IA para UX · Para quem lidera · 9 min de leitura
Escolhendo e testando ferramentas de IA
Como um time de design deveria escolher uma ferramenta de IA: começar pela tarefa, fazer aos fornecedores as perguntas certas sobre dados, treinamento, propriedade e saída, rodar um piloto curto que mede o tempo total e a qualidade, decidir com honestidade e implantar com treinamento. Inclui um exemplo resolvido e um plano de piloto que você pode copiar.
Uma ótima demo não é uma decisão. Toda ferramenta de IA fica bonita nos exemplos do fornecedor. O que importa é se ela ajuda os seus designers no seu trabalho, com dados que vocês têm permissão para usar, a um custo que faz sentido, e se vocês conseguem sair caso ela não ajude. Escolher uma ferramenta para um time é um pequeno projeto de pesquisa: uma pergunta, um piloto, evidências, uma decisão.
O que você vai conseguir fazer depois de ler:
- Começar a decisão sobre uma ferramenta pela tarefa, não pela ferramenta
- Fazer aos fornecedores as perguntas que importam: dados, treinamento, propriedade, segurança, custo, saída
- Rodar um piloto que mede o tempo total e a qualidade, não o quanto a ferramenta impressiona
- Decidir entre manter, ampliar, deixar de lado ou rever depois, e implantar com treinamento
O Panorama de ferramentas de IA trata de um teste justo para um designer. Esta lição é a mesma ideia para um time inteiro.
1. Por que é uma decisão do time
- A maioria dos designers não pode escolher livremente, de qualquer forma. Na pesquisa de 2026 da NN/g com profissionais de UX, 59% só podiam usar um conjunto aprovado de ferramentas, e as maiores barreiras eram a qualidade do resultado (54%) e privacidade e segurança (50%) (NN/g, out 2026).
- Sentir-se mais rápido não é o mesmo que confiar no trabalho. Na pesquisa de 2025 do Figma, 78% concordaram que a IA os deixa mais eficientes, mas só 32% disseram que podem confiar no resultado dela (Figma, abr 2025).
- A IA amplifica o que já existe. A pesquisa DORA, do Google, descreve o papel principal da IA como "an amplifier, magnifying an organization's existing strengths and weaknesses" (um amplificador, que aumenta os pontos fortes e fracos que a organização já tem) (DORA 2025). Uma ferramenta não conserta um processo bagunçado; ela só o acelera.
2. Comece pela tarefa
Escreva a decisão como uma tarefa, não como um produto: "Queremos reduzir o tempo entre a gravação da entrevista e os achados prontos para compartilhar, sem perder precisão." Depois, faça uma lista curta de duas ou três ferramentas que poderiam fazer isso, incluindo as ferramentas que vocês já pagam.
O framework PROVE, da NN/g, dá uma regra útil para compará-las: meça o tempo total, não o tempo de geração. "A three-second generation can still create a thirty-minute editing job" (uma geração de três segundos ainda pode criar um trabalho de edição de trinta minutos) (NN/g, ago 2026).
3. Perguntas para fazer a todo fornecedor
Onde ficam, por quanto tempo, quem vê?
Retenção, região, exclusãoNossos arquivos ou prompts treinam modelos, no nosso plano?
Pergunte por plano, por escritoDe quem é o que fazemos com ela, e o que colocamos nela?
Licença, propriedade intelectual, indenizaçãoLogin único, controles de admin, conectores, registros?
O que a segurança de TI precisa aprovarPor licença, por uso, ou os dois? E em escala?
Inclua tempo de treino e de administraçãoDá para exportar o trabalho e apagar os dados se sairmos?
Evite ficar presoO plano muda a resposta, não só a marca. Por exemplo, em novembro de 2026, o Figma deixa o treinamento com conteúdo para IA ligado por padrão nos times Starter e Professional e desligado nos planos Organization e Enterprise (Figma Help). A Anthropic diz que, por padrão, não usa as entradas e saídas dos seus produtos comerciais para treinar modelos, com exceções como o feedback que as pessoas escolhem enviar (Anthropic Privacy Center). Pergunte sobre o seu plano, por escrito.
O AI Playbook do governo do Reino Unido traz bons conselhos de compras para qualquer organização: trabalhe com o time comercial desde o começo, pense em quem é dono da propriedade intelectual, planeje como evitar ficar preso ao fornecedor (vendor lock-in) e entregue dados fictícios aos fornecedores sempre que possível (GDS, fev 2025). Sobre a propriedade do que a IA produz, veja Direitos autorais e imagens geradas por IA.
4. Rode um piloto
- 1Tarefa
Uma frase: o que deve melhorar?
- 2Linha de base
Tempo e qualidade hoje.
- 3Piloto
4 a 6 semanas, um grupo misto, dados seguros.
- 4Medir
Tempo total, qualidade, erros, percepção.
- 5Decidir
Manter, estender, deixar de lado, rever depois.
- Tarefas reais, dados seguros. Use trabalho real, mas com dados liberados para a ferramenta. Primeiro, dados fictícios ou anonimizados.
- Uma linha de base. Quanto tempo a tarefa leva hoje, e com que qualidade? Sem isso, tudo o que você vai ter é "pareceu mais rápido".
- Um grupo pequeno e variado. Entusiastas e céticos, juniores e seniores.
- Meça o que importa: o tempo total, incluindo a edição; a qualidade, com uma rubrica (veja Evals para designers); os erros que chegaram a uma revisão; e como as pessoas se sentiram.
- Espere comparações fracas. Até pesquisadores cuidadosos têm dificuldade: em 2026, o METR descobriu que muitos desenvolvedores se recusavam a trabalhar sem IA, o que tornou a comparação deles "an unreliable signal" (um sinal pouco confiável) (METR, fev 2026). Desenhe o seu piloto sabendo disso, e combine os números com entrevistas.
5. Decida com honestidade
O PROVE termina com quatro desfechos: continuar usando, fazer um teste com prazo definido, deixar de lado ou rever depois, e acrescenta: "If you can't use a tool responsibly for the task you have in mind, don't force it into the workflow" (se você não consegue usar uma ferramenta de forma responsável para a tarefa que tem em mente, não a force no fluxo de trabalho) (NN/g). Um piloto que termina em "não" é um sucesso: ele poupou o time de uma implantação ruim.
6. Implante com treinamento
Se vocês ficarem com a ferramenta: escreva a entrada no playbook, treine as pessoas, defina um dono e marque uma data de revisão. Veja Guiando designers na adoção de IA.
7. Exemplo resolvido (fictício)
A tarefa: um time de pesquisa de quatro pessoas quer sintetizar entrevistas mais rápido.
| Etapa | O que fizeram |
|---|---|
| Lista curta | O assistente geral aprovado que já usavam (e já pagavam) vs. uma ferramenta especializada em pesquisa |
| Perguntas ao fornecedor | A ferramenta especializada treinava com dados dos clientes por padrão no plano mais barato; o plano business, não. As gravações ficavam guardadas por 90 dias, a menos que fossem apagadas |
| Piloto | Quatro semanas, seis entrevistas antigas já sintetizadas à mão (a linha de base), anonimizadas; a mesma rubrica para as duas ferramentas |
| Resultados | As duas economizaram tempo no primeiro rascunho; as citações da ferramenta especializada eram mais precisas, mas os achados dela deixaram passar dois comportamentos que as pessoas tinham visto |
| Decisão | Teste com prazo definido da ferramenta especializada no plano business, por mais um trimestre, com uma checagem humana de cada achado |
8. Erros comuns
- Escolher a partir de uma demo ou de uma thread nas redes sociais.
- Comparar o tempo de geração, e não o tempo total incluindo a edição.
- Fazer o piloto só com entusiastas.
- Esquecer a saída: como você tira os seus dados de lá, e o que acontece com eles depois?
- Implantar sem treinamento, sem dono ou sem data de revisão.
9. Vocabulário
| Termo | Significado |
|---|---|
| Piloto | Um teste curto e planejado com trabalho real, com uma decisão no final |
| Linha de base | Como a tarefa funciona hoje, antes da ferramenta |
| Tempo total | O tempo até um resultado utilizável, incluindo escrever o prompt, conferir e editar |
| Vendor lock-in (dependência do fornecedor) | Quando sair de uma ferramenta fica caro ou difícil demais |
| Treinamento com conteúdo | Quando um fornecedor usa os seus arquivos ou prompts para melhorar os modelos dele |
| Letramento em IA | As habilidades e o conhecimento para usar bem a IA e conhecer os riscos dela |
10. Experimente (sem código)
- Escolha uma ferramenta de IA que desperta a curiosidade do seu time.
- Escreva, em uma frase, a tarefa em que ela deveria ajudar.
- Responda às seis perguntas ao fornecedor para o seu plano, a partir da documentação do próprio fornecedor. Anote cada pergunta que você não conseguiu responder.
- Esboce um piloto de quatro semanas: tarefas, linha de base, grupo, medidas, e o resultado que faria você dizer não.
Perguntas para refletir: que ferramenta o seu time adotou sem piloto? O que você precisaria ver para parar de usá-la?
Checklist
Para saber mais
- NN/g: How to Decide When an AI Tool Is Worth Keeping (PROVE) (ago 2026) · AI in UX: Work Is Faster, But Practitioners Have Mixed Feelings (out 2026)
- Compras e risco: UK Government AI Playbook (2025) · NIST AI Risk Management Framework (voluntário; Govern, Map, Measure, Manage)
- Lei: European Commission, AI literacy Q&A · US Copyright Office, Copyright and AI Part 2 (jan 2025)
- Pesquisa: DORA 2025 · Figma's 2025 AI report · METR (2025)
Livros, cursos e vídeos para ir mais fundo (em inglês)
- AI Snake OilArvind Narayanan e Sayash KapoorLivro · Princeton University Press, 2024 · : como separar as capacidades reais da IA do hype (Amazon)
- AI Fluency: Framework & FoundationsAnthropic AcademyCurso · curso online gratuito (site externo)
Os links dos livros são de afiliado da Amazon: como associado, recebo por compras qualificadas, sem custo a mais para você.
Relacionadas
Panorama de ferramentas de IA · Guiando designers na adoção de IA · Medindo recursos de IA · Evals para designers · Governança de IA e proteção de dados · Direitos autorais e imagens geradas por IA · Construindo um roteiro de agentes de IA para o seu time de UX