IA no design e no desenvolvimento

Q uando alguém diz que usa Inteligência Artificial no design, essa frase pode significar cinco coisas muito diferentes. Pode significar que gerou uma imagem. Pode significar que pediu ideias de nome para um botão. Pode significar que tem um sistema lendo os chamados do suporte e dizendo onde o produto trava. Ou pode significar nada.

Este artigo separa uma coisa da outra. Ele descreve onde a IA realmente muda o trabalho de desenhar e programar um produto digital, onde ela atrapalha, e o que perguntar para um fornecedor quando ele diz que trabalha com IA. É escrito por quem faz as duas coisas na mesma mesa, então tem opinião.

Um aviso desde já: a parte mais útil deste texto não é a lista do que a IA faz. É a lista do que ela não faz, e por quê.

Resumo em cinco linhas
• A IA entra em três lugares no design: leitura de material bruto, geração de alternativas e verificação. Ela não decide.
• No código, ela é boa em escrever o previsível e péssima em julgar o que deveria existir. A revisão humana não é opcional.
• O ganho real não é velocidade de produção. É poder testar mais caminhos antes de escolher um.
• O risco maior não é errar. É acertar de um jeito genérico, igual ao de todo mundo que usa a mesma ferramenta.
• Quem contrata deve perguntar o que a IA assume, quem revisa e o que acontece quando ela erra. Sem essas três respostas, é conversa.

01. O que “IA” quer dizer aqui

Vale começar desarmando a palavra. Inteligência Artificial é um guarda-chuva enorme, e a maior parte do que se chama assim hoje é uma coisa específica: modelo de linguagem grande. Um sistema treinado em uma quantidade absurda de texto que aprendeu a prever o que vem depois, e que por causa disso consegue resumir, classificar, reescrever, traduzir, gerar código e conversar.

Esse tipo de sistema tem uma característica que define tudo o que vem a seguir: ele é excelente em transformar texto em texto e péssimo em saber se o que produziu é verdade. Ele não tem acesso ao seu banco de dados, não sabe o que a sua empresa combinou com o cliente na terça-feira, e não sente vergonha de inventar uma referência que não existe.

Toda a engenharia em volta da IA aplicada é sobre essa limitação. Conectar o modelo aos dados certos, cercar o que ele pode decidir, e colocar uma pessoa no lugar onde o erro sairia caro. Quem trata essa parte como detalhe entrega demonstração; quem trata como o projeto entrega operação.

Ao lado disso existe a geração de imagem, que funciona por outro princípio mas cria o mesmo tipo de confusão: a facilidade de produzir esconde a dificuldade de produzir a coisa certa.

02. Onde a IA entra na pesquisa

Discovery é a etapa que mais mudou, e mudou de um jeito pouco glamouroso: o gargalo da pesquisa nunca foi coletar, foi ler.

Uma clínica com dois anos de conversas no WhatsApp tem material de sobra para saber onde o cliente trava. Ninguém lê. Uma loja com quatro mil avaliações tem um mapa de problemas de produto escrito pelos próprios compradores. Ninguém lê. Vinte entrevistas gravadas viram vinte arquivos que alguém abre uma vez e não abre de novo.

É aqui que a IA vale mais, porque a tarefa é exatamente o que ela faz bem: pegar volume de texto e devolver estrutura.

O que a IA faz bem na pesquisa

Agrupar por tema. Mil mensagens de atendimento viram doze assuntos com contagem. O que antes era uma sensação vira uma lista ordenada por frequência.

Transcrever e marcar. Entrevistas viram texto com os trechos relevantes destacados, e o pesquisador passa a ler o que importa em vez de rebobinar gravação.

Achar o que se repete entre fontes diferentes. A mesma queixa aparece no suporte, na avaliação da loja e na entrevista. Sozinha, cada uma parece caso isolado.

Escrever o primeiro rascunho do relatório. Estruturar o que já foi decidido é trabalho mecânico, e mecânico é onde a máquina ganha.

E o que ela faz mal, com a mesma clareza: ela não sabe qual dos doze temas importa para o negócio. Frequência não é prioridade. O assunto que aparece trezentas vezes pode ser irritação leve, e o que aparece quatro vezes pode ser o motivo pelo qual os melhores clientes vão embora. Essa leitura é humana e depende de conhecer o negócio.

Um cuidado que vale escrever em letra grande: persona sintética não substitui usuário. Pedir para o modelo “agir como um cliente do segmento X” produz um texto plausível e vazio, porque ele devolve a média do que já leu, não o que o seu cliente pensa. Serve para ensaiar um roteiro de entrevista antes de aplicar em gente de verdade. Não serve para concluir nada.

03. Onde a IA entra na interface

Aqui a conversa costuma virar geração de tela, e é exatamente a parte que menos importa.

Gerar uma tela bonita é fácil. O trabalho de interface nunca foi produzir a primeira versão; foi decidir o que fica de fora, entender por que a pessoa desiste no terceiro campo do formulário, e manter isso coerente em quarenta telas ao longo de dois anos. Nenhuma dessas três coisas é geração.

Onde a IA ajuda de verdade em UI:

Multiplicar alternativas antes de escolher. Este é o ganho mais subestimado. O custo de explorar caminhos caiu, então dá para testar seis abordagens de um fluxo em vez de refinar a primeira que pareceu razoável. A qualidade do design não vem do primeiro traço, vem de quantos caminhos foram descartados com critério.

Escrever o texto da interface. Rótulo de botão, mensagem de erro, estado vazio, texto de ajuda. É trabalho de escrita em volume, com padrão claro, que costuma ser feito às pressas no fim do projeto justamente quando ninguém tem mais energia. A IA produz vinte variações em segundos e a pessoa escolhe.

Manter o design system honesto. Um sistema com cem componentes documentados sofre de deriva: alguém cria um botão novo em vez de usar o que existe. Dá para automatizar a checagem, comparando o que está sendo construído com o que está documentado, e apontar a duplicata antes de virar dívida.

Traduzir marca em token. Transformar um manual de identidade visual em variáveis de cor, tipografia e espaçamento é conversão de formato, e conversão de formato é onde a máquina não erra por preguiça.

O risco que ninguém comenta

Todo mundo usando a mesma ferramenta converge para o mesmo lugar. Um modelo devolve a média do que aprendeu, e a média do design da internet nos últimos anos tem cara. Se a sua marca não tiver especificação própria, o resultado vai parecer com o do concorrente que usou o mesmo atalho.

A defesa é ter um sistema visual definido antes de gerar qualquer coisa, com cor, tipografia e regra de composição escritas. A IA é ótima aplicando uma direção. Ela é medíocre escolhendo uma.

04. Onde a IA entra no código

No desenvolvimento a mudança é maior e mais fácil de medir, porque código tem uma propriedade rara: ou roda ou não roda.

O modelo é muito bom no que é previsível e repetitivo. Escrever a camada que converte um formato em outro, montar um componente a partir de uma especificação clara, escrever teste para uma função que já existe, migrar sintaxe antiga para sintaxe nova, ler uma base grande e responder onde uma coisa é usada. São tarefas com resposta certa e verificável.

E é ruim exatamente onde o julgamento pesa: decidir a arquitetura, escolher entre duas soluções com trade-offs, entender por que uma regra estranha existe naquele código desde 2019. Ele vai propor algo plausível. Plausível e certo não são a mesma coisa.

Duas consequências práticas disso, e ambas custam dinheiro quando ignoradas.

A primeira é que revisão vira o gargalo. Quando escrever ficou barato e revisar continuou caro, o volume de código produzido cresce mais rápido que a capacidade de conferir. Time que aceita sugestão sem ler troca velocidade de hoje por dívida de amanhã, e a dívida cobra juros.

A segunda é que a especificação virou o trabalho. Descrever bem o que precisa existir passou a ser mais determinante que digitar. Quem sabe explicar o problema com precisão extrai muito mais da ferramenta que quem sabe apenas cobrar.

Vale dizer também o que não mudou. Continua sendo preciso saber ler código para saber se o que veio está certo. A IA rebaixou a barreira de entrada para escrever, não a barreira para entender. Quem não entende não consegue revisar, e quem não revisa está publicando o que não leu.

Quer saber onde a IA cabe no seu processo?

Conte em duas linhas onde o trabalho manual mais pesa hoje. A resposta vem com as próximas perguntas certas, não com um orçamento genérico.

05. Onde a IA não entra

Esta seção é a mais curta de escrever e a mais difícil de aceitar.

Não entra na decisão de gosto. Escolher uma direção visual é assumir um risco de marca, e assumir risco exige alguém com nome. Um modelo pode gerar quarenta opções e não tem opinião sobre nenhuma. A palavra “melhor” só existe depois que alguém definiu melhor para quem, com que objetivo, contra qual concorrente.

Não entra na conversa difícil. Explicar para um cliente que a ideia dele não vai funcionar, negociar prazo, dizer que o escopo cresceu. Isso é relação, e relação não delega.

Não entra na responsabilidade. Se o site sai do ar, se a informação está errada, se o formulário deixou de enviar, quem responde é o studio. Nenhuma parte dessa cadeia melhora ao dizer que a IA escreveu.

Não entra onde não dá para verificar. A regra é simples: quanto mais difícil conferir a saída, menos a IA deveria decidir sozinha ali. Código roda ou não roda, então dá para automatizar bastante. Texto jurídico, cálculo de preço e informação de saúde são o oposto: parecem certos mesmo quando estão errados.

💡 Um teste de dez segundos antes de automatizar qualquer coisa: se a máquina errar aqui, quanto tempo leva para alguém perceber? Se a resposta for “semanas”, coloque uma pessoa no meio.

06. O que muda no processo de um projeto

Somando as partes, o desenho de um projeto muda de forma. As etapas continuam as mesmas; o peso de cada uma se desloca.

1

Diagnóstico: fica mais pesado, de propósito

Como a execução ficou mais rápida, decidir errado ficou proporcionalmente mais caro. Vale gastar mais tempo entendendo o problema, porque construir a coisa errada agora acontece em metade do tempo.
2

Design: mais alternativas, mesma decisão

Explorar seis caminhos em vez de um. O tempo que sobrou da produção vai para a comparação, que é onde o design realmente acontece.
3

Construção: mais rápida, mais revisada

Escrever encolhe, revisar cresce. O tempo total cai, mas não na proporção que a demonstração sugere, e o time precisa combinar o que é revisado por pessoa e o que é revisado por teste automático.
4

Operação: a etapa que passou a existir

Antes o projeto terminava na entrega. Quando parte do produto é um agente que responde e um fluxo que executa, existe algo rodando que precisa de acompanhamento, porque regra de negócio muda e o fluxo precisa mudar junto.

07. Os riscos que valem atenção

Homogeneização. Já citado, e é o risco de marca mais concreto. A saída é ter direção própria antes de gerar.

Acessibilidade de fachada. Código gerado costuma parecer acessível: tem os atributos, tem os rótulos. Parecer não é ser. Contraste de cor real, ordem de foco que faz sentido no teclado, componente que o leitor de tela anuncia direito, nada disso se verifica no olho. Precisa de medição e de teste, e a nossa própria experiência confirma: o acordeão de perguntas frequentes de um tema conhecido marcava cada pergunta como botão e não respondia ao teclado. Só apareceu porque alguém testou com teclado.

Dívida técnica silenciosa. Muito código plausível, pouca coerência entre as partes. Cada trecho funciona; o conjunto vira um labirinto. A defesa é arquitetura decidida por gente e revisão que olha o todo, não só o trecho.

Dado que vaza. Colar contrato, base de clientes ou credencial em uma ferramenta pública é o erro mais banal e mais caro da lista. Precisa de regra escrita sobre o que pode e o que não pode sair da empresa, e a regra precisa ser conhecida por quem executa, não só por quem assinou.

Perda de repertório. Um time que só aceita sugestão para de aprender a resolver. O efeito não aparece em três meses; aparece no dia em que a ferramenta erra e ninguém percebe.

08. Como avaliar um fornecedor que diz usar IA

Seis perguntas. As respostas separam quem usa de quem fala que usa.

1

Em que etapa a IA entra, exatamente? “Usamos em tudo” é sinal ruim. A resposta boa nomeia etapas e diz onde não entra.
2

Quem revisa o que ela produz, e quando? Se não houver nome e momento, não há revisão.
3

O que acontece com os meus dados? Onde ficam, quem acessa, o que sai da empresa. Uma resposta vaga aqui é resposta suficiente.
4

De quem é o que foi gerado? Código, texto e imagem entram no contrato como qualquer entrega. Precisa estar escrito.
5

Me mostra uma coisa que a IA fez errado no último projeto. Quem não tem exemplo não está prestando atenção, ou não está usando.
6

O que muda no preço e no prazo por causa disso? Se ficou mais rápido, alguma coisa mudou. Se nada mudou, ou o ganho é pequeno, ou não está sendo repassado.

09. Perguntas frequentes

1. O que é Inteligência Artificial aplicada ao design?

É o uso de modelos de linguagem e de imagem em etapas específicas do processo de design: ler e agrupar material de pesquisa, gerar alternativas de interface e de texto, verificar consistência com o design system e converter especificação em código. A decisão de direção visual, a priorização e a responsabilidade pelo resultado continuam humanas.

2. A IA vai substituir designers e desenvolvedores?

Ela substitui tarefas, não papéis. O que sai da mesa é o trabalho previsível: primeira versão, conversão de formato, código repetitivo, leitura de volume. O que fica é o que exige julgamento e responsabilidade: decidir o que construir, escolher entre alternativas, revisar, e conversar com quem contratou. Na prática, quem sabe especificar bem e revisar com critério vale mais do que antes.

3. Dá para confiar em código escrito por IA?

Dá para confiar no código que foi revisado, exatamente como acontece com código escrito por gente. A diferença é o volume: como escrever ficou barato, a revisão vira o gargalo do time. Projeto sério trata revisão como etapa com nome e tempo alocado, não como formalidade no fim do dia.

4. A IA cria sites sozinha?

Ela gera páginas que parecem prontas, e é aí que mora a armadilha. O que costuma faltar não aparece na tela: performance, acessibilidade real, dados estruturados, integração com CRM e sistema, e a decisão sobre o que a página precisa fazer. Para um site simples de uma página, um gerador pode servir. Para um projeto conectado à operação da empresa, o que a IA acelera é a construção, não o projeto.

5. Como a IA ajuda em pesquisa de UX?

No que sempre foi o gargalo: ler. Ela transcreve entrevistas, agrupa mil mensagens de atendimento em temas com contagem, encontra a mesma queixa aparecendo em fontes diferentes e escreve o primeiro rascunho do relatório. O que ela não faz é dizer qual desses temas importa para o negócio, porque frequência não é prioridade.

6. Persona gerada por IA funciona?

Funciona para ensaiar, não para concluir. Pedir ao modelo que finja ser um cliente devolve a média do que ele leu na internet, não o que o seu cliente pensa. Serve para testar um roteiro de entrevista antes de aplicar em pessoas reais. Substituir a pesquisa por ela é trocar dado por suposição bem escrita.

7. A IA prejudica a acessibilidade de um site?

Não por si só, mas cria uma falsa sensação de segurança. Código gerado costuma trazer os atributos certos e ainda assim falhar no que importa: contraste real, ordem de foco no teclado, componente que o leitor de tela anuncia de forma compreensível. Acessibilidade se verifica testando, não olhando. Um acordeão pode ter todos os atributos corretos e mesmo assim não abrir pelo teclado.

8. Meus dados ficam expostos se a agência usar IA?

Depende inteiramente de quais ferramentas ela usa e de que regra ela segue. As perguntas certas são: quais dados saem da empresa, para qual serviço, e o que está escrito no contrato sobre isso. Documento interno, base de clientes e credencial não deveriam ser colados em ferramenta pública. Quando a IA precisa dos seus documentos, o caminho é uma base de conhecimento privada com controle de acesso.

9. De quem é o código e o design gerados com IA?

É matéria de contrato, e precisa estar escrito. Trate o que foi gerado como qualquer outra entrega do projeto: defina no contrato a quem pertence, o que pode ser reaproveitado e o que não pode. Se o contrato não fala do assunto, esse é o momento de resolver, antes da entrega e não depois.

10. Usar IA deixa o projeto mais barato?

Muda a composição do custo. Produzir fica mais rápido, revisar e decidir continuam custando o mesmo, e aparece uma etapa nova de acompanhamento quando há automação rodando. Em projetos com muita produção repetitiva o ganho é grande. Em projetos que são quase inteiramente decisão e integração, o ganho é menor do que a propaganda sugere.

11. Por que sites feitos com IA parecem todos iguais?

Porque um modelo devolve a média do que aprendeu, e a média tem cara. Sem uma direção definida antes, com paleta, tipografia e regra de composição escritas, o resultado converge para o mesmo lugar que o do concorrente que usou o mesmo atalho. A defesa é ter identidade e design system definidos primeiro. A IA é boa aplicando uma direção e medíocre escolhendo uma.

12. Por onde uma empresa deve começar?

Pelo processo que consome mais hora repetitiva e tem regra estável, não pelo mais visível. Quase sempre é atendimento, triagem ou passagem de dado entre sistemas. Comece por um só, com um número combinado antes para saber se funcionou, e só depois amplie: o segundo processo sempre sai mais barato que o primeiro, porque a integração já está de pé.

10. O que levar deste texto

A IA não é um profissional a mais no time nem uma ameaça ao time. É uma mudança no custo relativo das tarefas: produzir ficou barato, decidir e verificar continuam caros. Tudo o que segue vem daí.

Por isso o diagnóstico ganhou peso, a revisão virou gargalo e a especificação virou o trabalho. E por isso a pergunta certa para qualquer fornecedor não é se ele usa IA, e sim onde ele decidiu não usar.

A gente constrói o que você imaginar.

Studio de IA em Curitiba, atendendo o Brasil todo por vídeo. Agentes de IA sob medida, automação com n8n, atendimento no WhatsApp, RAG, design e desenvolvimento.

Daniel Skroski

Designer e desenvolvedor, fundador da Duplo D em Curitiba. Trabalha com UX, interface, front end e automacao com Inteligencia Artificial desde 2000.

O que é a IA no design e no desenvolvimento, na prática