Diseñadores conectaron Claude Code y ChatGPT y recortaron la fase de desarrollo un 60%
Pedirle a la IA que "haga algo bonito" sin una base produce un resultado soso, así que el departamento de diseño le dio un marco: prototipos, maquetas de Figma y el logotipo. Donde Claude ya había armado los prototipos, el diseño se aplicó sobre ellos en una sola pasada, y la fase de desarrollo se redujo en torno a un 60%. El 40% restante, detalles como un botón desplazado, es más sencillo corregirlo a mano. La conclusión: primero hay que indicarle a la red neuronal el stack y las restricciones, y pedir la parte creativa sobre una base ya lista.
Procesado por IA desde Habr AI; editado por Hamidun News
Casi cualquier diseñador ya ha pedido a una red neuronal que "haga algo bonito" y ha obtenido un resultado soso y plantilla. En la tercera parte de la serie en Habr, una diseñadora del equipo de producto muestra cómo organizar el trabajo de otra manera. La cifra principal: en un proyecto donde los prototipos del servicio ya estaban armados en Claude, la fase de desarrollo se redujo en torno a un 60%.
Aquí, por "desarrollo" se entiende convertir las maquetas en maquetación funcional y conectar el backend. El 40% restante lo hizo el equipo a mano: mover un botón con una red neuronal supone gastar tantos tokens como tiempo. Claude Code es la herramienta de Anthropic para trabajar con código, y MCP es el método con el que la red neuronal accede a servicios externos como Figma.
Se trata de experiencia personal en tres proyectos, no de una comparación de laboratorio, pero el texto tiene muchos detalles prácticos.
Opción 1: los prototipos ya existen
El primer proyecto es un servicio completamente planteado en prototipos dentro de Claude. Son grises e impersonales, pero contienen toda la lógica. Solo había dos maquetas de diseño en Figma. El servicio tiene dos vertientes: un área personal para los usuarios y una parte pública para los clientes.
Con el área personal todo fue sencillo. La red neuronal devolvió el kit de UI, los colores, las tipografías, las medidas y un par de patrones de comportamiento, y coloreó un sistema ya terminado. La parte pública fue más difícil: sus prototipos se habían dibujado a mano en Figma. Por eso, primero se pasaron a la red neuronal: se le da acceso por MCP o API y el enlace al fotograma. Según la autora, ahora esto funciona bastante mejor que hace tres meses, incluso con un PNG normal.
El orden de los pasos importa. Primero se fijan las restricciones: maqueta de 1920 píxeles, medidas, márgenes, tipografías y rejilla tomadas de Figma. Después se comprueba que los prototipos coinciden con las maquetas. Solo entonces se añade la dirección visual: "aquí tienes dos maquetas, aplica este diseño al resto de prototipos y usa el kit de UI". El stack (Vue, bibliotecas, tipografías, iconos) se definió de antemano.
También hubo tropiezos. La red neuronal reemplazó parte de las imágenes del panel por archivos SVG, cuando el equipo necesitaba un sistema vivo con patrones de maquetación. El desarrollador explicó que la complejidad para un diseñador y la complejidad para la maquetación son cosas distintas. Un panel vistoso se maqueta con facilidad, mientras que una tabla sencilla con filtros, carga de datos, ventanas modales, estados y roles exige mucho más trabajo. Por ello, conviene acordar el orden de las páginas con desarrollo desde el principio. Todo lo terminado se subía de inmediato a GitHub y los desarrolladores revisaban el código.
Opción 2: solo hay un concepto
En el segundo proyecto no había ni prototipos ni analítica. La autora empezó con Claude Design: genera páginas, pero el resultado parecía un prototipo y no un diseño acabado. Las ideas sobre el área personal, el carrito, la composición y la adaptación móvil se pudieron aprovechar, pero como creatividad no. Se descartó porque generaba entidades sueltas dentro del servicio.
Claude Code resultó ser más sistemático. Tiene páginas separadas, un sistema propio, un readme y un archivo md con el historial de cambios. Ese es el contexto en el que el modelo se apoya como base de conocimiento del proyecto. Claude Code en sí no genera imágenes, así que para las piezas creativas se conectan por API otros modelos: GPT, Kling para vídeo y Nano Banana. Codex, de OpenAI, funciona de forma similar, solo que dentro del ecosistema de GPT.
El consejo sobre tokens es el siguiente: para las tareas rutinarias basta con un modelo sólido como Sonnet u Opus. El modelo de gama alta se conecta de forma puntual para la creatividad compleja; si no, en dos o tres sesiones agota los límites. Según la observación de la autora, las presentaciones salen peor que las páginas de aterrizaje.
Opción 3: desde cero, del logotipo a la interfaz
El tercer caso es un producto interno: una idea, funcionalidad y un prototipo no funcional con una lógica torcida. La petición "hazlo bonito" sin base volvió a dar un resultado soso. Funcionó una cadena que empezó con el logotipo:
- En ChatGPT, la autora describió la ideología del producto, obtuvo seis variantes de logotipo y eligió una.
- A partir de ella, el modelo construyó la identidad visual. El contexto del chat se mantuvo.
- Después, con esa identidad se hizo la landing y, con la identidad y la landing, la interfaz de la página principal. El visual deseado salió a la segunda iteración.
Según la experiencia de la autora, GPT sirve bien para visuales de interfaces, pero tiende a sobrecargar la imagen de detalles, así que se le indica expresamente "quita lo superfluo". Los retoques se pueden hacer de forma puntual, dejando comentarios sobre la imagen. El plan básico Go no fue suficiente, así que se contrató Plus.
Todo se ensambló en Claude Code, con una sesión independiente para la landing y para el servicio. Los diseños de 1920 y 360 píxeles (el ancho de la pantalla de un ordenador y de un teléfono) los maquetó en cuestión de minutos, y algunas animaciones se añadieron en unos quince minutos. Para la animación, la autora buscaba una referencia en Pinterest, pedía descomponer el vídeo por fotogramas, generaba imágenes similares mediante API y montaba el clip.
Qué se deduce de esto
La autora paga por dos redes neuronales: una genera la creatividad y la otra maqueta. Así los tokens no se consumen en un solo modelo y el trabajo avanza en paralelo. Las limitaciones son honestas: es la experiencia de una persona y un equipo, y no hay mediciones precisas más allá de la estimación del 60%. Parte del trabajo sigue en manos de los desarrolladores. Las reglas prácticas son sencillas: primero definir el marco y el stack, después el visual. Guardar el contexto del proyecto en archivos. Involucrar a desarrollo desde el inicio. Y no pedirle a la red neuronal "algo bonito" sin una marca.
- 21 nov 2026Сотрудник Anthropic заявил, что с Claude доказал гипотезу Римана за полтора месяца
- 21 nov 2026Claude Opus 5.5 señaló una escuela en Irán como objetivo militar en 22 de 32 intentos; OpenAI, en ninguno
- 21 nov 2026OpenAI lanza Wallet: Dot paga las compras con un token, no con el número de la tarjeta
- 21 nov 2026ChatGPT citaba páginas de Ahrefs, pero en el 43 % de las respuestas recomendaba conferencias ajenas
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Opción 1: los prototipos ya existen?
El primer proyecto es un servicio completamente planteado en prototipos dentro de Claude. Son grises e impersonales, pero contienen toda la lógica. Solo había dos maquetas de diseño en Figma. El servicio tiene dos vertientes: un área personal para los usuarios y una parte pública para los clientes. Con el área personal todo fue sencillo. La red neuronal devolvió el kit de UI, los colores, las tipografías, las medidas y un par de patrones de comportamiento, y coloreó un sistema ya terminado.
¿Qué se sabe sobre Opción 2: solo hay un concepto?
En el segundo proyecto no había ni prototipos ni analítica. La autora empezó con Claude Design: genera páginas, pero el resultado parecía un prototipo y no un diseño acabado. Las ideas sobre el área personal, el carrito, la composición y la adaptación móvil se pudieron aprovechar, pero como creatividad no. Se descartó porque generaba entidades sueltas dentro del servicio. Claude Code resultó ser más sistemático. Tiene páginas separadas, un sistema propio, un readme y un archivo md con el historial de cambios.
¿Qué se sabe sobre Opción 3: desde cero, del logotipo a la interfaz?
El tercer caso es un producto interno: una idea, funcionalidad y un prototipo no funcional con una lógica torcida. La petición "hazlo bonito" sin base volvió a dar un resultado soso. Funcionó una cadena que empezó con el logotipo: En ChatGPT, la autora describió la ideología del producto, obtuvo seis variantes de logotipo y eligió una. A partir de ella, el modelo construyó la identidad visual. El contexto del chat se mantuvo.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.