<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Daniel Gil Machado on Medium]]></title>
        <description><![CDATA[Stories by Daniel Gil Machado on Medium]]></description>
        <link>https://medium.com/@daniel.gil.machado?source=rss-05241ce5e7a4------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*naiXL4F4nl2XoGZf</url>
            <title>Stories by Daniel Gil Machado on Medium</title>
            <link>https://medium.com/@daniel.gil.machado?source=rss-05241ce5e7a4------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sun, 22 Nov 2026 06:18:14 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@daniel.gil.machado/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[El impacto de la inteligencia artificial (IA) en UX Research: qué estamos haciendo en MODO]]></title>
            <link>https://blog.modo.com.ar/el-impacto-de-la-inteligencia-artificial-ia-en-ux-research-qu%C3%A9-estamos-haciendo-en-modo-57de14bbe854?source=rss-05241ce5e7a4------2</link>
            <guid isPermaLink="false">https://medium.com/p/57de14bbe854</guid>
            <dc:creator><![CDATA[Daniel Gil Machado]]></dc:creator>
            <pubDate>Mon, 07 Jul 2025 19:13:53 GMT</pubDate>
            <atom:updated>2025-07-09T13:01:25.187Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0cFeYD35QINKWho1boCf8w.png" /></figure><p>Como comentamos en una <a href="https://blog.modo.com.ar/c%C3%B3mo-evolucionamos-la-investigaci%C3%B3n-con-usuarios-en-modo-a2594c7a3744">publicación</a> anterior, MODO trabaja inspirado en el modelo de organización de Spotify. En pocas palabras, eso significa que los equipos se organizan en squads multidisciplinarios, con foco y autonomía para avanzar en sus iniciativas. Las personas que conforman el equipo de UX Research (UXR), en este contexto, forman parte del squad de soporte al negocio de User Research, una instancia dedicada a tres cosas fundamentales: investigar, apoyar a quienes investigan y difundir el conocimiento generado por la investigación.</p><p>No somos un equipo grande, pero tenemos impacto dentro de la compañía: nuestra tarea atraviesa el producto, sea por su influencia en los squads y/o en las decisiones estratégicas de la compañía. En este sentido, <strong>siempre estamos buscando cómo mejorar procesos, escalar nuestra práctica y maximizar el impacto de lo que hacemos</strong> . En ese camino, <strong>la IA apareció como una herramienta clave para ayudarnos a hacer más sin perder calidad ni foco</strong> .</p><p>Estas son algunas de las principales iniciativas que desplegamos:</p><h3>I. El repositorio de investigaciones, ahora más accesible e inteligente</h3><p>Antes: comenzamos trabajando con herramientas como Condense, que si bien ofrecían buenas prestaciones, resultaron costosas de mantener (el etiquetado era manual y exigente) y con acceso limitado por cantidad de asientos. Luego migramos a un Drive organizado, con una nomenclatura clara, para que cualquier persona interesada pueda encontrar lo investigado, inspirarse o apoyarse en antecedentes para tomar decisiones. El Drive cubría las necesidades, pero no dejaba de tener problemas de encontrabilidad, sobre todo entre aquellas personas que no consultaban estudios con frecuencia.</p><p>Ahora: <strong>usamos NotebookLM para centralizar los estudios y permitir búsquedas en lenguaje natural</strong> , sin fricción y sin necesidad de saber exactamente qué buscar.</p><p>Esto facilita que cualquier persona en MODO pueda consultar antecedentes reales, revisar resultados, acceder al material “crudo” (entrevistas, síntesis, insights) y hasta cruzar información entre distintos estudios, todo en menos tiempo y con mucha más autonomía.</p><h3><strong>II. Recursos de Ops, centralizados y disponibles para todas las personas</strong></h3><p>Antes: para escalar la práctica de investigación, construimos una serie de plantillas, instructivos y capacitaciones orientadas a diseñadores, PMs y otros perfiles que empezaban a investigar como parte de su rol. Todo ese material convivía en un Drive estructurado, pero su consulta no siempre era ágil: había que saber qué documento buscar, dónde estaba, si era la última versión, etc.</p><p>Ahora: centralizamos todo ese contenido en un <strong>NotebookLM</strong> que funciona como un <strong>ayudante de Ops</strong> . Organiza y disponibiliza la documentación clave y permite hacer consultas en lenguaje natural, obteniendo respuestas contextualizadas en segundos.</p><p>Esta herramienta no solo ahorra tiempo, al mismo tiempo democratiza el acceso a la práctica. Hace más fácil que cualquier persona que quiera investigar tenga todas las herramientas necesarias disponibles en todo momento para poder hacerlo.</p><h3><strong>III. Un asistente de investigación entrenado para ayudar a pensar mejor antes de investigar.</strong></h3><p>Antes: uno de los principales desafíos del squad de User Research era que muchas personas en MODO querían investigar: tenían la inquietud y el interés, pero les costaba perfilar qué hacer y por qué. Llegaban con ideas muy amplias, poco delimitadas, que generaban una ida y vuelta extenso con las personas del equipo para poder encuadrar bien la investigación.</p><p>Para disminuir ese dolor, en su momento creamos un canal de Slack abierto a toda la compañía, donde compartimos investigaciones realizadas, recursos útiles y asesoramos a quienes desean investigar. La idea inspiradora detrás del canal era simple: la duda de otra persona puede ser también la mía. Al ver cómo se resuelven esas preguntas en el canal, otras personas también aprenden y se animan a investigar mejor.</p><p>Ese espacio sigue siendo clave hoy: fomenta la visibilidad, el aprendizaje colectivo y el acompañamiento transversal. Pero ahora, lo llevamos a otro nivel.</p><p>Ahora: <strong>contamos con un asistente conversacional, construido sobre ChatGPT, entrenado con proyectos reales, proyectos de investigación, capacitaciones que hemos dictado y casos buenos y malos de la práctica</strong> . Acompaña a cualquier persona que lo desee desde las primeras preguntas, ayudando a delimitar el problema, proponer enfoques posibles y clarificar objetivos.</p><p>Esto nos permite recibir consultas más enfocadas en el canal y tener conversaciones más ricas desde el inicio, lo que optimiza nuestro tiempo y mejora la calidad del acompañamiento. Próximamente, el asistente también podrá sugerir metodologías, construir o sugerir instrumentos de recolección de información (como guías de entrevista, protocolos de observación, encuestas, etc.), asistir en etapas de análisis y, por qué no, colaborar también en la construcción de resultados.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jssUDcJsygnvY4qLrdhsUQ.png" /></figure><h3><strong>IV. Análisis automatizado y continuo de las reseñas en las stores.</strong></h3><p>Antes: teníamos un canal de Slack donde replicábamos automáticamente las reseñas que llegaban a las stores. Periódicamente, hacíamos un análisis utilizando un código desarrollado en Python, que llamaba a una API de OpenAI. Para lograr una buena categorización de las reseñas, entrenamos al modelo indicándole a qué categoría correspondería cada tipo de comentario. El resultado, construido manualmente en una ppt, era valioso, pero el proceso resultaba demandante, lo que hacía que la frecuencia de análisis no era la ideal: trimestralmente; en algunas ocasiones, mensualmente.</p><p>Ahora: Podemos decir que <strong>automatizamos todo el proceso</strong> ¿De qué manera? Conectamos todo ese flujo con <strong>Zapier</strong>, que automatiza cada etapa, desde la captura, hasta el análisis y la generación del informe. Mantenemos nuestro modelo de categorización y seguimos usando el código en Python, revisando e iterando regularmente las categorías para asegurar la calidad de los resultados.</p><p>Hoy recibimos un reporte semanal (y podríamos tenerlo diario, si quisiéramos), con un resumen automatizado de las reseñas, ya clasificado y cuantificado con ayuda de IA. Así, lo que antes era una tarea puntual y no tan frecuente se convirtió en una fuente continua, sistematizada y accionable de insights.</p><h3><strong>¿Cómo nos está yendo?</strong></h3><p>Desde el inicio — en la concepción misma de cada recurso — consultamos a quienes iban a usarlos, para diseñarlos en función de sus necesidades reales. Hoy, todas estas iniciativas están en producción y son parte activa de nuestro día a día.</p><p>Y una vez en marcha, también les damos seguimiento ¿Cómo lo hacemos?</p><ul><li>Revisamos métricas de uso.</li><li>Enviamos encuestas breves de satisfacción y utilidad.</li><li>Mantenemos encuentros más extensos (entrevistas, pseudo pruebas de usabilidad, sesiones abiertas, etc.) para profundizar en la percepción, uso y posibles mejoras.</li></ul><p>Los resultados son alentadores: <strong>la satisfacción es alta y la utilidad percibida de los recursos también</strong> . Obviamente, aún hay trabajo por hacer: como toda organización ágil, seguimos iterando para que estas herramientas sean cada vez más potentes y estén mejor alineadas con las necesidades reales.</p><p>Esa mejora continua se traduce en ajustes concretos: incorporamos o deprecamos documentos, reordenamos flujos, modificamos procesos, etc. Es una <strong>manera de trabajar crítica y en constante evolución</strong> .</p><h3><strong>Bienvenida la IA, pero con conciencia.</strong></h3><p>En este camino de incorporar IA a nuestra práctica hay algo que tenemos claro: <strong>estas herramientas no reemplazan el trabajo humano, lo amplifican</strong> . Nos pueden ayudar a hacer más y mejor, pero siempre <strong>requieren de nuestra participación consciente, activa y crítica como profesionales de la investigación</strong> .</p><p>Hacemos productos para personas y <strong>las máquinas no pueden igualar esa capacidad humana para empatizar, leer entre líneas y conectar con lo emocional</strong> . Investigar no es solo recolectar información. Es comprender lo que se dice, pero también —y sobre todo— lo que no se dice: lo implícito, los silencios, las tensiones, los gestos. Es detectar emociones, contradicciones, deseos… Es ir a los porqués de los porqués, esos contenidos profundos y sutiles que influyen en las decisiones y que ninguna máquina puede captar con la sensibilidad, el criterio y el contexto que exige el trabajo humano.</p><p>Por ejemplo, una guía de entrevistas no se convierte por arte de magia en una buena conversación; el material obtenido, de cualquier tipo, requiere criterio, sensibilidad y un análisis cuidadoso para transformarse en conocimiento útil. Ahí es donde el research aporta su mayor valor: en <strong>ir más allá de lo obvio, hacer visible lo invisible y buscar sentido donde no hay estructura clara</strong> .</p><p>Por eso, no usamos IA para hacer lo mismo con menos. <strong>La usamos para potenciar lo que ya hacemos bien y para habilitar nuevas formas de investigar, colaborar y decidir</strong> .</p><p>Y en eso estamos: aprendiendo, ajustando, compartiendo. Como compañía, como disciplina, como equipo.</p><p>Esto apenas comienza. De hecho, ya tenemos en backlog al menos seis nuevas iniciativas para explorar en el corto plazo, todas orientadas a escalar y enriquecer la práctica sin perder lo esencial: <strong>la tecnología es potente, pero el valor lo seguimos poniendo las personas</strong> .</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2-KRq5td8F5Zpbm5eZCIlw.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=57de14bbe854" width="1" height="1" alt=""><hr><p><a href="https://blog.modo.com.ar/el-impacto-de-la-inteligencia-artificial-ia-en-ux-research-qu%C3%A9-estamos-haciendo-en-modo-57de14bbe854">El impacto de la inteligencia artificial (IA) en UX Research: qué estamos haciendo en MODO</a> was originally published in <a href="https://blog.modo.com.ar/">Blog MODO</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Cómo evolucionamos la investigación con usuarios en MODO]]></title>
            <link>https://blog.modo.com.ar/c%C3%B3mo-evolucionamos-la-investigaci%C3%B3n-con-usuarios-en-modo-a2594c7a3744?source=rss-05241ce5e7a4------2</link>
            <guid isPermaLink="false">https://medium.com/p/a2594c7a3744</guid>
            <dc:creator><![CDATA[Daniel Gil Machado]]></dc:creator>
            <pubDate>Tue, 06 Aug 2024 21:12:25 GMT</pubDate>
            <atom:updated>2024-08-07T12:50:42.591Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*B3Dx7ZPMU2YZoO4dRXi6xA.png" /></figure><h3><strong>Una empresa “dato céntrica”</strong></h3><p>Desde su nacimiento, <strong>MODO siempre se pensó como una organización user-centric y data-driven</strong>, es decir, una empresa que hace un uso profundo y cotidiano del conocimiento de los usuarios y de los datos para la toma de decisiones. En este contexto, es común que los <em>moders</em> tengamos acceso a numerosas fuentes de información que alimentan nuestro background, fortaleciéndonos frente a los desafíos y proyectos que tenemos que abordar.</p><p>Al mismo tiempo, la sed por el conocimiento que tenemos en MODO marida con un enfoque ágil: <strong>nos inspiramos (adaptándolo) en el modelo de organización de Spotify</strong>, que permite que los equipos de MODO tengan la suficiente capacidad y autonomía para llevar adelante sus iniciativas, sin dejar de estar alineadas bajo un propósito común: conectar el dinero y el mundo de las personas, para simplificarles su vida cotidiana.</p><p>Para alcanzar este objetivo, la investigación con usuarios se ha convertido en una pieza clave de nuestro enfoque. Veamos cómo se ha desarrollado y evolucionado esta práctica dentro de MODO, desde sus inicios hasta hoy.</p><h3>Los inicios de UX Research en MODO</h3><p>Una empresa que usa los datos como insumo tiene que construirlos o tener una cantera que atienda a ese consumo. Así, <strong>en MODO, distintos roles y equipos están enfocados a la producción de conocimiento dentro de la organización</strong>. El equipo de UX Research (UXR) es una pieza clave en esta dinámica.</p><p>En los inicios del equipo de UXR, en el segundo semestre de 2021, las iniciativas tenían un énfasis en lo evaluativo. <strong>Todo el research estaba enfocado a evaluar producto ya construido.</strong></p><p>En ese entonces, la actividad de investigación UX era ejecutada en su mayoría por las personas expertas en el área: los squads y los diseñadores construían producto, el equipo de UXR validaba. <strong>La demanda era cubierta por los investigadores de UX, quienes se repartían los distintos squads de MODO</strong>. En el camino, con lo que quedaba de ancho de banda, desarrollaban algún que otro proyecto más estratégico.</p><p><strong>El esquema funcionó algún tiempo, aunque sabíamos, desde su nacimiento, que sería tempora</strong>l: por una parte, estábamos convencidos que UX Research tenía que enfocarse en la búsqueda de información más estratégica; por la otra, también sabíamos que era un modelo que no podía escalar a la luz del crecimiento del producto y de las métricas de negocio.</p><h3><strong>¿Qué hicimos?</strong></h3><p>Para permitir que la actividad de investigación evaluativa escalara, en 2022 iniciamos un proceso de <strong>fortalecimiento de los skills de investigación de distintos perfiles dentro de MODO</strong>, con especial énfasis en los roles de Product Design y Product Management.</p><p>Adicionalmente, avanzamos en <strong>construir procesos, procedimientos, formatos, en fin, documentación</strong>, que hiciera posible que estas personas, con skills más fortalecidas en investigación, pudieran emprender con autonomía proyectos de baja complejidad.</p><p>Otra arista en la que se avanzó fue en la <strong>sistematización de la difusión de lo investigado</strong>. Por una parte, construimos un repositorio de investigación, donde está desplegado todo lo hecho. Al mismo tiempo, construimos un evento de difusión, de convocatoria amplia, en donde le contamos a toda la compañía los hallazgos más relevantes de cada trimestre. Adicionalmente, armamos una publicación (a manera de “newsletter”), que se distribuye trimestralmente con los insights más relevantes del Q.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*EofEVOX4jYnXD-k65uNBog.png" /></figure><h3><strong>¿Dónde estamos hoy?</strong></h3><p>En lo que respecta a proyectos tácticos y/o de baja complejidad, los equipos de diseño y de producto los despliegan con autonomía. Para abordajes más complejos, cuentan con la consultoría y asesoramiento del equipo de UX Research, formado por personas expertas.</p><p><strong>Los proyectos más estratégicos y de mayor impacto en la compañía son liderados por las personas con skills de investigación más sólidas</strong>: el equipo de UX Research a pleno y algún perfil de Diseño. Estos <em>moders</em>, a su vez, se encargan de mantener y fomentar las actividades de fortalecimiento de skills y difusión, además de gestionar el andamiaje necesario para que cualquier otra persona de MODO que desee investigar con personas usuarias lo pueda hacer (Research Ops).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Y1WZmlT4iGacVbGcQvBfWQ.png" /></figure><p>En este contexto, podemos decir que <strong>hay un fuerte impacto de la investigación en las decisiones que se toman en el producto</strong>. Aunando a las métricas y a la actividad de los equipos de Data y de Growth, hay una vigorosa actividad de investigación multimetódica que ayuda a tomar mejores decisiones, haciendo que las necesidades de las personas usuarias y del negocio converjan en un producto y en una experiencia de calidad.</p><p>¿Significa esto que ya conseguimos la forma ideal de trabajar?</p><p>No necesariamente. Es el punto más alto de nuestra evolución, hasta ahora.</p><p>MODO es una organización siempre en movimiento. En sintonía con eso, <strong>desplegamos una práctica de investigación reflexiva, en la que constantemente nos preguntamos si la forma en la que estamos haciendo las cosas hoy es la mejor forma de hacerlas</strong>. En ese sentido, y con absoluta certeza, si este texto tuviera que reescribirse de acá a un tiempo, vas a leer una historia distinta. Y aún mejor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YVLVV0EQUO2S_ZQ3tgLttA.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a2594c7a3744" width="1" height="1" alt=""><hr><p><a href="https://blog.modo.com.ar/c%C3%B3mo-evolucionamos-la-investigaci%C3%B3n-con-usuarios-en-modo-a2594c7a3744">Cómo evolucionamos la investigación con usuarios en MODO</a> was originally published in <a href="https://blog.modo.com.ar/">Blog MODO</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>