Publicado en

Cuándo no hay evidencia suficiente: las dos formas en que un diagnóstico honesto dice “no”

Cerré el post anterior con una promesa: entrar en la capa más incómoda de las tres. Ya vimos la observación, el diagnóstico y la decisión — y vimos que, en la página de Factorial, había un punto donde la herramienta se paró antes de decidir. Este post va de ese punto: qué pasa cuando la evidencia no da, y por qué pararse a tiempo es más útil que rellenar el hueco.

La tentación de tener siempre una respuesta

Un modelo de lenguaje casi nunca se queda sin respuesta. Le preguntes lo que le preguntes, produce algo — y lo produce con el mismo tono seguro con el que produciría algo correcto. Esa es su gracia y su trampa. Porque en un diagnóstico, la respuesta de más no es gratis: cada recomendación que sigues es una página que tocas. Y tocar una página que funcionaba, por un consejo que sonaba bien, tiene un coste que no se ve hasta después.

El valor de una herramienta de diagnóstico no está solo en lo que te dice. Está también en lo que se niega a decirte cuando no tiene con qué sostenerlo.

Dos formas de decir “no”

No todos los silencios son iguales. Hay dos motivos muy distintos para que un diagnóstico se abstenga, y conviene no confundirlos.

El primero es no hay evidencia suficiente para decidir: se ve el problema, pero la decisión depende de algo que no está en la pantalla. El segundo es la evidencia sugiere que podría ser intencional: parece un fallo, pero podría ser una elección deliberada, y cambiarla a ciegas sería el error. En los dos casos la herramienta se contiene. Pero se contiene por razones opuestas — y saber cuál de las dos es cambia lo que tienes que hacer después.

Cuando no hay con qué decidir: doce acciones y ninguna que mande

En la página de Factorial que ya usé de ejemplo, la observación era clara: doce acciones plausibles compiten en la primera pantalla y ninguna domina. Hasta ahí, un hecho. El diagnóstico también es honesto: hay competencia entre acciones, y eso probablemente reparte la atención.

Pero la decisión —cuál debería ser la acción que manda— no está en la pantalla. Depende de a qué segmento sirve cada una y de qué convierte, y eso no se lee mirando: se sabe con datos que la herramienta no tiene delante. Así que se abstiene. No dice “pon este botón primero”. Dice: aquí hay doce acciones compitiendo, decide tú cuál lidera antes de reordenar nada.

Podría haber inventado una jerarquía convincente. Habría sonado bien. Y te habría hecho mover una pantalla entera sobre una suposición disfrazada de recomendación.

Cuando lo raro puede ser deliberado: verificar antes de tocar

El segundo tipo de “no” es más sutil, y para verlo cojo otra lectura pública, esta vez de Calendly — mismo disclaimer: no es cliente ni me lo han encargado, es solo una web pública que sirve de ejemplo, analizada el 9 de julio de 2026. Si quieres, abre la lectura completa mientras lees.

Ahí la herramienta señaló algo concreto: en la primera pantalla conviven tres caminos de registro —Google, Microsoft y email— más un “Get started for free”, y todos pesan visualmente lo mismo. Varias entradas con el mismo peso obligan al visitante a elegir antes de actuar, y un único camino dominante suele hacer más fácil el primer paso.

Hasta aquí parece una fricción que se arregla quitando opciones. Pero la herramienta no dice eso — y ahí está el detalle. Ofrecer varios métodos de registro puede ser perfectamente intencional: Calendly querrá que cada tipo de cuenta entre por su puerta. Así que no recomienda eliminar ninguno. Separa dos cosas que es fácil confundir: la presencia de varias opciones, que podría ser una decisión deliberada y que no toca, y su peso visual idéntico, que es lo único que sí puede defender como problema. Y su recomendación se queda exactamente ahí: decidir cuál es el camino principal y dejar que domine, con los demás disponibles pero secundarios. Ni una palabra sobre quitar opciones.

Esa es la disciplina fina: no es callar del todo, es saber sobre qué parte callar. Recomienda lo que la evidencia sostiene y se abstiene justo en lo que podría ser una elección deliberada.

Qué significa verificar antes de tocar

Verificar antes de tocar no es una excusa para no decidir. Es la parte de la decisión que casi nadie te da. Significa nombrar la comprobación concreta que convertiría una sospecha en una certeza: mira si esas doce acciones responden a segmentos que ya convierten; comprueba con datos si en Calendly ese peso visual igualado está de verdad repartiendo la conversión, antes de jerarquizar un camino sobre otro. La herramienta te deja en la puerta de esa comprobación, en vez de saltársela y decidir por ti.

Es menos espectacular que una lista de veinte cambios. Pero es lo que hace un experto de verdad cuando lo consultas: no te suelta la solución, te dice qué mirar antes de comprometerte.

Por qué un “no sé” a tiempo te hace más fiable

Hay una crítica instalada, y con razón, de que la IA opinando sobre interfaces es poco fiable: contesta siempre, aunque no tenga base. Por eso una herramienta que a veces dice “con lo que se ve, esto todavía no lo cambiaría” es rara — y por eso es más fiable, no menos.

La abstención no es un fallo del sistema que haya que disimular. Es la señal de que, cuando sí decide, ha mirado si podía. Un diagnóstico que nunca se calla no es más completo. Es menos honesto.

Pruébalo con una URL tuya

Pon una URL tuya en UXMachine y fíjate en lo contrario de lo que mirarías normalmente: no en cuánto te dice, sino en si en algún punto se abstiene — y si, cuando lo hace, te deja una comprobación en la mano. Si nunca se calla, desconfía. Si se calla y te dice por qué, empieza a servir.

Todo esto se apoya en una palabra que he usado sin definirla del todo: evidencia. En el próximo post entro en ella — qué cuenta como evidencia visible, qué no, y por qué mirar solo lo que se ve, en vez de opinar sobre lo que se intuye, es una fortaleza y no una limitación.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.