SERIE DISEÑAR Y APRENDER CON INTELIGENCIA ARTIFICIAL | ENTREGA 1
Por Aníbal Villa Álvarez | Diseño Gráfico Multimedia | Universidad Mondragón México
Ventajas y límites de la inteligencia artificial en un ejercicio de rediseño dentro del aula
La comparación entre propuestas estudiantiles y respuestas generadas con inteligencia artificial mostró una diferencia relevante: las herramientas fueron especialmente eficaces para ordenar información, detectar inconsistencias y construir argumentos; varias soluciones de estudiantes, en cambio, avanzaron al cuestionar una convención que no formaba parte del encargo. El hallazgo no establece una competencia entre personas y sistemas, sino que permite precisar qué capacidades conviene desarrollar en la formación de diseño y en qué momentos la IA puede enriquecerlas.
Un objeto pequeño para observar una pregunta mayor
La discusión sobre inteligencia artificial en las escuelas de diseño suele concentrarse en la calidad del resultado: si una imagen es convincente, si una composición parece profesional o si una propuesta puede producirse en pocos minutos. Esa comparación es insuficiente para una asignatura de Métodos de Diseño, donde el objetivo central no es obtener una pieza atractiva, sino aprender a observar, formular preguntas, reconocer restricciones y justificar decisiones.
En el tercer semestre de la carrera de Diseño Gráfico Multimedia de UMX, el rediseño de un pase de abordar permitió examinar ese proceso. Se trata de un documento cotidiano, pequeño y aparentemente resuelto, pero utilizado en condiciones poco favorables: con prisa, ruido, equipaje, un teléfono y, en vuelos internacionales, un pasaporte abierto. La información cambia de prioridad conforme avanza el recorrido: primero importa confirmar la identidad y el vuelo; después, localizar terminal, puerta y hora de abordaje; finalmente, encontrar el asiento.
El punto de partida fue el proyecto Rethink the Airline Boarding Pass, desarrollado por el diseñador británico Peter Smart después de una secuencia intensiva de viajes. Smart identificó problemas de jerarquía, formato y manipulación, y propuso considerar simultáneamente a pasajeros, personal de la aerolínea y sistemas de lectura.1
Un brief deliberadamente restrictivo
La actividad adaptó ese antecedente a un brief con límites explícitos: conservar el tamaño físico del pase, mantener todos los datos del documento original, permitir color solamente en elementos preimpresos y reservar el negro para la información variable. La propuesta también debía conservar la lógica de lectura técnica de los códigos y la posibilidad de separar el talón.2
Estas condiciones impedían resolver el ejercicio mediante un cambio total de formato o de tecnología. La intención era comprobar cuánto podía mejorar la experiencia sin modificar la infraestructura básica. Las restricciones, por tanto, no funcionaban como una lista de prohibiciones, sino como un marco para distinguir entre aquello que realmente estaba fijado y aquello que solo se había aceptado por costumbre.
Tres niveles de intervención
Para leer los resultados se establecieron tres niveles de intervención. Esta clasificación es un recurso pedagógico del ejercicio y no pretende constituir una taxonomía universal del diseño.3
| Nivel | Tipo de intervención | Alcance |
|---|---|---|
|
Nivel 1 |
Ordenar la información |
Mejorar composición, jerarquía tipográfica, agrupación, espacio y bloques de color sin transformar la lógica general del objeto. |
|
Nivel 2 |
Modificar el modo de uso |
Cambiar orientación, secuencia de lectura o relación con otros objetos, en especial el pasaporte, sin incumplir el brief. |
|
Nivel 3 |
Agregar valor |
Incorporar beneficios no previstos en el documento original y conservar, al mismo tiempo, las restricciones técnicas y operativas. |
La propuesta de Smart se ubicó como benchmark del nivel 3. Además de reorganizar la información, giró el pase a orientación vertical, aprovechó el perforado para plegarlo al tamaño del pasaporte y añadió datos que podían anticipar parte de la experiencia del viaje, como el clima o la diferencia horaria del destino.4
Lo que las inteligencias artificiales resolvieron bien
El mismo problema se examinó mediante dos propuestas generadas con inteligencia artificial, una con ChatGPT y otra con Claude. En ambos casos destacó la capacidad de descomponer el encargo y convertirlo rápidamente en un sistema. Las respuestas inventariaron campos, distinguieron actores, describieron momentos de uso y propusieron niveles de lectura.
La propuesta desarrollada con ChatGPT concentró puerta, hora de abordaje y asiento como anclas de acción; separó la información inmediata de los datos administrativos; y reservó zonas específicas para identificación, trayecto, códigos y talón. También reconoció el uso junto al pasaporte, los dobleces y la necesidad de mantener áreas de lectura limpias.5
Claude llevó ese análisis a una especificación todavía más exhaustiva. Describió seis momentos del recorrido, clasificó la información según quién la consulta y desarrolló una retícula de doce columnas, una banda crítica para datos urgentes y un talón claramente identificado. La solución resultante es consistente, detallada y fácil de argumentar.6
El límite del diagnóstico sin transformación
Las dos respuestas de IA comprendieron verbalmente que el pase se manipula de pie, se dobla, entra y sale de bolsillos y suele presentarse junto a un pasaporte. Sin embargo, esa lectura del contexto no transformó de manera decisiva la forma final: ambas soluciones permanecieron cerca del rectángulo horizontal convencional.
Esa permanencia no invalida las propuestas. En el nivel 1, las herramientas fueron especialmente sólidas: ordenaron gran cantidad de información, detectaron conflictos, establecieron reglas repetibles y produjeron justificaciones coherentes en poco tiempo. El contraste permitió observar, no obstante, que describir el contexto y dejar que el contexto cambie el objeto son operaciones distintas.
.
Cuando el contexto giró el pase
Las primeras respuestas del alumnado también se concentraron en el nivel 1. Hubo mejoras en márgenes, alineación, espacio negativo y jerarquía tipográfica, pero la estructura general se mantuvo cercana al modelo conocido. El avance apareció cuando la conversación dejó de centrarse únicamente en los campos de información y se trasladó al uso: cómo se sostiene el pase, qué objeto ocupa la otra mano, por qué se lee horizontalmente y si esa orientación era una restricción técnica o una convención.
Varias exploraciones comenzaron entonces a representar el pase junto al pasaporte y a organizar la información según una secuencia de acciones. Un equipo sintetizó el uso del personal como validar, identificar, ubicar y autorizar; para el pasajero, priorizó las preguntas sobre hora, puerta y grupo. El cambio de orientación surgió como consecuencia de ese razonamiento contextual, no como un gesto formal aislado.7
El hallazgo central fue reconocer que la orientación horizontal nunca había sido fijada por el brief. Al girar el pase, el alumnado no ignoró las restricciones: distinguió entre una condición real y una costumbre incorporada al objeto. La propuesta pudo conservar tamaño, información, impresión y talón, mientras modificaba la lectura y la relación física con el pasaporte.
Las soluciones verticales no fueron idénticas entre sí. Una priorizó una lectura sobria y operativa, con el trayecto, los horarios y los datos de abordaje reunidos en bloques estables. Otra convirtió el destino en una referencia dominante y utilizó el talón como una segunda unidad de información. La orientación compartida produjo sistemas distintos porque cada equipo tomó decisiones propias sobre secuencia, énfasis e identidad visual.
El paso al nivel 2 tampoco volvió concluyentes las propuestas. El cambio de orientación debe comprobarse con prototipos a escala, lectura a distancia, simulaciones de doblez y pruebas de escaneo. Su relevancia pedagógica reside en que el alumnado formuló una hipótesis verificable a partir del contexto, en lugar de limitarse a decorar una estructura heredada.
Una solución estudiantil completa
La propuesta final de Frida Romero, Rebeca Cuadros y Carolina Gómez desarrolla el nivel 2 como un sistema completo. La lectura desciende desde la identificación y el vuelo hacia el trayecto, la puerta, la hora de abordaje y el asiento; después integra la reservación, la secuencia y el código de lectura, mientras el talón repite los datos operativos. Los bloques de color retoman la identidad de Volaris sin interferir con la información variable en negro. El resultado modifica la orientación y la secuencia, pero conserva el tamaño, la información y el talón.
Fortalezas y áreas de mejora
La comparación siguiente resume patrones observados en los materiales. No debe leerse como una evaluación universal de la IA ni del alumnado, sino como una herramienta para orientar el diseño de futuras actividades.
| Aspecto | Inteligencia artificial | Propuestas estudiantiles |
|---|---|---|
|
Diagnóstico del problema |
Fortalezas: inventario rápido de campos, actores, momentos y conflictos.
Área de mejora: verificar afirmaciones técnicas y evitar que el detalle aparente sustituya la investigación. |
Fortalezas: los hallazgos más valiosos surgieron al observar la manipulación del pase y su relación con el pasaporte.
Área de mejora: la profundidad de investigación fue desigual entre equipos. |
|
Jerarquía de información |
Fortalezas: sistemas coherentes, niveles claros y reglas consistentes.
Área de mejora: tendencia a optimizar la estructura conocida antes de cuestionarla. |
Fortalezas: las mejores soluciones hicieron visibles puerta, hora, grupo, trayecto y asiento.
Área de mejora: algunas propuestas requieren mayor consistencia entre información primaria y secundaria. |
|
Contexto de uso |
Fortalezas: reconocimiento de pasajeros, personal, máquinas, dobleces y documentos asociados.
Área de mejora: el contexto descrito no siempre modificó la forma final. |
Fortalezas: el contexto transformó orientación, secuencia y modo de lectura.
Área de mejora: las intuiciones todavía necesitan pruebas sistemáticas con usuarios. |
|
Replanteamiento |
Fortalezas: capacidad para generar muchas preguntas y alternativas en poco tiempo.
Área de mejora: permanencia cercana a patrones frecuentes o a la formulación inicial del problema. |
Fortalezas: algunos equipos identificaron que horizontal no era una restricción.
Área de mejora: no todos alcanzaron ese cambio de marco. |
|
Factibilidad |
Fortalezas: atención a impresión, códigos, zonas de lectura y campos obligatorios.
Área de mejora: toda especificación debe validarse; precisión verbal no garantiza viabilidad técnica. |
Fortalezas: conservación general del formato reconocible, los datos y el talón.
Área de mejora: revisar escala, legibilidad, dobleces, códigos y producción mediante prototipos. |
|
Argumentación |
Fortalezas: explicaciones completas y estructuradas con gran rapidez.
Área de mejora: una justificación convincente puede construirse después de la decisión sin documentar un descubrimiento real. |
Fortalezas: bocetos y preguntas permiten reconstruir el origen de las decisiones.
Área de mejora: fortalecer la documentación y defensa del proceso con el mismo rigor que el resultado visual. |
Una integración pedagógica más productiva
La evidencia disponible aconseja evitar dos extremos: prohibir la IA como si no formara parte del campo profesional o entregarle la fase del proceso que precisamente se busca enseñar. UNESCO propone una integración centrada en las personas, con agencia, validación ética y sentido pedagógico.8
En la educación de diseño, Hyunyim Park advierte que la IA generativa puede volver opacos los procesos, debilitar la agencia creativa y dificultar la evaluación cuando no se distingue qué decisiones pertenecen al estudiante, cuáles a la herramienta y cómo evolucionó el proyecto. La respuesta propuesta es reforzar la transparencia del proceso y la colaboración crítica entre persona e IA.9
También existe un riesgo de fijación. En un experimento con 60 participantes, la exposición a imágenes generadas por IA durante una tarea de ideación se relacionó con una mayor fijación en el ejemplo inicial y con menos ideas, variedad y originalidad frente al grupo de comparación. Los autores subrayan que el efecto depende de la estrategia de uso y de la formulación de los prompts.10
Al mismo tiempo, la investigación sobre IA textual en cursos creativos indica que una interacción estructurada e iterativa puede favorecer la exploración. La diferencia no reside solamente en permitir o impedir la herramienta, sino en diseñar el modo de colaboración y exigir decisiones visibles, contrastables y revisables.11
Pensar sigue siendo la parte difícil
Las propuestas de IA fueron más sistemáticas y exhaustivas que varias entregas estudiantiles. Las mejores soluciones del alumnado realizaron, sin embargo, una operación diferente: cambiaron el marco desde el cual se entendía el problema. Observaron el pasaporte, imaginaron el documento en la mano y reconocieron que una convención no era una obligación.
Ese resultado ayuda a precisar el propósito de enseñar diseño en un contexto de inteligencia artificial. Ya no basta con producir composiciones correctas ni con demostrar dominio instrumental. Es necesario formar la capacidad de observar situaciones, reconocer supuestos, documentar decisiones y someter una propuesta a prueba.
La IA puede contribuir a ver más información, organizarla con rapidez y formular críticas que de otro modo tomarían más tiempo. La formación en diseño debe conservar la tarea más difícil: reconocer cuándo el problema recibido todavía necesita ser replanteado. En ocasiones, ese avance conceptual comienza con una acción tan sencilla como girar un objeto cotidiano.
Notas aclaraciones y referencias
Notas numeradas
1. El proyecto de Peter Smart parte de catorce vuelos realizados en dos meses y analiza información, formato y necesidades de tres grupos de usuarios: pasajeros, personal de aerolínea y máquinas.
2. El brief de UMX adapta el caso de Smart. Las restricciones detalladas y el inventario de información se documentaron en Propuesta de rediseño del pase de abordar, material de trabajo de la asignatura, 2026.
3. Los tres niveles se definieron para comparar el alcance de las soluciones dentro de esta actividad: optimización formal, transformación del uso y creación de valor adicional.
4. Smart conserva las dimensiones estándar, cambia el pase a orientación vertical, aprovecha el perforado para plegarlo y propone información adicional sobre destino y asiento.
5. La referencia a ChatGPT corresponde al documento Propuesta de rediseño del pase de abordar y a la lámina visual generada para este ejercicio en 2026.
6. La referencia a Claude corresponde al documento Rediseño de pase de abordaje, generado a partir de un brief equivalente y conservado en el archivo de la actividad, 2026.
7. Las observaciones sobre estudiantes se basan en bocetos, presentaciones y propuestas finales de equipos de Métodos de Diseño de UMX. Entre los materiales se encuentra Rediseño de Pase, acreditado en la entrega a Frida, Rebeca y Carolina. Las figuras identifican los proyectos reproducidos.
8. Miao y Holmes proponen un enfoque humano y apropiado para la edad, con validación ética y diseño pedagógico deliberado.
9. Park estudia la transformación de relaciones, colaboración y evaluación en el taller de diseño, y propone transparencia del proceso, cocreación ética y colaboración crítica.
10. El estudio de Wadinambiarachchi y colaboradores fue aceptado en CHI 2024 y utilizó un diseño entre participantes con una muestra de 60 personas.
11. Georgieva y Georgiev examinan el uso de IA generativa textual en indagaciones de creatividad dentro de un curso de diseño.
Aclaraciones editoriales
• La comparación es una reflexión cualitativa derivada de una experiencia de aula; no constituye un experimento controlado ni permite generalizar el desempeño de todas las herramientas de IA o de todo el alumnado.
• Las propuestas de IA se desarrollaron a partir de briefs equivalentes, pero no bajo condiciones idénticas de interacción, tiempo o iteración. Su contraste se utiliza con fines pedagógicos.
• Las piezas mostradas son ejercicios académicos y prototipos visuales. No han sido validadas para operación aeroportuaria, impresión industrial ni cumplimiento integral de estándares.
• Las marcas, logotipos, rutas y datos de vuelo aparecen como referencias de simulación académica. Su inclusión no implica afiliación, autorización comercial ni propuesta oficial para las aerolíneas representadas.
• Las imágenes de proyectos estudiantiles se acreditan con los nombres disponibles en los archivos entregados para esta publicación. En el caso de Frida, Rebeca y Carolina, los nombres se reproducen tal como aparecen en la portada de su presentación.
Referencias
1. Smart, P. (2014). Rethink the Airline Boarding Pass [proyecto de diseño, copia PDF de archivo]. Referencia secundaria: Cooperstein, P. (3 de febrero de 2014), Airlines Should Ditch Their Confusing Boarding Passes and Use This Smart Design Instead, Business Insider. https://www.businessinsider.com/graphic-designer-improves-airline-boarding-pass-2014-2
2. Miao, F., y Holmes, W. (2023). Guidance for Generative AI in Education and Research. UNESCO. ISBN 978-92-3-100612-8. https://unesdoc.unesco.org/ark:/48223/pf0000386693
3. Park, H. (2025). Generative AI in Studio-Based Design Education: Human-AI Relationships, Collaboration and Assessment. IASDR 2025: Design Next. https://doi.org/10.21606/iasdr.2025.845
4. Wadinambiarachchi, S., Kelly, R. M., Pareek, S., Zhou, Q., y Velloso, E. (2024). The Effects of Generative AI on Design Fixation and Divergent Thinking. Proceedings of the CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3613904.3642919
5. Georgieva, I., y Georgiev, G. V. (2025). Exploring the Use of Generative Text AI in Design Creativity Inquiries. Computers in Human Behavior: Artificial Humans, 6, 100219. https://doi.org/10.1016/j.chbah.2025.100219
6. ChatGPT, OpenAI. (2026). Propuesta de rediseño del pase de abordar [documento y lámina generados para el ejercicio]. Material no publicado de Métodos de Diseño, UMX.
7. Claude, Anthropic. (2026). Rediseño de pase de abordaje [documento generado para el ejercicio]. Material no publicado de Métodos de Diseño, UMX.
8. Estudiantes de Métodos de Diseño. (2026). Propuestas de rediseño de pase de abordar [presentaciones y prototipos]. Archivo académico de UMX.
9. Frida, Rebeca y Carolina. (2026). Rediseño de Pase [presentación y prototipo visual]. Material no publicado de Métodos de Diseño, UMX.
