Descubribilidad de la IA: que el usuario sepa qué puede pedir

Descubribilidad de la IA: cuando el usuario no sabe que puede pedirlo. Qué encontró NN/g sobre funciones de IA que nadie nota y qué patrones las hacen visibles.

info Definición Rápida
Descubribilidad es la capacidad de un usuario de notar, reconocer y entender una función aunque no supiera que existía. En IA, significa que la persona descubra lo que el sistema puede hacer sin adivinarlo ni leer un manual.

¿Qué diferencia la descubribilidad de la encontrabilidad?

Son dos cosas distintas que se confunden. Nielsen Norman Group las define así: una función tiene buena encontrabilidad si la gente la localiza cuando la busca, y buena descubribilidad si la gente la nota, la reconoce y la entiende aunque no supiera que existía. Buscar el botón de exportar porque sabes que exporta es encontrabilidad. Enterarte de que una herramienta puede resumir reuniones es descubribilidad: nadie busca lo que no sabe que existe.

En las interfaces tradicionales, la descubribilidad viene de las affordances visibles: menús, barras de herramientas y botones con etiqueta. Una caja de chat no ofrece ninguna de esas pistas. Muestra una superficie de texto vacía y la capacidad real queda dentro del modelo.

¿Qué encontró Nielsen Norman Group sobre las funciones de IA?

En marzo de 2025, Kate Moran y Feifei Liu publicaron un análisis basado en pruebas de usabilidad cualitativas, con Amazon como caso principal. El artículo no indica cuántos participantes hubo, así que conviene leerlo como una señal cualitativa y no como una estadística. Su conclusión central: la mayoría de las funciones de IA probadas fallaban tanto en descubribilidad como en encontrabilidad. Los participantes no esperaban funciones de IA, no las notaban mientras usaban el producto y les costaba encontrarlas cuando se les pedía. Con frecuencia las encontraban útiles cuando un investigador se las señalaba.

Tres hallazgos del caso Amazon son útiles como ejemplos concretos:

  • Rufus, el asistente de chat. Ningún participante lo notó hasta que el investigador se lo mostró. En escritorio, su botón estaba en una posición poco habitual (arriba a la izquierda), tenía un nombre desconocido y un icono de destellos ambiguo.
  • Sugerencias de IA en la búsqueda. Ningún participante las tocó por iniciativa propia: la barra parecía igual que siempre, las sugerencias se mezclaban con las de palabras clave y la gente asumía que la barra servía solo para buscar productos.
  • Preguntas y respuestas con IA en la página de producto. Estaban al final de páginas densas y la mayoría de los participantes pasó de largo.

La recomendación de NN/g va en sentido contrario a la creatividad: usar patrones estándar (por ejemplo, el botón de chat en la esquina inferior derecha), lenguaje claro e iconos conocidos, y evitar “etiquetas innecesarias, nombres simpáticos o iconos indescifrables”.

¿Por qué una caja de chat no comunica lo que puede hacer?

Porque el primer contacto fija una idea. Leon Furze, en un ensayo de 2026 sobre educación, describe la interfaz típica de un chatbot como una caja de texto con un cursor parpadeante que no da ninguna señal de lo que el sistema puede hacer, y sostiene que esa primera interacción se vuelve un techo: la persona no explora más allá de lo que imaginó al principio. Es una opinión argumentada, no un dato de investigación. Furze además advierte que el problema no se resuelve solo con mejor diseño de interfaz, también depende de cómo la gente piensa estos sistemas.

Para un diseñador la consecuencia práctica es clara: una función que nadie descubre no existe para el usuario, aunque funcione perfecto. Y si la primera experiencia es estrecha, la persona no vuelve a probar capacidades nuevas.

¿Qué patrones ayudan?

Cinco patrones que salen de las guías de NN/g y de la práctica:

  1. Ejemplos en la pantalla vacía. Un conjunto corto de tareas concretas, como “Resume esta reunión” o “Compara estos dos proveedores”. NN/g las llama sugerencias de caso de uso y las describe como útiles sobre todo para quien empieza. Detalle en sugerencias de prompt y en el empty state de un chat.
  2. Sugerencias de seguimiento. Debajo de cada respuesta, preguntas basadas en la conversación. NN/g señala que suelen ser las más relevantes y útiles porque responden a una necesidad concreta.
  3. Autocompletado de prompts. Una sugerencia debajo del campo que continúa lo que la persona escribe. Útil siempre que no interrumpa. Véase autocompletado con IA.
  4. Nombres e iconos conocidos. “Pregunta a la IA” o “Resumir” dicen lo que hacen. Un nombre interno o un icono de destellos sin etiqueta no dice nada.
  5. IA donde el trabajo ocurre. Un botón dentro del flujo actual se nota más que una página de funciones de IA aparte. Véase IA en contexto y onboarding de funciones de IA.

Un detalle: esas ayudas deben ser fáciles de ver, pero no invasivas. Un globo que parpadea para llamar la atención cada vez que entras a la app se vuelve ruido.

¿Cuándo las sugerencias no ayudan?

  • Cuando aparecen en el lugar equivocado. Una sugerencia que tapa el contenido o se mueve mientras escribes se ignora o molesta. NN/g observa que la gente suele ignorarlas si no están en el lugar correcto o no parecen útiles.
  • Cuando no son relevantes. Las sugerencias genéricas, sin relación con la tarea, se ignoran.
  • Cuando el usuario ya es experto. Los ejemplos básicos cansan a quien domina la herramienta. Conviene dejarlos colapsados o desactivables.
  • Cuando se parecen a otra cosa. En el caso de Amazon, las sugerencias de IA se mezclaban con las de palabras clave y se leían como más de lo mismo. Si se ven iguales a lo conocido, no se descubren.
  • Cuando el problema real es otro. Si la función no resuelve nada, mostrarla mejor no la vuelve útil. Antes de rediseñar la descubribilidad, comprueba que la función aporta algo.

Ejemplo

Ejemplo ilustrativo: una app de gestión de clientes agrega un asistente para redactar correos de seguimiento. Al principio el asistente está en un menú de tres puntos y casi nadie lo usa. El equipo lo mueve a la ficha de cada cliente, con un botón “Redactar seguimiento” junto al historial de llamadas. En la pantalla vacía del asistente aparecen tres ejemplos: “Recuérdale la propuesta del martes”, “Pide la fecha de renovación”, “Resume la última reunión”. Tras la primera respuesta se muestra una sugerencia de seguimiento: “¿Lo envío por correo?”. La función no cambió; cambió el lugar donde aparece y lo que muestra de sí misma. Para comprobar que funcionó, el equipo compara cuántas personas la usan por primera vez y cuántas repiten a la semana siguiente, no solo los clics en el botón.

Errores comunes

  • Esconder la función detrás de un icono sin etiqueta.
  • Usar nombres internos o de marketing en lugar de la acción que hace la función.
  • Poner sugerencias genéricas que no tienen relación con la tarea.
  • Medir la descubribilidad solo por clics en un banner, sin mirar si la función se usó después. Una medición mejor combina tasa de activación, tiempo hasta el primer uso y uso repetido.
  • Dar por hecho que la caja de chat comunica la capacidad. Revisa chat vs. UI estructurada antes de decidir qué superficie usar.
  • Probar solo con quien ya conoce la función. La descubribilidad se detecta con pruebas de usabilidad con personas que no la conocen.

Fuentes

Preguntas frecuentes

¿Qué es la descubribilidad de una función de IA?
Es la capacidad de un usuario de encontrar funciones que no sabía que existían. Se diferencia de la encontrabilidad, que es localizar algo que ya se conoce.
¿Por qué los usuarios no descubren las funciones de IA?
En las pruebas de usabilidad cualitativas de Nielsen Norman Group (2025), los participantes no esperaban encontrar funciones de IA, no las notaban durante el uso y tenían dificultad para localizarlas cuando se les pedía. Además, muchas viven dentro de una caja de texto sin botones ni menús que las anuncien.
¿Qué ayuda a mostrar qué puede hacer la IA?
Ejemplos concretos en la pantalla vacía, sugerencias de seguimiento debajo de la respuesta, nombres e iconos conocidos en lugar de nombres ingeniosos y ubicaciones estándar dentro del flujo donde la persona ya trabaja.
¿Las sugerencias de prompt siempre ayudan?
No. Según NN/g, la gente suele ignorarlas cuando no están en el lugar correcto o no parecen útiles. Deben ser relevantes para la tarea y el nivel de experiencia del usuario.