En el equipo de diseño de productos de inDrive, la IA ya es una herramienta de trabajo. Se utiliza para entrevistas de UX de campo en diferentes países, para automatizar tareas de rutina en Figma y para generar rápidamente imágenes visuales realistas a partir de ilustraciones. A continuación se muestran tres historias de la vida real: cómo los diseñadores implementaron soluciones de IA, qué desafíos enfrentaron y qué resultados lograron. Investigación sin intermediarios - Experiencia Polina Gladkova Polina Gladkova Anteriormente, las entrevistas con conductores en Egipto y Latinoamérica se llevaron a cabo con la ayuda de colegas locales que actuaban como intérpretes. Esto fue útil, pero como no eran investigadores profesionales, a menudo querían ayudar a los conductores —sugiriendo respuestas o mostrando dónde hacer clic en la aplicación. Para hacer la investigación más precisa, Polina decidió ejecutar las entrevistas ella misma usando ChatGPT basado en voz. El diseñador habla ruso, el conductor escucha la traducción al árabe, el conductor responde y ChatGPT traduce de vuelta. En la práctica, se veía así: 
 
 
 
 
 
 
 preparing the interview script in ChatGPT beforehand; 
 
 during the ride, enabling voice chat and setting a translator prompt with dialect clarification (e.g., “Egyptian Arabic”) when needed; 
 
 after the interview, asking ChatGPT for: a detailed review of the conversation, a summary table for a series (e.g., 10 interviews), recurring patterns/differences, and hypotheses; 
 
 
 simultaneously recording audio → transcribing it in another AI tool → feeding the text into ChatGPT for more accurate processing. Los retos: 
 
 
 
 a veces ChatGPT “se pegó” y repitió la frase rusa en lugar de traducirla; mezclar a los participantes (por ejemplo, las respuestas atribuidas al conductor equivocado); Durante una larga serie de entrevistas, antes había perdido el contexto. Lo que ayudó: 
 
 
 
 especificar el dialecto en el prompt; trabajar a través de texto (audio → transcript → ChatGPT); Control manual durante las entrevistas. El resultado: 
 
 
 
 ahorro de tiempo de aproximadamente 3-5× en comparación con el esquema de intérprete tradicional; experimento “más limpio”: menos influencia de terceros, un diálogo uno-en-uno más tranquilo; en el trabajo diario – uso regular de ChatGPT para traducciones y comentarios textuales sobre lógica/UX. Automatización de la localización y la rutina en Figma Experiencia Serguéi Goltsov Serguéi Goltsov Sergey aborda tareas repetitivas mediante la construcción de plugins de Figma. El enfoque es simple: tome un punto de dolor real (de los foros/chats de Figma o de la práctica personal), formula una solicitud detallada y crea un plugin utilizando la combinación de la documentación de ChatGPT + Figma Plugin API. Por su estimación, ChatGPT genera hasta el 80% del código; el resto es revisión y refinamiento manual (HTML/CSS/JS, pruebas en el editor y en Figma). Plugins publicamente disponibles de Sergey: 
 
 
 
 
 
  — 9,500+ users,   in Figma Weekly. Chat Builder featured 
 
  — ~3,600 users. ChartBG 
 
 
  — ~2,600 users. BorderMockup One internal case was solving a recurring pain point: the monotonous manual work of creating translation keys and linking them to layers in Figma. To address this, Sergei built the   plugin. It scans the entire file (including groups, Frames, and Auto Layout), finds all text layers, and converts them into text variables. The plugin automatically cleans variable names according to API requirements; if the same text is repeated, only one variable is created and all relevant layers are linked to it. Text to Strings Chat constructor Presentación ChartBG BorderMockup Título de Strings Anteriormente, la localización de los diseños era un trabajo de rutina aburrido: los textos debían copiarse manualmente, se creaban versiones separadas de pantallas y se debían aplicar actualizaciones cada vez que algo cambiaba. Para eliminar esta monotonía, Sergei estableció un proceso basado en Figma Variables y el plugin Sheet to Variables. Los textos se convierten automáticamente en claves variables, los traductores solo funcionan en Google Sheets, y el diseñador importa las traducciones completas a través de CSV. Una vez que las variables están vinculadas a las capas de diseño, cambiar el idioma en Figma toma sólo unos pocos clics - y todos los textos se actualizan instantáneamente. Qué hay que tener en cuenta: 
 
 
 
 crear prompts altamente detallados (incluso “preguntar todas las preguntas de aclaración antes de generar”); validación manual del código y verificación cruzada con la documentación: el modelo puede afectar la lógica de trabajo o sugerir llamadas de API desactualizadas; La popularidad de Chat Builder fue impulsada por los mensajes de la comunidad y la aparición en un digest de la industria. De las ilustraciones a las fotografías realistas - Experiencia Artículo de Arthur Sitdikov Artículo de Arthur Sitdikov Arthur quería probar la hipótesis: las imágenes realistas de los productos funcionan mejor porque las personas ven exactamente lo que están comprando. Cómo se hizo: 
 
 
 
 tomar ilustraciones existentes (bananas, pan, etc.) y arreglarlas directamente en el diseño; pidiendo a ChatGPT que “re-render” la composición en un estilo realista; recibir activos listos para el uso con fondos transparentes y aplicarlos en el producto y la promoción. “Sin cambiar la composición, hazlas realistas, como en revistas. Lo que se observó: 
 
 
 las primeras salidas eran a menudo lo suficientemente buenas; durante largas sesiones, comenzaron a aparecer errores - generalmente dos intentos por imagen eran suficientes; A veces el modelo “olvidó” la transparencia y dejó un patrón de tablero de verificación – esto tuvo que ocultarse. El resultado: 
 
 
 
 
 
 first acceptable variants in ~15 minutes; 
 
 a complete set of assets in two evenings instead of lengthy approvals with photoshoots or stock purchases; 
 
 
 the approach is already in use in product/promo; in parallel, 3D images were generated for interfaces, and outputs from photoshoots were mixed with AI generations. Key Takeaways de los Tres Casos 
 
 
 
 En las entrevistas, el ChatGPT basado en voz permitió el contacto directo con los encuestados, aceleró el análisis y redujo la influencia del intérprete (el ahorro de tiempo se estima en 3-5×). La preparación del diseño para la localización se hizo más rápida gracias a la creación automática de variables y a un ciclo de traducción CSV (intercambio de idioma en un clic). La generación visual produjo activos realistas en dos noches, con las primeras variantes en minutos, lo suficiente para mostrar rápidamente ideas a las partes interesadas y llevarlas adelante. Conclusión Estas son tres maneras concretas en que los diseñadores ya utilizan la IA en el trabajo diario: como traductor y “secretario” para entrevistas, como coautor de código de plugins y como herramienta para visuales rápidos y realistas. En cada caso, los diseñadores describieron las limitaciones que encontraron y cómo las superaron.Los beneficios generales son claros: velocidad más rápida, menos rutina manual y datos más limpios para la toma de decisiones de diseño.

inDrive.Tech

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

IA en el diseño de productos: tres casos prácticos de inDrive

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Una breve introducción a la teoría del cerebro de Boltzmann

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

Telegram: el puente de Crypto Island hacia el continente

Una breve introducción a la teoría del cerebro de Boltzmann

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

Telegram: el puente de Crypto Island hacia el continente

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps