Flujo de siniestros con IA · Bdeo

Resumen

Bdeo · Flujo móvil con IA

Si el usuario no confía, la IA no tiene qué analizar

El flujo móvil de Bdeo pide al asegurado unas fotos de su coche para que la IA valore el daño. Muchos lo abandonaban a mitad y las fotos que llegaban no siempre servían. Lo rediseñamos escuchando a 100 conductores reales.

Rol

Product Designer · Design Lead

Duración

10 meses

Equipo

1 PM · 2 Product Designers

Contexto

Flujo móvil en el que el asegurado fotografía su vehículo tras un siniestro. La IA de Bdeo analiza las imágenes y el perito recibe el resultado en su dashboard. El MVP lo había construido un equipo externo, sin research con clientes.

Impacto

• −33% Permisos de GPS rechazados — Del 33,73% al 22,46% de usuarios que no aceptaban el GPS.
• −49% Imágenes recortadas — Del 30,83% al 15,82%. Una foto recortada es una foto que la IA no puede procesar.
• ~5 min Flujo completo — Frente a una visita del perito que podía tardar más de diez días en programarse.

El problema

Sin Bdeo, un siniestro de coche necesita que un perito vaya a ver el vehículo. La cita depende de su agenda y de la del asegurado, y puede tardar más de diez días. Con Bdeo, el asegurado recibe un enlace, hace unas fotos guiadas en unos cinco minutos y la IA le dice si el daño está cubierto.

El producto ya funcionaba y tenía clientes, pero lo había construido un equipo externo sin hablar con usuarios. Se notaba en dos datos: uno de cada tres usuarios rechazaba el permiso de GPS, y casi un tercio de las imágenes llegaban recortadas, inservibles para la IA.

Research

Pedimos a conductores que nunca habían usado Bdeo que completaran el flujo actual. Grabamos sus pantallas, contamos clics, medimos el tiempo y al final les preguntamos por la experiencia. Buscamos perfiles variados en edad, sexo, origen y profesión.

• 40 conductores probaron el flujo actual
• 60 conductores nuevos probaron el rediseño
• 3 mediciones por sesión: pantalla, clics y tiempo

1. La desconfianza hacía abandonar. El flujo pedía permiso para usar la cámara después de varias fotos, y nadie entendía por qué.
2. No sabían cómo hacer las fotos. Nada explicaba a qué distancia ni desde qué ángulo.
3. Recortaban las imágenes. Por motivos distintos, pero con el mismo resultado: fotos que la IA no podía procesar.
4. Nadie leía los mensajes de ayuda de la cámara.
5. Necesitaban ejemplos. Ver una foto bien hecha explicaba más que cualquier texto.

Decisiones

Tres cambios, cada uno ligado a un hallazgo del research.

Pedir todos los permisos al principio, y explicarlos

El flujo pedía los permisos en mitad del proceso, cuando el usuario ya había hecho varias fotos. Los agrupamos en un único momento al inicio, con pantallas que explicaban para qué servía cada uno y una ilustración clara. La fricción dejó de estar repartida por el flujo y pasó a un solo punto que el usuario entendía.

Una silueta del coche en la cámara

Los usuarios no sabían a qué distancia ni en qué posición hacer la foto. Añadimos plantillas con la silueta del vehículo sobre la cámara para que encajaran el coche dentro. Fue la primera fase de mejora y la que más movió los datos.

Ayuda justo donde dudaban

Los mensajes de ayuda generales no se leían. En las grabaciones vimos en qué pantallas se quedaban parados y pusimos ahí una ayuda corta con una foto de ejemplo: no te acerques demasiado, evita los reflejos, que se vea en qué pieza está el daño.

Validación

Con los cambios en un prototipo, repetimos la prueba con sesenta conductores nuevos, con la misma variedad de perfiles, y agrupamos los resultados. Después medimos en producción los casos creados frente a los completados, antes y después del rediseño.

1. Estrategia: objetivos y roadmap
2. Research: entrevistas, journey y shadowing
3. Definición: jobs to be done
4. Ideación: arquitectura, flujos y tono
5. Prototipo navegable en alta
6. Test con usuarios e iteración

Trabajamos un PM y dos diseñadores de producto durante unos diez meses, de septiembre a julio.

Aprendizajes

1. En un flujo que pide fotos y permisos, la confianza va antes que la usabilidad. Si el usuario no entiende por qué le pides algo, no llega a la pantalla que has diseñado.
2. Un ejemplo visual resuelve lo que un texto no resuelve. La silueta del coche hizo más que todos los mensajes de ayuda juntos.
3. La IA es tan buena como las imágenes que recibe. Mejorar la captura fue mejorar el modelo sin tocar el modelo.

Cierre

Para que la IA funcione, primero tiene que entenderla quien hace la foto.

Summary in English

AI-assisted claims flow · Bdeo

−33% GPS permissions denied · −49% cropped images · Full flow in ~5 min

Bdeo · AI mobile flow

If the user doesn’t trust it, the AI has nothing to analyse

Bdeo’s mobile flow asks policyholders for photos of their car so the AI can assess the damage. Many dropped out halfway and the photos that arrived weren’t always usable. We redesigned it by listening to 100 real drivers.

Role

Product Designer · Design Lead

Duration

10 months

Team

1 PM · 2 Product Designers

Context

Mobile flow where the policyholder photographs their vehicle after a claim. Bdeo’s AI analyses the images and the adjuster gets the result in their dashboard. The MVP had been built by an external team with no client research.