Del lápiz al prompt: la IA generativa como aliada del aprendizaje del diseño

Por Juan Carlos Rojas

La enseñanza y el aprendizaje del diseño se enfrentan a un cambio decisivo: la industria exige procesos más rápidos, más visuales y con aplicación tecnológica, mientras que el aula no avanza con esa velocidad o se ve anclada en dinámicas tradicionales. 

Diversas investigaciones señalan que la formación en diseño debe articular de manera sistemática proyectos, currículo y tecnologías emergentes [1] [2]. La industria, por su parte, requiere diseñadores capaces de trabajar con procesos guiados por herramientas digitales y datos, lo que ha impulsado enfoques de diseño “technology-driven” tanto en la educación como en la práctica profesional [3].

En este contexto, el aprendizaje resulta más valioso para el estudiante cuando se conecta directamente con proyectos presentes y futuros, y cuando las herramientas le permiten comunicar resultados con claridad y rapidez [4]. 

Sin embargo, el docente necesita rutas pedagógicas graduales para introducir nuevos métodos y tecnologías sin perder profundidad conceptual [5]. La pregunta ya no es si la inteligencia artificial (IA) estará presente en el trabajo del diseñador, sino cómo formar a los estudiantes para convivir creativamente con ella [6], [7]. 

Esta investigación aborda una agenda sobre el uso de la inteligencia artificial generativa (GenAI) en diseño y, para este caso, integramos un ejercicio pedagógico que combina una dinámica creativa tradicional con el uso guiado de herramientas generativas de imágenes por IA.

La creatividad con IA

El ejercicio se realizó en el periodo académico 2023–2024, en dos cursos de la Licenciatura en Diseño de Producto, con 13 equipos de tres o cuatro estudiantes cada uno. El ejercicio se dividió en dos partes complementarias:

1. Creación de una firma de diseño ficticia. Durante dos semanas, cada equipo desarrolló la identidad de un despacho o estudio de diseño para su proyecto final: identidad general (enfoque, posicionamiento, público objetivo), misión, visión y valores, y elementos de branding (logotipo, color, tipografía). 

Este tipo de actividad vincula forma, estilo, lenguaje visual y estrategia de marca [8]–[11]. Los equipos generaron descripciones ricas y visuales que más tarde funcionarían como insumo para la segunda parte del ejercicio.

2. Creación del primer producto con GenAI. En una sesión de 2–3 horas, los equipos retomaron la información de su firma y recibieron la instrucción de diseñar su primer producto: una lámpara o una silla. 

En esta fase se introdujeron herramientas generativas de imágenes como DALL·E, Midjourney y otras, siguiendo ejemplos similares de integración de IA en educación creativa [12], [13], [14]. Para abordar la generación del nuevo producto con una representación visual (render) —es decir, para estructurar los prompts— se usó una taxonomía de modificadores de texto propuesta por Oppenlaender [15], que incluye elementos como sujeto, estilo, parámetros de calidad e indicaciones específicas. 

Los estudiantes se enfrentaron a traducir misión, visión, valores y rasgos visuales de su marca en descripciones precisas para crear sus propios prompts que la herramienta pudiera interpretar.

GenIA como acelerador de ideas

Este ejercicio no buscó reemplazar el proceso creativo humano, sino poner a la GenIA en un rol de herramienta asistida. Durante la sesión, cada equipo diseñó un primer prompt a partir de la identidad de su marca, generó una primera imagen de producto, analizó su coherencia con los valores, el estilo y el público objetivo. 

Después repitieron el prompt entre 4 y 5 veces, ajustándolo cada vez, hasta conseguir una imagen que consideraran adecuada.

Este ciclo de repetición, reflexión y corrección coincide con lo descrito en otros estudios: la IA puede ampliar procesos de exploración, comprensión y generación de ideas cuando se incorpora de manera crítica en actividades formativas [16]–[18].

Aunque se trata de un estudio inicial y principalmente cualitativo, los resultados observados permiten extraer tendencias claras. En todos los equipos, el proceso culminó en una imagen final del producto coherente con la autoría de la información de los estudiantes; algunos iteraron más de 4 y 5 veces para alcanzar un resultado que les satisficiera. 

Se observó una mayor coherencia progresiva entre identidad de marca y producto a lo largo de las iteraciones (color, materiales, lenguaje formal, usuario objetivo). La IA permitió reducir el tiempo entre idea y visualización, acelerando el recorrido típico de boceto–render–presentación descrito en la literatura de educación en diseño [3], [2], [16]. 

Estos hallazgos se alinean con otros trabajos que reportan cómo el uso de plataformas de IA puede potenciar la inspiración, la reflexión y la exploración en procesos creativos [16], [17], [14]. 

En el plano emocional y motivacional, la evidencia coincide con experiencias previas de cursos intensivos donde la tecnología incrementa la motivación y la creatividad percibida [4], [6]: los estudiantes expresaron sentirse más seguros al ver que sus ideas podían materializarse con rapidez, y menos temerosos de equivocarse, pues el error se convertía en una nueva iteración y no en un punto final.

¿Menos creatividad? Todo lo contrario

Una preocupación frecuente en disciplinas creativas es que la IA “haga el trabajo por el estudiante”. Sin embargo, la experiencia y la literatura apuntan a otro escenario: cuando se diseña bien la actividad, la IA no sustituye la creatividad, sino que amplifica procesos clave como la experimentación, la comparación de alternativas y la toma de decisiones informada [19], [16], [7]. 

En este ejercicio pedagógico, la calidad del resultado dependió directamente de la claridad conceptual con la que el equipo había construido su firma (identidad, misión, visión, valores). Los prompts más efectivos fueron aquellos que integraron conceptos de marca, atributos del usuario y referencias formales, como sugieren también otros estudios sobre inspiración asistida por IA [16].

La herramienta funcionó como un “espejo” del pensamiento del equipo: si la información era vaga, la imagen también lo era. Así, la IA se convierte en un acelerador de pensamiento, no en un sustituto del diseñador. La creatividad sigue siendo humana; la herramienta únicamente amplifica su alcance. 

Los resultados respaldan lo que varias voces en educación y diseño vienen señalando [1], [2], [6], [7]; el futuro del diseño será necesariamente híbrido: humano + tecnológico. La cuestión clave no es si la IA estará presente, sino cómo formar a las y los diseñadores para cocrear con ella de manera crítica, ética y creativa.

Este artículo de divulgación está basado en la investigación que el autor publicó en «A Pedagogical Exercise of Integrating AI Image Generator Tool: A Pilot Experience in Design Product Education.» Proceedings of the ASME 2024 International Mechanical Engineering Congress and Exposition. Volume 7: Engineering Education. Portland, Oregon, USA. November 17–21, 2024. V007T09A010. ASME.

.

Referencias  

1. M. Zhang and Q. Zhao, “Higher education design: An emerging but cannot be ignored agenda,” Frontiers in Education, vol. 8, 2023.
2. L. Brosens, A. Raes, J. R. Octavia, and M. Emmanouil, “How future-proof is design education? A systematic review,” International Journal of Technology and Design Education, vol. 33, no. 2, pp. 663–683, Apr. 2023.
3. B. Kim, S. Joines, and J. Feng, “Technology-driven design process: teaching and mentoring technology-driven design process in industrial design education,” International Journal of Technology and Design Education, vol. 33, no. 2, pp. 521–555, Apr. 2023.
4. H.-C. Kuo, Y.-C. Tseng, and Y.-T. C. Yang, “Promoting college student’s learning motivation and creativity through a STEM interdisciplinary PBL human-computer interaction system design and development course,” Thinking Skills and Creativity, vol. 31, pp. 1–10, 2019.
5. C. Woods, “Researching and developing interdisciplinary teaching: towards a conceptual framework for classroom communication,” Higher Education, vol. 54, no. 6, pp. 853–866, 2007.
6. L. Carvalho, R. Martinez-Maldonado, Y.-S. Tsai, L. Markauskaite, and M. De Laat, “How can we design for learning in an AI world?,” Computers and Education: Artificial Intelligence, vol. 3, 2022.
7. C. Zhang and Y. Lu, “Study on artificial intelligence: The state of the art and prospects,” Journal of Industrial Information Integration, vol. 23, 2021.
8. B. D’Ippolito, “The importance of design for firms’ competitiveness: A review of the literature,” Technovation, vol. 34, no. 11, pp. 716–730, 2014.
9. A. Manavis, K. Kakoulis, and P. Kyratsis, “A brief review of computational product design: A brand identity approach,” Machines, vol. 11, no. 2, 2023.
10. G. Stompff, “The forgotten bond: Brand identity and product design,” Design Management Journal, vol. 14, no. 1, pp. 26–32, 2003.
11. L. Carlgren, M. Elmquist, and I. Rauth, “The challenges of using design thinking in industry – Experiences from five large firms,” Creativity and Innovation Management, vol. 25, no. 3, pp. 344–362, 2016.
12. N. Dehouche and K. Dehouche, “What’s in a text-to-image prompt? The potential of stable diffusion in visual arts education,” Heliyon, vol. 9, no. 6, 2023.
13. H. Vartiainen and M. Tedre, “Using artificial intelligence in craft education: crafting with text-to-image generative models,” Digital Creativity, vol. 34, no. 1, pp. 1–21, 2023.
14. J. Lively, J. Hutson, and E. Melick, “Integrating AI-Generative Tools in Web Design Education: Enhancing Student Aesthetic and Creative Copy Capabilities Using Image and Text-Based AI Generators,” DS Journal of Artificial Intelligence and Robotics, vol. 1, no. 1, pp. 23–33, 2023.
15. J. Oppenlaender, “A taxonomy of prompt modifiers for text-to-image generation,” Behaviour & Information Technology, pp. 1–14, 2023.
16. E. Kwon, V. Rao, and K. Goucher-Lambert, “Understanding inspiration: Insights into how designers discover inspirational stimuli using an AI-enabled platform,” Design Studies, vol. 88, 2023.
17. S. M. Bender, “Coexistence and creativity: screen media education in the age of artificial intelligence content generators,” Media Practice and Education, vol. 24, no. 4, pp. 351–366, 2023.
18. G. P. J. C. Noel, “Evaluating AI-powered text-to-image generators for anatomical illustration: A comparative study,” Anatomical Sciences Education, 2023.
19. H. H. Jiang et al., “AI Art and its Impact on Artists,” in Proc. 2023 AAAI/ACM Conf. on AI, Ethics, and Society, pp. 363–374.

.

Autor

Juan Carlos Rojas. Doctor en Diseño, Fabricación y Gestión de Proyectos Industriales. Es profesor investigador en la Escuela de Arquitectura, Arte y Diseño (EAAD) del Tecnológico de Monterrey e investigador del Instituto para el Futuro de la Educación (IFE). Sus intereses académicos y de investigación son: liderazgo en el diseño de productos; investigación en diseño emocional y afectivo mediante neurotecnologías; y la innovación educativa en diseño.