La camaronicultura es una industria técnica donde las decisiones diarias son apuestas económicas: cuánto alimento dar, cuándo cosechar, cómo prevenir mortalidad. Tradicionalmente se hacía con cuadernos, atarrayas para conteo manual, y experiencia empírica. No sabías cuántos camarones tenías vivos realmente — solo proyecciones basadas en muestreos físicos.
GenIA es la plataforma tecnológica de Vitapro/Alicorp que digitaliza operaciones camaroneras. Combina IoT (sensores en piscinas) con SaaS (plataforma web/móvil) para centralizar data operativa y generar proyecciones de venta.
Entré en mayo 2021 cuando el producto existía técnicamente, pero enfrentaba dos problemas: técnicos en campo no confiaban (preferían cuadernos porque "la app no funciona sin internet") y gerentes no podían proyectar (necesitaban data consolidada para estimar ventas, pero vivía en papel o nunca llegaba desde campo).
Stakes reales: Las granjas están alejadas de ciudades, muchas sin internet ni señal celular. Si la plataforma no funcionaba offline, no había adopción. Sin adopción, no había data. Sin data, no había proyecciones. Sin proyecciones confiables, el modelo de negocio de Vitapro (alimentación + tecnología + asesoría basada en data) no escalaba.
No era "diseñar pantallas IoT". Era resolver DOS problemas entrelazados:
Trade-off brutal: Vitapro decía "IoT automatiza captura, genera datos confiables, mejora proyecciones." Pero sin UX pensada en cómo técnicos YA trabajaban (con Excel/cuadernos), iban a ignorar la app. Y sin que los gerentes confiaran en las proyecciones, no pagaban premium.
Constraints: Infraestructura país (granjas sin internet/señal), adopción heterogénea (algunos tech-savvy, otros necesitaban paso a paso), y resistencia cultural (técnicos con 20+ años confiaban en experiencia, no en app).
Entré como Senior Product Designer, trabajando con Product Owner, asesores técnicos y equipos de negocio.
Mi responsabilidad fue diseñar la experiencia end-to-end: arquitectura de información, flujos, wireframes, UI, validaciones con usuarios. Research y validación en campo (Ecuador, Perú). Integración y retroalimentación al Design System corporativo de Alicorp (DALI). Colaboración con data science, producto, negocio y tecnología. Sistematización de hallazgos operativos para priorizar roadmap basado en evidencia.
Mi foco: traducir control central + realidad de campo offline en una plataforma usable, coherente y escalable. Automatizar captura IoT para reducir error humano y generar proyecciones confiables.
Diseñamos genIA, plataforma SaaS integrada con IoT que digitaliza operación completa de fincas camaroneras: parámetros, alimentación, biomasa, tecnología, reportes.
Plataforma construida offline-first con sincronización automática, flujos por rol (técnico, jefe, gerente), registro automático via sensores, y dashboards de proyección económica que cruzan data IoT con modelos analíticos.
Ecosistema IoT: unidades centrales + alimentadores automáticos (sabían cuándo rellenar comida), sensores de piscina (temperatura, salinidad, cal), sonares (conteo de camarones y restos de comida).
genIA no fue diseñado para un “usuario promedio”, sino para un ecosistema completo de perfiles que conviven alrededor de la operación camaronera.
El desafío fue conectar todos estos roles en una sola plataforma, mostrando solo la información relevante para cada perfil, con la profundidad adecuada y sin sobrecargar la interfaz.
1. Investigación y contexto
2. Estrategia y definición del producto
3. Diseño de experiencia (UX & Service)
4. Diseño UI y sistema visual
5. Acompañamiento a despliegue
Me enfoqué en orquestar los módulos que conectan operación diaria con decisiones de negocio:
Vista consolidada de granjas, piscinas, alertas, biomasa en tiempo casi real. Dashboard diseñado para funcionar offline con sincronización automática cuando hay conexión.
Captura automática via IoT (temperatura, oxígeno, salinidad) + backup manual. Validaciones inteligentes previenen errores comunes. Visualización de tendencias cruzando parámetros con rendimiento. Detección temprana de riesgos.
Impacto: 25% reducción en errores de registro vs captura manual análoga.
Estrategias por ciclo basadas en modelos analíticos. Registro de biomasa en tiempo real con alertas. Dashboards de proyección que cruzan data IoT con crecimiento histórico para estimar cosecha y venta.
Impacto: +30% mejora en precisión de proyecciones (proyección vs venta real).
Inventario de unidades centrales, alimentadores, hidrófonos, sensores. Estado de conexión y firmware para coordinar mantenimiento. Control de equipos asociados a cada ciclo para trazabilidad.
Dashboards de proyección económica (biomasa proyectada, fecha de cosecha, venta estimada con escenarios optimista/pesimista). Comparativos entre fincas para detectar outliers y oportunidades.
Estos flujos son la base para transformar la data de campo en decisiones accionables, tanto para el camaronero como para Vitapro.
genIA no se diseñó desde cero, sino sobre el sistema de diseño corporativo de Alicorp (DALI).
El resultado es un producto que se siente parte del ecosistema Alicorp, pero extiende el sistema de diseño hacia una capa más operativa y técnica, conectada directamente con el trabajo en campo.
Diagnóstico + decisión + resultado
El desafío fue doble: (1) reducir errores en captura de datos, (2) mejorar precisión de proyecciones para generar confianza con gerentes.
Sobre captura de datos (Módulo Registro):
Identifiqué que técnicos generaban errores porque la app no reflejaba cómo ELLOS trabajaban. Entrevistas con 30-50 personas en clientes grandes (parametristas, bodegueros, asesores de Nicovita en campo) revelaron que respiraban Excel: filas, columnas, registros por celdas. Decidí que en lugar de enseñarles una "forma nueva de registrar", replicaría su flujo existente. Cambié el orden de campos (prioricé data crítica), permitía personalización (ocultar/mostrar/ordenar columnas), y la tabla se parecía a Excel.
Validé post-launch con el Excel de soporte (tickets categorizados por módulo): 3 meses después, errores en Registro bajaron 25%.
Sobre proyecciones (Módulo Alimentación + Sensores IoT):
Solo 10 clientes grandes tenían presupuesto para IoT completo (sensores + alimentadores). Con ellos validé que automatizar captura eliminaba variabilidad humana: en lugar de un operario medir temperatura piscina por piscina en 1 hora (con cambios por sol/hora), sensores medían a la misma hora en todas las piscinas simultáneamente. Comparando datos automáticos vs manuales históricos, el equipo de data science midió que proyecciones de biomasa/cosecha mejoraron 30% (proyección vs venta real post-cosecha).
Esto fue validado solo con 10 clientes porque en acuicultura, los estándares los marcan las grandes empresas. Estábamos en fase de experimentación, generando proof of concept para que empresas medianas después adoptaran el modelo.
Resultados medibles:
Por qué funcionó:
No fue "diseñar bonito" ni "agregar features." Fue: (1) entender cómo usuarios YA trabajaban, replicar ese modelo en la app, (2) automatizar captura donde era posible (IoT) para eliminar variabilidad humana, (3) validar impacto con datos reales (Excel de soporte, comparación data automática vs manual). Eso redujo fricción + error + desconfianza, permitiendo que Vitapro escalar el modelo de negocio basado en data.
Aprendizajes:
Qué haría diferente:
Me hubiera encantado profundizar más en el ecosistema IoT completo. Vi unidades, alimentadores, sensores, sonares... pero no terminé de ver el alimentador móvil tipo bote con estación de recarga que simplificaba logística. Ese tipo de innovación IoT + UX tenía potencial enorme, pero salí antes de explorarlo a fondo.