Las funciones de IA en Figma cumplen casi un año desde su presentación en Config 2024, y por primera vez tengo suficiente experiencia con ellas 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 con los que he trabajado. Es un texto escrito desde el uso, no desde la demo.
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, búsqueda visual de componentes por similitud, reemplazo inteligente de texto marcador por contenido realista, generación automática de prototipos enlazando pantallas. Son funciones que hacen el trabajo invisible (ese que los diseñadores hacen muchas veces al día sin que nadie lo vea) más rápido. Renombrar cien capas de «Rectangle 42» a nombres semánticos en segundos cambia la calidad de los entregables sin cambiar la creatividad del diseño.
La búsqueda visual es particularmente interesante porque 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. Poder dibujar algo a mano alzada y pedir a Figma «muéstrame componentes parecidos en el design system» reduce la duplicación silenciosa de forma real.
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 (la reencarnación de Make Design, ahora llamada First Draft y más matizada) es útil para romper el bloqueo inicial, pero rara vez produce algo utilizable sin edición importante. En mi experiencia y en la de varios equipos, 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 son correctas, y distinguirlo requiere el ojo humano.
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. Los diseñadores con criterio formado suelen tener opiniones propias sobre copy e iconografía, y la propuesta de IA se usa como punto de partida cuando hay prisa o como contraste cuando hay bloqueo.
Cómo afecta al trabajo en equipo
El efecto que más me interesa es el que se nota en cómo trabajan los equipos de diseño de producto 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. Esto me parece saludable: 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 ahora producir un borrador inicial plausible sin necesitar un diseñador para el arranque. Esto libera horas del diseñador para trabajo de mayor valor, pero también cambia el momento en que el diseñador entra en la conversación, lo cual 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, porque las funciones de IA ayudan a mantenerlas. Lo que sigue siendo trabajo humano es la comunicación del porqué, el documento de decisiones, las notas sobre casos límite. La IA acelera lo mecánico, no sustituye lo conceptual.
Lo que sigue siendo trabajo humano
Hay zonas del diseño de producto donde la IA aporta poco y el trabajo sigue siendo fundamentalmente humano.
La investigación con usuarios, la interpretación de entrevistas, la síntesis de insights. Aunque han aparecido herramientas que transcriben y agrupan temas automáticamente, la interpretación del material sigue requiriendo un investigador que entienda el contexto del producto y del usuario. La IA puede resumir, pero no puede detectar lo que falta por preguntar.
El diseño de sistemas (design systems), las decisiones sobre qué patrones canonizar, qué componentes mantener y qué tokens definir. Este trabajo requiere visión a medio plazo y conocimiento profundo de las necesidades del equipo, algo que no se externaliza fácilmente a un modelo. Las herramientas actuales ayudan a mantener el sistema una vez definido, pero no a definirlo bien.
La negociación con stakeholders, la traducción de requisitos ambiguos en diseños concretos, la defensa de decisiones ante quien no las comparte. Nada de esto se resuelve con IA, y seguir priorizando este trabajo es lo que distingue a los equipos que están aprovechando la IA de los que están solo usando funciones vistosas.
El criterio estético y de marca. Aunque las propuestas generadas son técnicamente correctas, no tienen voz propia. Las marcas que quieren diferenciarse siguen necesitando direcciones creativas humanas, y las propuestas de IA se usan como entrada a ese criterio, no como salida.
Hábitos que están cuajando
En los equipos con los 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. No es edición de lo generado; es inspiración breve. Esto evita que la IA contamine el diseño con patrones mediocres que luego cuesta desaprender.
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 sin cambiar el fondo.
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. El Figma es la materialización; el porqué vive en el texto humano.
Mi lectura
La integración de IA en Figma está madurando bien después del tropiezo del verano pasado. 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.
Lo que más me importa como patrón es que 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.
Para 2025 espero dos cosas. Una, mejor integración entre Figma y herramientas de investigación y documentación, que cierre el ciclo de diseño más allá de la pantalla. Dos, un salto en la generación de variantes coherentes: no una pantalla tras otra inconsistente, sino un conjunto de tres o cuatro alternativas que compartan lógica interna. Si eso llega, la comparación entre opciones, que es donde se toman muchas decisiones buenas, se acelera de verdad. Por ahora, Figma AI es una herramienta sólida en su estado actual, y lo mejor que puedo decir de ella es que ha dejado de ser la demo y se ha convertido en parte del trabajo.
