En B2B SaaS hoy, la AI se está volviendo table stakes. Cada equipo de producto está corriendo a agregar agentes, copilots, automatizaciones. Pero la adopción es donde la mayoría de esos features muere silenciosamente.

El modelo funciona. El código está bien. Pero los usuarios no confían lo suficiente como para delegar, la experiencia alrededor de la AI se siente desconectada del resto del producto, o las decisiones de arquitectura tomadas upstream aparecen downstream como fricción que el usuario siente.

El problema casi nunca es técnico aislado. Es que la AI se construyó antes de que alguien conectara las decisiones técnicas con la experiencia de usuario que producen.

RAG vs context architecture no es solo una decisión de backend — afecta la latencia, y la latencia afecta si el usuario confía en la respuesta. El context engineering define qué ve el agente en cada ronda, y eso define qué puede preguntar el usuario. Guardrails, fallbacks, señalización de confianza — cada una de esas es una decisión de UX vestida de decisión técnica.

Los AI engineers pueden construir el agente pero no pueden decirte por qué los usuarios no confían en él. Los product designers tienen gran criterio estético pero no pueden sostener decisiones técnicas sobre retrieval, evals o context architecture.

Yo hago las dos cosas. 20 años diseñando sistemas de software. 8 años de UX como disciplina explícita. Los últimos específicamente en integración de AI en producción. Esa combinación es lo que hace la diferencia entre un feature con AI que se lanza y un feature con AI que se usa.