IA como parceira de projeto: possibilidades e limites no planejamento de UX

Oportunidade de debate sobre UX com IA

O campo do design de experiência do usuário (UX) é historicamente definido por uma tensão produtiva: de um lado, a necessidade de rigor metodológico e escuta cuidadosa das pessoas; do outro, a pressão por velocidade, eficiência e capacidade de resposta às transformações do mercado digital. A chegada dos modelos de linguagem de grande escala (LLMs) e das ferramentas de IA generativa não resolve essa tensão — ela a recoloca em novos termos, com possibilidades inéditas e riscos igualmente novos.

No âmbito do XII Congresso Internacional de Tecnologia e Organização da Informação (TOI 2026) e do X Simpósio de UX com Inteligência Artificial — realizados em formato híbrido e em cooperação institucional entre a Escola de Comunicações e Artes da Universidade de São Paulo (ECA-USP) e a Escola Superior de Propaganda e Marketing (ESPM) —, pesquisadores e profissionais reuniram-se para debater essa reconfiguração. O debate central não gira apenas em torno da produtividade, mas sobre o próprio estatuto do método em design: o que pode ser delegado a uma máquina sem que o produto final perca sua aderência ao humano?

Agiliza mas tem seu preço

O desenvolvimento de produtos digitais exige ciclos extensos de planejamento, pesquisa de campo e prototipagem, demandando semanas de trabalho para configurar requisitos de negócios, fluxos de interação e wireframes. Na era digital contemporânea, a velocidade das transformações tecnológicas impõe desafios estruturantes.

O problema central reside em como otimizar essas etapas técnicas de Discovery e design informacional sem abdicar do pensamento crítico e da centralidade no usuário. Mapeia-se, por exemplo, o desafio prático de aplicar tais tecnologias para mitigar problemas sociais complexos, como a sobrecarga acadêmica e as disparidades de aprendizado enfrentadas por estudantes do ensino médio em preparação para exames vestibulares , exigindo soluções rápidas que não percam a sensibilidade ao contexto social real.

Métodos, dados e abordagens

A lógica não é de substituição, mas de sobreposição: o designer humano guia, valida e interpreta;

a IA acelera, estrutura e gera variações.

Essa divisão de papéis reconhece que os LLMs são, em essência, sistemas de predição semântica que sintetizam padrões e sugerem estruturas coerentes em tempo reduzido.

1. Alinhamento estratégico e concepção do produto

Conforme o framework de UX que apresentei, nas fases iniciais de Discovery, a IA atua como parceira na construção de Canvas de proposição de valor e na formulação de uma “bússola estratégica” para organizar os vetores do produto. A Bússola Estratégica apresentada no modelo de planejamento de UX aumentado por IA funciona como um vetor de orientação conceitual para o projeto. Sua principal função é atuar como um instrumento de governança e alinhamento,garantindo que as decisões técnicas e de design tomadas ao longo do ciclo de desenvolvimento não desviem dos objetivos centrais estabelecidos no estágio de Discovery.

Na prática, em vez de preencher relatórios extensos e abstratos de escopo, o designer utiliza uma metáfora espacial baseada nos quatro pontos cardeais para delimitar as fronteiras, os lemas e as diretrizes do produto digital. Cada quadrante representa um pilar indissociável da experiência, detalhado da seguinte forma:

2. A Etnografia sintética: potência e paradoxo

A etnografia sintética consiste na simulação, dentro de um LLM, de sessões de grupo focal com perfis demográficos e socioeconômicos distintos. A partir de dados comportamentais dispersos na web, o modelo gera transcrições simuladas, personas e jornadas de usuário. Ao simular perfis de estudantes de diferentes origens socioeconômicas, antecipam-se assimetrias no letramento digital e barreiras de entrada.

O paradoxo reside em que uma etnografia baseada em computador reflete apenas o que os dados de treinamento registraram — incluindo vieses, lacunas e omissões. Comportamentos fora da curva e nuances locais permanecem invisíveis para o modelo. O método serve como um andaime provisório para organizar hipóteses e orientar as perguntas certas para a pesquisa empírica subsequente.

3. Arquitetura da Informação e Estruturação Semântica

4. O Promptframe: Wireframing como Linguagem

O promptframe é um artefato visual semântico que condensa, em um único prompt estruturado, todos os parâmetros necessários para gerar interfaces dinâmicas em ferramentas de automação de design (como v0, Lovable, Bolt ou plugins especializados do Figma). Ele traduz a intenção de interação do designer em linguagem natural estruturada, contornando a exigência imediata do desenho manual. O risco associado é a perda de consciência sobre as microdecisões visuais e espaciais tomadas automaticamente pela IA, resultando em interfaces que podem ser funcionais, mas pouco refletidas.

Limitações

A geração de insumos projetuais por meio de modelos sintéticos opera por predição estatística, o que significa que as respostas tendem a se posicionar pela média dos dados disponíveis na web. Consequentemente, abordagens sintéticas atenuam particularidades locais e ocultam comportamentos fora da curva que apenas a observação de campo real (etnografia empírica) é capaz de capturar.

Além disso, as ferramentas de IA estão sujeitas a falhas operacionais involuntárias, tais como a omissão de formatos solicitados (tabelas e estruturas rigorosas) e dependem de arquiteturas proprietárias cujos critérios de peso e funcionamento interno permanecem opacos (“caixa preta”).

Implicações práticas e científicas: o Humano no Circuito

A integração da IA generativa no planejamento de UX representa menos uma revolução metodológica do que uma reconfiguração das condições de trabalho do designer. As etapas de Discovery e estruturação informacional são aceleradas de forma substantiva, reduzindo o tempo de desenvolvimento de semanas para frações de horas.

Cientificamente, o framework do TOI 2026 é enfático ao afirmar que o papel do designer permanece insubstituível na coordenação do processo. O conceito de human-in-the-loop (humano no circuito) é a garantia de que o produto final mantenha relevância, aderência social e originalidade.

Contudo, a presença humana por si só não garante qualidade crítica. Um designer que aceita os outputs da máquina de forma irrefletida — sem contrastá-los com dados reais e sem exercer julgamento estético e ético — está presente no processo, mas ausente como sujeito crítico. O uso produtivo de IA exige profissionais que compreendam as limitações dos modelos com os quais trabalham, que saibam distinguir síntese estatística de insight genuíno, e que mantenham a capacidade de fazer perguntas que os modelos não fariam por si mesmos.

Parte Prática: Estrutura de um Promptframe de UX

Para exercitar o ciclo de Discovery, pesquisa sintética, arquitetura de informação e geração de interfaces de forma sequencial dentro do mesmo contexto de conversação, utiliza-se a estrutura lógica parametrizada que mostro de forma sintética a seguir: