Práctica de Diseño de Producto con ChatGPT: Protopersonas y Prototipos

Diseñar productos digitales requiere investigación, creatividad y tiempo. Sin embargo, la inteligencia artificial puede funcionar como un acelerador en el proceso de diseño, permitiendo obtener estructuras iniciales en segundos que luego se perfeccionan con criterio profesional. A continuación se exploran tres ejercicios prácticos donde ChatGPT actúa como asistente para un product designer: crear una protopersona, prototipar pantallas y generar ideas de lanzamiento.

¿Cómo crear una protopersona con ChatGPT?

Una protopersona es una representación preliminar del usuario objetivo, construida con suposiciones informadas antes de realizar investigación profunda. En el ejercicio presentado [01:07], se le solicita a ChatGPT que cree una protopersona de una estudiante de Platzi que vive en Bogotá y tiene veintidós años, incluyendo datos sociodemográficos, background personal, motivaciones, objetivo, destreza tecnológica y necesidades.

El resultado que devuelve la herramienta es bastante completo:

• Datos sociodemográficos: estudiante de ingeniería, vive con sus padres, ha trabajado como freelancer.
• Intereses personales: lectura, viajes, yoga y meditación.
• Motivaciones: completar su formación y encontrar trabajo en una empresa innovadora.
• Destrezas tecnológicas: HTML, CSS, JavaScript, React, bases de datos y desarrollo de software.
• Necesidades: puntos específicos que orientan el diseño del producto.

Este resultado no es definitivo. La información generada requiere modelarse y perfeccionarse [02:42], pero ofrece una estructura con niveles aceptables de confiabilidad y, sobre todo, con mucha rapidez. A partir de ahí, el product designer puede iterar y validar con datos reales.

¿Cómo prototipar pantallas de una aplicación usando inteligencia artificial?

El segundo ejercicio consiste en solicitar a ChatGPT las pantallas principales para una aplicación de una fundación dedicada a la adopción de mascotas [03:12]. Con un solo prompt, la herramienta devuelve un modelo de datos simplificado que incluye:

• Pantalla de inicio: presentación de la fundación, misión y botones de navegación hacia adopción y cómo ayudar.
• Pantalla de adopción: listado de mascotas disponibles con call to actions (CTAs) para obtener más información o solicitar la adopción.
• Pantalla de detalle de mascota: información específica de cada animal.
• Pantalla de cómo ayudar: opciones para colaborar con la fundación.

Lo interesante es que ChatGPT no solo sugiere las pantallas, sino que anticipa el modelo de datos, es decir, el tipo de información y los elementos que contendrá cada vista [04:02]. Incluso ofrece pistas sobre estrategia de call to actions para dirigir la navegación del usuario. En lugar de partir desde cero, el diseñador arranca desde un punto más avanzado y puede concentrarse en refinar la experiencia.

¿Qué es un modelo de datos en este contexto?

El modelo de datos, en el ámbito del diseño de producto, se refiere a la estructura de información que compone cada pantalla. Identificar qué elementos lleva cada vista —títulos, botones, listados, descripciones— es fundamental para construir prototipos coherentes y funcionales.

¿Cómo generar ideas de lanzamiento con pocos recursos económicos?

El tercer ejercicio aborda una necesidad muy real: lanzar un proyecto con presupuesto limitado [05:16]. Al pedirle a ChatGPT ideas para lanzar la aplicación de la fundación de adopción de mascotas con pocos recursos, la herramienta devuelve siete propuestas concretas:

• Colaboración con organizaciones locales de protección animal y refugios.
• Campañas de marketing en línea para ampliar el alcance.
• Eventos comunitarios en parques y plazas para mostrar mascotas disponibles.

¿Hay que seguir estas ideas al pie de la letra?

No. Lo fundamental es entender que estas sugerencias representan un punto de arranque extraordinario [06:07] para modelar la estrategia de comunicación y lanzamiento. El product designer filtra, adapta y complementa estas ideas según el contexto real del proyecto.

Estos tres ejercicios demuestran que la inteligencia artificial funciona como un asistente que acelera las fases iniciales del diseño de producto: desde la investigación de usuarios hasta la ideación estratégica. El valor diferencial sigue estando en la capacidad del profesional para evaluar, refinar y tomar decisiones informadas sobre lo que la herramienta genera. Si ya probaste alguno de estos ejercicios con tu propio proyecto, comparte tus resultados y feedback en los comentarios.