Amaia Cuida Preferencias → Plan de Atención y Vida
De conocer las preferencias a convertirlas en decisiones de cuidado
Amaia Cuida ayuda a centros y residencias a aplicar la Atención Centrada en la Persona (ACP), conectando información personal con decisiones de cuidado.
Las preferencias de una persona se registraban manualmente, una a una, pero recoger esa información no era suficiente si después no se tenía en cuenta dentro de su Plan de cuidados.
El reto fue diseñar un flujo que permitiera recoger esas preferencias de forma más rápida, analizarlas con IA y convertirlas en información útil para enriquecer el Plan de Atención y Vida (PAyV), manteniendo siempre la validación profesional.
- Entrevistar
- Agrupar
- Validar
- Aplicar
- Mi rol
- Product Designer UX/UI
- Duración
- 2 años
- 2023–2025
- Equipo
- CEO, Frontend, Backend y Customer Success
- Productos
- 3 plataformas
- Amaia Profesionales (web)
- Amaia Conecta (tablet)
- Amaia App (familias)
01 El punto de partida
Registrar preferencias no garantizaba que se utilizaran en el cuidado
Las preferencias ya formaban parte del perfil de cada persona, pero debían registrarse manualmente una a una. En un entorno con poco tiempo disponible, completar esa información podía convertirse en una tarea difícil de mantener.
Además, recogerlas no resolvía todo el problema. La información quedaba disponible dentro del perfil, pero no estaba conectada con el Plan de Atención y Vida, por lo que conocer cómo quería vivir una persona no significaba necesariamente que esas preferencias acabaran reflejándose en su planificación de cuidados.
El reto tenía, por tanto, dos partes:
Reducir el esfuerzo necesario para recoger las preferencias y conseguir que esa información pudiera utilizarse posteriormente para personalizar el plan de cuidados.
El problema no era solo recoger más información, sino conseguir que conocer mejor a la persona tuviera consecuencias en cómo se planificaba su cuidado.
02 Hacer más fácil recoger las preferencias
De registrar datos uno a uno a mantener una conversación guiada
Hasta ese momento, incorporar preferencias dependía de que el profesional las identificara y añadiera manualmente al perfil.
Para reducir ese trabajo diseñamos una entrevista específica de Preferencias en Amaia Conecta, el dispositivo que los profesionales utilizaban para realizar valoraciones junto a la persona.
En lugar de completar cada preferencia de forma aislada, el profesional podía mantener una conversación, grabarla y apoyarse en un guion de preguntas para explorar diferentes aspectos de su vida cotidiana.
El objetivo no era sustituir la conversación con un cuestionario rígido, sino dar estructura a la entrevista y facilitar que información relevante no dependiera únicamente de lo que el profesional recordara registrar después.
- 01 Grabación de la entrevistaLa conversación queda registrada para poder procesarla posteriormente.
- 02 Guion como apoyoLas preguntas organizadas por temas ayudan al profesional a conducir la conversación.
- 03 Validación antes de enviarIdioma, interlocutores y audio pueden revisarse antes de subir la valoración.
Recoger más información no resolvía todavía el problema. Había que transformar una conversación extensa en preferencias concretas que el profesional pudiera revisar y utilizar.
03 De conversación a información estructurada
La IA extrae. El profesional decide qué se incorpora.
Una vez subida la entrevista, la IA analizaba la conversación y extraía las preferencias detectadas, agrupándolas por categorías como cuidado, rutinas o alimentación.
En lugar de obligar al profesional a volver a escuchar toda la entrevista y trasladar manualmente cada dato, Amaia presentaba las nuevas preferencias directamente dentro del perfil.
Pero la extracción no se incorporaba de forma automática.
Cada nueva preferencia quedaba identificada para que el profesional pudiera revisarla, aprobarla o descartarla antes de incorporarla definitivamente.
La IA reducía el trabajo de extracción; el profesional mantenía el control sobre la información que pasaba a formar parte del perfil.
- 01 Nuevas preferencias detectadasLas preferencias extraídas de la entrevista se diferencian del contenido que ya existía.
- 02 Información agrupadaLas categorías facilitan la revisión.
- 03 Aprobar o descartarCada nueva preferencia puede validarse individualmente.
- 04 Contrastar con la entrevista“Ver transcripción” permite comprobar el contexto cuando sea necesario.
Automatizar sin cerrar el sistema
Los profesionales seguían pudiendo incorporar información manualmente cuando surgía durante el día a día o no procedía de una entrevista.
Esto permitía combinar dos formas de alimentar el perfil:
IA para acelerar la extracción de entrevistas
+
edición manual para mantener la información viva
Ya habíamos reducido el esfuerzo necesario para recoger y estructurar las preferencias. El siguiente reto era conseguir que esa información no terminara otra vez aislada dentro del perfil.
04 Conectar la información con el Plan de Atención y Vida
Un plan que evoluciona a medida que conocemos mejor a la persona
El Plan de Atención y Vida de Amaia no se planteaba como un documento que el profesional tuviera que construir desde cero. Se generaba y evolucionaba a medida que aumentaba la información disponible sobre la persona.
Una primera versión básica —el Plan de bienvenida— se generaba a partir de los cuestionarios iniciales. A partir de ahí, completar una Historia de Vida, una entrevista de Mis cuidados o incorporar nuevas Preferencias podía aportar información suficiente para generar una nueva revisión del PAyV.
La lógica debía funcionar independientemente del orden en que se completasen estas fuentes: cada nueva información relevante podía seguir enriqueciendo el plan.
Las preferencias debían influir realmente en el plan
Aunque el PAyV podía enriquecerse desde distintas fuentes, las Preferencias presentaban un problema particular.
Ya estaban contempladas como información relevante para personalizar el plan, pero registrarlas manualmente una a una requería demasiado tiempo, por lo que muchos perfiles contenían poca información de este tipo.
Además, incluso cuando existían nuevas preferencias, el sistema podía indicar que había una nueva revisión sin incorporarlas realmente al contenido del PAyV.
Facilitar su recogida tenía poco valor si después esa información volvía a quedarse aislada. Por eso el rediseño no terminó en la entrevista y la extracción con IA: también trabajamos la conexión entre las preferencias validadas y la siguiente revisión del plan.
Revisar antes de incorporar los cambios
Que Amaia generase una nueva versión a partir de Historia de Vida, Mis cuidados o Preferencias no significaba que los cambios debieran aceptarse automáticamente.
Antes de aprobarla, el profesional podía revisar y editar tanto el Resumen del Plan como los Objetivos e intervenciones, eliminando propuestas que no encajaran, modificándolas o incorporando nuevas acciones según la realidad de la persona y los recursos disponibles en el centro.
La lógica se mantenía así durante todo el recorrido:
Amaia conectaba y proponía información; el profesional decidía qué terminaba formando parte del plan.
La IA también podía ayudar a construir las intervenciones
La edición no se limitaba a corregir contenido generado.
El profesional también podía definir un nuevo objetivo y pedir a la IA propuestas de intervenciones relacionadas, utilizándolas como punto de partida para después modificarlas, eliminarlas o adaptarlas al contexto real del centro.
Así, la IA podía ayudar tanto a transformar información sobre la persona en una propuesta de plan como a apoyar al profesional cuando necesitaba desarrollar nuevas acciones, sin sustituir su criterio.
Validar el flujo en el contexto real de los centros
Realizamos 6 sesiones de test con profesionales de 5 centros para observar no solo si podían utilizar el Planificador, sino cómo encajaba dentro de su proceso real de planificación del cuidado.
Las sesiones mostraron que la lógica general se comprendía y que los profesionales valoraban disponer de una base sobre la que revisar, seleccionar y adaptar información, en lugar de construir el plan desde cero.
Las principales fricciones aparecieron en otro lugar: descubrir algunas capacidades de la interfaz, priorizar la información realmente accionable y conseguir que el PAyV trascendiera la planificación para llegar al cuidado cotidiano.
01 IA como apoyo, no como decisión
La automatización podía recuperar y estructurar información que pasaría desapercibida, pero la validación profesional seguía siendo imprescindible.
Como ejemplo, en el Centro E se valoró que durante una conversación la IA pudiera detectar preferencias que el profesional quizá no hubiera identificado o clasificado manualmente.
02 Funciones valiosas, pero poco visibles
Algunas de las capacidades con mayor potencial no siempre se descubrían de forma autónoma.
En el Centro F, la profesional iba a redactar manualmente las intervenciones y descubrió la ayuda “Generar con IA” durante el propio test.
El mismo patrón apareció en el Centro A.
03 Menos texto, más acción
La información funcionaba mejor cuando era breve, estructurada y fácil de convertir en una decisión de cuidado.
En el Centro E pidieron que las preferencias fueran más cortas y esquemáticas para facilitar su lectura.
En el Centro C observamos además que Objetivos e intervenciones recibía más atención que un resumen percibido como demasiado parecido a Historia de Vida.
04 El reto continuaba después de aprobar
Generar un buen PAyV no garantizaba que ese conocimiento llegara al cuidado cotidiano.
En el Centro F identificaron como una de sus mayores dificultades incorporar lo trabajado en planificación al día a día de la residencia. Parte de la información seguía circulando mediante mecanismos como post-its o libros de incidencias.
En el Centro D, el mismo reto apareció desde otro ángulo: implicar a más auxiliares en la recogida y uso de esta información dependía también de la carga asistencial y de la capacidad del equipo para incorporar nuevas herramientas a su rutina.
El objetivo no era generar más versiones del plan, sino conseguir que cada nueva información sobre la persona pudiera traducirse en decisiones de cuidado más personalizadas.
05 Resultado
De recoger información a utilizarla para personalizar el cuidado
El trabajo conectó piezas que antes funcionaban de forma demasiado independiente.
La entrevista permitió recoger preferencias mediante una conversación, la IA ayudó a transformarlas en información estructurada y el profesional mantuvo el control sobre qué debía incorporarse al perfil.
A partir de ahí, Preferencias pasó a formar parte de una lógica más amplia junto a Historia de Vida y Mis cuidados: nueva información sobre la persona podía generar una revisión y enriquecer progresivamente su Plan de Atención y Vida.
El resultado fue un flujo en el que conocer mejor a la persona podía tener una consecuencia directa sobre cómo se planificaba su cuidado.
- 01 Menos trabajo de registro
Una conversación podía convertirse en múltiples preferencias sin tener que identificarlas y registrarlas manualmente una a una.
La IA asumía parte del trabajo de extracción y clasificación, reduciendo el esfuerzo necesario para estructurar la información.
- 02 Información conectada
Las preferencias dejaron de funcionar únicamente como datos almacenados dentro del perfil.
Junto a Historia de Vida y Mis cuidados, podían convertirse en una nueva fuente de información para revisar y enriquecer el PAyV.
- 03 El profesional mantiene el control
Automatizar no significaba eliminar la revisión humana.
Las preferencias extraídas debían validarse y las propuestas del PAyV podían revisarse, editarse o descartarse antes de formar parte del plan definitivo.
Mi aprendizaje
El valor de recoger información está en lo que el producto permite hacer después con ella.
Al principio, el problema parecía centrarse en facilitar el registro de preferencias. Pero automatizar esa tarea no era suficiente si el resultado terminaba aislado en otra sección del perfil.
Diseñar este flujo me llevó a pensar la IA como parte de un sistema conectado: recoger información, estructurarla, validarla y conseguir que pueda influir en una decisión posterior, manteniendo el criterio profesional en cada punto crítico.