Los Design Systems necesitan memoria

Durante años hemos trabajado para que el diseño pueda escalar. Creamos librerías, definimos patrones, documentamos componentes, establecemos reglas y construimos Design Systems para evitar que cada equipo tenga que empezar desde cero. Y han funcionado. Un buen Design System puede reducir inconsistencias, facilitar la colaboración con desarrollo y ayudar a que productos cada vez más grandes mantengan coherencia.

Pero últimamente hay una pregunta que me parece mucho más interesante: ¿qué pasa con todo lo que aprendimos para llegar a esas decisiones? Porque podemos documentar perfectamente un componente y aun así perder una parte importante del conocimiento que existe detrás de él. Podemos saber cómo funciona un modal, cuáles son sus estados y cuándo utilizarlo, pero quizá no sepamos por qué se decidió así, qué problema apareció durante la investigación, qué alternativa se descartó, qué sucedió cuando la probamos, qué restricción técnica modificó la solución o qué problema de accesibilidad encontramos.

Cuando ese contexto desaparece, tenemos un sistema capaz de reutilizar soluciones, pero no necesariamente de reutilizar el conocimiento que las produjo. Y con la incorporación de IA a los procesos de diseño y desarrollo, creo que esa diferencia empieza a ser mucho más importante.

Tenemos sistemas que recuerdan componentes, pero no siempre decisiones

Esto sucede constantemente en proyectos grandes. Alguien pregunta por qué determinado flujo funciona de cierta manera y comienza una pequeña investigación interna: revisamos Figma, buscamos documentación, regresamos a tickets, preguntamos a quienes participaron en el proyecto y tratamos de reconstruir una decisión tomada quizá varios años atrás. Hasta que alguien termina diciendo: “creo que se hizo así porque…”.

Ese “creo” dice mucho sobre cómo conservamos el conocimiento dentro de los productos. Una enorme cantidad de decisiones importantes termina viviendo en la memoria de las personas y, mientras el equipo permanece relativamente estable, el modelo funciona. El problema aparece cuando los proyectos crecen, los equipos cambian o simplemente pasa el tiempo. Podemos conservar durante años el resultado de una decisión y perder completamente la razón que la originó.

Esto provoca algo que he visto repetirse en distintos proyectos: volvemos a discutir problemas que probablemente ya habíamos resuelto. No necesariamente porque la decisión anterior siga siendo correcta —cuestionarla también es parte de diseñar—, sino porque muchas veces ni siquiera tenemos suficiente información para entender por qué fue tomada.

La IA hace más evidente un problema que ya teníamos

Hoy podemos pedirle a una IA que genere una interfaz, proponga un flujo o incluso construya parte de un producto utilizando una librería existente. La capacidad de producción está avanzando muy rápido, pero producir una interfaz y tomar una buena decisión de diseño siguen siendo cosas diferentes.

Una IA puede saber que existe un componente, pero no necesariamente por qué debería utilizarlo en determinado contexto. Puede conocer nuestros botones, formularios, modales, patrones y tokens, pero para tomar mejores decisiones necesita algo que tradicionalmente ha sido mucho más difícil de sistematizar: contexto.

Necesita conocer qué sabemos de nuestros usuarios, qué aprendimos de investigaciones anteriores, qué principios seguimos, qué comportamientos queremos evitar, qué estándares de accesibilidad debemos respetar, qué restricciones tiene el negocio y qué decisiones ya probamos. También necesita saber algo especialmente importante: cuáles son aquellos escenarios donde automatizar una decisión no es conveniente y seguimos necesitando criterio humano.

Por eso, cada vez pienso más que el siguiente reto de los Design Systems quizá no sea agregar más componentes, sino conservar mejor las decisiones que existen detrás de ellos.

De documentar interfaces a documentar criterio

Durante mucho tiempo hemos documentado principalmente el resultado: cómo funciona un componente, cuándo utilizarlo, qué variantes existen, cuáles son sus propiedades y qué comportamiento esperamos. Todo eso seguirá siendo necesario, pero probablemente tengamos que empezar a conservar también otra capa de información: por qué funciona de esa manera.

No significa crear documentos interminables para justificar cada decisión. De hecho, eso podría producir exactamente el problema contrario: enormes repositorios de información que nadie consulta. El reto está en estructurar el conocimiento de manera que pueda ser encontrado, relacionado y utilizado cuando realmente sea necesario, tanto por personas como por sistemas.

Una decisión de diseño, por ejemplo, podría estar relacionada con una investigación, una métrica, un principio de accesibilidad, una restricción técnica y determinados componentes. Entonces dejamos de tener únicamente documentación aislada y empezamos a construir algo mucho más interesante: memoria del producto.

Del Design System a la inteligencia de diseño

Aquí es donde el concepto de inteligencia de diseño empieza a tener sentido para mí. No lo veo necesariamente como una nueva herramienta ni como otro nombre para un Design System, sino como la capacidad de una organización para conservar, conectar y reutilizar el conocimiento que genera mientras diseña productos.

Un Design System podría formar parte de esa inteligencia, pero también la investigación, las decisiones de accesibilidad, los principios de experiencia, los resultados de experimentos, las restricciones conocidas y los patrones que sabemos que funcionan. Incluso deberían formar parte aquellos que sabemos que no funcionan, porque aprender qué no repetir también es conocimiento.

Lo interesante es pensar que esta inteligencia podría crecer junto con el producto. Cada investigación agregaría contexto, cada prueba aportaría evidencia, cada problema encontrado añadiría una nueva restricción y cada decisión correctamente documentada reduciría la posibilidad de que otro equipo tuviera que resolver exactamente el mismo problema desde cero.

Entonces el diseño deja de escalar únicamente porque reutilizamos componentes. También empieza a escalar porque reutilizamos aprendizaje.

Diseño y desarrollo cada vez están menos separados

Durante años hemos intentado mejorar el handoff entre diseño y desarrollo utilizando mejores especificaciones, documentación, Design Systems compartidos, tokens y herramientas que permiten acercar ambos procesos. Hemos avanzado muchísimo, pero seguimos hablando, en cierta medida, de trasladar una decisión desde el lugar donde fue diseñada hacia el lugar donde finalmente será implementada.

La IA puede empezar a reducir todavía más esa distancia. Si parte de nuestro conocimiento de diseño puede vivir cerca del código, de los componentes y de las herramientas que participan directamente en la construcción del producto, ya no necesitamos traducir constantemente las mismas reglas.

Esto no significa que los diseñadores tengamos que convertirnos en desarrolladores, pero sí creo que nuestra relación con tecnología tendrá que ser cada vez más cercana. Entender cómo funciona una librería de componentes, cómo llegan los tokens a producción, cómo se estructura un repositorio o cómo utiliza contexto una herramienta de IA empieza a ser relevante porque esos son algunos de los lugares donde nuestras decisiones terminarán viviendo.

No necesitamos escribir todo el código, pero cada vez será más difícil diseñar sistemas digitales complejos sin entender qué ocurre con nuestras decisiones después de Figma.

También tendremos que reconsiderar qué significa escalar UX

Durante mucho tiempo, escalar diseño significó poder producir más sin aumentar proporcionalmente el esfuerzo. Un componente diseñado una vez podía utilizarse en veinte lugares y un patrón podía resolver decenas de escenarios. Esa sigue siendo una de las grandes aportaciones de los Design Systems, pero ahora aparece otra posibilidad.

Una investigación realizada por un equipo podría influir en decisiones futuras de otros equipos. Una mejora de accesibilidad podría convertirse en una regla que evite repetir el mismo problema en diferentes productos. Una decisión correctamente documentada podría seguir ayudando años después, incluso cuando las personas que originalmente participaron en ella ya no formen parte del proyecto.

En ese escenario, escalar diseño no significa solamente reutilizar soluciones. Significa también reutilizar criterio. Y creo que esa diferencia puede convertirse en una parte importante de cómo entendamos los Design Systems en los próximos años.

El archivo nunca fue el verdadero entregable

Figma seguirá siendo importante. Los Design Systems seguirán siendo importantes. Los prototipos, componentes y documentación también. No creo que estemos frente al final de esas herramientas ni que la IA vuelva irrelevante el trabajo que hemos construido alrededor de ellas.

Lo que sí creo es que la IA está haciendo mucho más visible algo que probablemente siempre estuvo ahí: el valor del diseño nunca estuvo únicamente en las pantallas que producíamos. Estaba también en las preguntas que hicimos antes de diseñarlas, en la investigación que modificó nuestras hipótesis, en las alternativas que descartamos, en las conversaciones con desarrollo, en los problemas que encontramos y en las decisiones que tomamos como consecuencia de todo ello.

Ese criterio se construye después de años de diseñar, probar, observar resultados, equivocarnos y volver a intentarlo. Sin embargo, una parte importante de ese conocimiento se sigue perdiendo entre proyectos, documentos, archivos y equipos.

Por eso, quizá una de las oportunidades más interesantes de la IA aplicada al diseño no sea simplemente permitirnos producir interfaces más rápido. Tal vez sea ayudarnos a construir productos y organizaciones capaces de recordar no solamente qué diseñamos, sino por qué lo diseñamos de esa manera.

Si conseguimos hacerlo, el siguiente paso de los Design Systems probablemente no será una librería con más componentes. Será un sistema capaz de conservar más contexto, más aprendizaje y más decisiones.

Un sistema con memoria.

Y quizá ahí empiece realmente lo que podemos llamar inteligencia de diseño.