¿Qué es la deriva de tokens?
La deriva de tokens es la divergencia gradual entre las decisiones registradas en un sistema de diseño y los valores que un producto usa realmente. Ocurre cuando una superficie (un archivo de Figma, una hoja de estilos o código generado por IA) deja de referenciar la fuente compartida y acumula sus propios valores.
Cómo empieza
La deriva nunca se anuncia. Llega como decisiones pequeñas y razonables una a una.
Una diseñadora necesita un borde un poco más claro para una tabla densa y lo elige en el archivo en vez de proponer un token. Un desarrollador saca margin-top: 18px a las once de la noche porque la escala tiene 16 y 20 y ninguno queda bien. Alguien copia un componente de otro proyecto junto con su sombra fija.
Ninguna de estas cosas justifica bloquear un pull request. Seis meses de ellas sí producen un código donde el "azul principal" tiene cuatro valores.
La aceleración por IA
Esto se ha vuelto más rápido hace poco, y conviene ser preciso sobre el motivo.
Un asistente de IA al que le pides una página de ajustes no tiene, por defecto, acceso a tu sistema de diseño. Produce valores plausibles a partir de lo que ha visto en otros sitios: #3B82F6 para un primario, 16px para un hueco, una sombra que se parece a la tuya sin coincidir.
El resultado parece correcto en la revisión. Usa valores razonables. Solo que usa valores razonables distintos de los tuyos, y lo hace al ritmo al que tu equipo genera código, que es bastante más rápido que una persona escribiendo CSS a mano.
Cómo detectarla
- Busca colores hexadecimales en el código. En un sistema sano casi todos viven en las definiciones de tokens.
- Cuenta los valores de espaciado distintos en uso frente a los pasos de tu escala.
- Compara los colores del archivo de Figma con los tokens del repositorio.
- Coge un componente generado por un asistente de IA y comprueba cada valor contra el sistema.
Los recuentos suelen ser peores de lo que el equipo espera, que es algo útil de descubrir pronto.
Cómo prevenirla
Haz que el sistema sea accesible desde cada superficie que lo consume. La deriva es sobre todo un fallo de distribución. Si una persona o un modelo tiene que dejar lo que está haciendo para encontrar el valor correcto, a veces no lo hará.
Dale los tokens directamente a los agentes. Un servidor de Model Context Protocol que sirve valores vigentes hace que un modelo lea tu primario en vez de adivinarlo.
Revisa el código generado contra el sistema. Detectar valores fijos que tienen equivalente en token convierte la deriva en algo visible en la revisión, en vez de algo que se descubre un año después.
Haz que una dirección sea la autoritativa. Cuando Figma y el código no coinciden, alguien tiene que poder decir cuál manda. Un paso de revisión, donde un cambio de diseño se convierte en un diff que una persona aprueba antes de llegar al repositorio, es la respuesta habitual.
Dónde encaja Flash DSM
Flash DSM sirve tokens vigentes a los agentes de IA vía MCP, ofrece una herramienta check_violations que devuelve los valores fijos junto al token que los sustituye, y convierte las publicaciones de Figma en diffs revisables que se abren como pull requests.