Figma AI: cómo cambia el diseño de producto

Actualizado: 2026-05-03

Las funciones de IA en Figma llevan casi un año desde su presentación en Config 2024, y ya hay suficiente experiencia como para hacer un balance honesto. No son las primeras funciones de IA en una herramienta de diseño (Galileo AI, Uizard y otras llevaban tiempo empujando), pero la posición dominante de Figma en el mercado hace que sus decisiones marquen el rumbo de todo el gremio. Tras el tropiezo mediático con «Make Design» en julio de 2024 (la función que generaba pantallas parecidas a la app del tiempo de Apple y que Figma retiró para rehacer), el enfoque actual es más sobrio y más útil.

Este texto no es una reseña de funciones (la documentación oficial las cubre mejor) sino una reflexión sobre cómo cambian el trabajo y qué hábitos están cuajando en los equipos. Es un texto escrito desde el uso, no desde la demo. Para el contexto más amplio del diseño colaborativo, el análisis de Figma para prototipado colaborativo sigue siendo referencia.

Puntos clave

• Las funciones que se han quedado son las silenciosas: renombrado masivo, búsqueda visual, reemplazo de placeholder, generación de prototipos.
• First Draft es útil para romper el bloqueo inicial; rara vez produce algo utilizable sin edición importante.
• La IA baja el coste de probar variantes y hace la frontera diseñador-producto más porosa.
• El handoff con ingeniería mejora en lo mecánico; lo conceptual sigue siendo trabajo humano.
• Los diseñadores que delegan todo en la IA pierden sensibilidad; los que mantienen trabajo manual propio no.

Las funciones que se han quedado

De todo lo presentado en 2024, algunas funciones han encontrado un sitio real en el flujo y otras se usan menos de lo que prometían.

Las que se han quedado son las silenciosas:

• Renombrado masivo de capas: de «Rectangle 42» a nombres semánticos en segundos.
• Búsqueda visual de componentes por similitud: dibujas algo a mano alzada y Figma muestra componentes parecidos en el design system.
• Reemplazo inteligente de texto marcador por contenido realista.
• Generación automática de prototipos enlazando pantallas.

Son funciones que hacen el trabajo invisible (el que los diseñadores hacen muchas veces al día sin que nadie lo vea) más rápido. Renombrar cien capas en segundos cambia la calidad de los entregables sin cambiar la creatividad del diseño.

La búsqueda visual ataca un problema clásico: las bibliotecas de componentes crecen, nadie se acuerda de cómo se llamaba el botón secundario con icono, y el diseñador acaba creando un duplicado ligeramente distinto. Reducir la duplicación silenciosa de forma real es un beneficio que se nota en el tiempo de mantenimiento del design system.

El reemplazo de texto placeholder tiene un efecto secundario que no esperaba: los diseños revisados con clientes se entienden mejor. Un wireframe con «Lorem ipsum» obliga al cliente a imaginar; uno con texto realista pero genérico producido por IA transmite la forma del producto sin confundirse con el contenido final. Esto acelera la conversación porque se discute el diseño y no el texto.

Las que se usan menos de lo esperado

Hay funciones que la comunicación destacó mucho y que en la práctica se usan con cautela.

La generación de pantallas a partir de descripción textual (First Draft, la reencarnación de Make Design, ahora más matizada) es útil para romper el bloqueo inicial, pero rara vez produce algo utilizable sin edición importante. El valor está en arrancar el proceso, no en acabarlo. La calidad de las pantallas generadas es inferior a lo que un diseñador junior produce en la misma base, pero el tiempo hasta una primera aproximación es mucho menor.

El problema profundo es que diseñar una pantalla no es solo producir una imagen: es reflejar la comprensión del usuario, las restricciones del negocio y la arquitectura de información. La IA ve estilos, pero no ve por qué un formulario está estructurado así, por qué cierto botón es primario o por qué este flujo tiene tres pasos. Genera pantallas que parecen correctas pero no siempre lo son.

Otras funciones de asistencia (sugerencias de copy alternativo, generación de iconos, propuestas de paleta) quedan en un nivel intermedio: ocasionalmente útiles, pero no se han convertido en parte del flujo diario.

Cómo afecta al trabajo en equipo

El efecto más interesante es el que se nota en cómo trabajan los equipos de diseño entre ellos y con las demás funciones (producto, ingeniería, investigación).

Primero, ha bajado el coste de probar variantes. Presentar tres alternativas en vez de una era antes caro en tiempo; ahora es barato, lo cual ha cambiado la cultura de revisión en algunos equipos hacia discusiones más basadas en comparación que en defensa de una única propuesta. Las decisiones mejoran cuando las alternativas están visibles.

Segundo, la frontera entre diseñador y producto se ha vuelto más porosa. Un product manager con conocimiento básico de Figma puede producir un borrador inicial plausible sin necesitar un diseñador para el arranque. Esto libera horas del diseñador para trabajo de mayor valor, pero requiere nuevas prácticas de colaboración. Los equipos que peor lo han gestionado son los que han interpretado la IA como sustitución; los que mejor, los que han redefinido cuándo y cómo el diseñador aporta.

Tercero, el handoff con ingeniería ha mejorado en los aspectos mecánicos. Nombres de capas semánticos, estructura ordenada, tokens aplicados correctamente: estas cosas ya no dependen de la disciplina del diseñador bajo presión. Lo que sigue siendo trabajo humano es la comunicación del porqué, el documento de decisiones, las notas sobre casos límite.

Lo que sigue siendo trabajo humano

Hay zonas del diseño de producto donde la IA aporta poco:

• Investigación con usuarios, interpretación de entrevistas, síntesis de insights. La interpretación del material sigue requiriendo un investigador que entienda el contexto del producto y del usuario. La IA puede resumir, pero no detecta lo que falta por preguntar.
• Diseño de sistemas (design systems): decisiones sobre qué patrones canonizar, qué componentes mantener y qué tokens definir. Requiere visión a medio plazo y conocimiento profundo de las necesidades del equipo.
• Negociación con stakeholders, traducción de requisitos ambiguos en diseños concretos, defensa de decisiones ante quien no las comparte.
• Criterio estético y de marca. Las propuestas generadas son técnicamente correctas pero no tienen voz propia. Las marcas que quieren diferenciarse siguen necesitando dirección creativa humana.

Hábitos que están cuajando

En los equipos que trabajo, algunos hábitos concretos han empezado a normalizarse:

• Usar First Draft para la exploración inicial y luego rediseñar a mano desde cero tomando solo las ideas que valgan. Es inspiración breve, no edición de lo generado.
• Aprovechar las funciones invisibles (renombrado, organización, reemplazo de texto) en todas las revisiones antes de compartir. Es una forma barata de elevar la calidad percibida.
• Conservar un diseño hecho enteramente a mano cada cierto tiempo para mantener el criterio afilado. Los diseñadores que delegan todo en la IA pierden sensibilidad, y se nota a los tres meses.
• Documentar las decisiones en notas paralelas al Figma (en Notion o similar) para que la intención no se pierda en un archivo que la IA puede regenerar.

Mi lectura

La integración de IA en Figma está madurando bien. Las funciones que se han quedado son las que resuelven trabajo repetitivo sin pretender sustituir el criterio. Las que prometían sustituir el criterio (generar pantallas completas desde descripción) siguen siendo útiles solo como arranque, y serlo ya es bastante.

Figma ha encontrado una voz en este asunto distinta a la de los competidores que intentaban vender «IA que diseña por ti». La voz de Figma es más cercana a «IA que te ahorra trabajo aburrido para que diseñes mejor», y esa diferencia importa. Se traduce en que los equipos que la adoptan no pierden calidad, y eso no es poco en un contexto donde la IA mal aplicada produce regresiones más veces de las que se cuentan.