IA + UX Research en Trazur Cursos

Este caso explora cómo la IA puede enriquecer la UX Research en una plataforma e-learning de trazabilidad ganadera, dirigida a trabajadores rurales con baja alfabetización digital y limitaciones tecnológicas. Se aplicaron métodos de diseño centrado en el usuario combinados con herramientas como ChatGPT, Gemini, Google Analytics, Microsoft Clarity, Synthetic Users y prototipos en Balsamiq y Relume. La IA aceleró análisis y variantes de diseño, pero siempre bajo validación crítica humana, mejorando accesibilidad y eficiencia sin perder sensibilidad al contexto.

Imagen Mockup, finalizando el curso en un celular, en contexto de uso

ROL

Líder de proyecto, UX Researcher & UX/UI Designer (con enfoque en IA)

EQUIPO

Ramiro Estavillo (Autor)
Renzo Morandi (Coautor)
Alejandra Capocasale (Tutora)

DURACIÓN

6 meses (2025)

HERRAMIENTAS

Balsamiq, Relume, WordPress, Google Analytics, Microsoft Clarity, ChatGPT, Gemini, Synthetic Users, LLaMA

PROBLEMA

Plataforma de e-learning con navegación confusa, textos extensos, falta de feedback visual y trabas en inscripción/compra. Usuarios rurales con baja alfabetización digital quedaban fuera del proceso.

SOLUCIÓN

Rediseño con arquitectura simplificada, microcopy accesible, estados claros de navegación y un asistente contextual. Se aplicó IA para acelerar el análisis (heurísticas, simulaciones) siempre con validación humana.

Contexto y Oportunidad

Uruguay es referente mundial en trazabilidad ganadera, y la capacitación digital es clave para sostener ese estándar. Sin embargo, los trabajadores rurales, principales destinatarios de estos cursos, enfrentan baja alfabetización digital, conectividad limitada y barreras geográficas y culturales, lo que dificulta su acceso a la formación.

En este escenario surge la necesidad de rediseñar la experiencia de aprendizaje digital. Trazur Cursos, una plataforma de e-learning especializada en trazabilidad ganadera para el entorno rural, enfrenta estos mismos desafíos: navegación compleja, microcopy poco accesible y baja finalización de cursos.

La IA aplicada a la UX Research aparece como un aliado estratégico: permite acelerar diagnósticos, sistematizar hallazgos y generar alternativas de diseño, siempre desde una mirada crítica y complementaria al criterio humano. Esta integración abre una oportunidad única para mejorar accesibilidad y usabilidad en contextos rurales desafiantes.

Imagen conceptual generada por Ramiro Estavillo junto a ChatGPT, representando el contexto rural y el acceso digital.

Ilustración conceptual de un gaucho a caballo usando un celular, creada por Ramiro Estavillo con apoyo de ChatGPT, simbolizando la brecha digital en el entorno rural uruguayo.

Objetivos y KPIs

Objetivo general

Profundizar cómo la IA puede mejorar la UX de una plataforma e-learning rural sobre trazabilidad ganadera.

Objetivos específicos

Explorar usos de IA en investigación UX.
Evaluar herramientas IA en análisis de usabilidad.
Proponer un rediseño funcional basado en evidencia.

KPIs iniciales (diagnóstico)

Tasa de rebote alta en páginas de cursos.
% elevado de inscripciones incompletas.
Scroll profundo y desorientación (Clarity).
Dificultad en flujos de compra y comprensión de textos (Synthetic Users).

Metas con el rediseño

↓ Tasa de rebote en páginas de curso: –20%
↑ Inscripciones completas: +25%
↑ Finalización de cursos y certificados: +30%
↑ Comprensión de contenidos (test de satisfacción): +40%
↓ Tiempo de inscripción: –30%

Método

Se aplicó una estrategia comparativa entre métodos tradicionales y herramientas de IA:

Heurísticas (Nielsen): problemas de consistencia, navegación, feedback.
Google Analytics: rebotes y clics erráticos.
Microsoft Clarity: mapas de calor y scroll profundo.
Synthetic Users: trabas en compra y comprensión de textos.
Benchmarking: carencias frente a plataformas similares.
Prototipado: wireframes en Balsamiq, versiones de media fidelidad en Relume, pantalla final hi-fi.

Hallazgos clave

La evaluación de usabilidad combinó métodos tradicionales y herramientas de IA. Esto permitió detectar patrones de confusión y fricciones críticas en la navegación, compra e interacción.

Navegación confusa y poco intuitiva.
Textos extensos y microcopy poco accesible.
Falta de feedback visual (errores, carga, estados).

Scroll excesivo en mobile → desorientación.
Fricción en inscripción y compra → abandono.

Usuario y Proceso

A partir de los hallazgos (navegación confusa, textos densos, feedback débil y fricción en inscripción/pago), sintetizamos una persona arquetipo, su journey end-to-end y un flujo ideal para el camino crítico (inscribirse → cursar → certificar). Estos artefactos guían el rediseño y la priorización de mejoras.

Persona (resumen)

Representa al usuario objetivo principal y concentra metas, barreras y necesidades que fundamentan las decisiones de diseño.

Perfil: productor ganadero familiar, baja alfabetización digital, conectividad intermitente; usa celular Android como dispositivo principal.
Objetivo: inscribirse, cursar y certificar de forma autónoma.
Dolores: navegación confusa, textos densos, poca guía, fricción en inscripción/pago.
Necesidades: lenguaje claro, pasos cortos, señales de estado visibles y ayuda contextual en el momento.

Persona “Juan Pablo” / Elaboración propia (TdG 2025)

Journey Map (end-to-end)

Mapa del viaje de la persona desde la búsqueda hasta la certificación, con dolores y oportunidades por etapa para priorizar el rediseño.

Journey Map / Elaboración propia (TdG 2025)

Flujo ideal (propuesta)

Proceso unificado en la plataforma con pasos cortos, feedback visible y asistente virtual en puntos críticos. Se alinea con los KPIs: ↓ rebote (–20%), ↑ inscripciones completas (+25%), ↑ finalización/certificados (+30%), ↓ tiempo de inscripción (–30%).

Home con acceso directo a cursos y jerarquía clara.
Curso con beneficios, requisitos y CTA único.
Inscripción en pasos cortos con estados visibles.
Checkout / confirmación claros.
Cursado con barra de progreso + asistente contextual para dudas.
Certificado accesible al finalizar.

Flujo ideal / Elaboración propia (TdG 2025)

Diseño y Prototipado

Se trabajó en tres niveles para validar hipótesis y mejorar la experiencia paso a paso.

Baja fidelidad (Balsamiq): permitió definir flujos principales (inscripción, catálogo, checkout) sin distracciones visuales.
Media fidelidad (Relume): testeamos jerarquía, navegación simplificada y microcopy accesible.
Alta fidelidad: una propuesta visual integrada con barra de progreso, estados claros de curso aprobado y un asistente virtual contextual (chatbot) para reducir dudas en tiempo real.

Próximos pasos

Este rediseño es una primera validación visual y estratégica de los hallazgos. Para implementarlo con impacto real en usuarios rurales, propongo:

Pruebas de usabilidad con el perfil objetivo (remotas/presenciales) y medición de tareas clave: inscripción, comienzo del curso y descarga del certificado.
Verificación en terreno: rendimiento en conectividad limitada y en dispositivos de gama media/baja; ajuste de pesos de imágenes, video y caché.
Iteración de copy y componentes según evidencias (claridad del CTA único, estados, mensajes de error).
Accesibilidad: checklist WCAG AA (contraste, tamaño táctil, foco visible, teclado, estados).
Despliegue incremental en producción con instrumentación GA/Clarity (eventos, embudos, heatmaps) para comparar contra la línea base.
Asistente contextual: piloto con FAQs/glosario, monitorear dudas frecuentes y refinar prompts y límites.
Documentación: avanzar en una guía práctica de IA en UX Research (prompts, criterios éticos, flujo de validación) para equipos con recursos limitados.

Aprendizajes Clave

Este proyecto fue un profundo ejercicio de investigación y diseño. Mis principales reflexiones son:

La IA acelera, no reemplaza. Potencia la UX Research (análisis, priorización, variantes de copy), pero la validación humana es irremplazable para accesibilidad, contexto y decisiones finales.
Método híbrido = profundidad + eficiencia. Combinar heurísticas/analítica con IA mejoró tiempos sin perder interpretación y empatía de diseño.
El verdadero desafío no es diseñar con IA, sino diseñar para personas reales: quienes navegan con señal inestable, usan un celular básico y aprenden mientras trabajan en el campo.
Medir y aprender en ciclo corto. Instrumentar KPIs, lanzar en pequeño, observar comportamiento real y iterar.

Póster del proyecto

Descargá el póster oficial del trabajo de grado con el resumen visual del caso (heurísticas, método, prototipos y conclusiones).

Descargar Póster (PDF)

¿Querés mejorar la experiencia de tu plataforma?

Diseño casos medibles de UX Research con IA: desde el diagnóstico hasta el prototipado y la implementación, con KPIs claros y validación con usuarios.

e-mail