Caso de estudio · 2023—25
Una práctica de investigación construida desde cero
Time Doctor no tenía una práctica de investigación consistente. Construí la infraestructura que hizo que la investigación de usuarios fuera repetible, fácil de encontrar y parte de las decisiones de producto de todos los días.
01 · La situación que heredé
La investigación sí se hacía. El conocimiento organizacional no.
Existía investigación en Customer Success, Producto y Diseño, pero no había un proceso compartido ni un lugar donde viviera. Los estudios eran difíciles de encontrar, imposibles de conectar y su influencia en las decisiones de producto era en gran medida invisible.
Cada proyecto prácticamente partía de cero.
02 · Investigar el proceso de investigación
No empecé imponiendo un framework. Traté la práctica de investigación misma como un problema de investigación — auditando qué existía, quién la hacía y cómo trabajaban realmente los equipos.
Lo que reveló la auditoría
Había más investigación de la esperada, pero casi nada era reutilizable. Incluso encontré equipos ejecutando estudios casi idénticos sin saber que la otra investigación existía.
Práctica establecida, adaptada
Usé Nielsen Norman Group y Atomic Research como base y luego los adapté a una empresa distribuida sin una función de investigación dedicada. El principio que mantuve era simple: la investigación debe producir evidencia que sobreviva al estudio.
- 01Auditar cada estudio, documento y grabación que pudiera encontrar, viviera donde viviera
- 02Identificar quién hacía investigación, incluidas las personas que no la llamaban así
- 03Entrevistar a Producto, Customer Success, Diseño e Ingeniería
- 04Evaluar dónde estaba realmente la madurez de UX, no dónde dice un modelo que debería estar
- 05Mapear lo que faltaba frente a lo que simplemente era difícil de encontrar
- 06Revisar la práctica establecida y probarla contra cómo trabaja esta empresa
03 · La intervención
No intentaba construir un repositorio de investigación. Estaba construyendo un sistema que hiciera reutilizable la investigación.
El repositorio reunió la investigación en un solo lugar, con una taxonomía decidida de antemano en lugar de reinventada para cada estudio.
El repositorio no es el framework
Por sí solo, un repositorio es solo una carpeta. Lo que lo hace útil es el sistema que lo rodea: las plantillas estandarizan lo que entra, una alianza con Customer Success acelera el reclutamiento y un ciclo de comunicación devuelve los hallazgos a las decisiones de producto.
Confluence fue el contenedor porque Confluence es donde la empresa ya trabajaba. Elegir una herramienta mejor que nadie abre habría sido el mismo error con una interfaz más bonita.
De qué está hecho el sistema
- Métodos estandarizados
- Plantillas de investigación
- Pipeline de reclutamiento
- Herramientas de pruebas de usabilidad
- Taxonomía del repositorio
- Comunicación con stakeholders
04 · El framework
Cinco etapas, con la quinta alimentando de vuelta a la primera.
-
01
Descubrimiento
Entender qué sabemos, qué no sabemos y dónde vive la evidencia existente.
-
02
Síntesis
Convertir la investigación en estructuras consistentes y comparables.
-
03
Insights
Extraer evidencia que informe las decisiones de producto y revele patrones recurrentes.
-
04
Comunicación
Hacer que los hallazgos sean útiles más allá de quienes ejecutaron el estudio.
-
05
Evolucionar y mejorar
Evaluar el propio sistema y adoptar mejores métodos, herramientas y — cada vez más — IA.
Mejora continua
Evolucionar y mejorar evita que el framework se convierta en un proceso congelado de 2023. Por eso la IA es hoy parte del sistema aunque no lo era cuando lo construí.
05 · El repositorio
-
01
Taxonomía predecible
Alguien que no ejecutó el estudio igual puede encontrarlo.
-
02
Estructura de estudio estandarizada
La investigación sigue un patrón reconocible en lugar de que cada diseñador invente su propio formato.
-
03
Evidencia rastreable
Un hallazgo conserva el vínculo con el material en bruto del que proviene.
-
04
Conocimiento reutilizable
La investigación antigua se vuelve insumo para el trabajo de producto nuevo en lugar de desaparecer después de la presentación.
La estructura es deliberadamente aburrida: lo bastante predecible como para sobrevivir a que las personas cambien de equipo, los proyectos terminen y pasen los años.
06 · El framework en la práctica
El framework da a diseñadores y PMs un método de investigación por defecto para la pregunta que tienen delante.
- Entender un problema
- Investigación generativa
- Entender al usuario
- Personas — y personas sintéticas cuando la muestra real era demasiado escasa
- Entender una experiencia
- Mapeo de journeys
- Validar la usabilidad
- Pruebas no moderadas en Lyssna, sesiones moderadas sobre prototipos funcionales
- Comparar dos opciones
- Pruebas A/B
- Encontrar lo que ya sabemos
- El repositorio de investigación
Las herramientas pueden cambiar — Useberry pasó a ser Lyssna, por ejemplo. Lo importante es tener un proceso por defecto, no lealtad a una herramienta.
De punta a punta en un producto que se lanzó
Benchmarks AI puso en marcha el sistema completo, desde la primera hipótesis hasta el MVP en vivo y de vuelta al repositorio.
El framework no fue documentación sobre cómo debería hacerse la investigación. Se convirtió en la infraestructura detrás de cómo construimos realmente los productos.
07 · La IA entra en el framework
El repositorio se volvió más valioso a medida que mejoró la IA. Años de estudios estructurados de forma consistente nos dieron algo que valía la pena analizar entre investigaciones, en lugar de una transcripción a la vez.
La IA ahora busca temas recurrentes entre estudios y los convierte en hechos de investigación pequeños, atribuibles y reutilizables. La mayor ganancia no es la velocidad de síntesis — es poder hacer un tipo distinto de pregunta.
¿Qué nos dijo ese estudio?
¿Qué nos han dicho de forma consistente nuestros usuarios sobre esto?
Exploraciones relacionadas · Personas sintéticas · Extracción de journeys
08 · Qué cambió
Lo que cambió no fue cuánta investigación hacíamos. Fue qué lograba zanjar un desacuerdo: evidencia en lugar de opinión.
Las preguntas de producto ahora muchas veces se pueden plantear a usuarios reales y responder en menos de 24 horas.
Antes
- Investigación dispersa entre equipos
- Cada estudio en su propio formato
- Reclutamiento de clientes lento y ad hoc
- Los insights desaparecen cuando termina el proyecto
- Los desacuerdos de producto se resolvían internamente
Después
- Un repositorio que usa toda la empresa
- Estándares y plantillas de investigación reutilizables
- Un canal de reclutamiento permanente entre Customer Success ↔ Producto
- Evidencia persistente y con búsqueda
- Pruebas con usuarios disponibles como herramienta de toma de decisiones
- Síntesis entre estudios asistida por IA
La evidencia debería sobrevivir al proyecto — y a la persona que la reunió.
He visto a personas con las que nunca he trabajado usar estudios que yo realicé en 2023 para defender algo sobre lo que yo no tenía ninguna opinión.
Ese es el resultado que me importa: que la investigación se vuelva conocimiento acumulativo — evidencia que sigue funcionando después de que termina el proyecto o de que la persona que la reunió se va.
Las pantallas son maquetas o están anonimizadas · Sin información de clientes ni de empleados