Diseño producto digital, de la idea a la entrega.

El problema

Las empresas que miden y analizan redes generan miles de métricas por minuto: latencia, pérdida de paquetes, jitter, intensidad de señal o uso de cada canal. Cuando algo falla, encontrar la causa obliga a cruzar varias gráficas y a saber interpretarlas. Y quien paga el servicio solo quiere saber si su red funciona.

Para quién

• Técnica de campo. Mide en la sede del cliente con el móvil o la tablet, a menudo con mala cobertura. Necesita saber qué probar a continuación.
• Analista de red. Vigila muchas redes a la vez desde el escritorio. Necesita priorizar y llegar rápido a la causa.
• Responsable del cliente. No es técnico. Necesita un estado claro y un informe que pueda entender y reenviar.

Proceso

1. Descubrir. Entrevistas a técnicos y analistas, observación de cómo diagnostican una incidencia real y auditoría de las herramientas que usan hoy.
2. Definir. Mapa del recorrido de una incidencia, de la alerta al informe, y priorización de los momentos con más fricción por impacto y esfuerzo.
3. Idear. Bocetos rápidos y alternativas generadas con Google Stitch para comparar tres arquitecturas: por métricas, por sedes y por incidencias.
4. Prototipar. Prototipo en Figma y una versión en código con datos simulados, para probar la interacción con datos que cambian en directo.
5. Validar. Test de usabilidad con tareas reales, como «averigua por qué el almacén norte va lento», midiendo tiempo, aciertos y confianza en la respuesta.

Decisiones de diseño

• Primero el estado, después las gráficas. La primera pregunta siempre es «¿va bien?». Cada sede muestra su estado con texto e icono, y las gráficas quedan a un clic.
• La IA explica, la persona decide. El diagnóstico muestra la causa probable, en qué métricas se basa y el nivel de confianza. La técnica lo confirma o lo descarta, y eso mejora el sistema.
• Una incidencia, tres vistas. La técnica ve pruebas, el analista ve el contexto de toda la red y el cliente recibe un resumen sin jerga.
• Modo campo. Botones grandes, uso con una mano y mediciones que se guardan sin conexión y se sincronizan al volver la cobertura.
• Accesible desde el principio. El estado nunca depende solo del color, el contraste cumple AA y las tablas se recorren con teclado.

IA en el producto

• Detección de anomalías comparando cada métrica con el patrón habitual de esa red a esa hora.
• Diagnóstico en lenguaje claro, con las métricas que lo justifican.
• Siguiente prueba recomendada para la técnica, ordenada por probabilidad.
• Informe para el cliente redactado automáticamente, que la técnica revisa antes de enviar.

Cómo mediría el éxito

• Tiempo hasta identificar la causa de una incidencia.
• Incidencias resueltas sin escalar a otro nivel.
• Diagnósticos de la IA aceptados frente a corregidos.
• Puntuación SUS en los test de usabilidad.

Riesgos y cómo los trato

• Exceso de confianza en la IA. Mostrar siempre las fuentes y la confianza, y pedir confirmación antes de cualquier cambio en la red.
• Fatiga de alertas. Agrupar las alertas relacionadas en una sola incidencia.
• Datos sensibles. Los datos de red del cliente no salen de su entorno y los informes se anonimizan.

Siguientes pasos

Probar el prototipo con técnicos de campo, medir la confianza en los diagnósticos y diseñar la vista de informes recurrentes para clientes.