Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

Figma AI resolvió 18 de 19 tareas de un sistema de diseño: de los tokens a las tablas

La diseñadora Ekaterina Larionova encargó al agente integrado de Figma AI 19 tareas rutinarias del sistema de diseño Sova, y el agente completó 18 por completo o en su mayor parte. Por ejemplo, rehízo una tabla de columnas a filas en 5 minutos y 17 segundos y cambió valores en 100 variantes de un componente. Falló la sustitución de marcadores de posición por texto con sentido: en las 36 celdas apareció «Texto 1–3». El agente rinde bien en tareas mecánicas con un modelo de referencia, pero hay que revisar el resultado.

Procesado por IA desde Habr AI; editado por Hamidun News
Figma AI resolvió 18 de 19 tareas de un sistema de diseño: de los tokens a las tablas
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1Vincular los colores a los tokens de Sova Style llevó 56 minutos; los valores numéricos, 58
Dato clave #2La auditoría de 196 variantes y 840 interruptores tardó 4 minutos y 24 segundos
Dato clave #3Eliminar los emojis de los nombres de 37 páginas llevó 20 segundos

Quien haya mantenido un sistema de diseño conoce este trabajo: renombrar un centenar de variantes, revincular colores a tokens, rehacer una tabla. Es necesario, pero nadie lo calificaría de interesante. La diseñadora de producto Ekaterina Larionova, que desarrolla el sistema de diseño Sova en el ecosistema de TI Lukomorie, probó con esa rutina el agente integrado de Figma AI. El agente edita capas y componentes existentes en Figma Design. Figma Make no formó parte del experimento. Las tareas fueron 19. El agente resolvió 18 por completo o en su mayor parte, y una no le salió.

Dónde funciona bien el agente

Donde mejor rinde es en las tareas mecánicas que tienen un modelo de referencia. En un componente de 100 variantes intercambió los valores icon=off e icon=on en 1 minuto y 23 segundos. Recuperó, a partir de un componente de referencia, los nombres de propiedades que se habían convertido en Property 7 y Property 8. Detectó un patrón en los espaciados y añadió un cuarto nivel de anidación en seis conjuntos de árboles. Rehízo una tabla de 16 columnas verticales en 23 filas horizontales y conservó anchos y contenido. Le llevó 5 minutos y 17 segundos. Hacer esa reestructuración a mano con Auto Layout requiere mucho más tiempo y se rompe con facilidad.

Los prompts eran cortos y poco pulidos, del tipo «Selecciona aquí las primeras 4 estrellas como selected». El agente ve qué está seleccionado en el lienzo y trabaja justo con eso. El formato a partir de una referencia también salió bien: extendió la configuración de columnas fijas de dos muestras al resto de las tablas e hizo el efecto cebra en 10 columnas. La conclusión de la autora: un ejemplo ya hecho directamente en el diseño funciona mejor que media página de descripción.

El agente también resultó útil para revisar. Encontró ocho pares de combinaciones de propiedades duplicadas en un acordeón y analizó 196 variantes y 840 interruptores del componente table / cell. No sustituye a las pruebas funcionales: es una auditoría preliminar. Aun así, hay que contrastar los resultados a mano, porque el agente puede interpretar mal la lógica prevista.

Tokens: la parte más larga y más útil

La tarea más laboriosa fue vincular valores a tokens. El agente pidió conectar la biblioteca Sova Style con los tokens de colores, tamaños y tipografías. Después, los colores quedaron vinculados, pero la operación tardó 56 minutos. Los valores numéricos (alturas y espaciados) llevaron 58 minutos. Con la geometría de uno de los componentes hubo un problema.

Aquí importa un recurso en el prompt. Un mismo código HEX puede corresponder a varios tokens, por ejemplo en distintos temas. Por eso Ekaterina escribió de forma explícita: en los casos dudosos, no cambiar nada y señalarlos en el chat. Sin vincular quedaron sobre todo valores semitransparentes en ilustraciones y degradados. Esa prohibición de adivinar convierte un posible error silencioso en una lista visible de dudas.

Entre otros ejemplos: a partir de una captura de pantalla, el agente recreó una paleta de colores de 28 cuadrados y completó él solo los 25 que faltaban. Eliminó los emojis de los nombres de 37 páginas en 20 segundos y no tocó los signos de interrogación, de los que la solicitud no decía nada.

El fracaso y la aritmética honesta

El único fallo resultó revelador. Se le pidió sustituir los marcadores «cell text» por tres líneas de cualquier texto, para comprobar el comportamiento de las celdas. En las 36 celdas aparecieron los mismos «Texto 1», «Texto 2», «Texto 3». Formalmente la tarea está cumplida; en cuanto al sentido, no. Se necesitaban longitudes distintas, palabras largas y saltos de línea, pero eso no figuraba en el prompt y el agente no lo dedujo por sí mismo.

La autora no propone contar los minutos de las tablas como ahorro neto. Hace falta además tiempo para formular la tarea, revisar el resultado y corregir lo que el agente hizo mal. Tampoco conviene fiarse a ciegas del informe del agente. Por ejemplo, los nombres de propiedades recuperados conviene contrastarlos con el panel de propiedades del componente.

Los consejos prácticos del artículo se pueden aplicar de inmediato:

  • escribir no solo qué cambiar, sino también qué no tocar: texto, orden, anchos, estados;
  • probar primero los cambios arriesgados en una copia o en una muestra pequeña;
  • en tareas de varios pasos, pedir al agente que describa antes el plan y esperar confirmación;
  • antes de una vinculación masiva, conectar la biblioteca necesaria;
  • para contenido de prueba, fijar de forma explícita longitudes distintas y saltos de línea.

La mayor ganancia, según la autora, está en el trabajo en paralelo. Mientras el agente ejecuta mecánica clara, la diseñadora puede ocuparse de conceptos y decisiones de producto. El límite de la delegación está donde la tarea exige criterio y no repetir un modelo. Es un experimento aislado, en un solo sistema de diseño y sin estadísticas, pero como mapa de escenarios que funcionan y escenarios débiles resulta útil para los equipos que deciden qué encargar a Figma AI.

Historia

Preguntas frecuentes sobre la noticia

Dónde funciona bien el agente?

Donde mejor rinde es en las tareas mecánicas que tienen un modelo de referencia. En un componente de 100 variantes intercambió los valores icon=off e icon=on en 1 minuto y 23 segundos. Recuperó, a partir de un componente de referencia, los nombres de propiedades que se habían convertido en Property 7 y Property 8. Detectó un patrón en los espaciados y añadió un cuarto nivel de anidación en seis conjuntos de árboles. Rehízo una tabla de 16 columnas verticales en 23 filas horizontales y conservó anchos y contenido.

¿Qué se sabe sobre Tokens: la parte más larga y más útil?

La tarea más laboriosa fue vincular valores a tokens. El agente pidió conectar la biblioteca Sova Style con los tokens de colores, tamaños y tipografías. Después, los colores quedaron vinculados, pero la operación tardó 56 minutos. Los valores numéricos (alturas y espaciados) llevaron 58 minutos. Con la geometría de uno de los componentes hubo un problema. Aquí importa un recurso en el prompt. Un mismo código HEX puede corresponder a varios tokens, por ejemplo en distintos temas.

¿Qué se sabe sobre El fracaso y la aritmética honesta?

El único fallo resultó revelador. Se le pidió sustituir los marcadores «cell text» por tres líneas de cualquier texto, para comprobar el comportamiento de las celdas. En las 36 celdas aparecieron los mismos «Texto 1», «Texto 2», «Texto 3». Formalmente la tarea está cumplida; en cuanto al sentido, no. Se necesitaban longitudes distintas, palabras largas y saltos de línea, pero eso no figuraba en el prompt y el agente no lo dedujo por sí mismo. La autora no propone contar los minutos de las tablas como ahorro neto.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…