Diseñar para quien no ve la interfaz: accesibilidad y compatibilidad para agentes IA

Siempre hemos diseñado pensando en lo que se ve: pantallas, flujos, interacciones. En cómo una persona percibe, entiende y utiliza un sistema. Y eso incluye hacerlo accesible para todas las personas.

Sin embargo, hoy aparece un nuevo reto que va más allá de la percepción humana.

Diseñar y validar productos digitales para sistemas que no interpretan como nosotros, que no intuyen, que no rellenan huecos. Sistemas que operan a través de agentes de inteligencia artificial. Sistemas que necesitan que todo esté explícito.

Y ahí es donde muchas aplicaciones empiezan a fallar.

Porque las aplicaciones ya no son consumidas únicamente por personas. También lo son por agentes de IA que interpretan interfaces, recorren flujos, ejecutan acciones y, en algunos casos, toman decisiones en nombre del usuario.

Diseño para ser interpretado: usable, accesible… y compatible

Y no estamos hablando de un escenario futuro. Está pasando ya, de forma silenciosa, pero constante. Y está introduciendo una tensión interesante: lo que antes diseñábamos para ser percibido, ahora también tiene que ser interpretado. Lo que antes debía ser usable y accesible, ahora además debe ser compatible para nuevos actores.

Ahí es donde aparece una distinción que conviene no simplificar: accesibilidad y compatibilidad no son lo mismo, aunque se parezcan.

La accesibilidad sigue siendo un pilar. Garantiza que una persona, independientemente de sus capacidades, pueda entender, navegar e interactuar con un sistema. Pero cuando introducimos agentes de IA, el problema cambia de naturaleza. Ya no hablamos de percepción o comprensión humana, sino de estructura, semántica y capacidad de acción automatizada.

Un agente no “ve” una interfaz. No “intuye” un flujo. No “interpreta” como lo haría una persona. Necesita que todo esté explícito: qué es cada elemento, qué estado tiene, qué acción puede ejecutar y en qué condiciones.

Y aquí está el matiz importante: una aplicación puede ser perfectamente accesible para una persona y, aun así, resultar opaca o ambigua para un sistema automatizado.

No es un fallo del modelo de accesibilidad. Es que el contexto ha cambiado.

Significa hacer explícito el sistema: visibles sus estados, claras sus reglas, comprensibles sus acciones.

Mejora de la experiencia de usuario

Curiosamente, cuando haces bien todo esto, no solo facilitas el trabajo de un agente, también mejoras la experiencia de usuario reduciendo la ambigüedad.

Ahora bien, diseñar mejor no resuelve todo. Hay una segunda pieza crítica que muchas veces se subestima: cómo validamos estos sistemas.

En el software tradicional, el testing ha sido determinista: un caso de prueba, un resultado esperado. Correcto o incorrecto.

Pero en sistemas basados en IA ese modelo se queda corto. Ya no evaluamos solo si algo funciona, sino si lo hace con suficiente precisión, coherencia y fiabilidad en su contexto de uso.

Esto obliga a cambiar el enfoque: de validaciones binarias a evaluaciones probabilísticas, de pruebas cerradas a análisis de comportamiento, de testing puntual a monitorización continua.

Y en ese cambio, la accesibilidad y la compatibilidad dejan de ser chequeos aislados para formar parte de un modelo más amplio de calidad.

Y sin embargo, cuanto más avanzamos en esta dirección, más evidente se vuelve otra cosa. Hace tiempo escribí una reflexión que, con el paso de los años, ha ido cobrando más sentido del que esperaba. Decía así:

“En esta nueva fase, todo lo que no pueda ser automatizado cobrará una importancia vital: la inteligencia emocional, los valores, la imaginación, la creatividad, la empatía, la colaboración, la asertividad y la calidad humana… Las capacidades humanas conllevan imperfecciones que generan situaciones completamente imposibles de imitar y mucho menos de automatizar.”

Quizá la paradoja esté ahí.

Mientras diseñamos sistemas cada vez más precisos, más estructurados y automatizables, el verdadero diferencial sigue estando en aquello que no se puede reducir a una lógica ejecutable.

En lo que no se ve.
En cómo pensamos.
En cómo interpretamos.
En cómo decidimos.