IA / Rendimiento humano / Productividad
App híbrida de salud mental
Diseño del MVP de una plataforma con IA para el rendimiento humano y la claridad cognitiva
BE.ME AI era una startup en etapa temprana que construía un producto con IA en torno al rendimiento humano, la productividad y la claridad cognitiva. Estaba pensado para founders, CEOs y miembros de directorio que operan bajo presión sostenida y de alto impacto, las personas cuyas decisiones tienen más peso y que menos margen tienen para funcionar con el foco agotado. Los founders habían desarrollado el BE.ME Operating System, una metodología estructurada para ayudar a estos líderes bajo presión a entender su estado, construir mejores hábitos diarios y tomar decisiones más claras.
El producto existía porque la metodología necesitaba volverse utilizable en la vida cotidiana. No podía quedar como un marco conceptual, y tampoco podía convertirse en otra app de productividad genérica. La experiencia tenía que traducir ideas complejas de rendimiento personal en onboarding, estructura de dashboard, flujos diarios y una guía de IA que se sintiera práctica, confiable y calma.
Trabajé como Lead Product Designer en la definición del MVP, la estrategia de producto, la investigación de UX, la arquitectura de la información, el modelo de interacción con IA, el design system, la UI de alta fidelidad y el prototipo. El desafío era lograr que un sistema operativo abstracto se sintiera como un producto que la gente pudiera entender rápido y al que pudiera volver sin fricción.
Puntos destacados del diseño
Qué cambió en la experiencia.
Metodología traducida en estructura de producto
El sistema operativo se convirtió en onboarding, jerarquía de dashboard, flujos diarios y momentos de guía.
Aura definida como compañera de producto
La guía de IA se diseñó como soporte contextual dentro de la experiencia, no como un chatbot desconectado.
Modelo de aprendizaje progresivo
El usuario podía aprender la metodología a través del uso en lugar de absorber todo el marco de entrada.
Alcance del MVP hecho concreto
La visión de producto se acotó a la experiencia coherente más pequeña que los founders pudieran validar.
Base de diseño reutilizable
Componentes, tokens y principios de interacción sostuvieron una iteración rápida a lo largo del MVP.
Resumen del proyecto
Los founders de BE.ME tenían una metodología clara pero todavía no un producto. El engagement cubrió la definición de producto necesaria para convertir el BE.ME Operating System en un MVP que los founders pudieran revisar, testear y discutir con confianza: una experiencia que hiciera utilizable en la vida cotidiana un marco de rendimiento abstracto.
El desafío
Los founders tenían una metodología clara, pero la experiencia de producto todavía necesitaba definirse. El desafío era convertir el BE.ME Operating System en un producto digital que se sintiera intuitivo, creíble y útil en la vida diaria sin sobrecargar al usuario de teoría: experiencias prácticas en lugar de conceptos abstractos, baja carga cognitiva a lo largo del onboarding y el uso diario, una IA que se sintiera contenedora en lugar de intrusiva, y un MVP lo bastante acotado como para validar la visión rápido.
Descubrimiento
El descubrimiento se centró en entender la metodología operativa con la profundidad suficiente como para decidir qué debía convertirse en estructura de producto y qué debía quedar como contexto explicativo. El trabajo mapeó el modelo mental probable del usuario, los momentos donde se necesitaba guía y los primeros journeys que el MVP tenía que soportar, priorizando el alcance en torno a la validación en lugar de la completitud, y alineando a los founders en torno a una visión de producto que pudiera diseñarse y prototiparse.
Estrategia de producto
El producto se estructuró en torno a un pequeño conjunto de decisiones: cómo entran los usuarios al sistema, cómo aprenden la metodología de forma progresiva, cómo el dashboard organiza la atención y dónde la IA debía reducir el esfuerzo. El onboarding presentaba el sistema en etapas en lugar de cargar todos los conceptos de entrada, la navegación se mantuvo directa, y las funciones del MVP se priorizaron en torno al aprendizaje, el uso diario y la validación de los founders.
El diseño de la IA como guía de producto
Aura fue diseñada intencionalmente como una compañera de producto integrada en lugar de un chatbot genérico. Su rol era explicar los conceptos de la metodología en contexto, guiar al usuario a través del producto sin reemplazar su navegación, ayudar a interpretar información y próximos pasos, y sostener el engagement a través de prompts contenedores y de baja presión, manteniéndose centrada en la persona, acotada y conectada a los objetivos del usuario.
Experiencia de usuario
El trabajo de UX se enfocó en las decisiones que harían al MVP entendible. La experiencia de aterrizaje enmarcó el producto en torno al rendimiento y la claridad cognitiva, el onboarding enseñó el sistema en etapas, el dashboard le dio al usuario un punto de partida claro y una forma de interpretar su estado, y los flujos diarios convirtieron la metodología en comportamiento de producto repetido. Las interacciones de IA se integraron al journey en lugar de aislarse en una superficie de chat, con divulgación progresiva que mantenía el producto utilizable sin simplificarlo de más.
Design system
El design system le dio al MVP una base estable para iterar. Definió componentes reutilizables para el onboarding, las tarjetas de dashboard y las superficies de guía, tokens de diseño para tipografía, espaciado, color y estados de interacción, y principios de interacción para la guía y el soporte de IA, bases escalables que mantuvieron al MVP coherente a medida que la dirección del producto evolucionaba.
Aprendizajes clave
Los sistemas complejos se vuelven utilizables cuando la interfaz enseña solo lo que la próxima decisión requiere, y la IA funciona mejor como guía de producto acotada que como chatbot desconectado cuando el usuario necesita confianza y claridad. Definir el MVP no se trata de achicar la visión, sino de elegir la versión más pequeña que pueda probar el comportamiento central.
Profundidad
Qué fue complejo sobre BE.ME AI, y qué ayudé a clarificar.
- El BE.ME Operating System estaba estructurado, pero muchos de sus conceptos eran abstractos y necesitaban volverse comportamiento de producto concreto.
- El producto tenía que reducir la carga cognitiva sin dejar de enseñarle al usuario lo suficiente de la metodología como para que la experiencia fuera útil.
- La guía de IA necesitaba sentirse contenedora e integrada, no como un chatbot separado agregado al producto.
- Cómo debía traducirse la metodología en onboarding, jerarquía de dashboard y journeys diarios del usuario.
- Cómo debía comportarse Aura como compañera de producto en lugar de un asistente de IA genérico.
- Qué funciones pertenecían al MVP y cuáles podían esperar hasta después de la validación del producto.
Transformé una metodología abstracta en una experiencia MVP utilizable, establecí el primer design system escalable y definí el modelo de interacción de Aura sin afirmar métricas de negocio no verificadas.
Resultados
El proyecto creó una base de producto que los founders pudieron usar para validar la visión de BE.ME AI, comunicar el MVP con claridad y seguir refinando la plataforma sin perder la lógica de la metodología original. Transformó una metodología abstracta en un producto digital utilizable, estableció el primer design system escalable, definió el modelo de interacción de Aura, y entregó un MVP listo para producción, apto para validación y conversaciones con inversores.
Visuales de la solución
Pantallas y referencias visuales de BE.ME AI.
Trabajo relacionado
Proyectos adyacentes.
Plataforma legal de IA para flujos de litigio
Una plataforma legal con IA para abogados litigantes de la parte demandante, reconstruida como un sistema de producto coherente y escalable, abarcando design systems, flujos de litigio centrales y experiencias de adquisición mobile-first.
Plataformas empresariales de investigación clínica
Lideré la dirección de UX y equipos de diseño en plataformas empresariales de investigación clínica, con foco en patrones de interacción compartidos, bases de design system y una práctica centrada en accesibilidad.