Vamos falar de IA no processo de Product Design. Não como hype, mas como ferramenta que amplifica nossa atuação.
A tese central é simples: IA não substitui o designer. Potencializa nossa atuação. Quem tem repertório, contexto e processo, multiplica. Quem não tem, gera slop mais rápido.
E slop é exatamente o que parece. Conteúdo gerado por IA com aparência de qualidade, mas sem fundamento, contexto ou direção. Texto inflado, design genérico, decisão sem evidência. Volume sem valor. É o risco real de quem trata IA como atalho em vez de tratamento como ferramenta.
Esse artigo é a versão escrita de uma talk que dei sobre como uso IA no meu dia a dia para a VR Software. Sem prometer milagre. Mostrando o que funciona, o que falha, e onde você não delega.
Para acessa-lo na íntegra: https://www.brunoqueiros.com/presentation
O mindset antes da ferramenta
Antes de qualquer prompt, antes de qualquer ferramenta, tem quatro princípios que mudaram a qualidade do meu output com IA. Eles vêm antes da técnica. Sem isso, qualquer stack vira ruído.
1. Contexto > prompt bonito
Bom input carrega contexto, insumos e não-ambiguidades. Prompt bonito sem contexto resulta em output bonito sem fundamento. A IA não adivinha sua intenção, ela infere. Quanto melhor o material que você dá, melhor a inferência.
2. Iteração > one-shot
O primeiro output é matéria-prima, não entregável. Quem espera resposta perfeita no primeiro prompt está usando IA como Google, não como par. O ganho real vem de ciclos curtos de refinamento.
3. Validar sempre
IA confiante não é IA correta. Você é o filtro. Sem validação, você escala erro com a mesma velocidade que escala acerto, e isso é pior do que andar devagar.
4. Taste é insubstituível
Julgamento estético, contexto político, leitura de stakeholder, sensibilidade de marca. IA não faz. Esse é o pedaço que a maioria das discussões sobre "IA vai substituir designer" ignora: a parte mais difícil do trabalho não é executar, é decidir o que executar.
Onde a IA falha (e onde você não delega)
Honestidade gera credibilidade. Tem coisas que a IA simplesmente não faz bem, e tentar forçar gera os piores outputs.
- Decisão de prioridade. Trade-off político e estratégico precisa de leitura humana. IA não lê sala.
- Sensibilidade cultural. Contexto local, tom, código social. IA generaliza. O resultado é correto na média e errado pra todo mundo em particular.
- Trade-off com poucos dados. Sem evidência, IA preenche com o que ela considera bom no contexto, não com o verdadeiro. Você precisa saber a diferença.
- Coerência sistêmica longa. Janela de contexto se perde dentro da própria sessão. Em projetos longos, a IA esquece o que combinou no começo. Sem você ancorando, a saída deriva.
Workflow por fase do processo
Aqui está o pedaço prático. Cinco fases do processo de produto, e como IA entra em cada uma. Não é vender ferramenta, é mostrar onde o ganho aparece.
Discovery & Research
Stack: Claude Code, Gemini, Perplexity.
Sintetizar entrevistas, desk research, benchmark competitivo, clusterizar pain points, analisar dashboards de dados. Antes, encontrar players, aprofundar contexto, montar board e criar análise levava dias. Hoje: informo o contexto, informo o player, defino o tipo de análise, escolho onde montar (FigJam, por exemplo) e itero.
Ganho real: −80% tempo.
Ideação & Estratégia
Stack: Claude Skills, Figma MCP, Obsidian.
Três truques que mudaram o jogo:
- Documente em Markdown. Claude lê rápido e gasta menos tokens.
- Construa uma base de conhecimento: transcrições, Jira, Confluence, ideações antigas, tudo no mesmo lugar.
- Fluxo: Markdown → Mermaid → FigJam → Figma com Design System.
Antes: estruturar doc, desenhar fluxograma à mão, atrasar a exploração visual. Agora: resultado prático cedo, validação rápida, foco em stakeholder, tempo pra refinar visual.
Ganho real: −90% tempo.
Copy
Stack: Claude Code Skills, Figma.
Validação de content, criação de FAQ, verificação de tom de voz. O fluxo: passo o link do Figma, a IA valida, grava o output direto na tela, eu faço o check. Antes, content era ciclo longo de alinhamento. Hoje, chego na pessoa de content com revisão prévia já feita.
Ganho real: −80% tempo.
Protótipo & Código
Stack: Figma Make, Claude Code.
Testar protótipo com inputs de dados reais, criar com fidelidade de produção, validação tech mais precisa. O princípio aqui é simples e tem peso: designer entende o código que entrega. Quando o protótipo nasce próximo de produção, a validação com tech vira menos retrabalho e mais conversa de qualidade.
Handoff, Doc & Automação
Stack: Terminal, Claude Code, MCPs.
Specs automáticas, changelog, scripts repetitivos, sync Figma ↔ código. E aqui vai a parte que a maioria pula: por que terminal? Porque o terminal dá acesso a arquivos, git e MCPs. A IA opera com contexto real do projeto, não em isolamento. Chat fechado é brinquedo. Terminal é ferramenta.
IA no meu dia a dia
Cinco frentes onde IA já está embutida no meu trabalho. Cada uma com ganho específico.
- Ideação. Skill que pega um fluxo em discussão e desenha as primeiras estruturas no Figma com o Design System. Ganho: ideação rápida, eu aprofundo onde faz sentido.
- Content. Revisão do texto das telas com base no tom de voz da marca. Ganho: texto redondo, dentro do tom.
- PRD. Documentação da jornada construída, integrada direto no Jira/Confluence. Ganho: tempo na escrita de doc.
- Análise de dados. Amplitude conectado via MCP. Leio dashboards, gero relatórios e exporto pra qualquer lugar. Ganho: análise individual + produção.
- Personas sintéticas. Crio personas do produto e simulo testes de usabilidade antes de levar pro cliente real. Ganho: assertividade nas explorações.
Não é exaustivo. É o que está rodando agora.
Armadilhas que aparecem com uso pesado
As armadilhas só aparecem com volume. No começo parece tudo ganho. Depois de meses usando IA pesado, três coisas começam a doer:
- IA-dependência em decisão. Perda de músculo crítico. Quem deixa de decidir, deixa de pensar. O risco é virar curador de output em vez de tomador de decisão.
- Output bonito sem fundamento. Aparência de qualidade sem base. Slop polido continua slop. E slop polido é o pior tipo, porque convence.
- Velocidade alta, direção errada. Acelerar o errado é pior do que andar devagar no certo. A IA te dá velocidade, você precisa garantir que está apontada pro lugar certo.
Essas três aparecem juntas. Quem cai numa, geralmente cai nas outras duas em sequência.
O que fazer essa semana
Se você quer sair desse texto com algo concreto, escolha uma dessas três:
- Migre 1 fluxo de research. Mova um fluxo real pra um workflow Claude com contexto persistente. Meça tempo antes e depois. Não confie no feeling, meça.
- Experimente Cursor em 1 componente. Pegue um componente real e prototipe em código. Sinta a diferença de fidelidade entre Figma e produção.
- Crie 1 skill ou MCP custom. Automatize uma rotina chata do seu próprio workflow. Compartilhe com o time. Esse é o jeito mais rápido de virar referência interna.
Não tente os três de uma vez. Escolhe um, faz direito, mostra resultado.
Fechamento
A ferramenta amplifica o que você já é.
Repertório + contexto + processo. Esse é o trio que separa quem usa IA pra entregar mais valor de quem usa IA pra escalar erro mais rápido. A IA não te dá taste, não te dá leitura de stakeholder, não te dá visão de produto. Ela amplifica o que já está lá.
Se o que está lá é raso, o output vai ser raso, mais rápido. Se o que está lá é denso, a IA é o multiplicador que faltava.