UX multimodal: voz, texto, imagen y vídeo en el mismo flujo
Diseño de experiencias en las que el usuario combina input de voz, texto, imagen y vídeo en una conversación natural, sin tener que cambiar de herramienta para cada tipo de input.
El problema que resolvemos.
Hasta hace poco, el input multimodal era un sueño: tu producto entendía texto, o imagen, o voz, pero rara vez los tres al mismo tiempo y de forma natural. Los modelos multimodales modernos (Claude, GPT-4o, Gemini) lo permiten - pero la UX para esos flujos está casi por inventar.
Diseñamos experiencias en las que el usuario puede hacer una foto, comentarla por voz y refinar por texto en la misma interacción, con un agente que mantiene el hilo y actualiza la respuesta en cada paso.
Lo que incluye
- Diseño de flujos donde se combinan ≥2 modalidades de input
- Patrones de feedback inmediato para cada modalidad
- Manejo de errores específicos por canal (audio mal grabado, imagen borrosa)
- Microcopy y guidance que ayudan al usuario a usar las modalidades nuevas
- Tests con usuarios sobre fricciones específicas de cada modalidad
Nuestro proceso para UX multimodal.
Mapeo
Identificamos qué tareas se hacen mejor por cada modalidad y dónde el usuario gana cambiando entre ellas.
Diseño
Prototipos navegables con voz, imagen y texto reales. Pruebas con dispositivos del público objetivo.
Calibración
Iteración con usuarios reales: en multimodal el factor humano pesa más que en interfaces tradicionales.
Casos de uso típicos
Atención al cliente con captura de imagen del producto + descripción por voz. Apps de salud con foto de síntoma + comentario hablado. Asistentes de campo (técnicos, agentes comerciales) que necesitan capturar contexto rápido sin parar a escribir. Educación con explicación oral + ilustración generada al vuelo. Cuanto más natural sea cambiar de modalidad, más se desbloquea cada uno de estos casos.
Otros servicios de Experiencias IA nativas
Estrategia de producto IA
Cómo integrar IA en tu producto existente o construir uno nuevo con la IA en el centro.
Ver servicio →Prototipado funcional con IA
Prototipos funcionales conectados a LLMs reales para validar casos de uso en días, no en meses.
Ver servicio →Diseño de agentes IA
Diseño de la experiencia de los agentes: cómo se presentan, cómo escalan a humano y cómo gestionan la incertidumbre.
Ver servicio →Ingeniería de contexto
Diseño del contexto que alimenta a los modelos: prompts, tools, memoria, RAG y políticas de uso.
Ver servicio →UI generativa
Interfaces que se construyen sobre la marcha en función de la intención del usuario y el contexto disponible.
Ver servicio →