Caso de estudio · Startup de infraestructura energética
Un equipo que ya generaba parte de su contenido con IA —landings, presentaciones, piezas de producto— tenía un manual de identidad completo, hecho como se hacen siempre: para que lo lea una persona. Cada herramienta lo interpretaba a su manera. Esto es lo que cambió cuando dejé de pensar en el manual como un PDF y empecé a pensar en él como una fuente de datos.
El manual original ya tenía el criterio bien resuelto: colores, tipografía, retícula, componentes, logo, iconos. Lo que no tenía era una forma de que una IA lo leyera sin inventar nada. El mismo valor tenía que decir lo mismo en las tres capas — para quien lo lee, para quien programa y para quien genera.
01 · El encargo, tal y como llega
El equipo ya usaba IA para generar parte de su contenido, pero cada herramienta interpretaba la marca a su manera: un azul ligeramente distinto en cada salida, una tipografía «parecida» cuando la fuente exacta no estaba disponible, un tono que se iba desdibujando encargo a encargo. Nadie había hecho nada mal — el manual era correcto y estaba bien escrito. Solo que hablaba un idioma que solo entiende una persona.
02 · Primero, leer como lee una IA
Traducir un manual palabra por palabra no era el trabajo: era encontrar, antes que la IA, cada sitio donde el manual daba algo por sobreentendido.
Primera lectura como diseñador: entender el criterio detrás de cada decisión de marca. Segunda lectura como si fuera la propia IA: qué de esto es ambiguo, dónde falta un valor exacto, qué depende de «buen ojo» en vez de una regla escrita.
Cada valor se marcó como decidido y cerrado o pendiente de confirmar. No es lo mismo un hex de marca aprobado hace dos años que una descripción de tono escrita en una frase y nunca aplicada a un ejemplo real. Mezclarlos habría dado a la IA la misma autoridad para ambos.
Documento narrativo, tokens JSON y tokens CSS, con una nota de uso incluida en el propio material: qué archivo manda si hay conflicto entre los tres, y qué no se debe inventar aunque falte un valor.
03 · El trabajo de verdad
Al estructurar el manual apareció lo que no estaba en el encargo: valores que el propio manual daba por buenos pero nunca se habían cerrado del todo — un tono descrito con adjetivos y ningún ejemplo aplicado, un matiz de color que cambiaba ligeramente de una página a otra del mismo PDF.
Una IA no duda. Si le das un valor, lo trata como ley y lo repite en cada salida hasta que alguien nota que algo no encaja. Marcar «esto aún no está cerrado» es tan importante como marcar el hex exacto del color corporativo.
04 · En números
05 · Siguiente paso
Si cada salida se aleja un poco más de la identidad y nadie sabe muy bien por qué, casi siempre el problema está en cómo lee el manual, no en el manual. Cuéntamelo en quince minutos — sin presupuesto ni propuesta de por medio.