Onboarding de features de IA: enseñar qué puede y qué no puede hacer

El onboarding de una función de IA debe aclarar qué hace, qué no hace y cómo mejora. Cómo diseñar la primera sesión para que el usuario llegue a su primer valor

info Definición Rápida
El onboarding de features de IA es la forma en que un producto presenta una función basada en un modelo: qué hace, qué no hace y cómo puede mejorar. Su objetivo es que la persona llegue pronto al primer resultado útil, con expectativas realistas.

¿Qué problema intenta resolver?

Las interfaces de software tradicionales muestran sus capacidades. Hay botones, menús y campos con etiquetas que indican qué se puede hacer. En una función de IA, buena parte de la capacidad está en el modelo, y la pantalla suele mostrar solo una caja de texto. La persona no sabe si puede pedir un resumen, una tabla o una corrección, y tampoco sabe qué pasa si pide algo fuera de su alcance.

Eso produce una brecha entre lo que el usuario espera y lo que el producto puede hacer. El capítulo «Mental Models» de la People + AI Guidebook de Google trata este problema: cada persona llega con un modelo mental previo de lo que hace el producto, y si el producto no ayuda a ajustarlo, la primera experiencia puede dejar una idea equivocada de sus capacidades. Esa brecha es una de las razones por las que la gente abandona una función que sí podría servirle.

¿Por qué le importa a un diseñador?

Porque el onboarding de IA no se parece al de un software clásico. En el clásico, el tutorial enseña dónde están las cosas. En la IA, hay que enseñar algo más difícil: cómo pensar en un sistema que es probabilista, que a veces se equivoca y que puede cambiar.

La guía de PAIR recomienda introducir la IA por etapas: explicar qué puede hacer, qué no puede hacer, cómo puede cambiar y cómo mejorar sus resultados. También pide explicar el beneficio, no la tecnología, y presentar las funciones nuevas solo cuando hacen falta.

Otro punto es el trato humano. La guía advierte que quien usa una interfaz conversacional tiende a atribuirle rasgos humanos, y que si no se comunican los límites del sistema las personas pueden esperar demasiado de él. Su recomendación es dejar claro que el producto no es una persona y elegir el nivel de humanización según lo que la IA realmente sabe hacer. Véase antropomorfización.

¿Cómo se diseña la primera sesión?

Una propuesta publicada en 2026 por Tian Pan, que aquí se adapta, tiene cinco piezas (las cuatro primeras son suyas; la última viene de la guía de PAIR):

  1. Una tarea real. La primera experiencia debe resolver algo del trabajo de la persona, no una demo genérica. Así el valor se ve en su contexto.
  2. Poca entrada antes del primer resultado. Pide lo mínimo para dar algo útil y deja la configuración para después. Si el contexto del rol o del equipo ya existe, precárgalo.
  3. Integración en el flujo. Lleva la primera pregunta al lugar donde la persona ya trabaja. Una función que vive en otra pestaña se usa menos.
  4. Pocas capacidades a la vista. Tian Pan sostiene que tres ejemplos claros de lo que la IA puede hacer funcionan mejor que veinte. Cada ejemplo debe ser una tarea que la persona reconozca.
  5. Acciones reversibles. La guía de PAIR pide diseñar para la experimentación. Un borrador que se puede descartar o una sugerencia que no se aplica sola reducen el costo de probar.

Para los límites, PAIR recomienda una experiencia por defecto que no dependa de la IA, de modo que la persona no quede atascada cuando el sistema no puede completar una petición, y evitar mensajes de error sin siguiente paso. Revisa errores de IA y recuperación para ver qué mensajes ayudan.

¿Cómo medir si funciona?

Pendo, en su artículo sobre onboarding, recomienda seguir cohortes de usuarios nuevos y estudiar cómo se comportan los que se quedan durante sus primeros uno a tres días, porque el uso agregado de una función puede engañar. También menciona las pruebas A/B y el despliegue gradual del onboarding. Pendo no trata la IA en ese texto: es una práctica general de producto que aplica igual aquí.

Tian Pan propone medir el tiempo hasta el primer valor (el momento en que la persona ve un resultado relevante para su necesidad) y no el tiempo hasta la primera acción, y vigilar si en la primera sesión se produjo un resultado con datos propios y no de muestra. Su artículo incluye cifras de conversión y abandono sin indicar de dónde salen, así que aquí no se reproducen: tómalas como hipótesis para probar en tu producto.

¿Cuándo NO conviene un onboarding de IA?

  • Cuando la función es obvia para el usuario. Si el resultado se entiende solo, un tutorial añade fricción.
  • Cuando la explicación sería una lista de capacidades sin contexto. Mejor mostrar la función cuando es relevante para la tarea que la persona está haciendo.
  • Cuando el producto no tiene un camino sin IA. Si la persona no puede terminar su tarea cuando la IA falla, el onboarding debe enseñar esa salida, no esconderla.
  • Cuando el onboarding promete más de lo que la IA hace. Exagerar capacidades genera desilusión y pérdida de confianza.

Ejemplo

Ejemplo ilustrativo: un gestor de proyectos que agrega un asistente para redactar actas. En la primera visita a una reunión, aparece una tarjeta: “Puedo redactar el acta a partir de tus notas. No conozco los acuerdos que no escribiste, así que revisa cada punto antes de compartirlo”. Debajo, un botón “Probar con esta reunión” aplica la función a una reunión real del usuario, con un borrador que puede editar o descartar. Solo después aparece la opción de configurar plantillas. La primera vez que la persona ve el acta con sus propios acuerdos, entiende qué hace el asistente, y el aviso sobre lo que no sabe ya no es teoría.

Errores comunes

  • Poner un tour de siete pasos antes de que la persona haya usado la función.
  • Presentar la IA como una persona con nombre y personalidad sin decir que es un sistema.
  • Explicar la tecnología en lugar del beneficio para el usuario.
  • Medir el éxito por cuántos terminaron el tutorial, no por cuántos llegaron a un resultado útil.
  • No volver a orientar al usuario cuando la función cambia de forma notable.

Fuentes

Preguntas frecuentes

¿Qué debe explicar el onboarding de una función de IA?
Qué puede hacer, qué no puede hacer, cómo puede cambiar con el tiempo y cómo el usuario puede mejorar sus resultados. Las guías de Google PAIR lo recomiendan desde la primera interacción.
¿Por qué los usuarios no encuentran las funciones de IA?
Porque la capacidad vive en el modelo y la interfaz suele mostrar solo una caja de texto. El usuario no ve un mapa de lo que puede pedir, así que necesita una primera experiencia real.
¿Cuál es la mejor primera experiencia con una IA?
Una tarea real del propio trabajo del usuario, con poca entrada previa y resultado rápido, que le permita ver el valor antes de configurar más.
¿Hay que usar un tutorial largo para enseñar IA?
No. Conviene un onboarding corto, por etapas y ligado al momento en que la función es relevante, con explicaciones breves y acciones reversibles para experimentar.