Las herramientas de IA para diseño y desarrollo llevan dos años saliendo cada semana. Algunas con nombre propio, muchas integradas en herramientas que ya usabas. Y el ruido alrededor de cada lanzamiento hace difícil distinguir qué ha cambiado realmente en el trabajo de una agencia de qué es todavía una demo impresionante con poco uso práctico.
Llevamos tiempo usando algunas de estas herramientas en proyectos reales. Y descartando otras después de probarlas con expectativas razonables. Este post no es un resumen de novedades. Es lo que usamos, lo que no usamos y por qué.
Por qué importa hablar de esto ahora
La IA ya está cambiando los flujos de trabajo en diseño y desarrollo. No en el sentido grandilocuente de «va a sustituir a los diseñadores» —que no lo va a hacer, al menos no en la parte que importa— sino en algo más concreto: hay tareas que antes costaban horas y ahora cuestan minutos. Y eso tiene implicaciones reales sobre cómo se distribuye el tiempo en un proyecto.
Si una agencia no está usando IA en ningún punto de su flujo de trabajo en 2026, hay una de dos cosas: o tiene razones muy concretas para no hacerlo, o no ha prestado atención. En cualquier caso, vale la pena preguntar, porque lo que la IA cambia de verdad en el trabajo de una agencia no se parece a lo que se anuncia.
El riesgo contrario también existe: usar IA en todo porque es lo que se supone que hay que hacer, sin criterio sobre qué mejora realmente el resultado y qué solo da la ilusión de haberlo optimizado.
Lo que usamos: Figma AI para componentes y variantes
La integración de IA en Figma ha pasado de ser una feature experimental a algo que entra en flujos reales. Lo que más utilizamos es la generación de variantes de componentes y el autocompletado de contenido placeholder con contexto semántico.
Cuando diseñas un sistema de componentes para un proyecto —tarjetas de producto, estados de un formulario, variaciones de un botón— la IA puede generar las variantes según las reglas del sistema mucho más rápido que hacerlo manualmente. El tiempo que se ahorra en esta fase se puede invertir en las decisiones que requieren criterio humano: qué jerarquía tiene sentido, qué componentes faltaban en el sistema, dónde hay incoherencias que el cliente no va a identificar pero que van a aparecer en producción.
Lo que no funciona todavía: pedirle a Figma AI que diseñe un layout completo con criterio de negocio. Los resultados son genéricos y no tienen en cuenta el contexto del usuario, la arquitectura de la información ni las restricciones técnicas del proyecto. Ahí el criterio del diseñador sigue siendo insustituible.
Lo que usamos: GitHub Copilot para aceleración de desarrollo
Copilot lleva suficiente tiempo en el flujo de trabajo de desarrollo como para tener una opinión con datos reales. La conclusión: reduce significativamente el tiempo en código repetitivo, funciones de utilidad, configuraciones de proyecto y patrones que ya has resuelto antes. No sustituye el criterio de arquitectura.
En proyectos de Laravel y Angular, que son parte de nuestro stack habitual, Copilot es especialmente útil en la generación de tests, en la escritura de consultas de base de datos con lógica compleja, y en la documentación de funciones. Tres tareas que históricamente se dejan para el final y que con Copilot tienen menos fricción para hacerse en el momento correcto.
El riesgo real: aceptar código generado sin entenderlo. Copilot puede generar código que compila y funciona en la mayoría de casos pero que tiene problemas de rendimiento, de seguridad o de mantenibilidad que no son visibles hasta que el proyecto escala. El código generado tiene que pasar por el mismo criterio de revisión que el código escrito por un humano. No es una caja negra en la que confiar ciegamente.
Lo que usamos: IA para análisis de accesibilidad y auditoría técnica
Las herramientas de auditoría de accesibilidad con IA han dado un salto real en 2025-2026. No solo detectan problemas técnicos de contraste o etiquetas ARIA —eso ya lo hacía Lighthouse— sino que pueden identificar problemas de comprensión: textos ambiguos para lectores de pantalla, flujos de navegación que funcionan con ratón pero generan confusión con teclado, elementos interactivos que no tienen un estado de foco visible adecuado.
En los proyectos de diseño UX/UI, integrar una auditoría de accesibilidad con IA en la fase de QA antes de entregar ha reducido el número de issues que aparecen después del lanzamiento. No los elimina —la accesibilidad real requiere test con usuarios reales usando tecnología asistiva— pero filtra los problemas más frecuentes de forma eficiente.
Lo que no usamos: generadores de copy con IA sin revisión editorial
Hay una diferencia entre usar IA como punto de partida para textos y entregar textos generados por IA sin revisión. Lo primero puede ser útil para evitar el síndrome de la página en blanco o para generar variantes de un mismo mensaje. Lo segundo produce contenido que es técnicamente correcto pero que no tiene voz, no tiene criterio y no tiene la especificidad que hace que un texto de web convierta de verdad.
Los textos que más importan en una web —el titular de la homepage, el copy del primer fold, el texto del CTA principal— son los que menos se deben delegar a la IA sin revisión editorial profunda. Son los textos donde la diferencia entre algo que convierte y algo que no convierte está en una sola frase. Esa frase requiere criterio sobre el negocio, sobre el usuario y sobre el contexto competitivo. La IA no tiene ese contexto a menos que se lo des con mucho detalle.
Lo que no usamos: herramientas de «generación de web completa con IA»
Hay una categoría de herramientas —Framer AI, Wix ADI, Durable, y varias más que han aparecido en los últimos dos años— que prometen generar un sitio web completo a partir de una descripción en lenguaje natural. El resultado es una web que existe. Que tiene páginas, tiene texto, tiene imágenes generadas.
Lo que no tiene es criterio: una arquitectura de información pensada para los usuarios reales del negocio, una jerarquía visual que guía al usuario hacia la conversión, un sistema de diseño coherente que escala cuando el negocio crece. Y sobre todo, no tiene la especificidad que diferencia a una empresa de sus competidores.
Si generas tu web con IA y la competencia genera su web con IA a partir de un prompt parecido, el resultado es dos webs que se parecen entre sí más de lo que debería. La diferenciación es exactamente lo que estas herramientas no pueden darte porque no saben qué te hace diferente.
Estas herramientas tienen un caso de uso real: validación rápida de concepto, prototipado de muy baja fidelidad, test A/B de landing pages con tráfico bajo. Para eso pueden ser útiles. Para construir la presencia digital de una empresa que quiere crecer, no.
Lo que está por venir: diseño de interacción para IA conversacional
La parte de la IA que más va a cambiar el trabajo de diseño en los próximos dos años no es la generación de imágenes ni el asistente de código. Es el diseño de interfaces conversacionales.
Cada vez más productos integran algún tipo de asistente de IA en su flujo de usuario: búsqueda conversacional, configuradores inteligentes, soporte contextual. Diseñar bien esas interacciones requiere pensar en cosas que el diseño de interfaces clásico no resuelve: ¿cómo comunicas al usuario qué puede preguntar y qué no?, ¿cómo manejas la expectativa cuando la IA falla o no sabe responder?, ¿cómo convive la interfaz conversacional con la navegación tradicional sin que ninguna de las dos sea un ciudadano de segunda?
En nuestros proyectos de UX/UI, ya estamos empezando a trabajar estos flujos en Figma para clientes que integran IA en sus plataformas. Y la conclusión más clara hasta ahora es que requiere menos de lo que se piensa en términos de interfaz nueva, y más de lo que se piensa en términos de criterio sobre cuándo la IA debe hablar y cuándo debe callar.
Tip técnico: streaming de respuestas de IA para mejor percepción de rendimiento
En interfaces que usan LLMs para generar respuestas, el tiempo de espera antes de mostrar cualquier texto puede ser de varios segundos. La solución estándar es el streaming: mostrar el texto según se genera, token a token, en lugar de esperar a tener la respuesta completa. Con la Streams API de la mayoría de proveedores (OpenAI, Anthropic, etc.) y un componente de frontend que actualice el DOM de forma incremental, la percepción de latencia cae de 3-5 segundos de pantalla en blanco a respuesta casi instantánea. El tiempo total de generación es el mismo; la experiencia percibida es completamente diferente.
Cómo evaluar si una agencia usa IA con criterio (o solo para aparentar)
- ¿Pueden explicar en qué fases concretas del proyecto usan IA y para qué?
- ¿El código generado con IA pasa por revisión técnica antes de ir a producción?
- ¿Los textos de la web han sido revisados y ajustados por alguien que conoce tu negocio?
- ¿Usan IA para tareas repetitivas o también para decisiones de arquitectura que requieren criterio?
- ¿Pueden mostrarte un ejemplo de cómo la IA mejoró un resultado concreto en un proyecto anterior?
- ¿Son honestos sobre lo que la IA no puede hacer bien en tu tipo de proyecto?
Preguntas frecuentes sobre IA en diseño web
¿La IA va a sustituir a los diseñadores web?
No en las partes que importan. La IA puede acelerar la generación de variantes, la detección de problemas técnicos y el código repetitivo. No puede sustituir el criterio sobre qué arquitectura de información tiene sentido para un negocio concreto, qué experiencia de usuario genera confianza en un contexto cultural específico, ni qué diferencia a una empresa de sus competidores. Esas decisiones siguen requiriendo contexto humano.
¿Puedo usar una herramienta de IA para hacer mi propia web?
Para una web de validación rápida o un proyecto con requisitos muy básicos, sí. Para una web que necesita posicionar en Google, convertir visitantes en clientes y diferenciarte de la competencia, las herramientas generadoras de webs con IA no tienen el contexto de tu negocio que esas decisiones requieren. El resultado suele ser una web que existe pero que no hace ninguna de esas tres cosas bien.
¿Cuánto ahorra el uso de IA en el coste de un proyecto web?
Depende del tipo de proyecto y de cómo la agencia repercute el ahorro. En proyectos con mucho código repetitivo o muchas variantes de componentes, el ahorro de tiempo puede ser del 20-30% en esas fases específicas. Si la agencia traslada ese ahorro al cliente, el impacto en el presupuesto total puede ser del 10-15%. Lo que no cambia es el tiempo dedicado a las decisiones de criterio: arquitectura, UX, estrategia de contenido. Ahí la IA todavía no aporta suficiente valor para que sea un factor relevante en el presupuesto.
