¿Cómo cambiará la UI/UX de los productos después de la realización de AGI?

Introducción

Aunque los AI actuales (ChatGPT, Gemini, Claude, etc.) ya poseen suficiente conocimiento para superar a expertos generales, se espera que cuando se realice la AGI (Artificial General Intelligence, Inteligencia Artificial General) con un desempeño aún más generalizado, la vida de las personas cambie drásticamente.
Aquí organizamos cómo cambiarán la UI/UX de los productos.

Referencias bibliográficas

Aunque hay diversa información sobre AGI, organizamos la información limitándonos a fuentes altamente confiables, como las de los siguientes autores

• Principales empresas desarrolladoras de IA: OpenAI, Google, etc.
• Principales consultoras: McKinsey & Company, BCG, etc.
• Principales empresas de valores e inversión: Goldman Sachs, Sequoia Capital, etc.
• Principales institutos de investigación: Harvard University, Stanford University, etc.
• Principales revistas académicas: Nature, Science, etc.
• Organismos internacionales: World Economic Forum, OCDE, etc.

La organización se realiza considerando el contenido de las siguientes referencias. Para obtener más detalles sobre el contenido, consulte estas referencias.

• Amble, S. (2026). Is Software Losing Its Head? Andreessen Horowitz (a16z).
• Butler, J., Jaffe, S., Janßen, R., Baym, N., Hecht, B., Hofman, J., Rintel, S., Sarrafzadeh, B., Sellen, A., Vorvoreanu, M., & Teevan, J. (Eds.). (2025). Microsoft New Future of Work Report 2025. Microsoft.
• Cahn, D. (2024). AI's $600B Question. Sequoia Capital.
• Flinders, M. (2025). What is AI product design? IBM.
• IDC. (2025). Charting the Agentic Future: 10 Vision Statements for 2030. IDC.
• Leviathan, Y., Valevski, D., Lumen, D., Kalman, M., Natchu, V., Nygaard, V., Manyika, J., Matias, Y., Segalis, E., Molad, E., Pasternak, S., & Venkatachary, S. (2025). Generative UI: LLMs are Effective UI Generators. Google Research.
• Li, Y. (2025). Emerging Developer Patterns for the AI Era. Andreessen Horowitz (a16z).
• Moran, K., & Gibbons, S. (2024). Outcome-Oriented Design: The Era of AI Design. Nielsen Norman Group.
• Nielsen, J. (2026). 18 predictions for 2026. UX Tigers.
• Patel, D. (2025). Dwarkesh Patel Podcast.
• Schmidt, J. (2025). Trading Margin for Moat: Why the Forward Deployed Engineer Is the Hottest Job in Startups. Andreessen Horowitz (a16z).
• Wobig, E., Kiral, B., Miller, M., Ribera, M., Kwon, Y., & Mishra, S. (2025). Farewell, SaaS: AI is the future of enterprise software. AlixPartners.

1. Interfaz de Usuario Generativa (GenUI) y el auge de las interfaces "desechables"

• Generación e desvanecimiento en tiempo real: El diseño tradicional que proporciona la misma pantalla fija a todos los usuarios quedará obsoleto. Se generalizará la "Interfaz de Usuario Generativa (GenUI)" en la que la IA captura la intención, contexto e historial del usuario en ese momento y genera dinámicamente una UI óptima en tiempo real. Cuando se completa la tarea, la interfaz generada desaparece (Disposable).
• Personalización completa de lo "promedio" a lo "individual": Hasta ahora, el diseño de UI era algo común a la mayoría, pero con GenUI se hace posible el diseño "para el individuo". Por ejemplo, para usuarios con dislexia, se genera automáticamente una UI con fuentes y contrastes especiales, lo que mejora dramáticamente la accesibilidad.
• Pérdida de la memoria muscular: Dado que la UI cambia según el contexto del usuario cada vez, la experiencia de que el usuario "recuerde la posición de los botones con su cuerpo (memoria muscular)" se vuelve imposible. Los usuarios confiamos en que la IA siempre proporciona la UI adecuada para operar, y la "inmediatez" y la "adecuación" se priorizan sobre la coherencia fija de la UI.

2. Cambio de UI Conversacional (Conversational UI) a UI Delegativa (Delegative UI)

• De "preguntas" a "delegación de objetivos": La interacción con la IA evoluciona desde la "UI Conversacional" en la que simplemente se formulan preguntas a un chatbot a la "UI Delegativa (Interfaz de Usuario Delegativa)" en la que se da un objetivo final a un agente IA autónomo y se confía la planificación y ejecución.
• Cambio en el rol del usuario: El usuario cambia de ser un operario que manipula software de manera detallada a asumir un rol como "gerente (Vibe CEO)" que coordina múltiples agentes y emite instrucciones. La IA procesa autónomamente la mayoría de las tareas diarias, mientras que los humanos se concentran en toma de decisiones estratégicas de nivel superior y determinación de dirección.

3. Interfaz de Auditoría (Audit Interface) y estrategias contra el "cansancio de revisión"

• Cambio de "crear" a "verificar": Cuando los agentes IA realizan flujos de trabajo complejos de manera autónoma, el papel principal del ser humano pasa a ser la "verificación y aprobación" de los resultados del trabajo de la IA.
• Riesgo de cansancio de revisión (Review Fatigue): La verificación humana de docenas de complejos procesos de pensamiento y resultados de trabajo realizados por la IA implica una carga cognitiva más alta que hacer el trabajo uno mismo, lo que puede causar "cansancio de revisión".
• Importancia de la Interfaz de Auditoría: Para prevenir este problema, el diseño de una "Interfaz de Auditoría (Audit Interface)" que resuma la lógica con la que la IA actuó y permita al ser humano realizar verificación de seguridad y toma de decisiones de un vistazo se convierte en el desafío más importante en la UX futura.

4. "Headless" del software y desplazamiento de la ventaja competitiva (Moat)

• Actividad de agentes sin mediación de UI: Tradicionalmente, el software necesitaba una UI para ser operado por humanos, pero los agentes IA acceden directamente a APIs o capas de datos, sin pasar por la UI del navegador, para ejecutar procesamiento.
• Desplazamiento de valor hacia el backend: Este "headless" reduce relativamente el valor que posee la usabilidad del dashboard o la UI en sí misma. En su lugar, datos propios, bucles de ejecución cerrados, gestión de permisos (permissions) y la lógica de flujos de trabajo, es decir, "la mecánica del backend", se convierten en la fuente de defensa y valor del producto.

5. Evolución hacia diseño orientado a resultados (Outcome-Oriented Design)

• De diseño de "pantallas" a diseño de "restricciones": El rol del diseñador de UI/UX cambia de colocar uno por uno botones y diseños a definir "parámetros" y "restricciones (guardrails)" cuando la IA genera dinámicamente interfaces.
• De proceso a resultado (Outcome): Dado que la IA ataja el proceso hacia el logro del objetivo del usuario, los diseñadores se enfatizan el "diseño orientado a resultados" que se enfoca en "cuál es el resultado final (Outcome) que debe obtenerse" en lugar del diseño de "cómo operará el usuario (microinteracciones)".

6. Dashboard dinámico y colaboración proactiva

• Dashboard como síntesis (Synthesis): Los dashboards tradicionales con datos y gráficos fijos en gran cantidad evolucionan hacia interfaces interactivas sintetizadas dinámicamente por IA. Solo con que el usuario pregunte en lenguaje natural "¿Cuál fue la causa del error de ayer?", se construyen datos y gráficos necesarios en tiempo real.
• IA como compañera de equipo: La IA no solo espera instrucciones del usuario, sino que también monitorea el estado del sistema por sí misma e interviene proactivamente proponiendo soluciones, diciendo "La tasa de error está aumentando. Esta es la causa y el arreglo recomendado", desempeñando un rol como "compañera de equipo" que trasciende un mero herramienta.

7. Integración multimodal y auge de interfaces universales

• Transición a Large World Model (LWM): Los modelos de IA que tratan no solo texto sino también voz, visión y video como objetos de primera categoría, integrándolos sin problemas, se vuelven dominantes. Esto permite a los usuarios realizar interacciones intuitivas, como dar instrucciones por voz mientras manipulan y editan directamente elementos en la pantalla.
• Nuevo uso de APIs de accesibilidad: Las APIs de accesibilidad (funciones de asistencia para usuarios con discapacidades visuales y motoras) se utilizan como medio para que los agentes IA "vean" software existente. Esto permite que, incluso en sistemas heredados sin APIs dedicadas para IA, los agentes comprendan semánticamente y operen la UI de la misma manera que los humanos.

Conclusión

Con el progreso de la IA, no solo la funcionalidad del producto sino también los requisitos de UI/UX cambian. En el futuro, se espera que la mayoría de sistemas tengan agentes IA incorporados como requisito previo, por lo que es necesario adaptarse a nuevas formas de UI/UX.