El mantenimiento de aeronaves es un dominio complejo donde diseñar nuevos sistemas que incluyan algoritmos de Aprendizaje Automático (ML) puede convertirse en un desafío. En el contexto del diseño de una herramienta para el Mantenimiento Basado en la Condición (CBM) en la planificación del mantenimiento de aeronaves, este estudio de caso aborda (1) el uso del enfoque de Investigación Lúdica para obtener ideas que permitan comprender cómo diseñar la interacción con algoritmos de ML, (2) la integración de un agente de Aprendizaje por Refuerzo (RL) para la colaboración Humano-AI en la planificación del mantenimiento y (3) la visualización de indicadores de CBM. Mediante un enfoque de investigación en ciencias del diseño, diseñamos un protocolo y materiales de Investigación Lúdica, y evaluamos los resultados mediante la realización de un taller de diseño participativo. Nuestra principal contribución es mostrar cómo obtener ideas para la integración de prácticas de planificación de mantenimiento con herramientas de estimación de ML y el agente de RL. A través de un taller de diseño participativo con observación de los participantes, en el cual interactuaron con artefactos de CBM, las Investigaciones Lúdicas favorecen la obtención de requisitos de interacción del usuario con el agente de planificación de RL para ayudar al planificador a obtener un plan de mantenimiento confiable y a comprender cómo representar los indicadores de CBM y visualizarlos a través de una predicción de trayectoria.