Cómo una arquitecta se convirtió en investigadora sénior de UX en Microsoft trabajando con IA
UX Research se ha consolidado como una de las disciplinas más estratégicas dentro de las Big Techs, y lo más interesante es que no todo el mundo que trabaja en esta área empezó estudiando tecnología. La trayectoria de Priyanka Kuvalekar ilustra bien este escenario. Con 31 años, ocupa el cargo de investigadora sénior de UX en Microsoft, donde lidera proyectos de investigación enfocados en Microsoft Teams Calling y experiencias relacionadas con Inteligencia Artificial. Lo que hace su historia aún más relevante es que su formación original es en arquitectura, una carrera de cinco años que completó en India y que aparentemente no tendría conexión directa con el mundo de la tecnología. Sin embargo, fue justamente esa mirada entrenada para entender espacios, flujos y comportamientos humanos la que resultó ser un diferencial competitivo a la hora de diseñar experiencias digitales centradas en las personas.
Antes de llegar a Microsoft en abril de 2025, Priyanka recorrió un camino que incluyó un curso intensivo de tres meses sobre experiencia de usuario, una maestría en UX y Diseño de Interacción iniciada en enero de 2018 en Filadelfia, y pasos por empresas como Korn Ferry y Cisco. En cada una de esas etapas, fue construyendo de forma intencional un repertorio sólido en investigación con usuarios. Para quienes están pensando en cambiar de carrera y entrar en el universo de la Inteligencia Artificial sin tener un título en ciencias de la computación, las lecciones que ella compartió públicamente son bastante directas y aplicables en el día a día 👇
De la arquitectura al mundo digital: cómo empezó todo
Priyanka inició su carrera profesional durante el último año de la facultad de arquitectura, haciendo unas prácticas a tiempo completo como arquitecta junior. Después de graduarse, llegó ese momento de reflexión que mucha gente conoce bien: seguir en el camino ya trazado o arriesgarse con un cambio hacia el mundo digital. Ella eligió la segunda opción. El primer paso concreto fue inscribirse en un curso de experiencia de usuario con una duración de tres meses, que funcionó como una puerta de entrada para entender los fundamentos del área. Ese bootcamp despertó un interés tan fuerte que la llevó a buscar una maestría completa en UX y Diseño de Interacción.
Con la maestría en marcha en Filadelfia, la primera experiencia profesional en el área llegó a través de unas prácticas como investigadora de UX en Korn Ferry. Después de aproximadamente un año de prácticas, Priyanka recibió una oferta para una posición fija, donde permaneció hasta 2021. La transición hacia las Big Techs ocurrió en octubre de 2021, cuando ingresó a Cisco como líder de investigación de UX. En Cisco, estuvo por más de tres años y medio antes de aceptar la posición actual en Microsoft. Este recorrido gradual y bien planificado es uno de los aspectos más instructivos de su historia, porque demuestra que las transiciones de carrera exitosas rara vez suceden de la noche a la mañana.
El papel de la curiosidad y la empatía en UX Research
Una de las primeras cosas que Priyanka destaca sobre su transición de carrera es que la base de UX Research no está en saber programar o dominar algoritmos, sino en cultivar una curiosidad genuina sobre cómo las personas interactúan con productos y servicios. Cuando estudiaba arquitectura, el enfoque era entender cómo los seres humanos se mueven dentro de espacios físicos, qué los hace sentir comodidad o incomodidad, y cómo el diseño de un ambiente influye en los comportamientos. Esa misma lógica se aplica perfectamente al universo digital, donde el objetivo es comprender de qué forma los usuarios navegan por las interfaces, cuáles son sus frustraciones y qué hace que una experiencia sea realmente funcional. La empatía, en este contexto, deja de ser solo un valor bonito en el discurso y pasa a ser una herramienta de trabajo esencial para quien hace investigación con usuarios dentro de cualquier Big Tech.
Otro punto que ella refuerza es la importancia de saber hacer las preguntas correctas. En UX Research, la calidad de los insights depende directamente de la calidad de las preguntas formuladas durante entrevistas, pruebas de usabilidad y sesiones de observación. Priyanka cuenta que su formación en arquitectura le enseñó a observar antes de proponer soluciones, y ese hábito se tradujo muy bien al contexto de investigación en tecnología. En Microsoft, por ejemplo, al trabajar con funcionalidades de Inteligencia Artificial en Teams Calling, necesita entender no solo si el recurso funciona técnicamente, sino si tiene sentido dentro del flujo de trabajo real de las personas que utilizan la herramienta en su día a día.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
La empatía también se conecta directamente con la accesibilidad, un tema cada vez más central en las decisiones de producto de las grandes empresas de tecnología. Cuando un investigador de UX conduce estudios con usuarios que tienen diferentes necesidades y habilidades, contribuye a que el producto final sea inclusivo de verdad, y no solo en el papel. Priyanka menciona que trabajar con Inteligencia Artificial trae un desafío extra en este sentido, porque los recursos basados en IA necesitan ser comprensibles y utilizables por personas con diferentes niveles de familiaridad con la tecnología, diferentes contextos culturales y diferentes capacidades físicas y cognitivas. Ignorar estos aspectos significa crear productos que funcionan solo para una porción restringida de usuarios.
El punto de entrada en la IA: trabajo real con productos en Cisco
La inmersión de Priyanka en el mundo de la Inteligencia Artificial no comenzó con teoría abstracta. Ocurrió de forma práctica, durante su trabajo en Cisco, donde lideró proyectos enfocados en funcionalidades de IA para reuniones y mensajería de Webex. Como investigadora líder, necesitó entender en la práctica cómo los recursos de inteligencia artificial impactaban la experiencia de los usuarios en contextos reales de uso.
Sabiendo que necesitaba comprender los mecanismos detrás de la IA para hacer un trabajo de investigación más consistente, Priyanka buscó certificaciones y capacitaciones tanto ofrecidas por la propia empresa como de forma independiente. Estos estudios cubrieron temas como IA generativa, patrones de diseño para IA agéntica, large language models y frameworks de evaluación de experiencias basadas en IA. Además, exploró cursos y recursos en línea de plataformas como Google Skills, Microsoft Training y DeepLearning.AI para entender cómo la IA generativa podría aplicarse a sus proyectos. Esta inversión en educación continua fue determinante para que lograra hacer de puente entre los equipos técnicos y las necesidades de los usuarios, una habilidad que se convertiría en central en su actuación posterior en Microsoft.
Tres lecciones fundamentales sobre IA para quienes vienen de fuera de la tecnología
A partir de su experiencia transitando entre arquitectura, diseño de interacción e investigación de UX en grandes empresas de tecnología, Priyanka compartió tres aprendizajes centrales que la ayudaron a construir una carrera sólida en Inteligencia Artificial incluso sin tener un background técnico tradicional.
La IA exige evaluación continua, no puntual
El primer gran aprendizaje es que la Inteligencia Artificial no es algo que se prueba una vez y se da por terminado. A diferencia de las funcionalidades tradicionales de software, donde el comportamiento es determinista y predecible, los sistemas basados en IA necesitan una evaluación constante para garantizar que sigan ofreciendo experiencias confiables a lo largo del tiempo. En la práctica, esto significó que Priyanka necesitó diseñar estudios cualitativos que examinaban cómo las conversaciones mediadas por IA se comportaban con grupos diversos de usuarios. Estos estudios revelaron problemas como inconsistencias de tono, interpretaciones equivocadas de significado y cuestiones relacionadas con el ritmo de las interacciones. Al identificar estos puntos de fricción en el mundo real, aprendió cómo refinar sistemas de IA para que funcionaran de manera confiable e inclusiva.
La IA puede derribar barreras, pero también crear nuevas
El segundo aprendizaje vino desde la perspectiva de la accesibilidad. La Inteligencia Artificial tiene un potencial enorme para facilitar tareas y reducir barreras para personas con discapacidad, por ejemplo, al automatizar pasos que antes requerían esfuerzo manual. Sin embargo, si estos recursos no se diseñan con la accesibilidad en mente desde el principio, pueden acabar creando nuevas desigualdades en lugar de eliminarlas. Priyanka aprendió que accesibilidad e IA no pueden tratarse como temas separados. Es fundamental incluir a personas con discapacidad en los estudios de investigación sobre IA y evaluar cómo estos sistemas se integran con tecnologías de asistencia, como lectores de pantalla y navegación por teclado. Esta mirada evita que la innovación tecnológica termine excluyendo justamente a quienes más podrían beneficiarse de ella.
La fluidez importa más que la profundidad técnica
La tercera lección es quizás la más liberadora para quienes no vienen de un background en ciencias de la computación: no necesitas construir la tecnología para generar impacto en ella. Lo que importa es entender lo suficiente para dialogar con los equipos técnicos y garantizar que la evaluación de calidad de la IA esté arraigada en la experiencia real de los usuarios. Para Priyanka, ganar esa fluidez significó comprender los conceptos detrás del funcionamiento de los large language models, sus limitaciones y cómo diseñar frameworks de evaluación que tengan en cuenta esas limitaciones. Esta base de conocimiento la ayudó a hacer preguntas más relevantes a los ingenieros, a conducir estudios que miden confianza, consistencia y fiabilidad en diferentes grupos de usuarios, y a trabajar de cerca con gerentes de producto para definir qué significa el éxito para experiencias basadas en IA.
Inteligencia Artificial y Diseño de Interacción en las Big Techs
El escenario actual en las Big Techs muestra que la Inteligencia Artificial ya no es un área aislada dentro de los departamentos de ingeniería. Está integrada en prácticamente todos los productos orientados al consumidor y al mercado corporativo, lo que significa que los profesionales de UX Research y Diseño de Interacción necesitan entender al menos los fundamentos de cómo funcionan estos sistemas. En el caso de Priyanka, trabajar con IA en Teams exige que comprenda cómo los modelos de lenguaje generan respuestas, cuáles son las limitaciones de estas tecnologías y de qué manera los usuarios perciben y reaccionan ante interacciones mediadas por inteligencia artificial. Esta comprensión no necesita estar al nivel de un ingeniero de machine learning, pero sí debe ser suficiente para que la investigación genere insights relevantes y accionables para los equipos de producto y desarrollo.
El Diseño de Interacción gana una capa adicional de complejidad cuando involucra Inteligencia Artificial, porque el comportamiento del sistema no siempre es predecible de la misma forma que una interfaz tradicional. En un menú desplegable o en un formulario de registro, el usuario sabe exactamente qué esperar al hacer clic en cada elemento. En cambio, en una interfaz conversacional alimentada por IA, como las funcionalidades de Copilot integradas en Teams, la respuesta puede variar dependiendo del contexto, del historial de la conversación y de la forma en que se formuló la pregunta. Esto crea desafíos únicos para quienes diseñan estas interacciones y para quienes investigan cómo reaccionan los usuarios ante ellas. Priyanka observa que este es uno de los campos más fascinantes de la investigación de UX actualmente, justamente porque todavía existen muchas preguntas abiertas sobre cómo hacer estas experiencias más naturales, confiables y transparentes.
Además, la accesibilidad debe considerarse desde el inicio del proceso de diseño cuando hablamos de productos basados en IA. No sirve de nada crear un recurso sofisticado de resumen automático de reuniones si no funciona adecuadamente con lectores de pantalla, o si la información generada por la IA se presenta de una forma que dificulta la comprensión por parte de personas con discapacidades cognitivas. Las Big Techs como Microsoft, Google y Apple han invertido cada vez más en directrices de accesibilidad para productos de Inteligencia Artificial, y los profesionales de UX Research desempeñan un papel fundamental en este proceso al garantizar que las pruebas incluyan participantes con perfiles diversos y que los resultados de esas investigaciones informen decisiones concretas de diseño e ingeniería.
Por qué un background no tradicional puede ser una ventaja
Priyanka hace hincapié en que entrar en el área de IA sin un background tradicional en tecnología puede ser, en realidad, una ventaja. Su recomendación es empezar por el punto donde la IA se encuentra con las personas, y no donde la IA se encuentra con el código. El enfoque debe estar en cómo la inteligencia artificial aparece en los productos y cómo las personas experimentan esas interacciones en el día a día.
Una de las formas más prácticas de aportar valor sin tener formación técnica es ayudar a definir qué significa calidad para una funcionalidad de IA. Trabajar junto con gerentes de producto para hacer preguntas como: ¿la IA está operando dentro del alcance esperado? ¿Maneja bien las interrupciones? ¿Es inclusiva respecto a diferentes idiomas y dialectos? Estos aspectos frecuentemente se descuidan cuando la IA se ve únicamente como un sistema técnico, pero son absolutamente cruciales para la confianza del usuario. Quien logra traducir estas cuestiones en términos accionables se convierte en una pieza indispensable dentro de cualquier equipo de producto.
Construyendo un portafolio enfocado en IA y personas
Otro consejo valioso que Priyanka comparte es sobre la importancia de construir un portafolio que demuestre la intersección entre IA y experiencia humana. Según ella, los responsables de contratación no quieren solo ver que el candidato sabe que la IA existe. Quieren evidencias concretas de que esa persona es capaz de moldear la tecnología de forma responsable y hacerla utilizable.
Herramientas que usamos a diario
En la práctica, esto significa documentar todos los frameworks, rúbricas y estudios de evaluación realizados, además de ejemplos claros de cómo los insights generados por la investigación influyeron en decisiones de producto. Incluso quienes aún no han tenido acceso a proyectos en grandes empresas pueden conducir estudios a pequeña escala con herramientas de IA disponibles públicamente y usar esos materiales para demostrar su razonamiento y capacidad analítica.
Priyanka también sugiere ofrecerse como voluntario en proyectos donde la IA se está integrando en herramientas ya existentes y buscar responder preguntas como: ¿qué necesita hacer esta funcionalidad de IA? ¿Cómo debería comportarse? ¿La IA es capaz de explicar qué puede y qué no puede hacer? ¿Se recupera de forma elegante cuando comete un error? Estas son exactamente las preguntas que investigadores, pensadores de producto y profesionales con backgrounds no tradicionales están en una posición privilegiada para responder.
Lecciones prácticas para quienes quieren cambiar de carrera
La experiencia de Priyanka trae algunos aprendizajes bastante objetivos para quienes están considerando una transición hacia el área de UX Research, especialmente dentro del contexto de Inteligencia Artificial. El primero de ellos es que la formación académica tradicional en tecnología no es un prerrequisito absoluto. Lo que importa es la capacidad de demostrar pensamiento analítico, habilidad de comunicación y una comprensión profunda del comportamiento humano. Personas que vienen de áreas como psicología, antropología, sociología, periodismo e incluso arquitectura frecuentemente poseen competencias que se traducen muy bien al universo de investigación con usuarios. El secreto está en saber conectar esas habilidades con las demandas específicas del mercado tecnológico y presentar eso de forma clara en portafolios y entrevistas.
El segundo aprendizaje trata sobre la importancia de construir experiencia práctica de forma gradual y estratégica. Priyanka no saltó directamente de la arquitectura a una posición sénior en Microsoft. Invirtió en un curso de UX de tres meses para adquirir fundamentos, después profundizó sus estudios con una maestría en UX y Diseño de Interacción, y a continuación pasó por posiciones en Korn Ferry y en Cisco antes de llegar a una Big Tech del calibre de Microsoft. Cada etapa sirvió como un peldaño que sumó nuevas competencias a su repertorio y fortaleció su capacidad de actuar en proyectos cada vez más complejos. Para quienes están comenzando este camino ahora, la clave es no intentar saltarse etapas, sino aprovechar cada oportunidad para aprender, equivocarse, iterar y construir un portafolio que demuestre una evolución real.
Por último, Priyanka refuerza que mantenerse actualizado sobre Inteligencia Artificial y sus aplicaciones en productos digitales es esencial para cualquier profesional de UX Research que quiera seguir siendo relevante en el mercado. Las Big Techs están en una carrera intensa para integrar IA en todas sus plataformas, y esto genera una demanda creciente de investigadores que puedan evaluar el impacto de estas tecnologías en la experiencia del usuario. Entender conceptos como accesibilidad en contextos de IA, saber conducir estudios con interfaces conversacionales y tener familiaridad con las discusiones éticas que rodean el uso de modelos de lenguaje son diferenciales que marcan una gran diferencia a la hora de conseguir posiciones estratégicas. El campo está abierto, y los profesionales con backgrounds diversos tienen mucho que aportar para que los productos de tecnología sean más humanos, inclusivos y funcionales 🚀
