Un cliente envía un *deck* de 40 diapositivas. Lo construyó con una herramienta de IA en once minutos, y a primera vista parece bien. Pero al abrirlo correctamente, cada título de gráfico está ligeramente centrado de forma distinta, el azul de la marca varía tres tonos en cuatro diapositivas, y la diapositiva 22 cuenta una historia completamente diferente a la de la diapositiva 4. Nadie lo pidió — la herramienta simplemente no entendió que importaba. Ese vacío entre *"parece bien"* y *"realmente funciona frente a un cliente"* es donde reside toda esta pregunta. Entonces, ¿siguirá siendo la diseño de presentaciones un trabajo real en cinco años, o estamos presenciando los últimos años de su existencia ahora mismo? La respuesta honesta no es *"sí"* ni *"no"*. Es que el trabajo ya se está dividiendo en dos roles muy distintos, y solo uno de ellos sobrevivirá. --- **¿Qué realmente saben hacer las máquinas (y es más de lo que admiten)** Voy a decir la parte impopular primero: una gran parte de lo que los diseñadores de presentaciones han facturado en horas durante la última década no era realmente trabajo de diseño. Era labor de formato. Un estudio encargado por GfK sobre el uso corporativo de *PowerPoint* encontró que **aproximadamente el 37% del tiempo total que los empleados pasan trabajando en *PowerPoint* se destina a formatear** — ajustar fuentes para alinearlas, corregir cambios de color entre diapositivas, reconstruir tablas que se rompen al pegar nuevos datos. Eso equivale a unas **2.6 horas semanales por empleado**, tiempo que casi no tiene nada que ver con la comunicación y todo con la fricción del software. Esa es exactamente la capa en la que las herramientas de IA han demostrado ser realmente buenas. Márgenes consistentes, paletas de color coincidentes, jerarquías de viñetas generadas automáticamente, sugerencias de diseño inicial — una máquina no se cansa de hacer eso, y no salta el paso 14 porque sean las 6 p.m. de un viernes. Si tu valor como diseñador era *"hago que las fuentes coincidan"*, ese valor ya casi no existe, y por más que lo esperes, no cambiará. --- **El muro del 60% — y por qué no está donde esperas** Aquí es donde las cosas se vuelven más interesantes que la típica frase *"la IA no puede reemplazar la creatividad humana"*, que es cierta pero dice casi nada útil. El informe *State of the Designer 2026* de Figma, basado en una encuesta a 906 diseñadores de cinco regiones, encontró que las herramientas de IA generativa llevan un proyecto hasta alrededor del **60% de completado, rápido** — opciones generadas en segundos, una estructura funcional en minutos, un problema de página en blanco resuelto antes de que hayas terminado tu café. Lo que también descubrió el informe es que el **40% restante no disminuye por más buena que sea el modelo**. No es un toque final extra — es una categoría diferente de decisión: ¿qué dato real cambiará la opinión del cliente?, ¿esta audiencia confía en una afirmación audaz o necesita que se la amortigüe?, ¿por qué el *deck* que funcionó para la junta no servirá para el piso de ventas? Un modelo entrenado con millones de *slide decks* genéricos no tiene manera de saber que este VP en particular odia los gráficos de pastel, o que este cliente recibió críticas por sobreprometer números en su última presentación. Eso no es una brecha de datos de entrenamiento que se resuelva con un modelo más grande. Es contexto que solo existe en una relación humana con el trabajo. --- **La parte del trabajo que crece, no se reduce** Una cosa que noto constantemente en conversaciones con agencias: los diseñadores que en 2026 tienen **más trabajo**, no menos, no son los que ignoran las herramientas de IA por principio. Son los que usan dos o tres en paralelo, descartan el **80%** de lo que generan y son implacables con el **20%** que realmente es útil. Eso es una habilidad distinta a *"sé usar Illustrator"*. Es más cercano al juicio editorial — saber qué guardar, qué eliminar y por qué un diseño técnicamente correcto puede seguir siendo el equivocado para esta sala. Esto se nota más claramente en el trabajo de diseño **personalizado y específico de marca** —el tipo construido alrededor de la voz, colores y narrativa reales de una empresa, en lugar de un plantilla genérica. Ese trabajo resiste la automatización por una razón estructural aburrida: una herramienta de IA no recuerda tus tres últimos *pitches*, no tiene idea de qué hizo estremecerse al CFO el trimestre pasado, ni tiene un "sentido" de la sala. Un diseñador que ha asistido a esas reuniones, sí. --- **Donde el trabajo sí se reduce genuino** No voy a endulzar la otra mitad de esto. La producción de *decks* de commodity —el tipo donde alguien necesita un informe competente de 20 diapositivas para actualizaciones internas antes del jueves y no le importa mucho quién lo toque— es exactamente el trabajo que las herramientas de IA ahora hacen **adecuadamente y baratamente**. Si eso era la mayor parte de tu carga de trabajo, los próximos cinco años se sentirán como una **contracción**, no como un cambio. Esto también es el segmento donde los plantillas prehechas ya habían causado la mayoría de la disrupción antes de que llegara la IA; la IA simplemente terminó el trabajo que las plantillas comenzaron, eliminando incluso el paso de *"elige y personaliza"*. El error aquí es asumir que toda la profesión se mueve en la misma dirección que su segmento más commoditizado. No es así. El derecho no desapareció cuando el software de revisión de contratos se volvió bueno —se concentró en los conflictos que el software no podía resolver. Parece que el diseño de presentaciones va por el mismo camino: menos personas haciendo formato rutinario, un grupo más pequeño pero resistente que se enfoca en el trabajo que requiere juicio, algo que el formato rutinario nunca fue realmente. --- **¿Qué realmente cambia para alguien que hace este trabajo hoy?** Si estás evaluando si seguir construyendo una carrera aquí, el cambio práctico no es *"aprende a hacer mejores *prompts*"*, aunque eso ayuda. Es aprender a tratar la salida de IA como un editor trata un borrador inicial — rápido de generar, pero **nunca confiable al pie de la letra**. - **Aprende a identificar más rápido** dónde un diseño generado es incorrecto para la audiencia específica, no solo técnicamente equivocado. - **Desarrolla conocimiento real** en algunas industrias —finanzas, salud, *SaaS*— para detectar afirmaciones que suenen bien pero sean incorrectas para ese público. - **Deja de competir en velocidad de entrega** para *decks* genéricos; esa carrera ya la perdió el software. - **Acuérdate de oponerte** a la primera instinto del cliente, porque **eso es precisamente el juicio que ningún herramienta hará por ellos**. Ninguno de esto es consejo cómodo, porque significa que la versión fácil y de alto volumen de este trabajo **realmente está desapareciendo**. Pero revisa un **catálogo de plantillas listas para usar** durante cinco minutos y notarás algo: incluso una plantilla bien construida aún necesita a alguien que decida cuál encaja, qué eliminar y qué es lo que el *deck* realmente está tratando de argumentar. Esa decisión **no se ha automatizado**. Solo se ha vuelto más difícil de fingir. --- Volviendo a ese *deck* de once minutos del inicio —el que tenía los azules desalineados y la historia contradictoria en la diapositiva 22—. Nadie lo detectó antes de enviarlo al cliente. **Ese es el trabajo de ahora**: no construir el *deck* desde cero, sino ser la persona en la sala que lo habría notado.