O guia da Nielsen Norman para usar IA em UX sem terceirizar o julgamento
O NN/g compilou dezenas de artigos, vídeos e podcasts sobre IA aplicada a design e pesquisa. Selecionei o que interessa pra quem faz discovery e produto no Brasil, com o porquê de cada escolha.
O problema não é mais se você vai usar IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → no seu processo de design, é quando e como sem transformar seu output num monte de texto genérico e insight que não veio de usuário nenhum. O Nielsen Norman Group publicou em setembro de 2026 um study guide que reúne seus artigos, vídeos e podcasts sobre o tema, organizados por etapa do trabalho de UX↳UX33 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025UX, IA e Front-End: quando experiência, inteligência e código se encontram para criar o futuro digitalProduto & UX · jul 2025Novidades em UX/UI para 2025: O futuro do design de experiências digitaisProduto & UX · abr 2025Ver tudo em Produto & UX →. É um índice, não um artigo com tese única, então vale menos como leitura corrida e mais como mapa: você escolhe a lacuna do seu processo e vai direto no material.
O recado que atravessa todas as seções, e que o autor Tanner Kohler resume bem, é este:
If you don't want to work for the robot, make the robot work for you.
Tanner Kohler, NN/g
Ou seja: a IA entra como assistente que você dirige, não como piloto automático. Abaixo, o que de fato importa pro designer e PM brasileiro, sem repetir a tabela inteira da fonte.
O framework CARE: o único que você precisa decorar
Se você só tem tempo pra um item do guia, é o CARE (Context, Ask, Rules, Examples). É a estrutura que o NN/g propõe pra escrever prompts que geram algo aproveitável em vez de resposta morna. Traduzindo pra prática de discovery:
- Context: quem é o usuário, qual produto, qual restrição de negócio. É aqui que a maioria falha, jogando a pergunta sem o cenário.
- Ask: o pedido específico. Não "me ajude com a pesquisa", e sim "gere 8 perguntas abertas para entrevista sobre abandono de carrinho".
- Rules: o que evitar (perguntas que induzem resposta, jargão, viés).
- Examples: cole um trecho de copy ou de guia de entrevista que já funcionou.
Outro artigo do guia, Prompt to Design Interfaces, reforça o mesmo princípio no design: prompts vagos falham; palavras-chave visuais precisas, referências, mock data e snippets de código produzem protótipo utilizável. A lição estrutural é a mesma do CARE, curadoria de contexto é o trabalho.
Design: o valor migra do pixel pro julgamento
A seção de Design deixa explícito um movimento que já sentimos no mercado: a habilidade valiosa está saindo do "UI" de empurrar pixel na ferramenta e indo pro "UX" de definir necessidade e intenção do usuário. Dois conceitos do guia merecem atenção:
- Promptframes: uma evolução do wireframe. Em vez de retângulos cinzas, você usa IA pra subir a fidelidade rápido e conseguir feedback melhor de usuário e stakeholder. Útil quando a validação trava porque ninguém entende o rascunho.
- UX-Context Design: à medida que mais interface vira código gerado por IA, o entregável da pesquisa e do design deixa de ser documento escrito pra humano e passa a ser contexto curado que guia a IA. Isso muda o que você produz no dia a dia.
E tem um artigo que nomeia a nova competência central de design na era da IA: crítica. Construir sistema com IA exige codificar necessidade do usuário e julgamento de design em critérios de avaliação bem definidos. Menos "eu desenho", mais "eu defino o que é bom e avalio".
Pesquisa: onde a IA ajuda e onde ela mente
Essa é a seção mais longa do guia, e a mais importante pra quem faz discovery. A posição do NN/g é clara: IA ajuda em planejamento e análise, mas não substitui dado de gente real. Os pontos concretos:
| Uso da IA na pesquisa | O que o guia diz |
|---|---|
| Planejar pesquisa | Funciona bem com prompt que quebra cada etapa |
| Escrever survey | Gera rascunho polido rápido, mas humano ainda pega falhas sutis que corroem a qualidade do dado |
| Synthetic users / digital twins | Suplementam, servem pra preencher lacuna e prever tendência populacional, mas longe de substituir usuário real |
| Entrevistas moderadas por IA | Feedback mais rápido e em escala, não substituem entrevista semiestruturada humana |
| Análise qualitativa | IA como thought partner, nunca liderando a interpretação |
O argumento mais forte, e o que eu levaria pra qualquer reunião defendendo verba de pesquisa, está no artigo Don't Outsource the Learning: mesmo que a IA iguale a qualidade do output do pesquisador, o aprendizado do time que vem de observar o usuário não dá pra terceirizar. Quando você joga a análise pro modelo, além de arriscar insight ruim, você arrisca a própria credibilidade e o time perde o contato com a realidade do produto.
Pra quem compra ferramenta: o guia cita as lições do Baymard Institute sobre exigir accuracy comprovada. Muita ferramenta de UX com IA não entrega o que promete, então peça evidência de precisão antes de assinar.
Os números que a fonte traz (e o que eles não provam)
A seção State of AI for UX Work junta estudos com datas, o que ajuda a separar hype de dado. Vale ler com atenção à data, porque capacidade de modelo muda rápido:
- GitHub Copilot: programadores aumentaram throughput em 126%, com maior ganho entre os menos experientes (2023).
- Agentes de suporte com IA: 13,8% mais atendimentos por hora, com leve melhora na resolução, de novo beneficiando mais os menos qualificados (2023).
- IA generativa elevou output de funcionários em 66% na média, especialmente em tarefas complexas e para trabalhadores menos habilidosos (2023).
Repare no padrão: os maiores ganhos aparecem entre os menos experientes. Pra design, isso tem leitura dupla, a IA nivela por baixo (bom pra onboarding e generalista) mas não empurra o teto de quem já é sênior. E são estudos de produtividade em coding e suporte, não em pesquisa de UX, então não extrapole direto pro seu discovery.
O próprio guia admite que os artigos sobre "estado da arte" envelhecem: o Status Update de abril de 2024 dizia que a maioria das ferramentas de IA pra UX falhava em dar suporte real ao fluxo de design; a atualização de 2025 já as via "marginalmente melhores", úteis quando de escopo estreito, mas ainda não prontas pra substituir designer.
Pra quem serve, pra quem não serve
Vale o tempo se você é designer, PM ou pesquisador querendo integrar IA em etapas específicas sem largar o rigor, e prefere material curado a garimpar no LinkedIn. Boa parte é gratuita e em texto curto.
Não serve se você procura tutorial passo a passo de uma ferramenta específica ou benchmark independente e atualizado. É um índice de conteúdo do próprio NN/g, com viés natural pros cursos pagos deles (AI for Design Workflows, Accelerating Research with AI), e boa parte dos links de vídeo é complementar aos artigos. Também não espere descobertas inéditas: o valor está na organização e na consistência da tese, não em revelação nova.
O custo pra extrair o essencial é baixo, umas duas ou três horas se você focar nas seções de Design e Research e no CARE. O que eu faria: escolher a etapa do meu processo que hoje trava (pra muita gente é análise qualitativa ou validação de protótipo), ler os dois ou três artigos daquela seção, e testar num projeto real de baixo risco antes de mudar o fluxo do time.
Fonte: Nielsen Norman Group
Este artigo foi escrito por Yara Uchôa, colunista de UX e product design. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
Agentes da Anthropic geram seis horas de trabalho por hora humana, e o design virou a linha de defesa
Estudo interno da Anthropic, publicado em 16 de outubro, mostra que agentes já trabalham seis vezes mais que humanos. O gargalo não é mais gerar trabalho, é decidir o que merece atenção.
