Análisis comparativo de la adopción de IA generativa entre profesionales del diseño en China y el Reino Unido: una perspectiva UTAUT

Por qué esto importa para la creatividad cotidiana en el trabajo

Herramientas de IA generativa, como generadores de imágenes y chatbots, están entrando rápidamente en los entornos creativos, desde estudios de diseño hasta equipos de marketing. Sin embargo, no todos los profesionales las aceptan de la misma manera. Este estudio plantea una pregunta simple pero oportuna: ¿qué opinan los diseñadores en China y el Reino Unido sobre la IA generativa, qué les impulsa a usarla —o a evitarla— y cómo condicionan factores nacionales, como el acceso a la tecnología, esas decisiones?

Cómo ya están usando los diseñadores estos nuevos asistentes de IA

La IA generativa puede ahora sugerir diseños, elaborar ilustraciones, prototipar productos e incluso simular cómo podrían reaccionar los usuarios ante una propuesta. Para los diseñadores eso significa ayuda en la lluvia de ideas, el bosquejo, la exploración visual y la comprobación de si las ideas tienen probabilidades de funcionar. Los autores encuestaron a 607 diseñadores en activo, 233 en China y 374 en el Reino Unido, todos con experiencia real usando IA generativa en su trabajo. El objetivo no era juzgar la tecnología en sí, sino comprender las actitudes de los diseñadores: ¿creen que estas herramientas realmente mejoran su trabajo, sus amigos y colegas fomentan su uso y confían lo suficiente en los resultados como para apoyarse en ellos?

Qué midió el estudio sobre actitudes y hábitos

Para interpretar estas respuestas, los investigadores usaron un marco bien conocido en la investigación sobre tecnología que analiza por qué las personas aceptan o rechazan nuevas herramientas. Se centraron en cuánto creían los diseñadores que la IA mejoraría su rendimiento, cuán fácil les resultaba usarla, cuánta presión social percibían de compañeros y jefes y si contaban con las habilidades y los recursos para trabajar con ella. También añadieron tres ingredientes extra especialmente relevantes en campos creativos: la confianza en la IA, la resistencia al cambio y la facilidad con que las empresas proporcionan acceso a sistemas de IA potentes e infraestructura. Por último, vincularon todo esto con lo que los diseñadores hacen en la práctica: con qué frecuencia incorporan la IA generativa en sus proyectos cotidianos.

Patrones compartidos: beneficios, presión de pares y preocupación por el cambio

En ambos países surgieron varios patrones claros. Los diseñadores que creían que la IA realmente mejoraría su trabajo tenían más probabilidades de decir que pretendían seguir usándola, y esas intenciones se tradujeron en uso real. Los círculos sociales también importaron: cuando colegas, clientes o gestores esperaban el uso de IA, los diseñadores mostraron mayor inclinación a adoptarla, especialmente en entornos de trabajo en equipo. Al mismo tiempo, una fuerte resistencia al cambio —temores sobre la pérdida del control creativo, preocupaciones por la originalidad o incomodidad frente a algoritmos opacos— tiró en sentido contrario y redujo el deseo de usar IA. Sorprendentemente, la facilidad percibida de uso y si los diseñadores creían personalmente tener suficiente conocimiento y apoyo no influyeron de forma decisiva en las intenciones. Muchos profesionales parecen dispuestos a invertir esfuerzo en aprender herramientas complejas si perciben un beneficio creativo claro.

Diferencias clave entre China y el Reino Unido

Tras estas similitudes generales, el contexto nacional marcó una diferencia importante. En el Reino Unido, la confianza en la IA surgió como un factor determinante: los diseñadores que consideraban que los sistemas de IA eran fiables, seguros y alineados con valores profesionales tenían muchas más probabilidades de pretender usarlos. Dado que los diseñadores británicos tienen acceso amplio y a largo plazo a plataformas globales líderes, pueden formarse opiniones estables sobre en qué sistemas confían y por qué. En China, donde el acceso a muchas herramientas internacionales está restringido y las plataformas domésticas aún evolucionan, la confianza tuvo poco impacto directo en las intenciones. En su lugar, el acceso tecnológico a nivel organizacional desempeñó un papel especial. Cuando las organizaciones no ofrecían infraestructura sólida de IA o apoyo oficial, los diseñadores dependían más de señales sociales: observar lo que hacían los pares, aprender en comunidades profesionales e influirse por redes informales. Además, la intención se tradujo con más fuerza en uso frecuente en el Reino Unido que en China, lo que sugiere que los diseñadores británicos pueden actuar más fácilmente según sus preferencias una vez que deciden adoptar las herramientas.

Qué implica esto para el futuro del trabajo en diseño

El estudio concluye que no existe una receta única para la adopción exitosa de la IA generativa en profesiones creativas. En ambos países, los diseñadores están más convencidos por beneficios claros en la calidad e impacto de su trabajo, por el estímulo y el ejemplo de los colegas y por garantías de que su identidad creativa no será amenazada. Pero el entorno más amplio modifica cómo actúan estas fuerzas: en el Reino Unido es crucial construir herramientas confiables y transparentes, mientras que en China puede ser más importante mejorar el acceso organizacional y apoyar a las comunidades de diseñadores. Para el lector no especializado, la conclusión es directa: la IA generativa moldeará el futuro del diseño, pero la velocidad y la forma dependerán no solo de la tecnología, sino de las creencias de las personas, la cultura laboral y el panorama digital de cada país.

Cita: Fang, C., Zhang, M., Khiatani, P.V. et al. A comparative analysis of generative AI adoption among design professionals in China and the United Kingdom: a UTAUT perspective. Humanit Soc Sci Commun 13, 411 (2026). https://doi.org/10.1057/s41599-026-06796-x

Palabras clave: IA generativa en el diseño, adopción de tecnología, industrias creativas, comparación transnacional, actitudes de los diseñadores