Komvous
Aplicación de picking que optimiza los procesos de recolección en almacenes, diseñada desde la investigación en terreno hasta el prototipo de alta fidelidad.
Cliente
Proyecto Académico
Rol
Product Designer
Duración
4 meses
Año
2024
Equipo
4 personas (multidisciplinario)
Herramientas
Figma · Miro · Trello
Contexto y problema
En almacenes logísticos, el proceso de picking —la recolección de productos para armar pedidos— es una de las operaciones más críticas y propensas a errores. En nuestra investigación con 15 empresas chilenas (entre ellas CCU, Falabella y NotCo), 12 identificaron el picking y armado como la etapa con mayor cantidad de errores. En Chile, el rechazo de carga alcanza el 3% y una venta perdida puede costar hasta USD $350.000.
Las herramientas digitales existentes no estaban diseñadas para el contexto real de una bodega. Los operarios enfrentaban interfaces con textos pequeños, feedback insuficiente ante errores y flujos que no contemplaban las condiciones físicas del trabajo.
Dolores / fricciones a resolver
- Etiquetas dañadas o confusas que generaban lecturas erróneas
- Interfaces pequeñas imposibles de usar con guantes industriales
- Productos visualmente similares que provocaban selecciones incorrectas
- Rutas de picking ineficientes que extendían los tiempos de operación
Mi rol y responsabilidades
Lideré el proceso completo de diseño, desde la investigación inicial hasta el prototipo de alta fidelidad. Trabajé en un equipo multidisciplinario donde asumí la responsabilidad de entender a los usuarios, definir la experiencia y validar las soluciones.
Lo que hice directamente
- →Conducir entrevistas y observación contextual con operarios y gerentes de logística
- →Facilitar sesiones de ideación y sprints de diseño con el equipo
- →Diseñar wireframes, prototipos de mediana y alta fidelidad
- →Planificar y ejecutar pruebas de usabilidad con usuarios reales
- →Iterar el diseño basándome en feedback directo del terreno
Enfoque de trabajo
Adopté un enfoque centrado en el contexto real de uso. En lugar de diseñar desde supuestos, pasé tiempo en terreno observando cómo los operarios realizaban su trabajo, qué herramientas usaban y dónde se producían las fricciones. Este entendimiento guió todas las decisiones de diseño.
Research en terreno
Entrevistas con gerentes y operarios, shadowing durante turnos de trabajo, análisis de herramientas existentes (PDAs).
Ideación colaborativa
Sprints de diseño para explorar soluciones viables, deseables y factibles. Bocetos rápidos para validar conceptos.
Prototipado iterativo
De wireframes a prototipos de mediana fidelidad, con pruebas de usabilidad entre cada iteración.
Validación con usuarios
Tests con operarios reales para identificar problemas y ajustar el diseño antes del prototipo final.
Flujo principal
El recorrido de un operario durante una tarea de picking, desde la asignación hasta la confirmación.
- 01
La IA asigna tareas de picking y armado
SistemaEl sistema distribuye las órdenes según necesidades, productividad y flujo de la bodega.
- 02
El operario abre la app y elige su tarea
EntradaLista de tareas con estados claros: completo, pendiente, error o bloqueada.
- 03
La app lo guía por la ruta optimizada
SistemaEl mapeo de la bodega ordena las ubicaciones para reducir desplazamientos.
- 04
Identifica el producto con foto grande y datos clave
DecisiónConfirmación visual antes de leer códigos, pensada para productos visualmente similares.
- 05
Escanea el código y valida cantidad
DecisiónFeedback inmediato verde/rojo; si el producto no está, reporta la incidencia sin salir del flujo.
- 06
Avance actualizado y tarea completada
ResultadoEl progreso queda registrado y visible para el gerente de logística.
Resultados e impacto
El proyecto evolucionó de prototipo académico a propuesta de venture SaaS presentada a empresas como Falabella, con un MVP de picking en desarrollo para entrenar las primeras variables del modelo de IA. Las pruebas de usabilidad demostraron mejoras significativas en la comprensión de la interfaz y la confianza de los operarios.
Impacto observable
- Interfaz con botones grandes y áreas de interacción diseñadas para uso con guantes
- Sistema de feedback visual inmediato (verde/rojo) que redujo la incertidumbre durante el escaneo
- Identificación visual de productos con fotos grandes antes de la lectura de códigos
- Flujo de reporte de incidencias integrado sin interrumpir la tarea principal
- Validación positiva en pruebas de usabilidad: los operarios completaron tareas con menos errores
Decisión clave y aprendizaje
Decisión clave
Decidí priorizar el tamaño de los elementos interactivos sobre la densidad de información. En un contexto industrial, mostrar menos datos pero de forma más clara es más valioso que interfaces cargadas que requieren precisión para ser usadas.
Lo que aprendí
El diseño industrial requiere empatía física. No se trata solo de flujos lógicos, sino de entender cómo el cuerpo interactúa con la tecnología en espacios hostiles. La regla 'menos es más' se vuelve una necesidad de seguridad operativa, no solo una preferencia estética.
"Probar prototipos en escritorio no sirve; hay que ir a la bodega."
Proceso visual
Del boceto al prototipo de alta fidelidad.