Las Interfaces no mueren: por qué la voz y los agentes no reemplazan a la pantalla

Cada iteración que han tenido los modelos de inteligencia artificial, aparece la misma conversación: “esto significa la muerte de las interfaces visuales”. Un agente conversa con naturalidad, entiende contextos imposibles y resuelve en segundos lo que a nosotros como humanos nos toma minutos. ”Ya no necesitaremos pantallas” Parece una predicción que los vendedores de humo detrás de la inteligencia artificial no se cansan de repetir. Suena audaz, vende titulares y alimenta el hype. Pero no parece haber algo más alejado de la realidad cotidiana de las personas.

Imagina que vas en el metro de la Ciudad de México, en hora pico, rodeado de conversaciones, música de audífonos ajenos y anuncios que compiten a gritos. ¿De verdad vas a dictar en voz alta tu número de cuenta, tu CURP (o DNI, para mis amigos de fuera) o la dirección a donde enviarás una compra? Incluso si te atrevieras, ¿qué tan probable es que el sistema entienda cada palabra, cada apellido, cada modismo, en ese ruido? Y si entiende, ¿quién más está escuchando? No es solo incomodidad: es riesgo.

La fantasía sin pantallas olvida algo básico: diseñamos para humanos en contextos cambiantes, no para laboratorios. Hay días con prisa y días con calmam hay oficinas abiertas donde no quieres revelar nada, hay personas que no pueden o no quieren usar la voz, hay tareas que piden precisión visual milimétrica, hay errores que, si no se ven, se confirman por accidente.

En ese mundo real, la interfaz visual no tiene a dónde ir, es una parte fundamental que en el mejor de los casos se vuelve compañera y complementa la voz y los agentes.

El caso por las interfaces de voz

La voz es poderosa para lo inmediato: configurar un temporizador mientras cocinas, pedir una ruta al volante, añadir un recordatorio mientras llevas cargando cajas. Cuando tus manos están ocupadas o la tarea es lineal, la voz es el medio ideal para realizar una tarea. Pero cuando el flujo requiere explorar, comparar, verificar o editar en detalle, la pantalla se vuelve un mapa que te evita perderte.

Una interfaz visual no es solo “bonito”: hay un elemento que llamamos descubribilidad: Hace visible qué se puede hacer, cuál es el siguiente paso, dónde estás y cuánto te falta. Te permite corregir sin repetir todo desde cero, comparar dos opciones a la vez, confirmar que los números están bien antes de aprobar. La voz, en cambio, te obliga a recordar comandos, a sostener la conversación en tu cabeza y a confiar en que el sistema entendió lo que tú crees haber dicho. Sin un apoyo visual, la carga cognitiva se multiplica.

Piensa en un quirófano. El anestesista puede hablar con el equipo y con los sistemas, sí, pero ningún profesional serio renunciaría a los monitores visuales que muestran signos vitales, tiempos, alertas. No porque la voz sea inútil, sino porque la seguridad exige redundancia. En banca, salud o transporte pasa lo mismo: la confirmación visual es una red que captura errores antes de que se vuelvan daños.

Los retos de la voz

Más allá de las capacidades técnicas, hay algo humano: la sensación de exposición. Mucha gente usa asistentes de voz en casa y evita usarlos en público. No quieres que el taxi, la fila del súper o tus colegas escuchen tu saldo, tu dirección o tus citas médicas. En lugares silenciosos tampoco quieres convertirte en el que interrumpe. En lugares ruidosos, la máquina falla más y tú repites más, desesperadamente. En ambos escenarios ponemos barreras artificiales a nuestros usuarios: por vergüenza o por fricción.

La privacidad no es un checkbox que marcas en settings, es un contexto que cambia minuto a minuto. Las interfaces visuales permiten operar en silencio, con precisión y a tu ritmo. También dejan rastros visibles de lo que aceptaste y de lo que no, lo que después te da argumentos para reclamar. La voz deja huellas distintas, más ambiguas para el usuario, y más fáciles de negar cuando algo sale mal.

Hablemos de accesibilidad

La accesibilidad exige multiplicidad, no caminos monomodales que forzan a los usuarios a un solo medio de interacción. Personas con diferentes capacidades motoras, auditivas, visuales o cognitivas necesitan más de una forma de llegar a la meta. Forzar la voz como única puerta excluye a quienes no pueden hablar, a quienes no oyen con claridad, a quienes conviven con tics, a quienes tartamudean, a quienes simplemente prefieren leer y tocar porque así procesan mejor la información. La buena práctica no es “o voz o pantalla”: es voz y pantalla, cada una donde aporta más.

Ahora, más allá de las limitantes físicas y psicológicas, también podemos pensar en accesibilidad desde el punto de vista de negocio. Si te equivocas en una interfaz visual, el usuario suele ver el error. Un campo en rojo, un mensaje, un subtotal que no cuadra. Si el error ocurre en un diálogo por voz, muchas veces no hay una “marca” que te salte a la vista. La persona se da cuenta tarde — cuando llega el cargo, el taxi a otra dirección o el correo con datos mal escritos — . Corregir cuesta más, y la pérdida de confianza es mayor porque el error estuvo escondido. En mercados como LATAM, donde la tolerancia a la frustración es baja y el boca a boca pesa, ese costo es inaceptable.

Los pseudo-expertos y los vende-humo

¿Por qué entonces algunos “expertos” decreten el fin de las pantallas? Porque el titular vende, porque la polémica atrae clics y porque a veces confundimos una demo con una vida. El principal motor actualmente detrás de las herramientas de inteligencia artifical es el “hype”

En el universo paralelo del hype claro que todo se siente fluido. Pero el diseño no se hace para demostraciones y casos de uso de problemas que solo han sido imaginados por los billonarios detrás de impulsar estas herramientas. Se hace para personas reales con vidas reales.

No se trata de negar la realidad y el cambio que representan la voz ni los agentes. Al contrario: integrarlos con criterio es una oportunidad enorme. La voz es una interfaz natural; los agentes pueden reducir pasos e integrar contextos. Lo que necesitamos es alinear la tecnología con las situaciones donde brilla, y contenerla donde lastima. Eso solo se logra investigando con humanos reales, observando cómo trabajan, cómo deciden, cómo se equivocan y cómo quieren recuperar el control cuando algo no sale como esperaban.

Lo que nos toca como Diseñadores

La realidad es que los fundamentos de Diseño no cambian, se sigue tratando de empezar por el principio: entiende tareas y riesgos antes de enamorarte de una tecnología:

• Pregunta en qué momentos hablar es incómodo o inseguro y ofréceles rutas silenciosas.
• Haz que lo crítico se muestre en pantalla aunque la interacción arranque por voz.
• Diseña confirmaciones que no obliguen a repetir frases enteras para corregir un detalle.
• Y, sobre todo, prueba los fallos: ruido, acentos, ambigüedades, interrupciones, nombres propios.

La promesa real no es un mundo sin pantallas. Es un mundo donde eliges la modalidad que mejor sirve al propósito del usuario en ese instante. A veces será dictar un mensaje rápido mientras manejas. Otras, comparar tres planes en una tabla, arrastrar un bloque para reordenar prioridades con calma, pedirle al agente que resuma una conversación y que, al mismo tiempo, te muestre los puntos clave para que confirmes.

El futuro cercano es multimodal. Las pantallas seguirán ahí, cambiando de forma, reduciéndose o expandiéndose según el contexto, como una buena herramienta que no estorba cuando no hace falta y aparece cuando la necesitas. No es el fin de la interfaz visual, es su evolución junto a nuevos compañeros. Diseñar con criterio no es elegir una moda: es alinear tecnología, negocio y realidad humana para que la experiencia total funcione.

Si alguien te promete que las pantallas “van a morir”, pregúntale en qué metro lo probó, en qué consultorio, en qué call center de lunes a las 9 a.m., en qué casa con niños y perros, en qué barrio con ruido y con miedo a hablar de temas sensibles. Si su respuesta es un demo inventado por un billonario, no es visión: es teatro.

La buena noticia es que tenemos las herramientas que ya sabemos que funcionan para prepararnos para este futuro. Necesitas investigar, evidenciar y diseñar sistemas donde voz, pantalla y agente se acompañen. Cuando lo haces, no solo reduces fricción: le devuelves a la gente algo que la tecnología a veces olvida en su carrera por perseguir el siguiente botoncito brillante, tener tranquilidad.