This post is a summary of the presentation that Olga C. Santos and me gave in the EuroIA 2015 Summit in Madrid on 24th September, where we discussed how personalization enhances the user experience and how information architecture can help in the process. Olga C. Santos has a Ph.D in Artificial Intelligence, and I have a Ph.D in Industrial Engineering. She is primarily focused on Academia, while I design experiences for the industry. Although our profile, background and jobs are quite different, we both share user-center-design methodologies in our projects, and personalization is just one of them.

What is personalization?

Personalization is the process of tailoring content and functionalities to individual users’ needs, characteristics and preferences to anticipate interactions and, consequently to increase conversion, satisfaction and retention. By anticipating interactions, the system becomes faster and easier to use, because users don’t waste their time with all the possible options they have, and they just focus on what the system considers it is best for them to do.

A trendy term nowadays is Business Intelligence (BI), or the science of transforming data into meaningful and useful information for companies. Both BI and personalization share artificial intelligence techniques and tools. However, personalization steps a little bit further by adjusting the interface to each user in real time.

Others approaches that are not personalization

In the beginning, systems were made the same for everybody, it did not matter if you were a new user or an expert: the products had the same interface for everybody.

Then, some macro-segmentation was introduced in the design. For example, if you visited a university website, you were prompted to say if you were a student or a professor to get a different version of the website in each case. Sometimes a cookie was set in the browser, so the next time you visited the site, you directly accessed to the specialized version you had previously chosen.

The evolving version of macro-segmentation is micro-segmentation. This concept comes from advertising, and it consists of providing certain contents and functionalities to the users depending on their profiles. This is not like the user choosing between the student or the professor portal in the university website, it is about all the site automatically adapted to this user’s profile. Micro-segmentation gathers data from cookies and their social network identities. Then, the system accesses to sensitive information and depending on that information, it sets a group of rules to show one piece of information or other. The goal in this case is to improve conversion.

Another step is allowing the users to set their preferences in the system. That is customization. Although people often use both words for the same concept, they are not the same at all. Users customize their experience explicitly by stating their interests and preferences, while the personalization is directly provided by the system based on the experience, without users lifting a finger.

Personalizing UX vs. Customizing UX

Imagine it’s 2 in the morning, I am writing my Ph.D so I need concentration. My headphones are plugged in and I select some classic music to play. Yesterday, in the evening, I was partying with friends at home and we were listening to disco music in high volume.

situation 1
In the customization scenario, if I don’t want high volume, I have reduce it. That is, I have to do something to accommodate the system to my particular circumstances. But, if the system had a personalization layer, it could have recognised the situation and, based on previous experiences (mine or from other people), set the volume automatically to an appropriate level.
In both scenarios, the result is the same: you got the volume set to a low level, but which one has the best user experience? It depends on the person, of course, but the user’s flow is better with the personalization.
personalization vs customization flow

In this classic flow diagram from Mihaly Csikszentmihalyi, we show how the personalization allows the user to be focused on the task. If the user has too many preferences to adjust, it will cause anxiety. But if the user has to adjust the preferences very often, she will be bored. The goal is that the user stays focused on what she is doing.

However, be careful with generalization. Let’s take the same situation as before, but today I want full silence, and the system does not know it.

custo 2

In the customization scenario, I don’t have to do anything, just focusing on my task. In the personalization scenario, the computer automatically plays Mozart in a low volume because it considers that the situation is similar than before. Maybe I like it or maybe I don’t, but it has not been my decision. If I don’t like it, I have to stop what I am doing, quit that music and look for this situation not to happen anymore. This is taking time, effort and attention out from me, keeping me away of my flow.

Bad user experience in this case for the personalization, though a good personalization system will learn from this failure to make better decisions in the future.

How to personalize experiences

Creating personalization is not different from cooking a recipe.


  1. First, we will need some ingredients. Our raw material is three flavours of data: the system data, the user data and data from other users.
  2. Then, we have to cook the data in the processing step.
  3. As a result of the processing we deliver the personalization, that is, the meal.

System data

When we talk about system data, we are talking about the contents and functionalities that our system has. These contents and functionalities should be provided with metadata, that allow the system to classify them: for example, new or old contents, functionalities for novels or experts, etc. This classification can be done manually by the system administration or by users, or automatically with algorithms.

system data

User data

There are several methods to gather data from the user:

  • By asking the user to set her preferences in forms, the same technique used as in customization. This technique is bothering for the user, and there are many drops-out in this step, so if you use this method, keep forms as simple and short as you can.
  • Cookies provide useful information on what the user did in the session, but it is difficult to know when the user jumps from one device to another, or when many people use the same device.
  • Other technique is to analyse the click-stream the user performs. This technique is also used in micro-segmentation, and you have to learn some analytics to correctly read and summarize information. The most interesting aspect of this technique is that you can create rules depending on the user behaviour.  For example, some travelling websites rises their prices in the second or third interaction of the user with the site, to motivate the users to complete the purchase before the price rises again. In turn, in certain e-commerce sites, when a user visits several times the same item, and spends a lot of time comparing it with other items or shops, she may receive a discount coupon to motivate her decision.
  • The fourth way to gather user data is to ask for feedback on what theuser is doing right now. For example, when the user clicks on facebook’s “I like” button in a cooking recipe like this one. On the one hand, her friends will see this content and maybe they come to this site to get more information. But on the other hand, the same user will probably get recommendations on other cooking recipes in her facebook timeline, not only from this site, but from other cooking websites.
  • Finally, we can analyse the context of the user by getting continuous flows of data she generates, for instance content created (emails she has composed), transactions performed (payments with her credit cards), her biometrics (physical data traced with wearables) or the context where she lives in (her connected car trips records). When the goal of the data exchanged by these devices is to improve the user experience, it’s called “Internet of Me”.

Data from other users

Here we refer to other users of the system whose interactions are also recorded and processed. When there is a critical mass of users in a system, the system can match the data of a given user with the data of other users who have similar features to this user, and then deliver the personalization in a way that the system predicts to be statistically successful for this user based on what similar users did in the past. This is called collaborative filtering.

Currently systems are also gathering data from users outside the own system. For example, some news websites adapt the contents in their front-page depending on what is trending topic in twitter.

Sometimes users are aware that their interactions affect in the personalization of the interface of other users. For instance in Reddit, when users vote a post, they assume that they are changing other users’ contents. But other times users are not aware that their interactions are recorded and used. For example, Amazon collects information on your purchases to recommend other users similar to you to do the same purchase.


As we have seen, data collected are getting more and more complex everyday. Widely used personalization approaches such as collaborative filtering might not be sufficient. Thus, when the data arrives to the processing step, two procedures should happen:

processing scheme

First, the features of the user can be extracted from the data collected with data mining algorithms to build or update a model that represents the user.

With this information, the system can apply rules to match the appropriate contents and functionalities for a given user in a given context. This reasoning produces the personalization that has to be delivered.

Besides, there are two trendy concepts in processing taking advantage of the Internet of Me.

processing with bug data and affective computing

The first one is called affective computing, which helps the system learn a new aspect about the user: her emotional state. In this way, systems can be personalized in an empathic way. Affective computing combines multiple data sources such as physiological data, facial expressions, biomechanics data and so on.

The second concept is Big Data. This new paradigm deals with large Volumes of data flows that continuously arrive at high Velocity and come in a Variety of formats, as it happens in affective computing. These enriched and complex data exceeds the processing capacity of previous processing technologies, and thus, rely on advance processing approaches.

Delivery of the personalization

The last step of the personalization path is the delivery step. There are two ways of doing it: recommendation and adaptation.


In the first type, the recommendations, the system suggests the user to do something because it predicts the user will like it; and the user can decide whether to follow the recommendation or not.

The other way to personalize the experience, much more subtle and perhaps controversial, is the adaptation. In this case, the system automatically adds, removes or modifies contents or functionalities based on what it knows about the user.

In both cases, the system needs to “show the ‘right’ thing at the ‘right’ time in the ‘right’ way to the ‘right’ person”.

Artificial Intelligence seeks help in Information Architecture

Traditionally, personalization has been designed by artificial intelligence experts, who control all the steps of the process. Everything is considered quantitative and depends on the data. In this context, there exists several issues that can challenge Information Architects:

  • Data gathering is complex, its labeling is tedious and many data are un-structured and difficult to analyse and mash-up.
  • In the processing step, personalization faces three problems: First, when the system is new, it’s complicated to train it without burning down the users expectations. Second, understanding rough data in order to decide the algorithms that apply best is quite difficult, specially in the emerging Big Data paradigm. And third, not all the needs or features are considered in the user modelling, so there are still gaps to fill in with relevant knowledge that can enrich the personalization.
  • Lastly, in the delivery step, there are only two alternatives (recommendation and adaptation), and interfaces are often not visually appealing. Besides, only quantitative information is usually taken into account in the evaluation of the personalized experience.


So the challenge now is: “how can Information Architects help Artificial Intelligence experts to create better personalization experiences?” Here are some ideas we propose to cope with these problems.

  • The first challenge focuses on the problem of the ingredients, which were the complexity and tediousness of gathering data, often un-structured and difficult to analyze and mash-up. In this sense, Information Architecture has methodologies such as quick protyping, to explore new ways of gathering data in usable, elegant and non-intrusive ways. Besides, other data that have not been used yet, or new ways to categorize data, can be considered with user research like shadowing or card-sortings sessions.
  • In the processing step, there were three problems. First, when the system is new, it’s complicated to train it without burning down the users expectations. In this case, gamification techniques can be applied to cope with them. This is what Google did, for example, to tag photos and to teach its engine how to recognise them. The second problem is understanding rough data. Here, Information Architects can provide user friendly data visualizations, creating tailored charts and graphics to provide a picture of the data collected. And the third issue in processing is the need to consider other needs or features in the user modelling. In this sense, qualitative research with service design techniques can elicit new needs or features that can lead to developing new algorithms or patterns.
  • Finally, regarding the delivery step, Information Architects can help in complementing the quantitative evaluation with qualitative insights to measure the impact of the personalization. And lastly, maybe the more challenging one, that is finding new alternatives to deliver the personalizations apart from the recommendation and adaptation approaches.


With great power comes great responsibility

To this point, we have showed some of the benefits that personalization can bring, but… “with great power comes great responsibility”. Here there are some issues that have to be considered when jumping into personalization.


  • Most of the users fear that their data might be lost, stolen or exposed, so security must be a priority in any design. Remember that we all can be are monitored in all aspects of our life. The system who controls all data will be able to know where the user is, how she feels, where she is looking at, and almost what she is thinking… Yes, this system may improve user experience, but we are loosing our privacy as well.
  • Personalization can create a “filter bubble” that prevents people from accessing to other viewpoints beyond their own, or getting only facts which confirm their existing opinions. Sometimes we should break that bubble to explore new directions and enrich our perspective.
  • Some users don’t like to be profiled, and prefer the freedom of choosing by themselves, so it’s mandatory to provide mechanisms to avoid the personalized experience.
  • When designing a personalized system, it relies on users doing a lot of interactions like filling in heavy forms or navigating intensively. But on the other hand, users want the system to guess what they want without them having to lift a finger. Designers must avoid pushing users too much to provide data, and manage the risk that sometimes the system inferences might be wrong.
  • Finally, when there are so many possibilities in the contents and functionalities, visual design is affected. We can’t assume two different users using the very same product, so we have to work with modules like LEGO bricks, that fit one into another in an usable and elegant way.

So, with these challenges and issues in mind, Artificial Intelligence and Information Architecture should be together when personalizing user experiences. This collaboration can enable companies to increase conversion, satisfaction and retention. And consequently, their profitability.


ai loves ia


Llevo mucho tiempo trabajando en diseñar experiencias de usuarios. Tanto, que me es imposible diferenciar cuándo dejé de diseñar simplemente para empezar a pensar en lo que diseñaba, para quién, para qué, y cuál era la mejor manera de hacerlo. Sin embargo, puedo delimitar claramente cuándo empecé a dejar de considerar al usuario como simple usuario, y considerarlo como cliente.

Fue hace unos siete años. Una tienda online me pidió un rediseño y que demostrara que mi rediseño era más rentable que seguir manteniendo la versión que estaba en ese momento disponible.

Cuando haces UX (User Experience), tus KPIs pueden ser más o menos interpretables (belleza de la interfaz, tiempo en terminar los procesos, satisfacción con el producto…); pero cuando haces CX (Customer Experience), tienes que demostrar tu ROI (Return On Investment) con los números que de verdad le interesan a las empresas: unidades vendidas, precio de los pedidos, recursividad en la compra, fidelización de clientes…

Acceder a estos datos no es fácil si eres una persona externa a la compañía. No vale sólo con que te den acceso a sus analíticas (y que te las estudies de arriba a abajo), sino a información realmente sensible que delatan el comportamiento real de la empresa. En el caso de esta tienda online me la facilitaron. Aproximadamente, esta era la foto de la empresa en ese momento.

  • Productos en cartera: Unos doscientos modelos diferentes. De ellos,
    • Cinco productos (a los que llamaré ‘alfa’), de un precio de unos 400 dólares. (10% de las ventas)
    • Unos veinte productos (‘beta’) de 100 dólares. (25% de las ventas)
    • El resto (‘delta’) de 10 a 80 dólares. (65% de las ventas)
    • El stock era limitado (unas mil unidades por producto).
  • Unidades en el carrito: 1,1 de media
  • Clientes: unos 8.000 al año (los recurrentes casi no llegaban al 5%)
  • Estacionalidad: las ventas se concentraban principalmente en Navidades (60%) y San Valentín (10%).
  • Ingresos: unos 150.000 dólares al año
  • Gastos: unos 700.000 dólares al año (la mayor parte en publicidad). No me dijeron el coste de adquisición de clientes, pero intuyo que salía un dato bastante mal parado.
  • Inversión recibida: unos tres millones de dólares hacía unos meses.

Haciendo unas cuentas rápidas, se puede concluir que perdían dinero a espuertas. Pero era la época del renacimiento de la inversión en internet, así que ellos estaban tranquilos.

Mi primera impresión es que necesitaban un cambio completo de rumbo. Cambios en la política de precios, de publicidad, de enfoque en general. Pero me habían pedido que rediseñara la tienda, no la empresa, así que tras un primer intento de convencerles en ampliar el ámbito del proyecto, me tuve que conformar con hacer lo que pedían.

Y lo primero que hice fue abrir una hoja excel. Era la primera vez que lo hacía.  Normalmente cuando diseñas UX lo primero que haces es abrir su sitio web y analizar todo lo que se puede mejorar. En este caso no. Lo primero que hice fue fijar unas prospectivas de ventas y de cómo lograr que, con la cartera de productos que había, y a los precios que tenían, se consiguiera: qué cantidad de productos había que vender, de qué tipo, etc. Esto va más allá de la simple conversión, va de planificar qué estrategia de ventas había que tener (cosa que deberían haber hecho en la empresa que contrataba, pero que no lo habían hecho).

Jugué con varios escenarios y al final plantée tres a la empresa: 1) centrarnos en los productos alfa; 2) centrarnos en la larga cola de los delta; 3) hacer equilibrios con productos de cada tipo (como estaba en ese momento y que no les daba buenos resultados). Cada una tenía sus pros y sus contras, y esa presentación prospectiva, que no estaba presupuestada ni pedida, dio muchas vueltas en las oficinas del cliente hasta que al final salió la que me encajaba más, la primera. La idea era hacer que la tienda fuera un baluarte en la venta de los productos alfa, el especialista al que acudir si los querías. El resto de productos eran acompañantes.

A partir de ese enfoque inicial, empecé a hacer UX tradicional, aunque algunas cosas habían cambiado en mi mente:

  • La analítica de lo que había antes me valía de poco. Me servía para tener una referencia, pero el cambio iba a ser tan profundo que cualquier comparación con esos KPIs sería injusta. ¿Qué más daba si tardaban más en el proceso de compra? ¿O si llegaban menos personas a completarlo? Prefería un cliente de producto alfa a tres de producto delta. El carrito de la compra era el mismo, pero en ese momento en las analíticas no lo reflejaban. Ahora con Google Analytics sí se pueden poner metas y objetivos cuantificables, pero en aquella época no.
  • El cross-selling o el up-selling ya no eran un estorbo para el proceso de compra; sino que se convertían en algo completamente necesario. Con mucho cuidado, con mucho mimo, pero ahí estaban.
  • La conversión se convirtió en una pequeña obsesión. Me centré en las micro-conversiones (aún no medibles por analítica tampoco, sólo por tests A/B). Los test de usuarios me parecieron un estorbo, tanto para la página antigua como para el rediseño (es posible que me equivocara, pero prefería emplear el presupuesto en hacer cinco tests A/B que en un test de usuarios).

Con este planteamiento y método presenté un rediseño que incluía un análisis detallado del target de la tienda y de la competencia, el customer journey,  una propuesta de valor para los clientes (más allá del simple producto, que podía ser adquirido en cualquier tienda del mundo), una prospectiva de ingresos por canal y, por supuesto, prototipos del rediseño de la tienda. Me hubiera gustado poder rediseñar más cosas (formas y maneras de publicidad, política de precios, formas y costes de envío, otras formas de contacto con la empresa, política de devoluciones…), pero esa no era mi guerra.

La empresa quedó encantada con la propuesta, pero insistió en que demostrara la rentabilidad de la misma. ‘Oráculo no soy, pero esta dirección es correcta’, les dije, y les argumenté las razones que me llevaban a decirlo.

La empresa me agradeció mi trabajo, me pagó y se comprometió a implementar la propuesta después de la campaña de navidad. Por desgracia, los ingresos por ventas en navidad no fueron los de años anteriores y la empresa no sobrevivió hasta San Valentín, por lo que el rediseño nunca llegó a ver la luz, y tampoco se pudo demostrar que mi rediseño era mejor que lo anterior.

Evidentemente, era más bonito y más usable, pero no era lo más espectacular del mundo. Era una tienda online que se ajustaba técnicamente a la herramienta que tenían comprada, pero lo importante no era el aspecto gráfico, ni los pasos del proceso, ni si el usuario estaba más o menos satisfecho después de pasar  por la tienda. Lo importante era todo el pensamiento de investigación y estrategia de ventas. Me había pasado al lado oscuro. Y desde entonces, lucho por salir de la CX, pero cada vez me gusta más.

La imagen está inspirada en este artículo de Kerry Bodine en Forrester.

Seamos sinceros: crear mola. Crear cosas mola mucho; y crear intangibles mola aún más. Por eso ha habido un movimiento evolutivo de diseñadores que se han pasado a un sector que estaba creativamente estancado, y lo están revolucionando.

Pero ¿qué es el Diseño de Servicios? ¿Te interesa meterte en este tema? Vamos por partes.

Escenificación del servicio

¿Qué son los servicios?

Los servicios han existido desde que el hombre el hombre. O lo que es lo mismo, desde que el hombre tiene necesidades, y por lo tanto, interactuan entre sí para cubrirlas. Todo servicio implica cubrir una necesidad (o varias).

La ISO 9000 categoriza los servicios como un tipo de productos, aunque la actual pujanza económica de los servicios ha hecho cambiar la mentalidad, pues al final es la satisfacción de la necesidad a través de un servicio quien guía qué productos se deben crear, cómo deben funcionar y qué características deben poseer.

¿Cómo acaban lo diseñadores creando servicios?

Los servicios se habían anquilosado como commodities (por ejemplo, una cuenta corriente era una cuenta corriente en cualquier banco; o la única diferencia entre viajar en una compañía aérea u otra era por precio; o todos los partidos políticos tenían ideas similares). Esta normalización de los servicios estaba no solo dejando de lado la resolución de necesidades de las personas, sino que además estaban generando problemas: ¿Por qué tengo que actualizar mi cartilla cada vez que voy al banco? ¿Por qué tengo que imprimir mi tarjeta de embarque? ¿Por qué tendría que votar?

Entonces los diseñadores se dieron cuenta de que había necesidades que cubrir. Volvamos a la ISO 9000. La propia ISO define los servicios como el resultado de realizar al menos una actividad en la interfaz entre el proveedor y el cliente, y generalmente es intangible. ¿No se os viene a la mente el concepto de “interacción”? Mosquis, si es lo mismo. Hay un momento “matrix” en el que algunos diseñadores ven el código de lo que les rodea, y plantean la hipótesis:

Si los productos son servicios, puedo usar la metodología de Diseño Centrado en el Usuario para crear un servicio.

Es entonces cuando estos diseñadores dejan de crear productos con una experiencia de usuario determinada, para crear una experiencia de usuario a través de un producto determinado.

Sus métodos de trabajo son similares a cuando creaban productos, pero ahora los dedican a la creación de nuevos servicios y la mejora de los ya existentes.

Definición de personas

Póngame un ejemplo

Senolaf, 1945. Una empresa me pide un presupuesto para rediseñar un sitio web para adolescentes. En el briefing insisten en que debe dar la impresión de que son gente seria, y que a los usuarios se les trataría de “usted”. Es en ese momento cuando mi sentido arácnido detecta una incoherencia en el planteamiento y empieza a dar vueltas a la propuesta. No al rediseño del sitio, sino al servicio en sí, a la propuesta de valor que genera a sus usuarios, las necesidades de éstos o el problema que intenta solventar realmente.

Identificar cuándo tienen que cambiar una interfaz, y cuándo el modelo de negocio, es todo un arte. Hacerles ver el problema, y convencerles de que otro enfoque es posible, un bonito ejercicio de técnicas de venta.

Esta historia no acabó bien para casi ninguno de los implicados.

En lugar de darles exactamente lo que querían, investigué las necesidades reales de los usuarios, y los problemas que estaban teniendo con el producto. De esta investigación saqué unos poderosos insights que apliqué en una propuesta que encajaba en un 20% con lo pedido. Lejos de agradecer el esfuerzo (gratuito) hecho, el cliente lo tomó como una intolerable injerencia en su negocio, y le dieron el proyecto a otro diseñador, que hizo punto por punto lo que el cliente quería. Años más tarde me reconocieron que el rediseño no les había funcionado, y que seguían teniendo los mismos KPIs que antes del rediseño.

¿Merece la pena meterse en el diseño de servicios?

Me remito a las primeras frases de este post. Sin embargo, hay que tener en cuenta que la creación de un producto implica un 1% de inspiración y un 99% de transpiración, es decir, normalmente se necesita más gente y más tiempo en el proceso de ejecución que en el de ideación. Hay que darse prisa antes de que ese 1% se cope de diseñadores de servicios que llegaron antes que tú.

¿Se puede ser diseñador de servicios sin ser diseñador?

Esta pregunta me recuerda a cuando me preguntan si se puede ser diseñador de ux sin saber diseñar. A ver, sí, se puede, pero es mejor tener cierto background.

Es posible que hayas oído hablar del “Pensamiento de Diseño” (en inglés “Design Thinking”, que siempre viste mucho). El “Pensamiento de Diseño” es mucho más que un simple “pensamiento”. Incluye la sensibilidad (actitudes, creatividad, espíritu innovador, emociones…) que los diseñadores ponemos sobre la mesa cuando trabajamos. Y, por supuesto, la metodología DCU. Si eres diseñador de UX, ya te la habrás pateado y tendrás mucho terreno ganado.

Mapa de la experiencia de usuario

¿Dónde me puedo formar?

Se me vienen a la mente estas empresas, de las cuales me fío:

Todos ellos cuestan un dinero y tiempo importante. Si eres de la escuela del indomable Will Hunting, es decir, la auto-formación, en internet y en las bibliotecas tienes muchas referencias:

A partir de ahí, puedes tirar de enlaces, wikipedia, google, o lo que tu curiosidad te pida.

Ya he leído mucho, quiero acción

A caminar se aprende caminando. Cayéndote, levantándote, y volviendo a intentarlo. Y después de aprender a caminar, aprender a correr.

Busca problemas, en el sentido literal. Busca problemas de verdad. Busca a gente con problemas y hazles partícipes de la solución.

Ayúdate con este Service Design Toolkit para guiarte en las diferentes fases. Una vez que lo domines, crea nuevas técnicas y herramientas, según tu necesidad.

Y por último, no dejes que las ideas, insights y propuestas resultantes de los procesos de service design se conviertan en brindis al sol. Si de verdad crees que has dado con una solución a un problema, transpira el 99% restante del proyecto y hazlo realidad.

Documental sobre neuromarketing. Echo de menos un poco de esta ciencia aplicada a la web, pero nos da una idea de a qué nos dedicamos en esto de la UX.

Si llevas cierto tiempo en el oficio, asentirás mientras piensas “esto también me ha pasado a mí” y seguro que se te ocurre alguno más.


  • Que al cliente piense que los wireframes son diseños finales.
  • Empezar usando un estilo, y terminar usando otro sin darte cuenta.
  • Pensar, a mitad del camino, que deberías haber empezado con otro estilo, y querer cambiarlo cuando ya está todo a medias (aprobaciones de cliente, diseño, desarrollo,…).
  • Que el cliente piense, a mitad de proyecto, que se debería cambiar de estilo.
  • Que al cliente no le guste nada de lo que has entregado.


  • Olvidarse (voluntaria o involuntariamente) de un requerimiento técnico, de negocio, legal o de cliente.
  • Que el cliente cambie los requerimientos a mitad de proyecto, y se le olvide comentártelo.
  • Que no haya requerimientos (tú vete empezando que ya luego lo vamos viendo).
  • Que se pidan cambios profundos cuando se está a punto de entregar al producto.
  • Que el cliente te pida lo mismo que ya tiene.

Capacidades del equipo

  • Presuponer capacidades del equipo o de tus proveedores que no se corresponden con la realidad.
  • Que despidan o se vayan tus compañeros en medio del proyecto y no se contrate a nadie para hacerse cargo de sus funciones.

Salirse del tiesto

  • Proponer algo que se salga del ámbito del proyecto.
  • Proponer algo que se salga del presupuesto.
  • Proponer algo que pone en riesgo los sistemas de seguridad o privacidad.
  • Proponer algo inviable económica, técnica o legalmente.
  • Que se haya vendido algo inviable y tengas que ajustar expectativas.

Estar en la inopia

  • No tener claro qué se ha vendido.
  • Que el cliente no tenga claro qué ha comprado.
  • Desconocer las capacidades y limitaciones de la tecnología que se va a utilizar.
  • Desconocer las características del cliente, de su mercado y de sus clientes.
  • No tener tiempo ni presupuesto para hacer research.
  • Que el research esté manipulado para que den unos resultados definidos de antemano.
  • No tener acceso a la analítica antes de empezar para plantear soluciones con cierta base.
  • No tener acceso a la analítica después de implementar la solución para verificar que está funcionando.


  • Que los diferentes interlocutores se zancadilleen entre sí.
  • Que cambien a tus interlocutores en medio del proyecto.
  • Que despidan tus interlocutores en medio del proyecto y nadie se haga cargo del mismo.
  • Que el cliente se quede sin presupuesto a mitad de proyecto.


  • Entregar y tener que defender algo de lo que no estás seguro o no te gusta (a veces pasa).
  • Retrasarte en tus fechas de entrega.
  • Que tus proveedores se retrasen en sus fechas de entrega.
  • Probar en 20 navegadores o dispositivos diferentes… menos en el que tiene el cliente y que, casualmente, es el único que falla.


  • Que el cliente se retrase en sus fechas de aprobación.
  • Que el cliente de apruebe algo y que su jefe te lo tire meses después.
  • Que el cliente te apruebe las cosas de forma oral, pero no por escrito (¡mucho ojo con esto!)

Y los clásicos

  • Encontrar fallos a dos horas del paso a producción.
  • Entrar en medio de un proyecto y no saber por dónde empezar.
  • Perder toda la información por un problema técnico y tener que empezar de cero.
  • Darte cuenta de que estás tropezando en las mismas piedras de proyectos anteriores.

Si sabes prevenir y resolver estos problemas, felicidades, ya eres senior.