A cada trimestre, aparece uma nova ferramenta que promete eliminar o Product Designer da equação. Já vimos isto antes. Templates premium. Fiverr. UI kits. Webflow. Agora são ferramentas de AI que geram interfaces a partir de prompts. A narrativa é sempre a mesma: mais rápido, mais barato, sem precisar de designer. E o resultado também é sempre o mesmo — Product Designers aprendem a nova ferramenta e continuam a fazer o trabalho que as máquinas não conseguem.

‍

Mas desta vez há uma diferença. As ferramentas de AI para Design estão a gerar outputs com uma qualidade visual que não existia há dois anos. E isso muda o tipo de conversa que Product Designers, Product Managers e outros profissionais de produto precisam de ter. Não sobre se vão desaparecer (não vão), mas sobre onde é que a AI está a criar valor real e onde está a criar a ilusão de progresso.

‍

Vamos falar sobre isso sem hype e sem medo. Porque ambos são igualmente inúteis.

‍

Templates 2.0: melhores interfaces, o mesmo limite

‍

Chama-lhes o que quiseres: Figma Make, Stitch, Lovable, v0, UXPilot, Flowstep. São todas variações do mesmo conceito: descreves o que queres num prompt, a ferramenta gera uma interface. O resultado é visualmente limpo, tecnicamente funcional e impressionantemente rápido.

‍

O problema é que “visualmente limpo” e “bom Design” são coisas diferentes.

‍

Se testares qualquer uma destas ferramentas com um mínimo de rigor, chegas rapidamente à mesma conclusão: melhoraram, mas continuam longe de substituir um Product Designer experiente. Os outputs são genéricos, com hierarquia de informação fraca, e a mesma prompt gera variações mínimas entre si. Bom para uma primeira exploração. Insuficiente para qualquer coisa que vá para produção.

‍

A distância entre o que estas ferramentas produzem e o que um Product Designer experiente entrega não é de 2x ou 3x. É de 10x ou mais. E essa distância não está nos pixels. Está nas decisões.

‍

Uma interface gerada por AI não sabe que o teu utilizador de nicho precisa de um fluxo diferente do utilizador mainstream. Não sabe que aquele botão precisa de um estado de erro porque a API demora 4 segundos a responder. Não sabe que a terceira iteração do checkout foi testada com 15 utilizadores e que a versão atual reflete seis meses de aprendizagem. Não sabe nada disto porque não tem contexto. E contexto é o que transforma pixels em produto.

‍

Há outro problema que limita ainda mais a utilidade: nenhuma destas ferramentas suporta efetivamente design systems. Os outputs são compostos por elementos visuais desconectados em vez de componentes de um sistema coerente. Para equipas que trabalham sobre design systems existentes (que são a maioria), isto limita severamente a utilidade.

‍

Se queres entender como construir e documentar design systems que escalam, o curso de Design Systems da TheStarter cobre exactamente isso, desde os fundamentos até à implementação em equipa.

‍

O valor está nas pontas, não no meio

‍

Se olharmos para o processo de Design como um espectro, da ideia inicial à implementação final, a AI está a criar valor real nas duas extremidades. Não no centro.

‍

Do zero a alguma coisa: onde a AI brilha

‍

Na fase de exploração inicial, a AI é genuinamente útil. Precisas de testar rapidamente se uma ideia tem pernas? Gerar três variações de um layout para discutir com a equipa? Transformar um rabisco num wireframe navegável em 10 minutos? Aqui, estas ferramentas fazem em minutos o que antes levava horas.

‍

Não porque o output seja bom o suficiente para produção. Mas porque dá à equipa algo tangível para criticar, iterar e descartar. E descartar rápido é tão importante como construir rápido, um princípio que Melissa Perri descreve em Escaping the Build Trap: equipas que se comprometem com planos detalhados antes de validar as suas hipóteses constroem funcionalidades que não servem ninguém¹.

‍

Nesta fase, a AI funciona como um multiplicador de exploração. Mais opções na mesa, mais cedo. Isso é bom.

‍

A última milha: polimento e implementação

‍

Na outra ponta do espectro, a AI está a dar a Product Designers algo que há muito queriam: acesso direto ao código. Ferramentas de vibe coding como Cursor ou Lovable permitem experimentar com APIs reais, testar estados de erro, brincar com bibliotecas de JavaScript e sentir a latência de uma interação. Tudo coisas que antes só aconteciam depois do handoff para desenvolvimento.

‍

Isto resolve um problema antigo e documentado: mockups estáticos mentem. Mostram o happy path com dados perfeitos, labels limpas e exactamente três itens em cada lista. Dados reais quebram tudo isso. E quanto mais cedo quebrarem, mais barato é corrigir. Equipas de Design em empresas de saúde e SaaS, por exemplo, já estão a combinar Figma Make com ferramentas de código assistido por AI para iterar protótipos com dados reais, em vez de dependerem de mockups que só funcionam na demo.

‍

Há também um benefício inesperado: a AI expõe fragilidades nos design systems. Quando pedes a uma ferramenta para gerar UI com os teus componentes, rapidamente percebes onde faltam props, onde a documentação é ambígua e onde o sistema simplesmente não cobre o caso de uso. Essa fricção, por incómoda que seja, torna o design system mais robusto.

‍

Queres começar a usar código como ferramenta de Design e prototipagem? O curso de Vibe Coding para Product Designers e PMs da TheStarter ensina exactamente como integrar AI no teu workflow de Design sem precisares de ser developer.

‍

O meio lamacento: onde as decisões se fazem (e a AI falha)

‍

Aqui está o ponto que a maioria dos artigos sobre AI e Design ignora: o meio do processo é onde o Design realmente acontece. E é exactamente onde a AI produz o pior trabalho.

‍

O meio é onde decides que a terceira tab do dashboard não precisa de existir porque os dados mostram que ninguém a usa. É onde escolhes entre dois fluxos de onboarding baseando-te nos resultados de cinco testes de usabilidade. É onde negoceias com o Product Manager que aquela feature não pode ir para produção sem um estado vazio decente. É onde fazes trade-offs entre desejo do negócio, capacidade técnica e necessidade do utilizador.

‍

A AI não faz nada disto. O que faz é gerar mais outputs. Mais variações. Mais ecrãs. Mais rápido.

‍

E aqui está o paradoxo: acelerar esta fase raramente é uma vitória. Quando o problema é falta de clareza sobre o que construir, produzir mais coisas mais depressa não resolve — amplifica o caos. Melissa Perri chama a isto a “build trap”: a tendência de equipas se focarem em entregar features em vez de resolver problemas¹. Ferramentas que produzem outputs sem contexto são, na prática, aceleradores desta armadilha.

‍

Vários Product Designers que experimentaram estas ferramentas de forma intensiva reportam o mesmo padrão: a AI é boa nas primeiras duas ou três iterações, mas a qualidade degrada rapidamente à medida que tentas refinar. Cada iteração subsequente introduz inconsistências, altera elementos que não pediste para alterar e perde coerência visual. O resultado é que acabas a gastar mais tempo a corrigir o output da AI do que terias gasto a fazer o trabalho manualmente.

‍

Isto não é um bug. É uma limitação estrutural. Estas ferramentas não compreendem intenção. Não têm memória de projecto. Não sabem que aquele spacing de 24px entre secções é deliberado, nem que o tom daquele microcopy foi testado com utilizadores reais. Sem esse contexto, cada iteração é um reset parcial. É o problema que exploramos em detalhe no artigo A Inteligência Artificial faz. Mas quem pensa?: a AI gera, mas aprovar sem questionar é o novo problema de Design.

‍

Há uma frase que circula nas comunidades de produto e que resume bem este momento: “Let tools kill each other. Designers should be busy killing bad decisions.” Deixa as ferramentas competirem entre si. O trabalho de um Product Designer é eliminar más decisões.

‍

Velocidade não é o que Product Designers vendem

‍

Todas estas ferramentas ancoram a sua proposta de valor na velocidade. Mais rápido a fazer wireframes. Mais rápido a gerar protótipos. Mais rápido do zero ao ecrã. E essa promessa faz sentido para quem vê Design como produção de artefactos visuais.

‍

Mas não é isso que Product Designers vendem.

‍

O que um Product Designer vende é a capacidade de tomar boas decisões sob incerteza. De olhar para um problema ambíguo, decompô-lo em partes manejáveis, testar hipóteses com utilizadores reais e chegar a uma solução que equilibra necessidade do utilizador, viabilidade técnica e objectivo de negócio. É isso que torna o Design difícil de justificar perante stakeholders, mas também é o que o torna insubstituível. Velocidade é um subproduto de experiência e clareza. Não é o produto em si.

‍

A analogia mais honesta é esta: se um cirurgião pode fazer uma operação em metade do tempo, isso é bom. Mas ninguém escolhe um cirurgião por ser o mais rápido. Escolhe-o por tomar as melhores decisões sob pressão. O mesmo aplica-se a Product Designers.

‍

Isso não significa que velocidade não importa. Importa, especialmente em startups e equipas pequenas onde o tempo entre ideia e feedback do mercado é a diferença entre sobreviver e fechar. Mas a velocidade que interessa não é a de gerar ecrãs. É a de aprender. E aprender requer fazer as perguntas certas. Algo que nenhuma ferramenta de AI faz por ti.

‍

Quem ganha e quem perde (por agora)

‍

Se olharmos para o panorama actual sem ilusões, os vencedores são claros:

‍

Equipas de marketing e web design são, de longe, quem mais beneficia. Landing pages, microsites, campanhas visuais: tudo isto encaixa perfeitamente no que a AI faz bem. gerar layouts visualmente apelativos para conteúdo relativamente simples. Aqui, a velocidade é genuinamente o diferenciador.

‍

Product Designers ganham nos extremos do processo: exploração rápida no início, prototipagem funcional com código no final. No meio, continuam a depender das mesmas competências de sempre.

‍

Product Managers também beneficiam, sobretudo na fase de discovery. Gerar um protótipo rápido para validar uma hipótese com stakeholders, sem depender do backlog de Design, é uma mudança real. A AI dá aos PMs mais autonomia para testar ideias antes de comprometerem recursos de equipa.

‍

Product Designers em início de carreira são, infelizmente, os mais afectados. Não porque a AI substitua o que fazem, mas porque reduz a quantidade de trabalho de execução visual que tradicionalmente era a porta de entrada na profissão. Quando uma ferramenta gera um wireframe razoável em 30 segundos, a empresa que antes contratava um junior para fazer esse wireframe vai pensar duas vezes. Isto é real. E é um problema que a indústria precisa de endereçar.

‍

No entanto, há um lado positivo: se o trabalho mecânico de execução está a ser automatizado, Product Designers juniores que investirem cedo em competências de research, pensamento sistémico e compreensão de negócio vão diferenciar-se mais rapidamente do que em gerações anteriores. A porta de entrada pode estar a mudar, mas não está a fechar.

‍

O eBook gratuito Portfolio e Carreira da TheStarter aborda exactamente como construir um perfil que demonstra pensamento estratégico e não apenas execução visual, algo cada vez mais relevante no mercado actual.

‍

O debate que devíamos estar a ter

‍

A conversa dominante sobre AI em Design é sobre eficiência. Como fazer o mesmo mais rápido. Como reduzir headcount. Como automatizar entregas. É uma conversa que interessa a CFOs, não a utilizadores.

‍

A conversa que falta é outra: o que é que podemos construir agora que não podíamos antes?

‍

Protótipos que usam dados reais em vez de lorem ipsum. Interfaces que se adaptam ao contexto do utilizador em tempo real. Fluxos de onboarding que aprendem com o comportamento e se ajustam. Experiências que mudam baseadas no estado emocional ou cognitivo de quem as usa. Isto é Design com AI, não Design por AI. E como exploramos no artigo O teu próximo utilizador pode não ser humano, o paradigma está a mudar: agentes de AI, interfaces generativas e o fim do ecrã estático estão a redefinir o que significa desenhar um produto.

‍

A diferença é relevante. Usar AI como ferramenta de produção é uma optimização incremental. Usar AI como material de construção, como algo que altera a natureza do que é possível desenhar, é onde está o potencial transformador. E para isso, precisas de Product Designers e Product Managers que entendam tanto de interação humana como de capacidades técnicas de modelos de linguagem.

‍

É essa a ponte que ainda não foi construída. A distância entre o que as ferramentas de Design fazem e o que as ferramentas de desenvolvimento fazem continua grande. A AI encurtou-a, mas não a fechou. O primeiro produto que resolver esse gap, que permitir a um Product Designer ir do conceito ao protótipo funcional sem perder controlo criativo, vai ganhar o mercado. Pode ser o Figma, pode ser algo que ainda não existe.

‍

Enquanto isso, a pergunta que importa não é “que ferramenta de AI devo usar?” É: “em que parte do meu trabalho é que a AI me liberta para pensar melhor?” Se a resposta for “em nenhuma”, provavelmente ainda não experimentaste o suficiente. Se a resposta for “em tudo”, provavelmente não estás a pensar o suficiente.

‍

O futuro do Design não pertence a quem gera mais ecrãs por hora. Pertence a quem faz as perguntas que nenhuma ferramenta sabe formular. Qual é a decisão de Design mais difícil que tomaste este mês?

‍

Na TheStarter temos vários cursos que te preparam para este novo contexto: UX para Inteligência Artificial para entenderes como desenhar com e para AI, Craft Design: Para Além dos Pixels para aprofundares o que distingue execução genérica de Design intencional, e UX Research para dominares os métodos que nenhuma AI consegue replicar. Explora os cursos disponíveis e junta-te à nossa comunidade no Slack.

‍

Referências

‍

¹ Perri, M. (2019). Escaping the Build Trap: How Effective Product Management Creates Real Value. O’Reilly Media.