Marcus Andrey Estudo
Read in English Biblioteca

IA para UX · Passo 4 · 7 min de leitura

Síntese assistida por IA, passo a passo

Um método prático para usar IA na análise de pesquisa sem perder o rigor: preparar e anonimizar os dados, ler primeiro, deixar a IA fazer uma primeira rodada, questionar o resultado, rastrear cada insight até a fonte e reportar com honestidade. Com o que os estudos dizem sobre a codificação de entrevistas por IA.

A IA consegue marcar cem páginas de transcrições em um minuto. Se essas marcações significam alguma coisa, aí é com você. Bem usada, a IA é uma assistente incansável para as partes mecânicas da análise: primeira rodada de marcação, agrupamento, busca de citações. Mal usada, ela produz um resumo cheio de confiança que erra o ponto principal e inventa o resto. Esta nota traz um método que mantém a velocidade e o rigor.

O que você vai conseguir fazer depois de ler:

  • Preparar os dados de pesquisa para que seja seguro usá-los com IA
  • Conduzir uma síntese em sete passos em que a IA ajuda e as pessoas decidem
  • Perceber as falhas típicas da análise por IA: agrupamentos rasos, um "Outros" gigante, trechos ignorados, insights inventados
  • Reportar descobertas que podem ser rastreadas até evidências reais

1. O que os estudos dizem sobre a codificação de entrevistas por IA

  1. Trechos humanos capturados61,7%
  2. Códigos descritivos iguais63,7%
  3. Códigos interpretativos iguais57,7%
O GPT-4o codificando trechos de entrevistas, comparado a codificadores humanos (Turner et al., 2026). Ele também achou 206 trechos corretos que os humanos tinham perdido: a IA perde e acrescenta. Diagrama: Marcus Andrey, CC BY 4.0.
  • Um estudo de 2026 comparou a codificação de trechos de entrevistas feita pelo GPT-4o com a de codificadores humanos: o modelo captou 61,7% do que os humanos codificaram, se saiu melhor nos códigos descritivos (63,7%) do que nos interpretativos (57,7%), e também encontrou 206 trechos corretos que os humanos não tinham visto (Turner et al., 2026).
  • Trabalhos anteriores mostraram que um LLM "can infer most of the main themes" (consegue inferir a maioria dos temas principais) em entrevistas abertas, embora o próprio autor apresente o artigo como uma provocação sobre os limites (De Paoli, 2023), e que, com um livro de códigos (codebook) escrito por especialistas, o GPT-3 chegou a uma concordância "fair to substantial" (de razoável a substancial) com os especialistas (Xiao et al., 2023).

O padrão: a IA deixa coisas passar e também acrescenta coisas, e é mais fraca justamente onde a interpretação mais importa. É exatamente por isso que o método abaixo deixa a interpretação com as pessoas.


2. O método, em sete passos

1Preparar

Anonimizar e conferir.

2Ler antes

Antes de qualquer resultado da IA.

3Livro de códigos

Dê à IA os seus códigos, não uma página em branco.

4Primeira passada

Etiquetas, grupos, citações com localização.

5Questionar

Contradições, lacunas, a pilha de "Outros".

6Rastrear

Confira cada citação principal na origem.

7Relatar

Diga onde a IA ajudou.

Sete passos da síntese assistida por IA: a IA faz a primeira passada, as pessoas decidem o que significa. Diagrama: Marcus Andrey, CC BY 4.0.

1. Prepare e anonimize

Tire nomes, rostos e detalhes da empresa e dos clientes antes de colocar qualquer coisa numa ferramenta de IA, e confira o resultado: o NN/g relata uma ferramenta que removeu nomes de produtos por engano (NN/g). Pelas orientações europeias de proteção de dados, só dados realmente anonimizados deixam de ser dados pessoais; dados pseudonimizados continuam sendo pessoais (EDPB anonymisation guidelines, rascunho de 2026).

2. Leia primeiro

Leia ou assista a uma amostra de sessões inteiras antes de ver qualquer resultado da IA. Senão, o enquadramento dela vira o seu.

3. Dê à IA um livro de códigos, não uma página em branco

Peça para ela marcar de acordo com as suas perguntas de pesquisa e um livro de códigos curto. Um pedido aberto como "encontre os temas" atrai temas genéricos.

4. Deixe a IA fazer a primeira rodada

Marcação, agrupamento, seleção de citações candidatas, resumo de cada sessão. Peça citações com localização (sessão, minutagem) para cada afirmação.

5. Questione o resultado

Procure as falhas típicas que o NN/g lista: agrupamentos baseados em palavras-chave em vez de significado, um grupo "Outros" grande, e trechos que ela ignorou (NN/g). Pergunte: o que contradiz este tema? Quem está faltando? O que é surpreendente?

6. Rastreie cada insight até a fonte

Abra a gravação ou a transcrição de cada descoberta importante e confira se a citação é real e está no contexto certo. Descoberta que não pode ser rastreada é apagada.

7. Reporte com honestidade

Diga onde a IA ajudou, quantas sessões as pessoas leram inteiras e o que foi conferido. O framework PACED do NN/g ajuda a decidir como divulgar o uso de IA (NN/g).


3. Ferramentas que você vai encontrar

Os repositórios de pesquisa agora trazem IA embutida na síntese. Em novembro de 2026, por exemplo:

  • Condens: tags e destaques sugeridos por IA, agrupamento automático, resumos de sessão, "pergunte ao seu repositório", hospedagem nos EUA ou na UE (Condens)
  • Dovetail: chat, agentes, classificação de temas e de sentimento, síntese, ocultação de dados sensíveis (Dovetail)
  • Marvin: entrevistas moderadas por IA, respostas com citações, ferramentas de análise, desfoque automático de dados pessoais (Marvin)

Qualquer que seja a ferramenta, confira os termos de uso de dados (onde os dados ficam guardados, se ela treina com o seu conteúdo) antes de subir dados de participantes. Veja Governança de IA e proteção de dados.


4. Vocabulário

Termo Significado
Codificação (marcação) Rotular partes dos dados com temas ou categorias
Livro de códigos (codebook) A lista de códigos e o que cada um significa
Código descritivo Um rótulo para o que foi dito ("menciona preço")
Código interpretativo Um rótulo para o que aquilo significa ("se sente julgado pelo app")
Mapa de afinidade (affinity mapping) Agrupar anotações por semelhança para encontrar temas
Pseudonimização Trocar nomes por códigos; continua sendo dado pessoal

5. Experimente (sem código)

  1. Pegue três transcrições públicas de entrevistas de exemplo.
  2. Escreva um livro de códigos com cinco códigos a partir de uma pergunta de pesquisa.
  3. Codifique uma transcrição você mesmo. Depois peça a uma ferramenta de IA aprovada que codifique as três com o seu livro de códigos, citando com localização.
  4. Compare a sua transcrição com a versão dela: o que ela deixou passar, o que acrescentou, e quais desses acréscimos estavam certos?

Perguntas para refletir: quais dos seus códigos são descritivos e quais são interpretativos? Onde você confiaria na primeira rodada da IA, e onde você refaria?


6. Se você lidera um time

  • Faça de "ler primeiro" e "rastrear até a fonte" parte da definição de pronto de todo estudo.
  • Mantenha um livro de códigos compartilhado por área de produto que as ferramentas de IA possam usar.
  • Revise o termo de consentimento e os termos das ferramentas com o jurídico antes de qualquer processamento de gravações por IA.

Checklist

Para saber mais

Livros, cursos e vídeos para ir mais fundo (em inglês)

Relacionadas

IA na pesquisa de UX · Usuários sintéticos e gêmeos digitais · Governança de IA e proteção de dados · Mapa de afinidade · Alucinação

Salvo só neste dispositivo.

↑ ↓ para mover · Enter para abrir · Esc para fechar