A lacuna de maturidade

Design organizacional e prontidão de UX na era da AI

Resumo: A implementação de AI evidencia a maturidade do design nos processos de desenvolvimento de produtos. Para muitas empresas, os resultados são confrontadores. O subinvestimento em infraestrutura de design, pesquisa e governança multifuncional cria riscos claros. Afinal, a AI amplifica as decisões de design em escala. Por isso, suas consequências são mais rápidas, abrangentes e difíceis de reverter do que em qualquer ciclo tecnológico anterior.

Este artigo leva esse diagnóstico a sério. Ao mesmo tempo, argumenta que essa lacuna pode ser mensurada, estruturada e eliminada. Para isso, o texto:

1. apresenta uma estrutura de três partes para identificar dívida de UX, dívida de modelo e dívida organizacional;
2. mapeia as condições estruturais que diferenciam organizações em que o design tem autoridade institucional daquelas em que seu papel é apenas consultivo;
3. defende um modelo organizacional específico: o design como disciplina autônoma, com uma arquitetura colaborativa definida, capaz de entregar valor centrado nas pessoas em escala.

Uma dimensão crítica desse argumento é a capacidade de projetar, ao mesmo tempo, confiança baseada em cuidado e agência humana. Quando a organização não governa ambas, o resultado não é apenas um produto abaixo do ideal. Na prática, surgem sistemas que simulam um relacionamento genuíno, mas negam sua condição essencial. Por fim, o McKinsey Design Index e os dados de impacto econômico da Forrester sustentam o argumento de investimento para quem agir agora.

O que a AI revela e por que isso é uma oportunidade

A AI expõe problemas que já existiam

A implementação de AI não cria problemas de design organizacional. Na verdade, ela os revela, em velocidade e em escala. Muitas organizações enfrentam baixa qualidade em produtos de AI, adoção fraca e uma lacuna persistente entre o que seus sistemas fazem e o que os usuários precisam. No entanto, na maioria dos casos documentados, a causa não está nas limitações dos modelos. Essas empresas enfrentam dificuldades porque o design, como prática institucional, nunca teve autoridade ou escopo para definir o que esses sistemas deveriam fazer.

Uma janela de oportunidade para a liderança

Para a liderança, a reformulação produtiva é esta: a AI tornou visível o custo da imaturidade em design. Além disso, isso aconteceu em um momento em que corrigi-la ainda é administrável. Empresas que tratam o tema como diagnóstico, e não como sentença, podem fechar essa lacuna agora. Nessa janela, o investimento necessário é limitado e o retorno competitivo é significativo. Por outro lado, quem trata a situação como uma condição fixa acumula consequências na mesma velocidade em que sua implementação de AI avança.

O que define uma organização madura em design

Em uma organização madura em design, a experiência humana tem autoridade institucional para limitar decisões técnicas e de negócios. Ou seja, ela não serve apenas para informá-las depois. Essa autoridade é estrutural e abrange todo o escopo do design em sistemas de AI. Isso inclui a interface e a linguagem visual, mas também o registro comunicativo e a arquitetura comportamental. Abrange, ainda, o equilíbrio entre cuidado e agência humana e as decisões sobre o que o sistema fará ou não pelo usuário. Pela primeira vez, a implementação de AI torna essa autoridade mensurável nos resultados dos produtos, em uma escala capaz de chamar a atenção da liderança executiva.

Três formas de dívida organizacional

Organizações que implementam AI sem uma infraestrutura de design madura costumam acumular três formas de dívida. Elas são distintas, porém interligadas. Além disso, exigem intervenções diferentes e têm prazos de recuperação distintos. Ainda assim, identificar as três já coloca a empresa em vantagem, porque a precisão do diagnóstico é a condição para agir sobre qualquer uma delas.

Dívida de UX

A dívida de UX é o déficit acumulado de decisões de experiência do usuário não resolvidas. Ela reúne cada padrão de interação adotado pela velocidade, e não pela necessidade do usuário. Também inclui cada descoberta de pesquisa reconhecida e depois despriorizada, assim como cada ponto de atrito adiado para uma iteração que nunca chegou.

Em produtos com AI, essa dívida se torna estruturalmente perigosa. Isso porque resultados probabilísticos transferem carga interpretativa para usuários que precisam decidir com base em respostas variáveis. Quando o design da interação é incoerente, essa carga cognitiva se acumula. Em seguida, a falta de confiança cresce de forma rápida e silenciosa. Por outro lado, a dívida de UX é a mais fácil de resolver das três. Ela é visível na pesquisa com usuários, pode ser recuperada com investimentos direcionados e gera retorno mensurável em adoção e retenção dentro de um ciclo de produto razoável.

Dívida de modelo

A dívida de modelo é a lacuna entre aquilo que os sistemas de AI são otimizados para alcançar e aquilo de que os usuários realmente precisam. Ela surge quando as métricas de treinamento são substitutos do valor para o usuário, e não medidas diretas desse valor. Por exemplo, o engajamento substitui o valor genuíno, a duração da sessão substitui o uso significativo e as pontuações de confiança substituem a precisão contextual.

Sem pesquisa integrada ao desenvolvimento, os sistemas de AI são projetados para um usuário que nunca foi realmente observado (Auernhammer, 2020). Assim, essa dívida aparece em altas pontuações de precisão combinadas com queda no engajamento. Da mesma forma, ela surge em resultados tecnicamente corretos acompanhados de baixa adoção. Para enfrentá-la, é preciso redesenhar os ciclos de feedback entre a pesquisa com usuários e a otimização do modelo.

Dívida organizacional

A dívida organizacional é a mais significativa do ponto de vista estrutural. Afinal, é ela que permite que as outras duas se acumulem sem controle. Essa dívida se refere aos arranjos institucionais que impedem o design de operar com a autoridade que seu escopo exige. Entre eles, estão equipes de design subordinadas à gestão de produto, sem posição independente. Há também descobertas de pesquisa filtradas por camadas de priorização sem conhecimento de design. Por fim, o design costuma estar ausente das salas onde se decide sobre automação, uso de dados e comportamento dos sistemas.

Quando o design não tem posição institucional nessas decisões, a distribuição de agência entre humano e sistema fica com quem detém essa autoridade (Shneiderman, 2022). Como resultado, surgem sistemas que cumprem sua função declarada, mas negam aos usuários as condições participativas que tornam a confiança genuína sustentável.

Um exemplo prático no setor de seguros

Esses padrões são reconhecíveis nos projetos. Em um cliente do setor de seguros, por exemplo, o problema declarado era a baixa maturidade em pesquisa. Não havia processos padronizados nem repositórios compartilhados. Além disso, o trabalho era feito de forma ad hoc, e as equipes repetiam estudos que já existiam.

Por isso, a resposta tratou primeiro das estruturas, para que a camada tecnológica viesse depois. Inicialmente, foram realizadas dezessete entrevistas com equipes internas para diagnosticar para onde o esforço estava indo. Em seguida, foram criados templates, guias de metodologia, processos de recrutamento e compliance e um único repositório. O resultado foi um conhecimento centralizado, com menos trabalho duplicado. Assim, as equipes passaram a conduzir suas próprias pesquisas, e os insights chegaram à liderança em um formato consistente. Somente depois a capacidade de AI foi incorporada sobre essa base.

Intervenções iniciais: por onde começar

Para começar a reduzir essas dívidas, cinco ações iniciais fazem diferença:

• Auditar onde o design participa hoje das decisões sobre sistemas de AI e mapear as lacunas de forma explícita.
• Registrar as descobertas de pesquisa como insumos documentados, com relação rastreável com as decisões de produto.
• Dar ao design um lugar permanente na especificação do comportamento, dos padrões e dos níveis de automação da AI.
• Desenvolver, na liderança, conhecimento de design suficiente para decidir sobre recursos com discernimento.
• Definir um indicador mensurável de qualidade da confiança nos dados atuais do produto e acompanhá-lo a cada trimestre.

O que as organizações perdem quando o design é apenas visual

Os canais invisíveis da comunicação

Um dos pontos cegos mais custosos em práticas de design imaturas é tratar o design como uma disciplina visual. Quando limitam o design à interface gráfica, as organizações ignoram o trabalho comunicativo feito por todos os outros canais. E são justamente esses canais que conectam seus produtos de AI aos usuários.

Uma AI conversacional se comunica por suas palavras. Porém, ela também se comunica por sua latência, pelo ritmo das respostas e pelo vocabulário que escolhe. Da mesma forma, sua tolerância à ambiguidade e a maneira como apresenta aquilo que não sabe enviam sinais. Cada um desses canais molda o comportamento do usuário, independentemente do conteúdo semântico. A teoria da comunicação multimodal de Kress explica essa estrutura: cada modo de comunicação carrega um potencial de significado próprio (Kress, 2010). Portanto, a coerência entre os modos é uma responsabilidade do design. Organizações que nunca estruturaram essa responsabilidade não conseguem resolvê-la apenas contratando mais engenheiros ou adicionando revisões de design no fim.

O custo da incoerência comunicativa

Na prática, a consequência aparece em um padrão específico nos dados de produtos de AI. Sistemas tecnicamente capazes e visualmente refinados, mas incoerentes na comunicação, perdem profundidade de engajamento. Além disso, o escopo das tarefas diminui e a verificação dos resultados aumenta. Aos poucos, os usuários também deixam de fornecer o contexto específico que torna a interação com AI realmente valiosa.

Reconhecer o escopo multimodal do design é, portanto, uma das mudanças estruturais mais rápidas e de maior retorno. Isso porque redefine o que a governança de design abrange. Ao mesmo tempo, torna visíveis decisões que antes eram invisíveis, sem exigir grandes investimentos.

A lacuna de autoridade, o risco do vale da estranheza e a maturidade estrutural

Design como informante ou como restrição

A distinção entre o design como informante e o design como restrição institucional é a decisão organizacional mais importante no desenvolvimento de produtos com AI. Uma organização pode ter equipes de design robustas, sistemas visuais maduros e investimento real em pesquisa. Mesmo assim, pode tratar o design como consultivo nas decisões que de fato determinam o comportamento dos sistemas.

O vale da estranheza relacional

Essa lacuna de autoridade produz um risco que vai além da qualidade do produto. Às vezes, o design pode moldar a interface, mas não a arquitetura comportamental que define como o sistema posiciona o usuário. Nesse caso, falta a ele posição para governar, ao mesmo tempo, a confiança baseada em cuidado e a agência humana. Consequentemente, as organizações correm o risco de criar sistemas de AI que simulam um relacionamento genuíno, mas negam sua condição essencial.

Pesquisadores de percepção de mente e AI social descrevem esse efeito como o equivalente relacional do vale da estranheza (Gray & Wegner, 2012; Mori, 1970/2012). São sistemas próximos o bastante do cuidado genuíno para despertar vínculo. Contudo, falta a eles a agência humana recíproca que torna o relacionamento real. Para o produto, a consequência é a falha estrutural de confiança documentada nas pesquisas sobre adoção de AI. Os usuários criam vínculo e, depois, enfrentam uma falha que parece desproporcionalmente pessoal. Afinal, o relacionamento em que acreditavam não correspondia ao que estavam vivendo.

A autoridade do design é a condição organizacional que evita esse cenário. Isso acontece porque projetar cuidado e agência em conjunto, em vez de colocá-los em oposição, exige uma posição institucional do design.

Os estágios da maturidade em design

A evolução rumo à maturidade em design não é binária. Pelo contrário, as organizações avançam por um espectro com indicadores reconhecíveis. No estágio inicial, o design tem status consultivo e pouca integração com a pesquisa. Já no estágio intermediário, ele tem autoridade documentada sobre o comportamento das interações e participa das especificações dos sistemas de AI. Por fim, no estágio maduro, a experiência humana funciona como restrição rígida no processo de desenvolvimento, incluindo o equilíbrio entre cuidado e agência. Nesse estágio, o design tem posição equivalente à engenharia e à gestão de produto nas decisões de maior impacto.

O McKinsey Design Index identifica quatro dimensões de maturidade em design (McKinsey & Company, 2018). Segundo o estudo, as organizações de melhor desempenho não se destacam apenas pelo tamanho das equipes ou pelo investimento em pesquisa. Na verdade, elas se diferenciam porque a liderança sênior trata as decisões de design como decisões de negócio. É desse reconhecimento que a evolução depende.

Uma disciplina em movimento: autonomia, alcance e colaboração

Um design que acompanha o mercado

Há uma dimensão da maturidade em design que vai além da estrutura de dívida. Ela é especialmente relevante para grandes organizações de consultoria e tecnologia que atendem mercados B2B. De fato, o design não é uma disciplina que chega a um estado estável. Sua legitimidade depende da capacidade contínua de responder às mudanças no comportamento do consumidor, no mercado e na tecnologia. Em escala, uma função de design que não acompanha o mercado já ficou para trás, seja qual for o tamanho da equipe ou das ferramentas.

Um alcance transversal

Em organizações com múltiplas práticas, o design ocupa naturalmente a camada das necessidades humanas e do comportamento do consumidor. Essa camada, por sua vez, atravessa todas as áreas de atuação. Service Design e Design Thinking orientam como as organizações transformam seus modelos operacionais. Product Design, por outro lado, determina como esses modelos criam valor para os usuários finais. Já as estratégias de crescimento exigem entender adoção, confiança e motivação comportamental, temas essencialmente ligados ao design.

Essas disciplinas não pertencem a uma única área. Seu valor vem justamente do alcance transversal entre desenvolvimento, engenharia, infraestrutura, segurança, cloud, dados e analytics, conhecimento de indústria e posicionamento de mercado. Por isso, o design precisa de autonomia departamental própria. Não porque se sobreponha às demais disciplinas, mas porque sua contribuição é multifuncional por natureza. Assim, confiná-lo a uma única linha de reporte rompe as conexões por meio das quais ele gera valor (Verganti et al., 2020).

Autonomia com um modelo colaborativo claro

Nesse contexto, autonomia significa que o design tem sua própria posição epistemológica. Em outras palavras, ele tem autoridade para definir o que é um problema de experiência humana e qual pesquisa é necessária para respondê-lo. Também cabe a ele estabelecer as considerações de experiência humana como restrições para engenharia, dados e infraestrutura. Isso inclui o equilíbrio entre cuidado e agência, que determina se a confiança será sustentável.

Para que essa autonomia funcione, o modelo colaborativo precisa ser claro. Cada disciplina responde por seu domínio de autoridade. Além disso, contribui com as decisões de outras áreas por meio de protocolos definidos, e não de negociações ad hoc.

O que o design lidera

• Qualidade da experiência humana em todos os pontos de contato
• Padrões de comunicação comportamental e multimodal
• Metodologia de pesquisa e autoridade sobre insights dos usuários
• Facilitação de Service Design e Design Thinking
• Product Design e estratégia de experiência de crescimento
• Restrições de experiência humana no design de sistemas de AI

Onde o design colabora com outras disciplinas

• Engenharia: viabilidade da interação e comportamento do sistema
• Dados e analytics: métricas de experiência e ciclos de feedback
• Infraestrutura e segurança: experiência dentro dos limites técnicos
• Cloud: escalabilidade de arquiteturas de produtos centrados nas pessoas
• Conhecimento de indústria: contexto do domínio para o design da experiência
• Posicionamento de mercado: posicionamento fundamentado no valor humano

Maturidade se constrói

Esse modelo descreve os protocolos de contribuição: onde o design lidera, onde colabora e onde as decisões são tomadas em conjunto. Organizações que tornaram isso explícito relatam ciclos de decisão mais curtos e menos retrabalho. Elas também observam maior confiança multifuncional nas contribuições do design.

Além disso, esse tipo de maturidade pode ser construído, e não necessariamente contratado. Internamente, mais de quarenta por cento das pessoas já usam ferramentas de AI com regularidade, e esse número continua crescendo. Esse uso está distribuído por cinco regiões, com a capacidade aumentando em ritmo semelhante em cada uma delas. O mecanismo não foi uma função central de revisão. Em uma região, por exemplo, foi uma estrutura de embaixadores que cresceu de três para cerca de dez squads. Nela, a disciplina de design foi inserida em cada squad, em vez de avaliar o trabalho de fora. Quando a capacidade já está disseminada, a governança precisa crescer para os lugares onde o trabalho acontece.

O caso de investimento e o perfil de recuperação

As evidências financeiras

As evidências financeiras sobre a maturidade em design como disciplina de negócio já são substanciais. Em cinco anos, empresas no quartil superior de maturidade em design superaram os benchmarks de seus setores em 32 pontos percentuais no crescimento da receita. No retorno total aos acionistas, a diferença foi de 56 pontos percentuais (McKinsey & Company, 2018).

Da mesma forma, um estudo de impacto econômico da Forrester Consulting identificou um ROI de 301% em três anos com práticas de design empresarial. Esse retorno veio, principalmente, da redução do retrabalho e da aceleração da entrega. Além disso, o tempo dedicado a design e alinhamento caiu 75%, e os defeitos de design foram reduzidos pela metade (Forrester Consulting, 2018).

O custo oculto das solicitações de mudança

Esse mecanismo também aparece em nosso histórico de entregas. Em projetos de oito a dez sprints com pouco tempo para pesquisa de design com usuários, observamos um atraso médio de dois a quatro sprints. Depois, as solicitações de mudança somam cerca de vinte por cento a mais sobre o preço total do projeto.

No entanto, esse custo não aparece como estouro de orçamento. Ele chega como uma série de solicitações de mudança individualmente razoáveis, cada uma justificada por algo descoberto tarde. Assim, o projeto o absorve como uma evolução normal do escopo. Uma organização que nunca somou essas solicitações nunca viu o valor total. É por isso que a mesma decisão continua sendo tomada.

Retorno em 12 a 18 meses

Esses números descrevem o destino. Já o perfil de recuperação de organizações que partem de uma posição próxima ao design é encorajador. O retorno das primeiras mudanças estruturais surge dentro dos ciclos normais de produto. Em 12 a 18 meses de aplicação consistente, os efeitos exponenciais ficam visíveis na adoção, nos custos de suporte e na redução do retrabalho. Ou seja, não é preciso atingir a maturidade completa em design para que o investimento comece a gerar retorno.

Confiança genuína e sustentabilidade

Hoje, a dimensão de sustentabilidade desse argumento também se apoia em dados que vão além dos índices de investimento em design. Organizações que projetam para uma confiança genuína combinam orientação baseada em cuidado com a preservação da agência humana. Como resultado, conquistam uma lealdade do cliente que se sustenta ao longo do tempo. Essa lealdade nasce do valor percebido, e não do atrito de saída ou de uma dependência projetada.

Pesquisas sobre a diferença financeira entre retenção genuína e coercitiva documentam esse contraste (Reichheld, 2003; Edelman, 2024). Ele aparece no Net Promoter Score, nas curvas de retenção de longo prazo e nas métricas de confiança na marca. No primeiro caso, essas métricas podem ser recuperadas; no segundo, não. Para quem investe em AI em escala, portanto, a maturidade em design determina se a tecnologia gerará valor comercial sustentável ou uma dívida sistemática de confiança. Por isso, os dois investimentos precisam crescer juntos.

Referências

• Auernhammer, J. (2020). Human-centered AI: The role of human-centered design research in AI development. DRS 2020.
• Edelman. (2024). Edelman Trust Barometer. Edelman.
• Forrester Consulting. (2018). The Total Economic Impact™ of IBM’s Design Thinking Practice. Study commissioned by IBM.
• Gray, K., & Wegner, D. M. (2012). Feeling robots and human zombies: Mind perception and the uncanny valley. Cognition, 125(1), 125–130.
• Kress, G. (2010). Multimodality: A Social Semiotic Approach to Contemporary Communication. Routledge.
• McKinsey & Company / McKinsey Design. (2018). The business value of design. McKinsey Quarterly.
• Mori, M. (1970/2012). The uncanny valley (K. F. MacDorman & N. Kageki, Trans.). IEEE Robotics & Automation Magazine, 19(2), 98–100.
• Reichheld, F. F. (2003). The one number you need to grow. Harvard Business Review, 81(12), 46–54.
• Shneiderman, B. (2022). Human-Centered AI. Oxford University Press.
• Verganti, R., Vendraminelli, L., & Iansiti, M. (2020). Innovation and design in the age of artificial intelligence. Journal of Product Innovation Management, 37(3), 212–227.