Mi rol: Product Designer (UX/UI) — Investigación, diseño de interacción y prompt engineering para prototipado acelerado.
Empresa: Big Move Smart — 360 Lion.
Equipo: Producto, Ingeniería y Negocio.
Herramientas: Figma (Arquitectura y UI), Claude (Prototipado interactivo).
Duración: 1 mes.
Plataforma: App Móvil (Android/iOS).
Diseño end-to-end de la aplicación móvil para conductores autónomos de 360 Lion en Argentina. Utilicé un enfoque metodológico híbrido, integrando IA generativa (Claude) para transformar wireframes de Figma en un prototipo interactivo funcional en tiempo récord, acelerando la validación de flujos críticos de negocio en calle.
Contexto y problema
360 Lion necesitaba expandir su capacidad de distribución en Argentina mediante el reclutamiento de conductores externos (autónomos). A diferencia del personal en plantilla, estos drivers se afilian directamente a través de la aplicación. Esto planteaba un doble reto operativo:
Onboarding e ingesta de datos: Un proceso crítico de alta, importación y validación de documentos (combinando revisión manual y validación automatizada con IA) donde la fricción significaba perder al conductor.
Cero capacitación: Al ser usuarios autónomos en un contexto de alta rotación, la interfaz debía ser absurdamente intuitiva, requiriendo un uso cognitivo mínimo bajo condiciones de estrés, movimiento y exteriores.
Consistencia de marca: El producto debía alinearse estrictamente al ecosistema visual existente de la compañía, respetando las guías de estilos, tipografías y colores establecidos.
El problema: Los conductores externos operan en un entorno de alta presión temporal. La fricción en la carga de evidencias de entrega, la ambigüedad en la navegación de rutas y la falta de claridad en las tarifas de pago generaban abandonos en la app y retrasos en las entregas de última milla.
Problema a resolver: ¿Cómo podemos simplificar el proceso de alta, despacho y liquidación para que un conductor externo pueda operar de forma autónoma, rápida y sin errores directamente desde la calle?
Usuarios: Conductores autónomos de última milla (Argentina). Perfil: trabajadores independientes, multitarea, que utilizan dispositivos móviles de gama media-baja en exteriores, con conectividad variable y uso del dispositivo a una sola mano mientras gestionan carga.
Mi Rol
Como Product Designer en el proyecto, lideré la estrategia de diseño end-to-end. El verdadero diferencial de mi intervención fue hackear los tiempos tradicionales de entrega: integré herramientas de IA (Claude) dentro de mi workflow tradicional para traducir la lógica de los wireframes en un prototipo navegable real, adelantando la fase de pruebas con usuarios reales semanas antes de lo previsto.
Proceso
Abordé el proyecto con Design Thinking dentro de un marco ágil, lo que me permitió mantener una mirada empática y validar de forma continua que las necesidades del negocio coincidieran con las de los usuarios clave.
1. Entendimiento y Empatía
Con los requerimientos del producto y las reglas de negocio ya estructuradas, enfoqué el research en un análisis comparativo y de usabilidad de plataformas de logística existentes. Analicé cómo resolvían los competidores la secuencia de pasos, los flujos lógicos y la estética visual para responder a las necesidades del conductor externo. Esto me permitió validar patrones de diseño efectivos para contrarrestar factores ambientales y operativos reales, como el uso de la app bajo luz solar directa, la gestión de direcciones ambiguas y la transparencia en las tarifas de pago.
2. Wireframes en Figma (La Lógica del Negocio)
Antes de comprometerme con el diseño visual, estructuré la arquitectura de la información mediante wireframes de baja fidelidad en Figma. El foco estuvo en resolver la lógica de las tareas principales, reduciendo los clics al mínimo y diseñando objetivos de tap amplios
3. Idear
El segundo escenario fue la app de los repartidores de última milla, con un objetivo distinto: entregas más rápidas y eficientes. Aquí el usuario era alguien como Erick, 27 años, repartidor, cuyo ingreso depende de la efectividad de entrega y que usa la app en movimiento. Tras comprender el proceso y hacer un análisis competitivo, definí tres retos: unificar y estandarizar los flujos, eliminar pasos para reducir tiempos de tarea y hacer más evidente la retroalimentación de la app.
Diseñé el journey map, los flujos de navegación y la UI final aplicando el mismo sistema de diseño, ahora coherente con la identidad de marca en un contexto móvil. El sistema tuvo que flexionarse a un uso muy distinto —pantalla pequeña, una mano, en la calle— sin perder coherencia con el portal web.
4. Prototipado Acelerado con IA
En lugar de pasar días uniendo componentes de alta fidelidad y configurando interacciones complejas en Figma, utilicé los wireframes y sus reglas de negocio como base para generar un prototipo interactivo basado en código utilizando IA. Esto me permitió simular comportamientos reales de la app (como inputs de texto reales o transiciones de estado) en una fracción del tiempo habitual.
5. Validación de flujos en Contexto Real
Validé la lógica directamente sobre el prototipo interactivo con 5 usuarios del perfil objetivo. Al interactuar con un producto que reaccionaba como una app real (y no como un pase de pantallas estáticas), el feedback fue sumamente preciso. Evaluamos cuatro flujos críticos:
Registro digital y carga de documentación técnica.
Check-out en CEDIS (Centro de Distribución).
Salida a ruta y entrega/evidencia de paquetes.
Edición rápida de direcciones erróneas en ruta.
Las iteraciones se hicieron sobre la marcha basados en las fricciones de usabilidad detectadas.
El nuevo rol de la IA en el Diseño UX/UI
La IA generativa no sustituyó mi criterio de diseño; actuó como un multiplicador de velocidad. El flujo de trabajo colaborativo fue:
[Yo] Definición estratégica + Arquitectura e Interacción (Figma) │ ▼[IA] Traducción a prototipo interactivo funcional y reactivo (Claude) │ ▼[Yo] Validación con usuarios + Decisiones de negocio e iteración visual definitiva
La ventaja: Logré testear flujos hiperrealistas de lógica compleja sin invertir semanas en micro-interacciones de diseño visual prematuro. La IA expandió la capacidad de exploración técnica; el criterio y la dirección de arte siguieron siendo 100% míos.
Decisiones de diseño clave
Validación temprana y real: El uso de IA permitió recibir feedback de flujos complejos antes de gastar recursos de desarrollo en código productivo o tiempo en UI de alta fidelidad.
Diseño para uso en movimiento ("One-Hand Mode"): Reducción de la carga cognitiva mediante botones de acción masivos situados en la zona de alcance natural del pulgar, tipografías legibles bajo luz solar directa y flujos lineales sin salidas en falso.
Curaduría sobre automatización: Cada propuesta del prototipo interactivo fue curada y editada. La IA propone estructuras basadas en patrones comunes, pero el diseño final responde a las necesidades específicas de la operación de 360 Lion.
Resultado e impacto
Optimización del Time-to-Market: [Reducción de un 50% en los tiempos de prototipado y validación de flujos] en comparación con proyectos logísticos de envergadura similar.
Eficiencia de Producto: El flujo de onboarding automatizado redujo las consultas de soporte en un [30%] durante las pruebas iniciales, acelerando el alta de conductores de días a solo minutos.
Éxito del testeo: 4 de los 5 usuarios completaron la ruta crítica de despacho y entrega al primer intento y sin asistencia externa.
Cita de Stakeholder "Poder probar el flujo de asignación de paquetes en algo que se sentía como la app real nos permitió corregir la forma en que los choferes editan las direcciones antes de que el equipo de desarrollo tirara una sola línea de código." — Product Owner .
Aprendizajes y próximos pasos
Aprendizaje. Integrar IA en la fase de prototipado cambia las reglas del juego sobre cuándo puedes validar. Rompe el cuello de botella de esperar a la alta fidelidad para experimentar flujos interactivos complejos. La clave de este método es mantener un criterio UX firme para auditar lo que genera la máquina.
Próximos pasos: Crear una biblioteca de componentes lógicos pre-entrenados para Claude basados en el Design System de la empresa, permitiendo que futuros flujos de productos complementarios (como módulos de aduanas o visualización de rutas) puedan ser prototipados y validados bajo este mismo modelo ágil.