Diseñar para humanos y agentes de IA: cómo adaptar tu arquitectura de la información a modelos LLM

Para adaptar con éxito tu arquitectura de la información a modelos LLM y agentes de IA, los equipos de diseño de producto deben trascender el enfoque centrado exclusivamente en humanos y adoptar un modelo bifurcado que sirva a dos usuarios simultáneamente. Históricamente, estructurar contenidos para rastreadores web se limitaba a aplicar semántica, microformatos y SEO básico. Sin embargo, los modelos de lenguaje modernos no solo leen tu información de manera pasiva: ejecutan transacciones, extraen valor y toman decisiones complejas de forma autónoma basándose en la coherencia de todo el sistema.

En Torresburriel Estudio, tras haber liderado más de 200 proyectos reales, hemos comprobado que la estrategia para resolver este desafío de interacción mixta consiste en estructurar la información bajo tres principios de diseño agéntico. En primer lugar, es necesario plantear una interfaz bifurcada donde la interfaz gráfica de usuario (GUI) esté optimizada para el flujo visual de las personas y, en paralelo, se expongan interfaces programáticas (APIs o CLI) diseñadas con el mismo rigor y jerarquía que una pantalla de registro. En segundo lugar, se debe establecer un modelo mental impecable en las APIs mediante una nomenclatura (naming) estandarizada y un orden de endpoints sumamente descriptivo que evite alucinaciones del agente. Por último, resulta fundamental diseñar flujos de transparencia y confianza (diseño agéntico) que regulen cuándo el sistema debe actuar de manera autónoma, cuándo pedir confirmación explícita y cómo recuperarse ante prompts ambiguos de las personas. Al final, el prompt se consolida como la nueva interfaz de usuario y la arquitectura de la información se convierte en el lienzo donde se define el éxito de esa interacción.

Más allá del SEO: La llegada de los usuarios máquina

Durante más de quince años, la premisa de escribir para máquinas consistía en estructurar código limpio para buscadores. Era un trabajo enfocado principalmente en la accesibilidad, las taxonomías y el etiquetado básico para indexadores. Hoy, en pleno 2026, lo que está ocurriendo en el sector tecnológico es cualitativamente diferente: nos enfrentamos a la funcionalidad y al valor directo tanto para personas como para agentes de IA. Hablamos de satisfacer dos modelos mentales completamente distintos con un único sistema de producto.

Como señalaba el tecnólogo Addy Osmani al lanzar su herramienta de línea de comandos de Google Workspace, los productos digitales actuales se conciben bajo la premisa de estar «construidos para humanos y agentes». No se trata de una moda de productividad técnica, sino de un requisito de diseño estructural. Si el agente autónomo de IA que navega por tu plataforma no comprende la jerarquía de tus contenidos, tomará decisiones equivocadas y frustrará al usuario final que lo ha enviado en su nombre. Por ello, comprender la arquitectura de la información: qué es y por qué es importante en UX se vuelve indispensable para asegurar que las máquinas no rompan el contexto de uso.

Principios del diseño bifurcado: GUI vs. Interfaz de Máquina

Para garantizar la coherencia en un ecosistema agéntico, ya no podemos apoyarnos únicamente en tablas de equivalencia rígidas. Debemos entender cómo cambia cada criterio de diseño en ambas dimensiones de la experiencia:

• Canal de interacción principal: Mientras que en la experiencia humana (GUI) nos basamos en la navegación visual, los botones, los menús desplegables y las tarjetas (cards) para guiar el flujo visual, la experiencia del agente (API / CLI) requiere endpoints altamente estructurados, flujos lógicos y formatos de intercambio de datos claros (como esquemas JSON) que respondan a sus llamadas de función.
• Gestión de la carga cognitiva: Para las personas, reducimos la carga cognitiva aplicando jerarquía visual, espaciado en blanco y tipografías legibles. Para las máquinas, la carga cognitiva se minimiza implementando una nomenclatura lógica, esquemas de datos uniformes y una consistencia estricta en el etiquetado que evite interpretaciones dudosas por parte del LLM.
• Gestión de errores y flujos de recuperación: El usuario humano necesita mensajes amigables, comprensibles y con un tono cercano que le indiquen cómo solucionar un problema. El agente de IA requiere códigos de estado estandarizados (como errores HTTP específicos), descripciones detalladas y parámetros estructurados que le indiquen mediante el sistema de prompts cómo redirigir la tarea de forma autónoma.
• Modelos de transparencia y confianza: En la interfaz humana, la confianza se construye mediante la predictibilidad y la visibilidad constante de los estados del sistema. En la interfaz de máquina, la confianza se fundamenta en establecer límites claros: definir qué acciones puede realizar el agente de forma automática y en cuáles se requiere de manera obligatoria el visto bueno o confirmación de la persona.

El prompt como interfaz y el UX agéntico

El reto de diseño de interacción más fascinante surge cuando el lenguaje natural se convierte en la puerta de entrada de un servicio digital. Durante décadas, en el sector de la usabilidad hemos defendido que una gran interfaz es aquella que resulta intuitiva y no requiere manual de instrucciones para ser utilizada. No obstante, en un sistema conversacional de IA, la interfaz pasa a ser el propio usuario explicándose a sí mismo. La fricción no desaparece, simplemente cambia de lugar: ahora el usuario debe aprender a formular de forma precisa lo que quiere.

El rol de los diseñadores de experiencia de usuario en este escenario no desaparece; por el contrario, muta hacia tareas mucho más estratégicas. Aunque no estemos diseñando pantallas visuales tradicionales, somos los responsables de definir la arquitectura del sistema de prompts, la inyección del contexto adecuado, los límites agénticos del modelo y las alternativas de recuperación cuando el LLM malinterpreta la intención de la persona. 

Consideramos que el UX agéntico como motor de la estrategia IA es la pieza fundamental para construir plataformas digitales que de verdad generen confianza en las personas.

Entender que en este entorno digital debemos diseñar de manera consciente para dos tipos de usuarios —personas y máquinas— es, sin duda, la mayor transformación metodológica que ha vivido nuestra disciplina en la última década.

Quienes sigan ignorando al «usuario máquina» estarán tomando decisiones estratégicas basadas en información incompleta La resiliencia y adaptabilidad de tu arquitectura de la información determinará si tu producto aporta valor o se vuelve invisible en la era de los agentes inteligentes.

Foto de portada de Leif Christoph Gottwald en Unsplash