Cómo Claude Fable 5 te ayuda a diseñar productos de alto impacto (y en horas, no semanas)
Tiempo de lectura: 7 minutos
Le encargué a Claude Fable 5 que diseñara un producto nuevo de nuestro catálogo. No que "me escribiera un índice": que lo diseñara — a quién sirve, dónde encaja en la oferta, qué promete, cuánto cuesta, cómo se entrega y cómo se conecta con el resto. El tipo de encargo que le darías a un product manager con años en la casa.
Lo interesante no fue la velocidad, aunque la hubo. Fue cómo pensó. Porque un producto de alto impacto no nace de una buena idea suelta: nace de cientos de decisiones bien encajadas entre sí. Y ahí es donde una IA de última generación deja de ser "un generador de texto" y empieza a comportarse como alguien que diseña de forma holística: mirando el sistema entero, no la pieza aislada. Es la diferencia entre usar la IA como autocompletar y usarla como colaborador con criterio —algo que ya contamos en cuándo un agente de IA aporta valor de verdad—.
Te cuento qué hizo, capacidad por capacidad, en genérico y sin destripar el producto. Cada apartado acaba con un "en tu caso" para que lo apliques mañana, tanto si tu producto es un curso como un servicio, una feature o un plan de precios.
1. ¿Por qué empezar por tu empresa y no por un prompt?
Lo primero que hizo no fue escribir. Fue leer. Se recorrió el catálogo entero, las guías internas de estilo, las convenciones de la casa y las decisiones que habíamos tomado en productos anteriores. Antes de proponer nada, ya "sabía" cómo trabajamos.
Esa es la diferencia entre pedirle algo a una IA y darle contexto para que diseñe. Una responde con lo que sabe del mundo; la otra responde con lo que sabe de tu mundo. Lo segundo se parece muchísimo más al trabajo de alguien que lleva cinco años en tu empresa que al de un consultor recién llegado. Y la parte más valiosa es que ese "onboarding" que a una persona le lleva semanas, aquí ocurre en minutos —si le has dejado el material a mano—. Lo explicamos a fondo en ingeniería de contexto: el contexto marca más diferencia que el prompt.
En tu caso: antes de pedirle nada, dale acceso a lo que ya tienes escrito —tu catálogo, tu manual de marca, tus plantillas, tus decisiones pasadas—. Un diseño hecho sobre tu contexto no se parece a un diseño hecho sobre Wikipedia.
2. El encaje en tu oferta: el producto que suma, no el que canibaliza
Aquí llegó la primera sorpresa. En lugar de diseñar el producto como una isla, lo colocó dentro del sistema:
- Detectó que el producto ya estaba prometido públicamente —había una señal previa de que nuestra audiencia lo esperaba— y trató esa promesa como un contrato a cumplir punto por punto, no como una sugerencia.
- Vio que otro producto del catálogo ya había declarado la frontera con este —qué cubre cada uno— y respetó esa línea para que no se canibalizaran entre ellos.
- Reutilizó activos que ya existían: el hilo narrativo que comparten varios de nuestros productos, la coherencia de precios, el mismo universo de ejemplos. Incluso creó un personaje nuevo para no pisar los que ya vivían en otros productos.
- Y comprobó qué contenido existía ya para no duplicarlo.
Esto es lo que casi nadie hace bien, no por falta de criterio, sino por falta de tiempo. Y es justo lo que más impacto tiene en las ventas: la mayoría de productos no fallan por dentro, fallan por cómo encajan fuera. Un producto que suma a tu escalera de valor rinde; uno que compite consigo mismo, resta.
En tu caso: pídele explícitamente que sitúe el producto nuevo respecto a los que ya tienes: qué frontera lo separa del más parecido, qué producto lo alimenta y a cuál da paso. El encaje es diseño, no marketing posterior.
3. ¿Cómo se reconstruye al usuario real a partir de lo que ya sabes?
No se inventó al usuario. Lo reconstruyó cruzando las señales que ya teníamos dispersas por la web: lo que la audiencia había votado en una encuesta, lo que revela un diagnóstico gratuito que ya usábamos para captar, el comportamiento en nuestros contenidos. Sin una sola entrevista nueva, salió un retrato del usuario con sus dolores ordenados.
Y ordenados con criterio explícito, no por intuición: cada dolor pesado por frecuencia, impacto y por si de verdad se puede resolver dentro del producto. Los que no cumplían, fuera. Además detectó sola una restricción de uso muy concreta —que el usuario quizá no tendría acceso a ciertas herramientas— y rediseñó los ejercicios para que funcionaran igualmente, con todo lo necesario incluido. Esa clase de restricción, si la descubres tarde, te cuesta un rediseño entero.
En tu caso: no empieces por "qué quiero enseñar/ofrecer", empieza por "qué señales tengo ya de lo que le duele a mi gente". Encuestas, formularios, soporte, analítica: tu usuario ya te ha hablado. La IA sabe juntar esas piezas.
4. El "challenge": convierte tus creencias en criterios
Este es, para mí, el apartado más valioso, y el más incómodo en el buen sentido.
Todo producto arrastra creencias de quien lo crea: "mi audiencia quiere esto", "esto vale tanto", "este contenido es imprescindible". Fable 5 no me dio la razón por defecto. Cuando un supuesto mío no encajaba con la evidencia, lo dijo —con argumentos— y me propuso la alternativa:
- Cuestionó qué merecía peso propio dentro del producto, apoyándose en el criterio de dolores del punto anterior, no en mi corazonada de qué era importante.
- Al recomendar precio y posicionamiento, contrastó mi intención con las reglas del propio catálogo y con la promesa que ya habíamos hecho en público. Cuando algo no cuadraba, lo señaló.
- Y hubo opciones que directamente desaconsejó, explicando por qué —no las escondió, las puso sobre la mesa marcadas como "yo no iría por aquí, y este es el motivo"—.
El resultado es un proceso más objetivo. Tus creencias dejan de ser certezas y pasan a ser hipótesis con una pregunta detrás: ¿qué dato la sostiene?, ¿qué decisión cambia si es falsa?. Las que sobreviven a ese filtro salen reforzadas; las que no, mejor descubrirlo antes de invertir en construirlas. Es la revisión de diseño más barata que existe.
En tu caso: pídele explícitamente que desafíe tu planteamiento antes de ejecutarlo. "Dime en qué crees que me equivoco y por qué." Una IA que solo te da la razón no te está ayudando a diseñar; te está ayudando a confirmar sesgos.
5. ¿Qué decisiones de negocio quedan para que decidas tú?
Precio, posicionamiento, alcance. Fable 5 ni me los impuso ni me los escondió. Hizo algo más útil: preparó las tres o cuatro decisiones que eran mías y me las sirvió listas para decidir. Cada una con sus opciones, los pros y contras de cada camino, y una recomendación clara y argumentada.
Decidí en minutos, con la información delante en vez de en la cabeza. Y en cuanto respondí, el diseño siguió solo, sin fricción. Esa es la frontera bien entendida: la IA toma las decisiones técnicas y de diseño, y te reserva —empaquetadas— las que son de dueño de negocio. No obedece a ciegas ni decide por ti lo que no le toca. Sabe dónde está la línea —el mismo criterio de reparto que aplicamos al decidir qué tareas de producto delegar en un agente y cuáles no—.
En tu caso: cuando delegues un diseño, exige que separe "lo que ya he decidido yo" de "lo que necesito que decidas tú". Si te devuelve todo resuelto sin preguntarte lo importante, desconfía. Si te devuelve un menú de preguntas sin recomendación, también.
6. Del diseño a algo que ya funciona (y verificado)
No se quedó en un documento bonito. Construyó la primera versión real del producto y, lo más difícil, la diseñó para que sus piezas no pudieran contradecirse entre sí: los datos de los ejemplos se derivan todos de una única fuente, así que ningún número dice una cosa en un sitio y otra en otro. Coherencia por construcción, no por revisión a mano al final.
Y antes de darlo por bueno, lo verificó con nuestras propias herramientas —las mismas que usamos para validar cualquier trabajo de la casa— hasta que pasó todos los controles. Lo que recibí no fue una propuesta para empezar a trabajar: fue algo que ya funcionaba y estaba comprobado.
En tu caso: el listón no es "que te entregue un plan", es "que te entregue algo verificado y coherente consigo mismo". Pídele que valide su propio trabajo con tus criterios antes de dártelo.
7. ¿Cómo deja el trabajo listo para continuar?
Al terminar, dejó el rastro que dejaría un buen empleado, no una herramienta: la documentación de la casa actualizada, un registro de lo hecho, y —esto me encantó— una lista de lo que quedaba pendiente de mí (las decisiones que aún tenía que confirmar), anotada para que no se perdiera.
El diseño de hoy queda así listo para continuar mañana, lo retome yo o la siguiente sesión de IA sin haber estado presente. Un producto de impacto no se diseña de una sentada: se diseña por capas, y cada capa tiene que poder apoyarse limpia sobre la anterior.
En tu caso: valora tanto el entregable como el rastro. Si al acabar nadie más puede retomar el trabajo sin volver a empezar, no has ganado tiempo, lo has aplazado.
Por dónde empezar
Si tuviera que resumirlo: la IA de última generación ya no compite por generar contenido, compite por diseñar producto de forma holística —entendiendo tu oferta, tu usuario y tu negocio, y preparando las decisiones que se derivan—. Y eso acelera de verdad el diseño de productos efectivos, no solo su redacción.
Pero fíjate en el patrón: cada una de estas capacidades solo apareció porque había contexto que absorber. Catálogo documentado, convenciones escritas, promesas registradas, criterios claros. La IA holística es, en buena medida, el espejo de lo ordenada que esté tu organización —por eso el cuello de botella rara vez es la herramienta, y casi siempre es la gestión del cambio y el contexto que le das—.
Si quieres que te ayudemos a poner tu equipo y tu conocimiento en ese punto —o a diseñar tu próximo producto con este enfoque—, hablamos.