IA y UX Research: cómo voy integrando la IA a mi trabajo (y los recursos que me han servido)

Recursos, voces críticas y preguntas abiertas desde la práctica, no desde el hype.

Imagen: The Pony Tramway, del libro Abroad (1882) de Thomas Crane y Ellen Houghton. Dominio público vía Project Gutenberg.

---

Cómo llegué hasta acá

Empecé a usar ChatGPT hace unos dos o tres años, para cosas bastante básicas: corregir textos, escribir correos (no sistemáticamente), responder dudas casi como si fuera Google. Después descubrí los GPTs y empecé a crearlos para documentos o proyectos específicos, pero en ese entonces no se integraban bien — no leía entre conversaciones y cansaba estar repitiendo una y otra vez el mismo contexto. Aun así, lo usaba.

A inicios de 2025 me quedé sin trabajo. En vez de lanzarme a buscar de inmediato, decidí explorar. Abrí un canal de YouTube pensando en mi hija e hice contenido con IA: videos, música, voces (mías y generadas), personajes, historias, cuentos. Fue un periodo intenso de aprendizaje. Abrí otro canal en otro país para probar alcance. Seguí explorando herramientas. Por esa época pensé seriamente en no volver al UX Research.

Tuve una minicrisis existencial: no sabía si volver al UXR, buscar trabajo como psicóloga, o mirar algo completamente nuevo. Porque algo que me enseñó mi primer cambio de carrera — de la psicología clínica al UX Research — es que somos bastante más flexibles de lo que creemos. Las habilidades se transfieren de un lugar a otro. Podemos empezar de nuevo. Le pedí apoyo a mi coach (a quien recurro en ciertos momentos, no de manera permanente), y ella me preguntó algo como: “pero ¿qué es lo que te llena? ¿Qué harías aunque no te pagaran?” La respuesta fue clara: compartir lo que sé, aunque sea poco, con otros. Contar todo lo que he aprendido. Eso me motivó un montón.

Poco después concreté un proyecto con un cliente de manera continua. Sigo con ese cliente, y han aparecido otros de manera más puntual. Nunca me había ido tan bien. Parece que conectar con lo que te mueve de verdad ayuda — o se alinearon los planetas. Probablemente un poco de ambas cosas.

Volví al UXR, y volví con IA. Seguí probando herramientas — ChatGPT y Gemini, ambos de pago — y en algún momento me pasé a Anthropic. Mi vida se iluminó (en serio). Me desuscribí de ChatGPT. Pasé de hablarle a un junior olvidadizo a hablarle a un par colega — uno medio despistado, pero a quien no le pasa. Y empecé a usarlo justo cuando retomé la investigación con usuarios, la creación de contenido (porque también hago de content SEO manager), y la exploración de lo que podían hacer los GEMs de Gemini y los Proyectos de Claude.

Hoy trabajo casi todos los días en algo del sitio — ya sea orden, marca, coherencia, o un blog post — con Claude y Claude Code, acompañada de Gemini. No he podido usar Cowork porque mi máquina no me lo permite, pero sí el chat y Claude Code. Es mi set de trabajo actual, y sigue en construcción.

Este post nace de ahí: de meses leyendo, asistiendo a charlas, descargando guías, probando herramientas en proyectos reales. No tengo certezas sobre cómo la IA “debería” usarse en UX Research. Lo que tengo es un mapa de recursos que me ha servido, y un grupo de voces que me parecen más honestas que el promedio sobre el tema.

Si lo que buscas es una guía general de recursos para aprender UX Research, escribí una guía completa acá. Este post es el zoom en un tema específico: cómo la IA se está cruzando con el trabajo de investigación, y qué estoy aprendiendo en el camino.

---

Lo que estoy viendo en la conversación

Hay un grupo de practitioners que están usando IA en su trabajo de research y están compartiendo lo que descubren — con matices, no con hype. Los sigo en LinkedIn, leo sus newsletters, asisto a sus charlas cuando puedo. Lo que me llama la atención es que muchos están llegando a conclusiones parecidas sin haberse puesto de acuerdo.

Para dar contexto: según un ensayo reciente publicado en el Journal of User Experience (Sokolov, 2026), la adopción de herramientas de IA por researchers pasó de 20% en 2023 a 50% en 2024. La proyección para 2026 es 80%. No es un nicho — es algo que está pasando transversalmente en la disciplina. Pero la conversación sobre cómo usarlas bien, en mi experiencia, aún está en pañales.

Usar IA te obliga a hacer explícito lo que antes era tácito

Ese es, en mi experiencia, el hilo que conecta a casi todos.

JB Booth, UX Research Leader enfocado en agentes conversacionales, escribió en su newsletter Talking Systems sobre cómo automatizó el reporting de estudios RITE con Claude. Después de ocho rondas de edición, se dio cuenta de que las correcciones eran más valiosas que el reporte mismo: cada edición surfeaba una regla no escrita sobre cómo él interpreta hallazgos, pondera evidencia y comunica resultados. Su frase que me quedó dando vueltas: “AI doesn’t replace research judgment. It forces you to write it down.”

Nikki Anderson, fundadora de The User Research Strategist, ha construido más de 52 archivos SKILL.md para research en Claude (básicamente instrucciones estructuradas que le dicen a Claude cómo ejecutar tareas específicas de investigación). Lo que no esperaba es que el proceso de escribirlos la hizo mejor researcher: para crear una skill sobre, por ejemplo, escritura de insights, tuvo que articular exactamente qué hace un buen insight distinto de una observación, qué criterios usa para decidir si algo vale la pena incluir en un reporte. Cosas que hacía por instinto desde hace años, y que nunca había tenido que poner en palabras. Nikki es un referente para mí — sigo su Substack hace tiempo — y su evolución hacia IA aplicada a research me parece de las más honestas que he visto.

Dr. Susanne Friese, investigadora cualitativa y fundadora de QInsights, hizo un test revelador con NotebookLM. Le dio cuatro entrevistas cualitativas sobre formación de amistades y le preguntó por las primeras impresiones de los participantes. NotebookLM saltó directamente a síntesis temática e interpretación — conclusiones, no puntos de partida. Cuando cambió levemente el prompt, no solo cambiaron las palabras: cambiaron los temas, la interpretación, y los pasajes que el sistema seleccionó como evidencia. Peor aún: un caso que no encajaba con la pregunta (un participante cuya amistad se formó por proximidad, no por un momento definido) fue simplemente omitido. Como dice Susanne: “una respuesta que silenciosamente descarta el caso incómodo no es análisis fundamentado — es recuperación selectiva disfrazada de hallazgo.” Para cualquiera que haga research cualitativo, eso debería importar.

Ruby Kuo, UX Director con más de 20 años de experiencia, construyó un agente de IA para auditorías UX. Dentro de su alcance definido, el agente rendía bien — consistente, estructurado, confiable. Pero cuando el contexto se ponía ambiguo, seguía adelante con confianza, sin señalar que estaba en terreno incierto. Su reflexión: “The real risk isn’t AI replacing researchers. It’s teams using AI to get to the wrong answer faster.” Eso merece atención.

Caitlin Sullivan, ex-Head of UXR en Spotify Business, insiste en algo que en mi experiencia casi nadie enseña: la verificación. No como un paso que se agrega al final, sino como algo que se construye dentro del flujo de trabajo desde el principio. La diferencia, según ella, entre análisis rápido y análisis en el que pondrías tu nombre frente a stakeholders. Caitlin tiene cursos en Maven y workshops gratuitos donde profundiza en esto (los menciono más abajo).

Constantine P., Senior UX Researcher en Uber, está publicando un libro este verano: “AI-Powered UX Research: How to Run Research at the Speed Your Team Actually Needs.” Su tesis me parece potente: la IA no creó el gap entre research y decisiones de producto — lo expuso. Al comprimir el ciclo de desarrollo, hizo imposible de ignorar una brecha que research venía tolerando silenciosamente desde hace años. Eso reencuadra la conversación: el problema no es la herramienta, es la estructura.

---

Recursos para aprender

Estos son los recursos que he ido encontrando y que, en mi experiencia, tienen más sustancia que el promedio. Los organicé por tipo para que puedas ir directo a lo que te sirva.

Guías y material descargable

• The Explosion of AI-Powered Research Tools Is Reshaping UX Practice — Jeffrey L. Sokolov, PhD. Ensayo publicado en mayo 2026 en el Journal of User Experience (UXPA). Es probablemente la fuente más rigurosa de este listado: examina tres cambios interrelacionados (researchers como orquestadores de workflow, insights fragmentados entre herramientas, y el rol de la IA en moldear la interpretación). Incluye datos concretos: la adopción de herramientas IA por researchers pasó de 20% en 2023 a 50% en 2024, con proyección de 80% en 2026. Si vas a leer una sola cosa de esta lista, que sea esta.

• Benefits and Risks of AI in User Research Analysis — Condens. Un framework que presenta beneficios y riesgos como dos caras de la misma moneda: velocidad vs. precisión, escalabilidad vs. carga de verificación, accesibilidad vs. riesgo de pasar por alto alucinaciones. Útil para tener una conversación honesta sobre el tema en tu equipo.

• How to AI UXR — The ResearchOps Review. Un mapa de madurez organizado en tres niveles (Crawl, Walk, Run) que muestra cómo profesionales de research están integrando IA en selección de métodos y scoping. Desde generar templates hasta construir agentes que surfean research previo automáticamente. Concreto y práctico.

Cursos y workshops gratuitos

• Caitlin Sullivan en Maven x Lenny — Dos workshops on demand y gratuitos: “Claude Code for PMs: Data to Decisions Workflows” y “Synthetic Users for Product Discovery: What People Miss.” Aunque dicen “for PMs”, el contenido es directamente relevante para researchers.

• Pascal Raabe: AI for UX Research — Udemy. Se puede auditar. Cubre el flujo completo: planificación, reclutamiento, entrevistas, análisis, síntesis y reporte. Actualizado para 2026 con worksheets y plantillas de prompts. Lo que me gusta: enseña un loop de calidad (Draft, Critique, Verify, Document) en vez de solo “pon esto en ChatGPT.”

• UX Researchers Guild AI Club — Sesiones periódicas con invitados como Natalie Golub (Coinbase, ex-Airbnb) sobre cómo usar IA para transformar reportes estáticos en experiencias interactivas. Las sesiones se graban y se envían a quienes se registran.

• Great Question: Synthetic Users… Should You or Shouldn’t You? — Webinar on demand sobre usuarios sintéticos. Un tema que genera debate y donde vale la pena escuchar argumentos antes de formar una opinión.

Videos y charlas

• — LA UXR Meetup, con Khalil Sullivan. Asistí a este y estuvo muy bueno. Khalil presentó un framework de 4 pasos para crear workflows asistidos por IA (definir objetivos, mapear el proceso, crear tu framework de prompt engineering, y elegir modelo + datos), mostró el framework COSTAR para estructurar prompts, y compartió un caso de estudio real de evaluación rápida con A/B testing de modelos conversacionales. Lo que rescato: es de los pocos recursos que vi donde alguien muestra el proceso completo — no solo “usa IA para analizar”, sino cómo llegar desde la meta hasta el output, incluyendo qué documentar cuando funciona y cuando no. También fue honesto sobre las limitaciones: “Deep Research is prone to hallucinations” y “Check the references” estaban entre sus take-aways.

• UN Behavioural Science Week 2026 — 12 videos gratuitos de la 8va edición, con foco en la intersección entre IA y ciencias del comportamiento. Esto no es del ecosistema UX puro, y por eso me parece valioso: si vienes de psicología o ciencias sociales, este tipo de contenido conecta tu formación con lo que está pasando en IA de una manera que los artículos de “10 herramientas de IA para UX” no logran.

• — Playlist de YouTube con charlas sobre adopción de IA en la práctica.

• Condens: UX Research Meetup and Event Guide — Si quieres encontrar más meetups y eventos de research (no solo de IA), esta guía es un buen punto de partida.

Newsletters y voces para seguir

Si quieres mantenerte al día con perspectiva crítica (no hype), estas son las voces que yo sigo:

• Nikki Anderson — The User Research Strategist (Substack). Publica semanalmente sobre research, impacto y IA. 15.000+ suscriptores.
• JB Booth — Talking Systems (Substack). Sobre agentes conversacionales y research evaluativo.
• Caitlin Sullivan — En LinkedIn y Maven. IA para customer insights, sin hype.
• Dr. Susanne Friese — En LinkedIn. Investigación cualitativa e IA, con perspectiva crítica.

---

Cómo me mantengo al día

No tengo un sistema cerrado. Tengo un proceso en construcción, y creo que vale la pena compartirlo porque a veces la pregunta no es “qué herramienta uso” sino “cómo hago para no perderme en todo lo que hay.”

En mi caso funciona así:

Sigo personas en LinkedIn que hablan del tema con perspectiva crítica. No sigo cuentas que prometen que “la IA va a cambiar todo” — sigo practitioners que están probando cosas y contando lo que funciona y lo que no. De ahí salen la mayoría de los recursos que curé en este post.

Descargo PDFs y guías cuando aparecen, y los leo con calma. No acumulo por acumular (bueno, a veces sí), pero las guías de Condens y The ResearchOps Review, por ejemplo, las leí completas y me sirvieron para entender el panorama.

Me registro en workshops gratuitos y veo las grabaciones. La serie de Maven x Lenny, el AI Club de UX Researchers Guild, los webinars de Great Question. No puedo asistir a todo en vivo, pero las grabaciones son un recurso que subestimamos.

Veo videos que no son solo de UXR. Canales como Peter Yang (producto), el canal de Claude (para entender la herramienta), Google Workspace (para ver cómo se integra IA en flujos cotidianos), y Google Career Certificates cuando tocan temas de IA. Ver cómo otras disciplinas usan IA me da perspectiva que no encuentro dentro del ecosistema UX.

Asisto a meetups cuando el tema es relevante. El de LA UXR sobre workflows con IA fue uno de los mejores que he visto este año.

Lo uso activamente en mi trabajo. Gemini GEM para análisis cualitativo de corpus. Claude como companion metodológico y editorial — con Proyectos configurados para mi consultora. Claude Code para implementar cambios en el sitio. No es teoría: es práctica diaria, con errores incluidos.

Miro fuera del ecosistema UX. La UN Behavioural Science Week, contenido de psicología y sociología aplicada, diseño de servicios. La IA está cruzando muchas disciplinas, y a veces los aprendizajes más útiles vienen de afuera.

Aún estoy construyendo mi forma de trabajar con todo esto. No tengo un workflow cerrado ni una opinión definitiva sobre qué herramientas son “las mejores.” Lo que tengo es curiosidad, práctica y un set de fuentes que voy actualizando.

---

Para cerrar (sin cerrar)

Si algo me queda claro después de estos meses es que la conversación sobre IA y UX Research recién está tomando forma. Hay mucho contenido sobre herramientas (en el SERP en español, la mayoría de los artículos son listas de herramientas con el mismo tono entusiasta), pero hay menos contenido sobre las preguntas de fondo: qué pasa con el juicio del researcher cuando la IA genera outputs convincentes, cómo verificamos lo que la IA nos devuelve, qué conocimiento tácito estamos descubriendo que teníamos solo porque ahora tenemos que escribirlo para una máquina.

Esas son las preguntas que me interesan. Y hasta donde he visto, las respuestas están viniendo más de practitioners que experimentan y comparten, que de artículos que prometen que “la IA va a revolucionar el UX Research.”

Si hay algo que no mencioné y debería estar acá, o si tienes una experiencia distinta con alguna de estas herramientas, me interesa saberlo. Escríbeme en LinkedIn o suscríbete a la newsletter — las correcciones siempre son bienvenidas.