalo así. NN/g recomienda permitir ordenar y filtrar resultados, y señala que un carrusel es mala forma de mostrar una lista larga: Booking.com mostraba más de 80 hoteles en el suyo.
- Da salidas claras. NN/g recomienda ser honesto cuando el bot no entiende y ofrecer una persona, un teléfono u otro canal. Ver handoff a un humano.
- Cuida teclado y foco. Según UXMagic, los chips y las tarjetas deben poder usarse con teclado, y el foco debe ir a un lugar lógico cuando termina de llegar la respuesta con acciones.
¿Cuándo NO conviene el chat?
- Para acciones de uno o dos clics. UXMagic advierte que convertir un filtro de dos clics en un turno de conversación es un error común, y que obligar a escribir frases para cambiar un rango de fechas hace la tarea más lenta.
- Para decisiones simples y predecibles. Si la respuesta correcta cae siempre en tres opciones, muéstralas.
- Cuando el usuario tiene que comparar. Comparar tres vuelos en texto corrido es más difícil que verlos en tarjetas alineadas.
- Cuando el error es caro. Criterio de diseño, no dato de estudio: un formulario con validación previa suele ser más seguro que una frase que la IA interpreta a su manera. Si además la acción no se puede deshacer, añade una confirmación visible, como en aprobación de acciones.
En estos casos el chat no es malo: está en el lugar equivocado. También hay un costo de atención. Una caja vacía exige recordar el vocabulario del sistema y decidir qué pedir. La ley de Hick dice que más opciones alargan la decisión, y en un chat sin guía el espacio de lo que se puede pedir parece ilimitado.
Ejemplo
Ejemplo ilustrativo: una app de reservas de salas de reunión. El usuario escribe en el chat: “Necesito una sala de 45 minutos para una entrevista mañana por la tarde”. La IA entiende la intención y responde con tres tarjetas con horario, capacidad y equipo de cada sala, cada una con su botón “Reservar”. Debajo, un selector de duración permite ajustar los 45 minutos a 30 o a 60. El chat resolvió la intención y los controles resolvieron la ejecución. Si el usuario hubiera tenido que describir todo en texto, el riesgo más evidente sería una hora mal interpretada.
Errores comunes
- Poner un chat en cada pantalla porque “es lo que se usa con IA”.
- Dejar el chat como única vía, sin controles visibles para las acciones frecuentes.
- Responder con un texto largo cuando el usuario necesita comparar opciones.
- No explicar qué puede pedirle la persona al asistente.
- Medir el éxito solo por el tiempo en la conversación. ParallelHQ advierte que una sesión larga puede significar interés o frustración, y propone mirar el abandono del prompt, la tasa de regeneración y la conversión a una acción concreta. Ver métricas de producto con IA.
- Esconder las funciones detrás de una caja vacía, sin pistas del alcance del asistente.
Fuentes
- Nielsen Norman Group, Raluca Budiu, “The User Experience of Chatbots” (2018): https://www.nngroup.com/articles/chatbots/
- Jakob Nielsen, “The Articulation Barrier: Prompt-Driven AI UX Hurts Usability”: https://www.uxtigers.com/post/ai-articulation-barrier
- ParallelHQ, “UX Patterns for LLM and Chat Products: A Practical Guide”: https://www.parallelhq.com/blog/llm-chat-ux-patterns
- UXMagic, “AI Chat Interface Design: The Patterns That Prevent Abandonment” (blog de un proveedor de herramientas de diseño): https://uxmagic.ai/blog/ai-chat-interface-design-patterns