DesignGPT para diseo industrial: Co-creacin de productos en la era de la inteligencia artificial

 

DesignGPT for industrial design: product Co-creation in the age of artificial intelligence

 

DesignGPT para design industrial: Cocriao de produtos na era da inteligncia artificial

Wilmer Gonzalo Chaca-Espinoza I
wg.chaca@uta.edu.ec
https://orcid.org/0000-0001-9232-9804

,Sonia Vernica Ocaa-Parra II
sv.ocana@uta.edu.ec
https://orcid.org/0000-0002-2218-9137
Patricia Montenegro-Cajas III
gp.montenegro@uta.edu.ec
https://orcid.org/0009-0006-9901-8199

,Andrs Sebastin Medina-Moncayo IV
as.medina@uta.edu.ec
https://orcid.org/0009-0002-9145-5619
 

 

 

 

 

 

 

 

 

 

 


Correspondencia: wg.chaca@uta.edu.ec

 

 

Ciencias Tcnicas y Aplicadas

Artculo de Investigacin

 

 

* Recibido: 07 de abril de 2025 *Aceptado: 14 de mayo de 2025 * Publicado: 30 de junio de 2025

 

        I.            Universidad Tcnica de Ambato, Ecuador.

      II.            Universidad Tcnica de Ambato, Ecuador.

   III.            Universidad Tcnica de Ambato, Ecuador.

   IV.            Universidad Tcnica de Ambato, Ecuador.


Resumen

El presente estudio elabor una reflexin crtica y argumentativa sobre este fenmeno recientemente emergente, DesignGPT, definido como la inclusin en la actividad del diseo industrial de inteligencia artificial generativa. Se elabor una cartografa conceptual que exploraba cmo la IA haba transformado el proceso creativo, la identidad del diseador y propuesto nuevos enfoques de cocreacin sostenidos entre humanos y algoritmos, con base en el anlisis documental realizado mediante artculos cientficos publicados entre 2016 y 2024. Se adopta un enfoque cualitativo, interpretativo y crtico, centrado en la documentacin y el dilogo entre diferentes puntos de vista tericos, dejando a un lado la forma de las metodologas empricas o el anlisis estadstico. Los resultados mostraron que la IA ayud a ampliar el pensamiento divergente, a evitar la fijacin creativa y a permitir una colaboracin fluida que desafiaba los lmites tradicionales de la autora. Aparecieron tensiones ticas en forma de sesgo cultural, dispone incluso la necesidad de un marco inclusivo para el entrenamiento de los algoritmos. Estos resultados contienen ejemplos prcticos para ayudar a mejoras en la prctica del ideacin por IA, particularmente en entornos del diseo profesional. Este estudio muestra una interpretacin conceptual original que ayuda a reforzar la comprensin terica del diseo algortmico, como una prctica situada y simtrica.

Palabras clave: diseo industrial; inteligencia artificial generativa; ideacin creativa; co-creacin humano-mquina; tica del diseo algortmico.

 

Abstract

This study developed a critical and argumentative reflection on this recently emerging phenomenon, DesignGPT, defined as the inclusion of generative artificial intelligence in industrial design activity. A conceptual mapping was developed exploring how AI has transformed the creative process, the identity of the designer, and proposed new approaches to sustained co-creation between humans and algorithms, based on documentary analysis conducted through scientific articles published between 2016 and 2024. A qualitative, interpretive, and critical approach is adopted, focusing on documentation and dialogue between different theoretical points of view, leaving aside the form of empirical methodologies or statistical analysis. The results showed that AI helped broaden divergent thinking, avoid creative fixation, and enable fluid collaboration that challenged traditional boundaries of authorship. Ethical tensions emerged in the form of cultural bias, even establishing the need for an inclusive framework for algorithm training. These results contain practical examples to support improvements in the practice of AI ideation, particularly in professional design settings. This study presents an original conceptual interpretation that helps strengthen the theoretical understanding of algorithmic design as a situated and symmetrical practice.

Keywords: industrial design; generative artificial intelligence; creative ideation; human-machine co-creation; ethics of algorithmic design.

 

Resumo

Este estudo desenvolveu uma reflexo crtica e argumentativa sobre este fenmeno emergente, DesignGPT, definido como a incluso de inteligncia artificial generativa na atividade de design industrial. Um mapeamento conceitual foi desenvolvido explorando como a IA transformou o processo criativo, a identidade do designer e props novas abordagens para a cocriao sustentada entre humanos e algoritmos, com base na anlise documental conduzida por meio de artigos cientficos publicados entre 2016 e 2024. Uma abordagem qualitativa, interpretativa e crtica adotada, com foco na documentao e no dilogo entre diferentes pontos de vista tericos, deixando de lado a forma de metodologias empricas ou anlises estatsticas. Os resultados mostraram que a IA ajudou a ampliar o pensamento divergente, evitar a fixao criativa e permitir uma colaborao fluida que desafiou os limites tradicionais da autoria. Tenses ticas emergiram na forma de vis cultural, estabelecendo at mesmo a necessidade de uma estrutura inclusiva para o treinamento de algoritmos. Esses resultados contm exemplos prticos para apoiar melhorias na prtica de ideao de IA, particularmente em ambientes profissionais de design. Este estudo apresenta uma interpretao conceitual original que ajuda a fortalecer a compreenso terica do design algortmico como uma prtica situada e simtrica.

Palavras-chave: design industrial; inteligncia artificial generativa; ideao criativa; cocriao homem-mquina; tica do design algortmico.

 

Introduccin

La imbricacin de la inteligencia artificial (IA) con el diseo industrial est generando una revolucin sin parangn en los modos de concebir, imaginar y llevar a la materializacin los productos. Tal revolucin tecnolgica no se asienta nicamente en la mera automatizacin de procesos existentes, sino que propugna la transformacin de la naturaleza del propio acto de crear y de las maneras de proyectar. Por otro lado, el avance acelerado de las arquitecturas generativas: GPT, DALLE, Midjourney, as como de los sistemas de IA entrenados con el fin de generar contenidos visuales y textuales a partir de estmulos humanos- ha comportado lneas de co-creacin que difuminan las barreras de la herramienta / autor y el proceso automatizado / pensamiento creativo.

El fenmeno que llamamos DesignGPT es una excrecencia paradigmtica de esta transformacin. El concepto al que nos referimos no se limita a la tecnologa concreta ni a la aplicacin instrumental de los sistemas generativos, sino que hace referencia a un fenmeno cultural, proyectual, epistemolgico ms amplio, que est reescribiendo la misma concepcin de la ideacin para el pensamiento del diseo contemporneo. DesignGPT es una nueva forma de comprender el proceso creativo como un dilogo colaborativo entre la inteligencia humana y la inteligencia artificial, en donde ambas inteligencias contribuyen de manera distinta y, a la vez, complementaria para la produccin de soluciones innovadoras.

La literatura cientfica reciente muestra cmo esta transformacin es muy llamativa en el momento del proceso de ideacin de Design Thinking, que es, tradicionalmente, el ncleo creativo del proceso proyectual. El momento crtico que atraviesan los sistemas generativos va convirtindolos en aliados ptimos que ayudan a activar el pensamiento divergente, romper los ciclos de fijacin creativa y abrir de forma exponencial las posibilidades formales, funcionales y semnticas del diseo(Berni et al., 2024; Yu, 2025). Con ello, estos sistemas (que no solo tienen la capacidad de generar un amplio espectro de opciones) comienzan a dejar entrever su potencial como autnticos agentes co-creativos, como instancias que establecen un tipo de dilogo interpretativo con la intencionalidad del diseador y que provocan variaciones que no solo estn en relacin con parmetros, sino que enriquecen el proceso de exploracin conceptual (Kwon et al., 2024; Wang et al., 2025).

Esta evolucin hacia la co-creacin humano-IA est dando una gran vuelta al tradicional rol del diseador industrial, quien ahora no es solamente el generador fundamental de ideas, sino que asume nuevas funciones complementarias de mediador, curador, selector crtico o re-interpretador de las propuestas generadas algortmicamente. En este nuevo orden, el diseador se convierte en un sofisticado editor que ha de desarrollar competencias para evaluar, refinar y contextualizar las mltiples opciones que genera la IA, mientras que el sistema algortmico es ya un interlocutor semiautnomo que aprende, que se ajusta y reacciona de forma dinmica en funcin de la interaccin que va teniendo lugar (Choi et al., 2024; Rezwana & Maher, 2022; Song et al., 2024). Y a su vez, esta relacin simbitica suscita nuevas y complejas tensiones conceptuales en torno a cuestiones problemticas (alimentadas por la relacin existente con la IA) como por ejemplo, la autora creativa, la originalidad proyectual o la tica del diseo en los contextos algortmicos.

No obstante, la integracin de la tecnologa tambin no se encuentra exenta de exigentes retos que, sin duda, requieren atencin acadmica y profesional. Emergen importantes problemas asociados con los sesgos culturales, semiticos y representacionales implicados en los modelos de IA generativa. Investigaciones recientes como las desarrolladas por Shi et al., (2023) o bien aquellas de (Berni et al., 2024) han llamado la atencin sobre el hecho de que muchos algoritmos generativos actan sobre datasets que son predominantemente occidentales y culturalmente homogneos, lo cual puede afectar severamente la diversidad cultural, tnica y contextual de las soluciones generadas. No se trata de una cuestin nicamente tcnica sino que tiene profundos efectos sobre la democratizacin del diseo y la representacin equitativa del diferente patrimonio cultural y los diferentes estilos estticos en los productos resultantes. Adems, estas cualidades del proceso algortmico llevan a interrogarse sobre las cuestiones ticas e incluso epistemolgicas alrededor de la creatividad algortmica y si puede ser considerado como un proceso capaz de crear algo con valor cultural y comercial. Digamos que la posibilidad de que los sistemas de IA generen combinaciones potencialmente infinitas da pie a frmulas sociales que nos remiten a cuestiones profundas y relevantes como la autentificacin, la originalidad de este nuevo contexto y la responsabilidad creativa cuando la frontera entre la creacin inspirada por un humano y la imitacin algortmica se torna difusa (Camburn et al., 2019). Esas tensiones apremian a pensar cmo desarrollar los marcos tericos y metodolgicos del uso crtico, contextualizado y reflexionado de la IA en el diseo, capaz de explorar la ms alta capacidad tcnica y generativa, pero, adems, reflexionando en profundidad sobre su dimensin simblica, cultural y poltica. A pesar de la creciente atencin por estas materias en el mbito acadmico y profesional, existe, no obstante, una importante ausencia de marcos conceptuales integradores de tipo crtico que vinculen las distintas dimensiones que abren las transformaciones a las que estas se ven sometidas. Aunque la mayora de los estudios se centran, de manera ms o menos explcita, en las aristas tcnicas de la implementacin de IA en procesos de diseo, se observa, a la vez, una falta de estudios que atiendan y estudien de manera completa las implicaciones tericas, metodolgicas y culturales que abre, a su vez, la emergencia del DesignGPT, catalogue como nueva epistemologa del diseo.

En este plano acadmico y profesional, se ha considerado iniciar el trabajo antes mencionado desde una perspectiva interpretativa y reflexiva, basada en la lectura en paralelo y en el anlisis crtico de marcos tericos, estudios de caso y propuestas metodolgicas en la literatura especializada. El propsito del estudio consiste en construir a travs de la argumentacin conceptual un modelo de transformacin sobre el diseo industrial como consecuencia de la introduccin de los sistemas de IA generativa, y realizarlo a partir del anlisis crtico y la sntesis interpretativa de la produccin acadmica publicada entre 2016 y 2024 para generar un marco conceptual slido que permita el estudio del fenmeno, el DesignGPT, como una nueva forma de co-creacin que est cambiando la epistemologa y la metodologa del pensamiento proyectual contemporneo.

Esta investigacin se sustenta en un enfoque cualitativo de carcter argumentativo y reflexivo el cual prioriza la construccin del conocimiento a partir de la interpretacin crtica y la sntesis conceptual por encima de una validacin emprica cuantitativa; es decir, entendemos que la comprensin de los fenmenos culturales y epistemolgicos emergentes necesita de marcos conceptuales que den prioridad a la profundidad interpretativa y a la resolucin terica imaginativa.

Pese a un creciente inters acadmico y profesional por estos temas (Han et al., 2020; Kim & Maher, 2023; Poleac, 2024) existe un importante vaco en la literatura especializada con respecto a armazones conceptuales integradores que articulen las mltiples dimensiones de esta transformacin. Pese a que son muchas las investigaciones que tratan los aspectos tcnicos concretos en la incorporacin de IA en los procesos de diseo (Camburn et al., 2019; Gong et al., 2024; Kim & Maher, 2023), existe una carencia de estudios que profundicen desde una aproximacin holstica sobre las implicaciones tericas, metodolgicas y culturales que produce la manifestacin del fenmeno DesignGPT como una nueva epistemologa del diseo(Ai, 2025; Tang et al., 2024; Yu, 2025).

Por lo tanto, la pregunta de investigacin que gua esta investigacin es: Cmo reproduce la inteligencia artificial generativa el proceso de ideacin en el diseo industrial y cules son las implicaciones de tal transformacin con respecto a la co-creacin, la autora, la tica y las metodologas proyectuales?

Este estudio es especialmente pertinente en el contexto actual (2025) dado que la utilizacin de herramientas generativas en entornos tanto profesionales como acadmicos de diseo ha rebasado el uso meramente experimental y se ha legitimado como parte de la praxis cotidiana (Choi et al., 2024; HOLZNER et al., 2025). No obstante, lo anterior, esta incorporacin suele hacerse sin el acompaamiento de un marco crtico suficiente que proporcione referencias para aplicar dicha tecnologa desde un punto de vista cultural, simblico y tico(Adeleye, 2024; Ai, 2025; Wadinambiarachchi et al., 2024). Este trabajo busca, por tanto, no solo documentar el fenmeno, sino tambin establecer un marco conceptual interpretativo que permita no solo entenderlo sino abordarlo de manera situada.

 

Metodologa

Este estudio se inscribe en un enfoque de tipo cualitativo, interpretativo y reflexivo. El objetivo del mismo no es la validacin emprica de hiptesis ni la introduccin de generalizaciones estadsticas, sino la construccin argumentativa y crtica de conocimiento a partir del dilogo de marcos tericos, experiencias documentadas y fenmenos emergentes. A nivel metodolgico, se sustenta en la tradicin de las revisiones conceptuales(Grant & Booth, 2009) y en los principios de la hermenutica crtica, y adopta una lgica abductiva enfocada a la comprensin particularizada del fenmeno DesignGPT como una nueva epistemologa del diseo industrial en el contexto de la inteligencia artificial generativa.(Burg, 2022)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Figura 1

Proceso metodolgico del estudio DesignGPT

 

Estrategia de seleccin de la documentacin

La conformacin del corpus bibliogrfico ha mostrado ser una respuesta a una estrategia de bsqueda estructurada deliberadamente. Se aplicaron combinaciones booleanas de palabras clave como "IA generativa", "ideacin de diseo", "co-creacin humano-IA", "creatividad computacional" y "metodologa de diseo" en bases de datos acadmicas como Scopus, Web of Science, SpringerLink, IEEE Xplore, ScienceDirect y Google Scholar, restringiendo el rango temporal entre 2016 y 2024, a partir del reconocimiento de que la maduracin de los modelos generativos relacionados con el diseo es un fenmeno reciente cuyo desarrollo ha ido alcanzando desarrollos tericos y empricos en la ltima dcada.

Los criterios de inclusin fueron: (a) pertinencia temtica explcita atinente al uso de IA en procesos de ideacin, creatividad o diseo industrial; (b) construccin de un marco terico o metodolgico que aportara al entendimiento del fenmeno; (c) foco reflexivo o experimental con implicaciones proyectuales o pedaggicas. En contrapartida, los criterios de exclusin se aplicaron para aquellos artculos que: (a) abordaran de manera exclusiva la IA desde una visin tcnico-instrumental con ausencia del diseo; (b) evidenciaran procesos creativos en dominios como la msica, la literatura o los videojuegos y sin conexin con el diseo industrial; y c) as como la ausencia de una metodologa o marco conceptual delimitado. El resultado fue la consolidacin de un corpus final de artculos cientficos, que evidencian una diversidad de enfoques disciplinares y geogrficos, donde se incluyen: revisiones sistemticas(HOLZNER et al., 2025; Liao et al., 2020), estudios empricos en entornos de ideacin(Ahmadabadi et al., 2024; Gong et al., 2024), modelos de interaccin co-creativa (Poleac, 2024; Wang et al., 2025), marcos de integracin metodolgica (Ai, 2025; Weller, 2019), anlisis sobre sesgos culturales (Kim & Maher, 2023; Tang et al., 2024), as como contribuciones especulativas al diseo algortmico (Kwon et al., 2024; Yu, 2025).

 

Figura 2

Estrategia de seleccin documental empleada para la conformacin del corpus bibliogrfico

Interfaz de usuario grfica, Sitio web

El contenido generado por IA puede ser incorrecto.

 

Anlisis e interpretacin

Se aplic a cada artculo una ficha analtica estandarizada, que ha permitido registrar la informacin clave, efectiva e importante: autores, objetivos, preguntas o hiptesis, metodologa, resultados, limitaciones, marco conceptual y aportes al diseo industrial. Estas fichas analticas fueron, a su vez, agrupadas en matrices comparativas que favorecan la identificacin de patrones temticos, convergencias argumentativas y divergencias epistmicas.

El proceso de anlisis se construy mediante un procedimiento abductivo e iterativo, a partir de los principios de la teora fundamentada(Reyes & Cruz, 2021). La singularidad de este anlisis se da precisamente porque se entiende que surge bajo la percepcin de una lgica interpretativa. As, a diferencia de lo que plantea la "teora fundamentada", donde se hace un anlisis previo desde categoras ya predefinidas, aqu se deja a las categoras temticas emerger desde los propios textos en dilogo con lo vivido por el autor investigativo. A travs de cada ciclo de codificacin abierto y axial, se determinaron cinco ncleos temticos: (1) reconfiguracin del rol del diseador, (2) pensamiento divergente asistido, (3) co-creacin humano-IA, (4) tensiones ticas y sesgos, y (5)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Figura 3

Matriz de Anlisis Temtico: Emergencia de ncleos ConceptualesGrfico

El contenido generado por IA puede ser incorrecto.

 

Validacin argumentativa y triangulacin terica

La validez del estudio se resguard mediante una triangulacin conceptual, ausencia de protocolos empricos mediante tres estrategias: (a) identificacin de patrones repetidos en mltiples fuentes (saturacin terica); (b) comparacin de interpretaciones con teoras clsicas del diseo(Adeleye, 2024; Cross, 2011; Han et al., 2020) y de la creatividad computacional(Boden, 2005; Jordanous, 2012); y (c) revisin crtica del propio autor en distintos momentos del proceso, con la finalidad de contrastar mediante el anlisis de la coherencia interna de los argumentos, tratando de evitar sesgo de confirmacin.

Reflexividad y el posicionamiento del investigador

Todo anlisis de interpretacin no deja de transitar por las condiciones subjetivas del investigador, por lo que se llev a cabo un ejercicio explcito de reflexividad epistemolgica. El autor expresa su condicin dual de acadmico y de diseador industrial con formacin en diseo de espacios y en tecnologas digitales que le hace leer de un modo determinado los textos y construir sentido. Esta posicin no se entiende como obstculo sino como condicin productiva que permite una lectura situada, comprometida y crtica del fenmeno estudiado.

Limitaciones metodolgicas

El presente estudio expresa los dficits que tambin se concretan en las limitaciones inherentes a su enfoque: (a) ausencia de validacin emprica externa de las categoras construidas; (b) sesgo potencial por la seleccin intencionada de los artculos; (c) cobertura a fuentes de acceso abierto o indexadas en bases consultadas; y (d) interpretacin analtica no replicable desde una lgica positivista. Sin embargo, debe argumentarse que los dficits enunciados son coherentes con la propia experiencia reflexiva del estudio y que no compromete la solidez argumentativa del marco propuesto.

 

Resultados

El anlisis reflexivo llevado a cabo sobre los artculos seleccionados ha ayudado a identificar cinco ncleos interrelacionados que estructuran la fenomenologa designGPT como un cambio de paradigma del diseo industrial en la era de la inteligencia artificial. Estos ncleos muestran cmo la IA ha dejado de ser slo una herramienta tcnica para transformarse en un agente simblico, en un agente cognitivo y proyectual que reconfigura el marco setentero del diseo industrial: ontolgico, tico y metodolgico.

Como primer aspecto, nos encontramos con una gran redefinicin del diseo industrial y del rol del diseador industrial. Y lejos de ser un simple generador de ideas originales, esta figura contempornea se ve abocada a asumir esas otras tareas curadoras, crticas y de traduccin semntica con respecto a los outputs algortmicos.(Tang et al., 2024) y (Cautela et al., 2019) reconocen que esta evolucin del rol del diseador requiere disposiciones metadiscursivas que van desde la interpretacin de patrones generativos a saber gestionar ambigedades y saber vehicular los criterios estticos emergentes.Tang et al., (2024) , ahonda esta transicin caracterizndola como una transformacin del diseo irrespeto-IA al diseo post-IA, donde ya no hay una autora individual, no hay una autora centralizada, sino una autora distribuida y negociada entre humanos y agentes no humanos.

 

Figura 4

Evolucin del Rol del Diseador Industrial en la era DesignGPT

Interfaz de usuario grfica, Texto

El contenido generado por IA puede ser incorrecto.

 

El otro eje dominante fue el de amplificacin de los procesos de pensamento divergente. La mayora de las investigaciones empricas y tericas(Camburn et al., 2019; HOLZNER et al., 2025) coincidieron en sealar que los modelos generativos permiten la superacin de forma eficaz la fijacin proyectual, habilitando procesos combinatorios ms audaces, ms inesperados y ms semnticamente ricos. Han et al., (2020) constataron que al reducir los sesgos cognitivas habituales en los procesos humanos de ideacin, la IA promueve trayectorias creativas que difcilmente apareceran o surgiran en entornos exclusivamente humanos. All la autora no implica una relegacin del ingenio del diseador, sino una expansin de las posibilidades morfolgicas y funcionales.

La co-creacin surge cuando se propone que la colaboracin humano-IA es potencialmente ms efectiva cuando es una colaboracin a travs de un proceso dialgico y recursivo. Una de las generalizaciones realizadas de parte de los estudios revisados fue, siguiendo el marco COFI Rezwana & Maher, (2022)- donde se informan tres dimensiones: la alternancia de turnos, el tipo de contribuciones (sugerencia, modificacin, confirmacin) y el grado de reciprocidad simblica. Poleac, (2024) y Kwon et al., (2024) observaron que las mejores co-creaciones se producan en los entornos en los cuales se generaba confianza, agencia compartida y la consideracin del valor creativo de la IA, a diferencia de las colaboraciones que producan dependencia tcnica.

 

Figura 5

Modelo de Co-creacin Humano-AI: Marco COFI

Interfaz de usuario grfica

El contenido generado por IA puede ser incorrecto.

 

Paralelamente emergieron tensiones crticas asociadas a los sesgos culturales y epistemolgicos que atraviesan los modelos de IA generativa. Shi et al., (2023) y HOLZNER et al., (2025) denunciaron que muchos datasets de entrenamiento son construidos a partir de referentes estticos occidentalistas y anglocntricos, lo que produce una invisibilizacin sistemtica de otras sensibilidades culturales; Ai, (2025) y Cautela et al., (2019), por su parte, proponen incluir bases de datos regionales y parmetros culturales especficos en los entrenamientos de las IA dentro de las opciones de los diseos globales que devuelvan la diversidad semntica y simblica del diseo global.

Por ltimo, los trabajos coincidieron en la conclusin de que eran necesarias la implementacin de marcos metodolgicos para guiar la integracin crtica de la AI a los procesos del Design Thinking. Por un lado, Chong et al., (2025) sugieren un framework que asocia a cada fase del proceso (empathize, define, ideate, prototype, test) la implementacin de funciones algortmicas bien avenidas; por otro lado, Berni et al., (2024) y Liao et al., (2020) desarrollaron experiencias pedaggicas donde el uso de AI no solo potenci la creatividad, sino que tambin facilit el aprendizaje simultneo de habilidades proyectuales y computacionales. Finalmente, Fang, (2024) integraron criterios algortmicos de evaluacin con feedback humano, formando un modelo o patrn hbrido que alude a la proyeccin y anlisis automatizado.

Este superposicin temtica permite imaginar a DesignGPT como un ecosistema interdependiente donde las funciones del diseadores, las capacidades cognitivas, los modelos de trabajo colaborativo y los umbrales ticos se integran de forma compleja. La AI no nicamente genera ideas, sino que retroalimenta otras lgicas de exploracin, toma de decisiones y representacin relacionadas con el diseo industrial contemporneo.

 

 

 

 

 

 

 

 

 

Figura 6

Ecosistema DesignGPT: Integracin sistmica de ncleos temticos

Diagrama

El contenido generado por IA puede ser incorrecto.

 

Discusin

El fenmeno DesignGPT, tal como ha sido analizado en este estudio, da cuenta de una reconfiguracin intensiva del diseo industrial en su dimensin proyectual, cognitiva y epistemolgica. Un modo de transformacin que va ms all del uso instrumental de las tecnologas emergentes, y supone una nueva manera de relacionarse con la inteligencia humana y la inteligencia artificial, sostenida por principios de colaboracin, reinterpretacin, co-produccin simblica, etc. El anlisis del corpus documental constat que esta transformacin no es homognea ni lineal, sino que vara significativamente en funcin del contexto, la intencionalidad proyectual o el modelo de interaccin puesto en prctica.

Una de las implicaciones ms potentes que se han identificado fue la transformacin del rol del diseador, ya no como un mero generador de ideas, sino como un tercero entre los sistemas generativos y contextos culturales concretos. En esta perspectiva, Chen et al., (2025) junto con Shinde et al., (2025) hacen una lectura del diseador bajo una nocin de editor curatorial que elige, filtra y recontextualiza. Esta lectura se alinea con el cambio que tambin se ha evidenciado en la arquitectura computacional donde el arquitecto es un coordinador de sistemas generativos Kotnik, (2010) o en ingeniera de producto donde se pasa de la modelacin paramtrica a sistemas adaptativos de autoentrenado (Saeki & Papalambros, 2014).

La amplificacin del pensamiento divergente por la IA se confirm con mltiples fuentesCautela et al., (2019) pero su anlisis crtico demostr que este potencial depende de condiciones dadas. No basta con poder implementar modelos generativos, sino que el diseador debe ostentar una forma de dominio semntico y estratgico. Goucher-Lambert & Cagan, (2019) apuntan cmo las propuestas que se generan sin intencionalidad tienden a lo redundante o a la esttica vaca. Esta tensin entre potencial creativo y trivializacin proyectual tambin localiz ecos desde las dimensiones de la artística digital y de la msica computacional (Jordanous, 2013) donde una gran cantidad de opciones no siempre se traduce en valor expresivo.

En lo que respecta a los modelos de co-creacin humano-IA, la literatura se puso de acuerdo en que hay que ir construyendo entornos de interaccin con la IA como co-participante. Rezwana & Maher, (2022) sugieren que la calidad del proceso no est tanto en la sofisticacin del algoritmo sino en el diseo del marco de colaboracin: turnos, medidas de intervencin, retorno de informacin. Estas ideas han sido trabajadas en sistemas de co-creacin en biomedicina donde mdicos y algoritmos interactan para generar diagnsticos (Ramesh et al., 2004) y sugieren que el valor de la IA se da ms en el proceso interpretativo que en la automatizacin del resultado.

Las tensiones ticas vinculadas al sesgo cultural fueron una constante a lo largo de todo el trabajo. Shi et al., (2023) y Choi et al., (2024) advierten del hecho de que los datasets de entrenamiento (conjuntos de datos utilizados para entrenar) reproducen desigualdades epistmicas determinando estticas en detrimento de otras. Esta es una problemtica tambin advertida por Adeleye, (2024) y Yu, (2025), quienes plantean la necesidad de desarrollar tecnologas culturalmente inclusivas, como ya se intenta en los actuales desarrollos algortmicos de lenguas indgenas o alfabetos no latinos. Esto en el trabajo de diseo se traduce en realizar una crtica a la hegemona visual anglosajona y la realizacin de bases de datos abiertas y localizadas en diversas lenguas. En el mbito de la proposicin de metodologas, result evidente la progresiva evolucin desde aplicaciones experimentales hasta un marco ms sofisticado. Liao et al., (2020) y Chen et al., (2024)reflejan una progresin de los sistemas pedaggicos y proyectuales integrados (y con retroalimentacin, visualizacin y colaboracin algortmica) hasta configurar DesignGPT como metodologa emergente, ya que la tendencia refleja una madurez del campo. Sin embargo, todava existen vacos sobre su evaluacin en un contexto profesional real y sobre cmo diversifican la relacin a otras variables (sostenibilidad, usabilidad, prcticas de factibilidad de manufactura...).

El presente estudio admite limitaciones. En primer lugar, al tratarse de una reflexin extrada nicamente de literatura cientfica, se excluyen experiencias profesionales, referencias de literatura, estudios no indexados o proyectos en marcha que podran ofrecer miradas complementarias. En segundo lugar, la mayor parte del corpus proviene de contextos acadmicos del norte global, lo que introduce un sesgo geogrfico que no permite generalizar los resultados a entornos latinoamericanos, africanos o del sudeste asitico. Finalmente, como no se sostiene la validacin emprica, no debemos interpretar aquello que hemos llegado a escribir como una conclusin estadstica, sino ms bien como un ejercicio terico-expositivo.

Las implicaciones para futuras investigaciones son variadas. Se debe investigar cmo se puede implementar DesignGPT en prcticas de diseo industrial reales (en proyectos en colaboracin en universidades y empresas, en talleres creativos con estudiantes). Tambin se debe disear mtricas cualitativas que nos ayuden a evaluar la calidad de la relacin humano-IA ms all de la cantidad de ideas generadas. Por ltimo, el diseo de marcos ticos, pedaggicos y polticos situados debe marcar una dimensin prioritaria para que la incorporacin de IA al diseo no vaya en la lnea de reproducir las lgicas de exclusin, sino que favorezca una apuesta por la diversidad creativa y cultural.

 

Conclusiones

La reflexin crtica y el anlisis desenvuelto en este artculo permite afirmar que DesignGPT despliegue una profunda reconceptualizacin y reconfiguracin del pensamiento proyectual en el diseo industrial. Muy lejos de una simple extensin tecnolgica, la inteligencia artificial generativa ordena de nuevo las lgicas de ideacin, redistribuye la autora, y habilita nuevas formas de fomentar una co-creacin simbitica entre agentes humanos y sistemas algortmicos. Esta transformacin traza una transicin epistemolgica que cuestiona las nociones de creatividad entendida como originalidad, control proyectual y otras.

El diseador industrial se erige, en un nuevo contexto, como un mediador estratgico entre los lenguajes humanos y los patrones algortmicos. Ea nueva ocupacin demanda la configuracin de ciertas competencias, como la interpretacin crtica de los outputs algortmicos, la articulacin de criterios culturales y contextuales o la capacidad de facilitar procesos colaborativos multiescalares. La IA, en este caso especfico, no sustituye el papel del diseador, sino que expande su agencia y al mismo tiempo le exigir una mayor conciencia crtica sobre los marcos ticos, simblicos y polticos implicados en la prctica del diseo.

Los resultados corroboran las evidencias de que la integracin de IA en entornos de ideacin promueve el pensamiento divergente, desbloquea patrones fijados y abre repertorios de soluciones no imaginadas. Sin embargo, la capacidad de dicha intervencin slo se produce en la medida que dicha colaboracin se establece bajo la lgica del modelo dialgico, recursivo y reflexivo. De lo contrario, el riesgo de trivializacin esttica, dependencia del algoritmo o prdida de entendimiento contextual aumenta exponencialmente.

Con todo lo expuesto, surgen evidencias de implicaciones prcticas directas para la industria del diseo. Los estudios de diseo, las agencias creativas y los departamentos de innovacin deben poner en prctica protocolos ticos y metodolgicos del uso de la IA generativa, que tomen en consideracin la calidad de la interaccin, la diversidad cultural de insumos y resultados e incluso cmo validar creativamente en escenarios reales de produccin. Se debera, a su vez, incluso profundizar en la evidencia de la importancia de generar equipos multidisciplinares en los que los diseadores, ingenieros, humanistas y expertos en IA aborden la IA generativa desde la agencia compartida e implementen un diseo centrado en los valores.

Para el mbito acadmico, constituye la oportunidad de abogar por la consolidacin de marcos tericos, pedaggicos y evaluativos que reconozcan, comprendan y ayuden a orientar en el uso crtico del fenmeno DesignGPT. Se hace necesario investigar nuevas facetas del mismo en distintos contextos geogrficos y culturales, pero tambin crear estudios aplicados que sirvan para documentar sus casos de uso, los impactos sociales de los modos de uso y de las dinmicas de aprendizaje. En definitiva, el diseo industrial contemporneo tiene la oportunidad y el reto de construir una prctica ms simbitica, crtica e inclusiva, donde la inteligencia artificial se convierta en algo ms que una herramienta, sino que pase a ser una interlocutora del acto concreto.

 

Referencias

1.      Adeleye, I. O. (2024). The Impact of Artificial Intelligence on Design: Enhancing Creativity and Efficiency. Journal of Engineering and Applied Sciences, 3(1), 1. https://doi.org/10.70560/vvsfej12

2.      Ahmadabadi, S. N., Haghifam, M., Shah‐Mansouri, V., & Ershadmanesh, S. (2024). Design and evaluation of crowdsourcing platforms based on users confidence judgments. Scientific Reports, 14(1). https://doi.org/10.1038/s41598-024-65892-7

3.      Ai, J. (2025). The Integration Path of Innovative Design Thinking and Rural Development of Non- Heritage Cultural Creations in the Era of Artificial Intelligence.

4.      Berni, A., Borgianni, Y., Rotini, F., Gonalves, M., & Thoring, K. (2024). Stimulating design ideation with artificial intelligence: present and (short-term) future. Proceedings of the Design Society, 4, 1939. https://doi.org/10.1017/pds.2024.196

5.      Boden, M. A. (2005). Aesthetics and interactive art. https://doi.org/10.1145/1056224.1056225

6.      Burg, V. van der. (2022). Ceci nest pas une chaise: Emerging practices in designer-AI collaboration. Proceedings of DRS. https://doi.org/10.21606/drs.2022.653

7.      Camburn, B., He, Y., Raviselvam, S., Luo, J., & Wood, K. (2019). Evaluating Crowdsourced Design Concepts With Machine Learning.pdf.

8.      Cautela, C., Mortati, M., DellEra, C., & Gastaldi, L. (2019). The impact of Artificial Intelligence on Design Thinking practice: Insights from the Ecosystem of Startups. Strategic Design Research Journal, 12(1). https://doi.org/10.4013/sdrj.2019.121.08

9.      Chen, J.-F., Ni, C.-C., Lin, P.-H., & Lin, R. (2024). Designing the Future: A Case Study on Human-AI Co-Innovation. Creative Education, 15(3), 474. https://doi.org/10.4236/ce.2024.153028

10.  Chen, L., Song, Y., Zheng, C., Jing, Q., Hansen, P., & Sun, L. (2025). Understanding Design Fixation in Generative AI. arXiv (Cornell University). https://doi.org/10.48550/arxiv.2502.05870

11.  Choi, D., Hong, S., Park, J., Chung, J. J. Y., & Kim, J. (2024). CreativeConnect: Supporting Reference Recombination for Graphic Design Ideation with Generative AI. 1. https://doi.org/10.1145/3613904.3642794

12.  Chong, H., Ma, Q.-H., Lai, J. S., & Liao, X. X. (2025). Achieving Sustainable Construction Safety Management: The Shift from Compliance to Intelligence via BIMAI Convergence. Sustainability, 17(10), 4454. https://doi.org/10.3390/su17104454

13.  Cross, N. (2011). Design Thinking: Understanding How Designers Think and Work. http://ci.nii.ac.jp/ncid/BB06060968

14.  Fang, Y.-M. (2024). The role of generative AI in industrial design: enhancing the design process and education. IET Conference Proceedings., 2023(45), 135. https://doi.org/10.1049/icp.2024.0303

15.  Gong, Z., Paananen, S., Nurmela, P., Gonalves, M., Georgiev, G. V., & Hkkil, J. (2024). AI ROLE IN IDEATION FOR DESIGN CREATIVITY ENHANCEMENT.

16.  Goucher-Lambert, K., & Cagan, J. (2019). Crowdsourcing inspiration: Using crowd generated inspirational stimuli to support designer ideation. Design Studies, 61, 1. https://doi.org/10.1016/j.destud.2019.01.001

17.  Grant, M. J., & Booth, A. (2009). A typology of reviews: an analysis of 14 review types and associated methodologies [Review of A typology of reviews: an analysis of 14 review types and associated methodologies]. Health Information & Libraries Journal, 26(2), 91. Wiley. https://doi.org/10.1111/j.1471-1842.2009.00848.x

18.  Han, J., Forbes, H., Shi, F., Hao, J. L., & Schaefer, D. (2020). A DATA-DRIVEN APPROACH FOR CREATIVE CONCEPT GENERATION AND EVALUATION. Proceedings of the Design Society DESIGN Conference, 1, 167. https://doi.org/10.1017/dsd.2020.5

19.  HOLZNER, N., MAIER, S., & FEUERRIEGEL, S. (2025). Generative AI and Creativity: A Systematic Literature Review and Meta-Analysis.

20.  Jordanous, A. (2012). A Standardised Procedure for Evaluating Creative Systems: Computational Creativity Evaluation Based on What it is to be Creative. Cognitive Computation, 4(3), 246. https://doi.org/10.1007/s12559-012-9156-1

21.  Jordanous, A. (2013). Evaluating computational creativity: a standardised procedure for evaluating creative systems and its application. https://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.574929

22.  Kim, J., & Maher, M. L. (2023). The effect of AI-based inspiration on human design ideation. International Journal of Design Creativity and Innovation, 11(2), 81. https://doi.org/10.1080/21650349.2023.2167124

23.  Kotnik, T. (2010). Digital Architectural Design as Exploration of Computable Functions. International Journal of Architectural Computing, 8(1), 1. https://doi.org/10.1260/1478-0771.8.1.1

24.  Kwon, J., Jung, E.-C., & Kim, J. (2024). Designer-Generative AI Ideation Process: Generating Images Aligned with Designer Intent in Early-Stage Concept Exploration in Product Design. Archives of Design Research, 37(3), 7. https://doi.org/10.15187/adr.2024.07.37.3.7

25.  Liao, J., Hansen, P., & Chai, C. (2020). A framework of artificial intelligence augmented design support. Human-Computer Interaction, 35, 511. https://doi.org/10.1080/07370024.2020.1733576

26.  Poleac, D. (2024). Design Thinking with AI. Proceedings of the ... International Conference on Business Excellence, 18(1), 2891. https://doi.org/10.2478/picbe-2024-0240

27.  Ramesh, A., Kambhampati, C., Monson, J., & Drew, P. (2004). Artificial intelligence in medicine [Review of Artificial intelligence in medicine]. Annals of The Royal College of Surgeons of England, 86(5), 334. Royal College of Surgeons of England. https://doi.org/10.1308/147870804290

28.  Reyes, C. E. G., & Cruz, E. C. (2021). Modelo TIC-PD: Descriptores de competencias digitales para la prctica docente. Transdigital, 2(4). https://doi.org/10.56162/transdigital78

29.  Rezwana, J., & Maher, M. L. (2022). Designing Creative AI Partners with COFI: A Framework for Modeling Interaction in Human-AI Co-Creative Systems. ACM Transactions on Computer-Human Interaction, 30(5), 1. https://doi.org/10.1145/3519026

30.  Saeki, N., & Papalambros, P. Y. (2014). Human-Computer Interaction for Part Selection in Product Design. 106. https://doi.org/10.3850/978-981-09-1348-9_021

31.  Shi, Y., Gao, T., Jiao, X., & Cao, N. (2023). Understanding Design Collaboration Between Designers and Artificial Intelligence: A Systematic Literature Review. Proceedings of the ACM on Human-Computer Interaction, 7, 1. https://doi.org/10.1145/3610217

32.  Shinde, N. K., Gulve, O. M., & Magar, R. S. (2025). Revolutionizing Design: The Role of Generative AI in the Creative Process. https://philarchive.org/rec/OMKRDT

33.  Song, B., Zhu, Q., & Luo, J. (2024). Human-AI collaboration by design. Proceedings of the Design Society, 4, 2247. https://doi.org/10.1017/pds.2024.227

34.  Tang, X., Windham, J., & Bush, B. (2024). Pre-AI and post-AI design: balancing human Creativity and AI Tools in the Industrial Design Process. 100. https://doi.org/10.1145/3708394.3708413

35.  Wadinambiarachchi, S., Kelly, R., Pareek, S., Zhou, Q., & Velloso, E. (2024). The Effects of Generative AI on Design Fixation and Divergent Thinking. 1. https://doi.org/10.1145/3613904.3642919

36.  Wang, W.-F., Lu, C.-T., Campany, N. P. i, Chen, B., & Chen, M. Y. (2025). AIdeation: Designing a Human-AI Collaborative Ideation System for Concept Designers. 1. https://doi.org/10.1145/3706598.3714148

37.  Weller, A. J. (2019). Design Thinking for a User-Centered Approach to Artificial Intelligence. She Ji, 5(4), 394. https://doi.org/10.1016/j.sheji.2019.11.015

38.  Yu, W. F. (2025). AI as a co-creator and a design material: Transforming the design process. Design Studies, 97, 101303. https://doi.org/10.1016/j.destud.2025.101303

 

 

 

 

 

 

 

2025 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).

 

 

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/