La inteligencia artificial o IA puede ser un gran aliado para un diseñador de producto durante la fase de Discovery o descubrimiento. La IA es una herramienta poderosa y crucial para la investigación y la definición inicial del producto. NotebookLM de Google, puede ayudarnos a agilizar la extracción de conclusiones en la fase de investigación con usuarios y obtención de conclusiones.
Cómo usar NotebookLM de Google para el Research
La fase de Discovery implica recopilar una gran cantidad de información a través de diferentes técnicas de investigación con usuarios. La inteligencia artificial, concretamente, NotebookLM permite centralizar y analizar ese caudal de datos.
1. Centralización y análisis de las fuentes de investigación en NotebookLM
En un primer momento, es importante, tener identificadas las fuentes de información para poder generar resúmenes a muy alto nivel e ideas clave, que nos hagan tener una ligera idea de todo lo obtenido. La fase de Discovery se alimenta de datos. El reto no es solo recopilar, sino sintetizar esa vasta información de manera rápida y fiable. NotebookLM transforma esta tarea.
Fuentes de Investigación
Todos los materiales deben de estar subidos a un NotebookLM dedicado al proyecto de Discovery. En lugar de tener la información dispersa en carpetas de Drive, notas de Figma, y correos electrónicos, NotebookLM actúa como el repositorio central y la «biblioteca de la verdad» de la investigación del proyecto. Esto puede incluir:
- Transcripciones de entrevistas con usuarios (mp3 o mp4).
- Notas de sesiones de observación o pruebas de usabilidad iniciales.
- Informes de análisis de la competencia.
- Estudios de mercado y tendencias de la industria (archivos PDF o Google Docs).
- Feedback de usuarios de productos existentes.
- Documentos de requisitos o briefings iniciales del negocio.
Generación de Resúmenes e Ideas Clave
La IA de NotebookLM genera automáticamente resúmenes de cada fuente. Esto es vital para entender rápidamente la esencia de un documento sin tener que leerlo entero. Una vez que la información está centralizada, se puede interactuar con ella como si se estuviera hablando con un experto que ha leído y memorizado todos tus documentos.
En este momento hay que pedirle a la IA del cuaderno que identifique los 3-5 hallazgos clave de la investigación de un grupo de usuarios o de un informe de mercado.
- Ejemplo de Prompt: «Basándote en las transcripciones de las entrevistas (Documentos 1, 2, 3), ¿cuáles son los tres principales puntos de dolor que experimentan los usuarios?»
2. Detección de patrones, matrices de similitud y necesidades de los usuarios
Esta es la fase o parte en la que NotebookLM y su IA brillan. Ayuda a pasar todos los datos en bruto a insights con accionables reales. Este proceso, conocido como síntesis de la investigación, es donde NotebookLM ofrece un salto de productividad significativo.
La síntesis manual (por ejemplo, con pizarras de afinidad o affinity mapping) es lenta y propensa a sesgos. NotebookLM puede automatizar la identificación de temas, liberando al diseñador para centrarse en la interpretación.
Identificación de temas comunes
En este punto, NotebookLM, puede agrupar las respuestas o declaraciones de los usuarios que giran en torno a un tema específico (por ejemplo, «frustración con el proceso de pago» o «deseo de una función de personalización»). Hay que pedir a la IA que realice la tarea fundamental de la síntesis: agrupar la información por temas.
Un patrón es un elemento recurrente (un problema, un deseo, una acción). Una anomalía es un hallazgo único que podría indicar una necesidad de nicho o un sesgo.
- Ejemplo de Prompt: «Analiza todas las fuentes subidas e identifica los temas recurrentes o patrones de comportamiento en relación con la tarea ‘X’. Lista los 5 más comunes.»
Descubrimiento de Gaps o carencias
Se puede comparar los hallazgos de la investigación con el análisis de la competencia. El gap es la diferencia entre lo que el usuario quiere lograr (Goal) y lo que el producto actual o la competencia le permite hacer (Reality).
- Ejemplo de Prompt: «Compara las funcionalidades ofrecidas por la Competencia A y B (Documentos 4 y 5) con los dolores del usuario identificados en las entrevistas. ¿Qué oportunidades o carencias de producto se revelan?»
Creación de necesidades del usuario
Utilizar la IA para reformular el raw data (datos brutos) en declaraciones de necesidades claras y centradas en el usuario. Un diseñador de producto debe transformar las frustraciones (el dolor) en necesidades claras, centradas en el usuario y libres de soluciones.
- Ejemplo de Prompt: «Convierte las frustraciones mencionadas por los usuarios sobre la lentitud de la app en declaraciones de ‘Necesidad del Usuario’ utilizando el formato ‘Como [tipo de usuario], quiero [meta] para que [motivación]’.»
3. Generación de ideas y definición de oportunidades
Una vez que se entienden las necesidades, NotebookLM, puede ayudar a generar ideas para satisfacerlas.
Brainstorming Aumentado
Consiste en usar los insights generados como base para pedir ideas a la herramienta. En esta etapa, se utiliza el entendimiento profundo de las necesidades del usuario como un prompt de entrada para la IA, enfocándola en el pensamiento de solución de problemas.
- Ejemplo de Prompt: «Basándote en la necesidad de usuario ‘Como profesional ocupado, quiero una forma de archivar rápidamente las tareas completadas para mantener mi lista organizada’, genera 5 ideas de funciones de producto que aborden esta necesidad.»
Creación de Hipótesis y declaración de problemas
La fase de Discovery culmina con una definición clara del problema y una hipótesis de solución. NotebookLM y su AI puede ayudar a redactarlas con precisión. Una idea bien generada debe transformarse en una oportunidad estructurada, lista para ser probada. Esto se traduce en la formulación de hipótesis de solución.
- Estructura de la Hipótesis: El formato común es: «Creemos que al [Implementar X Característica] para [Y Usuario], lograremos [Z Resultado Medible].»
- Ejemplo de Prompt: «Basándote en todo el análisis, redacta una declaración concisa del problema (Problem Statement) y una hipótesis de solución inicial para el nuevo producto.»
Definición de Personas/Arquetipos (Proto-Personas)
Se puede pedir a la herramienta que agrupe las características demográficas y psicográficas de las transcripciones de las entrevistas para perfilar posibles usuarios clave. Aunque la creación de Personas detalladas puede ser una actividad manual, NotebookLM genera rápidamente proto-personas para empezar a diseñar.
- Ejemplo de Prompt: «Identifica dos arquetipos de usuario distintos en las fuentes y describe sus objetivos, frustraciones y motivaciones.»
NotebookLM se limita estrictamente a las fuentes de información que se suban. Esto es una ventaja, ya que garantiza que los hallazgos se basen únicamente en la investigación de producto y no en información general de internet, manteniendo la precisión y relevancia para el proyecto específico.