Módulo 5 · 2 de 7

Projetando experiências com IA

Leitura: ~5 min

Na página anterior, falamos sobre usar IA como ferramenta no seu processo de design. Agora vamos mudar a perspectiva: e quando o produto que você está projetando usa IA? Personalização de conteúdo, recomendações inteligentes, interfaces adaptativas. Tudo isso exige decisões de design. E essas decisões são mais complexas do que parecem.

Design para produtos com inteligência artificial

Pense na Netflix. O algoritmo recomenda filmes, mas alguém projetou como essas recomendações aparecem, em que momento, com que nível de explicação. Alguém decidiu se o usuário veria "Porque você assistiu X" ou apenas uma lista sem contexto. Isso é design.

Quando você projeta um produto que usa IA, você precisa pensar em camadas que normalmente não existem em interfaces tradicionais:

Explicabilidade: o usuário entende por que a IA tomou aquela decisão? Se o app nega um empréstimo, o usuário sabe o motivo?
Controle: o usuário consegue ajustar, corrigir ou desligar o comportamento da IA? Ou está preso na decisão do algoritmo?
Confiança: como você constrói (e mantém) a confiança do usuário em um sistema que ele não entende completamente?
Fallback: o que acontece quando a IA erra? Porque ela vai errar. Qual é o plano B na interface?

Essas perguntas são responsabilidade do designer. O desenvolvedor implementa o modelo de IA. Você projeta como o ser humano interage com ele.

Camadas de um produto com IA: dados na base, modelo IA, interface (trabalho do designer) e usuário no topo. A ética atravessa todas as camadas.

Ética e vieses: o lado que não dá para ignorar

Aqui vai uma dica importante: toda IA carrega os vieses dos dados em que foi treinada. Se os dados de treinamento refletem desigualdades do mundo real, e quase sempre refletem, a IA vai reproduzir e até amplificar essas desigualdades. Ferramentas de geração de imagens, por exemplo, já foram amplamente documentadas reproduzindo estereótipos raciais e de gênero.

Para você como designer, isso cria responsabilidades práticas:

Transparência: o usuário precisa saber quando está interagindo com IA. Aquele texto foi escrito por uma pessoa ou gerado? Aquela recomendação segue que critérios? Rotular é uma obrigação, não um detalhe.
Revisão crítica: não aceite o output da IA como verdade final. Revise, questione, ajuste. Você é o filtro humano entre o algoritmo e o usuário.
Inclusividade: teste se os resultados da IA funcionam para públicos diversos. Gere imagens de pessoas e verifique: a diversidade está representada? Os resultados reforçariam estereótipos se fossem para produção?
Implicações legais: conteúdo gerado por IA levanta questões sobre direitos autorais e propriedade intelectual. Antes de usar um asset gerado, entenda as políticas da ferramenta e do seu projeto.

Designers são o filtro ético entre o que a IA consegue fazer e o que ela deveria fazer. Essa responsabilidade não é técnica. É humana.

Checagem rápida

Sem nota, sem pressão. Responda de cabeça e depois abra para conferir.

Seu time projeta um app que usa IA para recusar ou aprovar pedidos de crédito. Um usuário tem o pedido negado e vê só a mensagem "Solicitação não aprovada". Qual das quatro camadas está faltando aqui?

Está faltando explicabilidade: o usuário não entende por que a IA decidiu daquele jeito. Uma boa interface mostraria o motivo da recusa em termos compreensíveis. Sem isso, a pessoa fica sem saber o que fazer para mudar o resultado, e a confiança no produto cai.

Um colega diz que, como o modelo de IA "quase nunca erra", não vale a pena gastar tempo pensando no que a tela mostra quando a previsão dá errado. Como você responde?

Toda IA erra em algum momento, então o fallback não é opcional. É a camada que define o que a interface faz quando a previsão falha: uma mensagem clara, um caminho alternativo, uma forma de o usuário corrigir ou assumir o controle. Projetar só para o acerto deixa a pessoa sem saída justo na hora em que ela mais precisa de ajuda.