Designer de experiências com IA

O que torna o design de IA diferente

Software tradicional tende a executar regras definidas; sistemas de IA produzem resultados probabilísticos, dependentes de dados e contexto. A mesma entrada pode gerar variação, um modelo pode funcionar bem no geral e falhar em um segmento, e a qualidade pode mudar após atualização.

O designer precisa trabalhar com incerteza e comportamento emergente. Não basta desenhar o estado ideal: é necessário mapear erro, ambiguidade, recusa, atraso, indisponibilidade, abuso e recuperação. O produto inclui modelo, dados, interface, pessoas, políticas e operação.

Design centrado no ser humano não significa manter uma pessoa clicando “aprovar” sem condições de avaliar. Significa distribuir agência, informação, tempo e responsabilidade de forma que a supervisão seja real e o sistema sirva a objetivos legítimos.

Escolha um problema que realmente precisa de IA

Comece com pesquisa sobre objetivo, contexto, frequência, consequência e alternativa atual. Se uma regra simples resolve com mais previsibilidade, IA pode acrescentar custo e risco. Ela é útil quando há grande volume, padrões complexos, linguagem natural, percepção ou personalização que justificam a incerteza.

Defina o valor para usuário e organização sem usar “engajamento” como resposta universal. Reduzir esforço, ampliar acesso, apoiar criação ou encontrar informação são resultados concretos. Verifique quem ganha e quem pode ser prejudicado.

Descreva o fluxo antes, durante e depois da IA. Quem fornece dados? Quem verifica? Quem responde quando há erro? Que saída alternativa existe? Essa visão evita uma demonstração impressionante que não se integra ao trabalho real.

1. Observar a tarefa e a alternativa atual.
2. Definir resultado humano e critério de sucesso.
3. Mapear dados, risco, frequência e consequência.
4. Comparar regra, busca, automação e IA.
5. Prototipar com o nível mínimo de inteligência.
6. Testar valor antes de escalar complexidade.

Defina o papel da IA e o nível de automação

A IA pode sugerir, criticar, resumir, classificar, executar ou monitorar. Cada papel cria expectativa e responsabilidade diferentes. Um copiloto mantém iniciativa humana; um agente executa ações e precisa de limites mais rigorosos.

Escolha automação por risco e reversibilidade, não apenas por capacidade. Rascunhar texto interno é reversível; negar benefício, prescrever tratamento ou transferir dinheiro tem consequência alta. Nesses casos, apoio à decisão e revisão qualificada são mais adequados que ação autônoma.

Supervisão deve ser viável: apresente evidência, destaque alterações, permita comparar, dê tempo e treine o revisor. Aprovação repetitiva pode virar viés de automação. Amostras auditadas, escalonamento e separação de funções complementam a interface.

Ajude o usuário a formar um modelo mental correto

Explique em linguagem direta o que o recurso faz, o que usa e o que não garante. Evite antropomorfismo enganoso e frases como “a IA sabe”. Nome, avatar e tom influenciam confiança; devem corresponder à capacidade e ao risco.

Na primeira utilização, mostre exemplos representativos e limites relevantes. Divulgação não deve ficar escondida apenas nos termos. Se o conteúdo é gerado, sinalize no momento certo e preserve procedência quando necessária.

Confiança adequada é calibrada: nem rejeição automática nem dependência excessiva. Mostre fonte, data, cobertura, alternativa e ação recomendada. Um número de confiança sem significado pode confundir; prefira linguagem ligada à decisão e explique como foi validado.

Conversa, prompts e multimodalidade

Interfaces conversacionais são flexíveis, porém transferem ao usuário o trabalho de descobrir o que pedir. Ofereça exemplos, ações sugeridas, campos estruturados e continuidade visível. O design do prompt é também design de interação.

Mantenha contexto sob controle. Mostre arquivos, fontes e preferências em uso; permita remover ou corrigir. Em conversas longas, resuma o estado e confirme mudanças importantes. Não faça o usuário repetir informação já fornecida, mas não presuma dados sensíveis.

Texto, voz, imagem e vídeo ampliam acesso e também risco. Voz exige confirmação em ambiente ruidoso; imagem precisa de descrição e consentimento; câmera pode capturar terceiros. Dê alternativa equivalente e informe quando mídia é gravada ou processada.

• Exemplos que ensinam capacidade e limite.
• Indicador claro de envio, geração e ação.
• Edição da solicitação sem perder contexto.
• Histórico e fontes sob controle do usuário.
• Saída estruturada para tarefas críticas.
• Alternativa não conversacional e acessível.

Projete para erro, incerteza e recuperação

Classifique falhas: dado ausente, intenção ambígua, baixa cobertura, conteúdo impróprio, ferramenta indisponível ou ação rejeitada. Cada classe pede resposta diferente. “Algo deu errado” não orienta recuperação.

Quando a IA não sabe, deve pedir esclarecimento, limitar escopo, oferecer fonte ou encaminhar a pessoa. Nunca invente conclusão para manter fluidez. Preserve o trabalho já feito e permita tentar novamente com mudança explícita.

Antes de ação irreversível, apresente alvo, consequência e parâmetros; exija confirmação proporcional ao risco. Após ação, forneça recibo, status e caminho de desfazer ou contestar. Tenha modo manual quando a IA estiver indisponível.

Feedback que melhora sem explorar o usuário

Polegar para cima ou para baixo raramente explica o problema. Combine sinal simples com motivo opcional: incorreto, incompleto, fonte ruim, tom inadequado ou inseguro. Não obrigue a pessoa a treinar o produto para concluir a tarefa.

Informe como o feedback será usado e proteja conteúdo sensível. Uma correção pode virar rótulo, caso de teste ou ajuste de produto; precisa de consentimento e controle de acesso adequados.

Feche o ciclo. Agrupe falhas, priorize por severidade e frequência, transforme incidentes em testes e comunique mudanças. Não otimize só satisfação imediata: respostas agradáveis podem ser incorretas ou criar dependência.

Personalização, memória e privacidade

Personalização deve ser útil, previsível e controlável. Explique o que é lembrado, por quanto tempo e para qual finalidade. Ofereça visualizar, editar, pausar e excluir memória. Não infira atributo sensível sem necessidade e fundamento.

Separe contexto da sessão, preferência persistente e registro obrigatório. Nem tudo precisa virar memória. Minimize dados, defina retenção e evite misturar contas, clientes ou espaços. Controles de acesso devem acompanhar documentos recuperados.

Surpresa é sinal de design ruim. Se uma recomendação usa histórico, dê uma explicação concreta e permita redefinir. Para crianças, saúde, finanças ou trabalho, use proteção reforçada e consulta especializada.

Acessibilidade, inclusão e diferenças culturais

Siga padrões de acessibilidade desde o protótipo: navegação por teclado, foco, contraste, semântica, legenda, transcrição e compatibilidade com tecnologia assistiva. Conteúdo gerado também precisa cumprir esses requisitos.

Modelos podem funcionar pior em sotaques, dialetos, tons de pele, deficiências e contextos pouco representados. Recrute participantes diversos, avalie por segmentos e não use um grupo como padrão universal. Uma média alta pode ocultar exclusão.

Evite presumir alfabetização digital, idioma ou velocidade. Use linguagem clara, confirme nomes e pronomes e permita revisão. Ofereça canal humano acessível. Inclusão exige orçamento, dados e poder de decisão, não apenas uma lista final.

1. Incluir acessibilidade no requisito e no critério de aceite.
2. Testar teclado, leitor de tela, zoom, legenda e contraste.
3. Avaliar reconhecimento e geração por grupos pertinentes.
4. Conduzir pesquisa com participantes diversos e compensados.
5. Corrigir barreiras antes do lançamento.
6. Manter canal de relato e acompanhamento.

Pesquisa e prototipação de IA

Nos estágios iniciais, use protótipo Wizard of Oz: uma pessoa simula o sistema para validar fluxo sem construir modelo. Informe participantes na debriefing conforme o protocolo ético. Depois use respostas pré-geradas e só então um modelo controlado.

Testes de usabilidade precisam observar tanto interação quanto qualidade. Prepare tarefas realistas, casos comuns, bordas e falhas. Pergunte o que a pessoa acredita que ocorreu, se verificou e por quê. Registre confiança antes e depois.

Não exponha participante a conteúdo traumático, discriminatório ou dados reais sem necessidade. Tenha moderador treinado, consentimento, interrupção e suporte. Pesquisa interna também deve respeitar privacidade e hierarquia.

Como avaliar a experiência completa

Separe qualidade do modelo, usabilidade e impacto. Para geração, avalie correção, completude, fundamentação, estilo e segurança com rubrica. Para interação, meça conclusão, tempo, correção, compreensão e carga. Para resultado, meça benefício e dano no mundo real.

Métricas automáticas aceleram, mas exigem calibração com julgamento humano. Taxa de clique ou conversa longa pode recompensar respostas sensacionalistas. Defina guardrails — privacidade, erro crítico, abandono e reclamação — além da métrica principal.

Avalie antes do lançamento, em piloto e continuamente. Segmente, inspecione exemplos e faça red team. Atualização de modelo ou prompt pode alterar comportamento; mantenha conjunto de regressão e possibilidade de rollback.

Competências, portfólio e carreira

Combine fundamentos de UX — pesquisa, arquitetura, interação, conteúdo, acessibilidade e sistema de design — com letramento em dados, modelos, prompts, RAG, avaliação e risco. Você não precisa treinar o modelo, mas deve dialogar com quem o constrói.

Um estudo de caso forte mostra problema, pesquisa, alternativas sem IA, escolha do papel, mapa de falhas, protótipo, testes, métricas, privacidade e iterações. Não divulgue dados ou interfaces confidenciais; recrie de forma segura e explique sua contribuição.

Pratique em equipes multidisciplinares. Designers de conversação, produto, conteúdo, serviço e pesquisa podem especializar-se em IA. Em entrevista, explique trade-offs e uma ocasião em que reduziu automação ou interrompeu lançamento por evidência.

A maturidade aparece quando experiência e operação se conectam: quem recebe feedback, como o incidente escala e como o sistema é desativado. Seu trabalho não termina no arquivo de design.

• Pesquisa com usuários e domínio.
• Prototipação de comportamento probabilístico.
• Design conversacional e multimodal.
• Acessibilidade e inclusão.
• Avaliação de qualidade e confiança.
• Privacidade, segurança e governança.
• Facilitação entre design, engenharia e negócio.