Objetivo: que una persona encuentre, entienda y complete tareas en tu app con el menor esfuerzo mental posible. La arquitectura de información (AI) reduce la carga cognitiva cuando convierte “decisiones” en “pasos obvios”.
Si quieres profundizar en patrones de UI que ayudan a esta claridad, mira tarjetas, listas y tablas.
Qué es “carga cognitiva” en una app (y cómo se ve)
En UX, la carga cognitiva aparece cuando la interfaz exige recordar, comparar o interpretar demasiado para avanzar. No siempre es “mucho contenido”; a veces es una microdecisión repetida: ¿dónde está esto?, ¿qué significa este término?, ¿cuál opción es la correcta?, ¿qué pasará si toco este botón?
- Síntomas: usuarios que rebotan, que “prueban” al azar, que se devuelven, o que preguntan lo mismo al soporte.
- Causa común: estructura confusa (categorías débiles, rutas largas, etiquetas ambiguas, pantallas que mezclan tareas).
7 pasos para una arquitectura de información que baja la carga mental
Estos pasos están pensados para apps transaccionales (fintech, e-commerce, salud, productividad), pero se adaptan a casi cualquier producto. La clave es iterar: estructura → labels → navegación → validación con usuarios.
1) Define las tareas críticas (no las pantallas)
Antes de agrupar contenido, lista los jobs to be done: “pagar”, “reprogramar”, “comparar”, “guardar”, “enviar”, “consultar estado”. Una AI sólida prioriza flujos, no módulos internos.
Tip: si una tarea crítica requiere abrir 3 secciones distintas, probablemente el mapa está organizado por el org chart, no por el usuario.
2) Crea un inventario de contenido y acciones
Haz una tabla simple con: pantallas, componentes, datos mostrados, acciones posibles y dependencias. Esto revela duplicidad (mismos datos en 4 pantallas) y huecos (acciones sin confirmación o sin reversa).
- Marca qué es información vs acción.
- Separa lo frecuente de lo administrativo.
3) Agrupa con una lógica única (y explícita)
El usuario sufre cuando cada pantalla clasifica con un criterio distinto: a veces por “tipo”, a veces por “estado”, a veces por “canal”. Elige una lógica principal por sección (por ejemplo: por tarea o por etapa) y mantén coherencia.
Ejemplo: en “Pagos”, agrupa por etapa (Pendientes / Programados / Historial) y usa filtros secundarios para método o categoría.
4) Escribe etiquetas que reduzcan ambigüedad
Labels cortas no siempre son mejores: son mejores cuando son inequívocas. Prefiere verbos para acciones (“Transferir”, “Agregar método”) y sustantivos claros para destinos (“Movimientos”, “Notificaciones”).
- Evita jerga interna ("Gestión", "Operaciones") sin contexto.
- Si hay dos interpretaciones posibles, añade un modificador (“Cuenta bancaria”, “Cuenta de usuario”).
5) Diseña navegación por “puntos de decisión”
La navegación no es un menú: es una secuencia de decisiones. Identifica dónde el usuario duda (elegir plan, confirmar datos, escoger destinatario) y coloca ahí orientación: títulos específicos, resumen previo, defaults sensatos y ayudas cortas.
Regla práctica: si el usuario necesita volver para “ver un dato” mientras llena un flujo, ese dato debería estar visible o resumido en el mismo paso.
6) Reduce memoria de trabajo: muestra, no obligues a recordar
La carga cognitiva baja cuando la interfaz externaliza la memoria: historial reciente, autocompletado, recomendaciones, estados claros, confirmaciones con resumen. Evita que el usuario tenga que “mantener en mente” códigos, reglas o comparaciones.
- En listas: incluye el dato mínimo para decidir (monto + fecha + estado, no solo “Transacción”).
- En formularios: valida pronto y explica el “por qué” cuando hay restricciones.
7) Valida con pruebas de “encontrabilidad” y ajuste fino
No se valida una AI preguntando “¿te gusta?”. Se valida con tareas: “Encuentra X”, “Cambia Y”, “Revisa Z”. Mide tiempo, errores, retrocesos y dudas verbales. Ajusta etiquetas y agrupaciones, luego repite.
Empieza con 5 participantes; si todos fallan en el mismo punto, no es “usuario”, es estructura.
Checklist rápido para detectar sobrecarga
- ¿Hay más de una forma de llegar a lo mismo sin una razón clara?
- ¿Los nombres de secciones podrían interpretarse de 2 maneras?
- ¿Se mezcla exploración (ver) con operación (hacer) en la misma pantalla?
- ¿Un flujo pide datos que el sistema ya conoce o puede sugerir?
- ¿Los estados (pendiente, completado, fallido) se distinguen sin leer con lupa?
Cómo medir si la AI está mejorando
El éxito se ve en métricas de comportamiento: menos retrocesos, menos reintentos, menos tickets de soporte por “¿dónde…?”. Define un baseline y revisa después del cambio.
- Tasa de completitud por tarea crítica.
- Tiempo a primera acción correcta (encontrar el camino sin explorar de más).
- Errores por sesión y campos con mayor abandono.
- Búsquedas internas que terminan en “sin resultados” (indicio de labels pobres).
Siguiente lectura recomendada: tendencias reales de accesibilidad y formularios accesibles.