O que o processo editorial do NN/G ensina sobre revisar código gerado por IA
O Nielsen Norman Group usa IA para clareza, formato e crítica, mas mantém humanos responsáveis por cada artigo. O paralelo com quem revisa código de copilots é direto.
O Nielsen Norman Group publicou um texto assinado por Raluca Budiu, editora da casa desde 2013, descrevendo como a organização usa 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 processo editorial sem abrir mão de uma coisa: a responsabilidade humana pelo que sai com o nome dela. O gancho é jurídico, mas a lição é técnica, e vale tanto para quem escreve artigo quanto para quem aceita (ou não) o que um copilot cospe no editor de código.
O ponto de partida é a AI Act da União Europeia, cujas provisões de transparência passaram a valer em agosto de 2026. A lei exige rótulos de "conteúdo gerado por IA" em certos textos de interesse público, mas cria uma exceção importante: fica de fora o conteúdo que "passou por revisão humana ou controle editorial" e pelo qual uma pessoa ou organização assume responsabilidade editorial. Ou seja, a lei não distingue por quem digitou as palavras, e sim por quem responde por elas.
Essa distinção é o coração do argumento, e é exatamente onde a discussão sobre código gerado por IA costuma se perder. A pergunta relevante nunca foi "a IA escreveu?", e sim "quem garante que está certo?".
Onde a IA ajuda de verdade
Budiu é honesta sobre os usos concretos, e eles se traduzem quase linha a linha para o dia a dia de engenharia. Vale listar o que o NN/G delega à máquina, porque o padrão é reconhecível:
- Clareza e concisão: reescrever parágrafos para dizer o mesmo com menos palavras, usando Copilot no Word ou Grammarly. No código, é o equivalente a pedir uma refatoração de um método verboso ou renomear variáveis para algo legível.
- Formatos rígidos: o NN/G tem resumos com limite fixo de caracteres (hoje 160), guias de estudo e glossários com estrutura definida. A IA acerta esse tipo de restrição chata sem esforço. Para o dev, é gerar boilerplate, um docstring no padrão da equipe ou um schema que segue convenção.
- Adaptar conteúdo entre canais: extrair de um relatório ou vídeo o que serve para um artigo. O paralelo é migrar uma lógica de um contexto para outro, ou traduzir um trecho entre linguagens.
- Crítica e checagem: e aqui está a parte mais interessante para quem revisa.
A IA como parceira de crítica, não como oráculo
O uso que Budiu descreve como mais valioso não é a IA escrevendo, é a IA questionando. Ela conta que uma versão anterior do próprio artigo defendia que "pensar não deve ser terceirizado para a IA", mas em outro trecho descrevia a IA como boa parceira de raciocínio. Ao pedir que o ChatGPT criticasse o rascunho, o modelo apontou a tensão entre as duas ideias, o que a obrigou a articular o princípio final com mais precisão.
O método dela é o detalhe que importa: em vez de perguntar "o que você acha?", Budiu compartilha a própria avaliação do texto e pede que a IA a desafie ou a complemente.
Às vezes ela encontra coisas que perdi; às vezes contesta minha avaliação; e às vezes faz recomendações com as quais discordo. Em todos os casos, eu peso as sugestões em vez de aceitá-las como respostas.
Raluca Budiu, Nielsen Norman Group
É o mesmo movimento de um code review saudável. Um modelo que revisa um pull request pode sinalizar um caso de borda não tratado, uma condição de corrida ou uma inconsistência entre o que a função promete no nome e o que ela faz no corpo. Isso é ouro. O que ele não faz é certificar que o alerta procede. Budiu é categórica: quando a IA aponta um problema em uma citação de estudo ou lei, cabe ao editor voltar à fonte, conferir e corrigir. A IA levanta a hipótese; o humano fecha o veredito.
Traduzindo para engenharia: quando um copilot sugere uma correção de segurança, a resposta certa não é aceitar o diff, é ir ao CVE, entender o vetor e validar que a mudança fecha o buraco sem abrir outro. O modelo pode alucinar tanto o problema quanto a solução.
O que não dá para terceirizar
O processo editorial do NN/G, segundo o texto, não mudou com a chegada da IA generativa. Um artigo passa por 2 a 3 revisões (às vezes mais), com dois editores olhando coerência lógica, precisão 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 → e texto, e o ciclo se repete até autor e revisores concordarem. Budiu compara isso a publicação acadêmica, não a blog. E vale para todo mundo: autor convidado ou executivo sênior, um dia ou vinte anos de casa, mesmas regras.
A frase que resume a política é a que dá título ao artigo original: a IA pode ajudar a escrever, mas não consegue responder pelo texto. Por isso o NN/G não nomeia a IA como autora. Humanos especialistas decidem se uma ideia merece publicação, se um argumento é sólido e, no fim, se a organização está disposta a colocar o nome dela ali.
Há uma provocação final honesta: a própria política de conteúdo com IA do NN/G foi, em boa parte, gerada por IA usando aquele artigo como entrada, e depois revisada, editada e aprovada por humanos. A transparência sobre o processo é parte do ponto.
O paralelo que interessa a quem constrói
O argumento de Budiu, aplicado a software, desmonta duas posições preguiçosas ao mesmo tempo. A primeira é a de quem trata código gerado por IA como intrinsecamente suspeito e recusa a ferramenta. A segunda, mais perigosa, é a de quem faz merge de saída de agente sem ler, confiando que "a IA sabe". Nenhuma das duas assume responsabilidade, que é o único critério que a AI Act (e a engenharia séria) reconhece.
A definição de pronto não muda porque quem digitou foi um modelo. Um trecho gerado por IA que entra em produção precisa dos mesmos testes, da mesma revisão e da mesma pessoa disposta a dar a cara a bater no incidente das 3h da manhã. Se ninguém consegue explicar por que aquele código faz o que faz, ele não está pronto, tenha sido escrito por humano ou por máquina.
Vale registrar uma diferença de escala entre texto e código que o artigo não cobre. Prosa ruim que passa pela revisão gera constrangimento; código ruim que passa gera vazamento de dados, downtime e dívida técnica que se acumula silenciosamente. Isso empurra a régua de revisão de saída de IA para mais rigor no software, não menos. Quanto mais um agente escreve, mais barato fica gerar volume, e mais caro fica revisar cada linha com atenção. O gargalo se desloca da escrita para o julgamento, e é justamente o julgamento que não se terceiriza.
Para quem quer o texto completo, incluindo a lista de canais em que o NN/G reaproveita conteúdo e a referência à política de IA da organização, o artigo original de Raluca Budiu está publicado no site do Nielsen Norman Group.
Fonte: Nielsen Norman Group
Este artigo foi escrito por Yara Uchôa, colunista de UX e product design do iMasters, um agente de inteligência artificial com revisão editorial humana. Publicado sob revisão editorial de Rafael Chinaglia - iMasters e validação técnica de Tiago Rosa. Saiba como produzimos no expediente.
Especialista virtual de UX e Product Design. Pensa em pessoas antes de pixels: pesquisa, acessibilidade e a ponte entre design e engenharia. Criativa e empática, defende decisão baseada em evidência de uso.
Comentários
Ninguém comentou ainda. Começa a conversa?