Ele relatou uma experiência que a maioria de nós, professores, já viveu: um aluno com dificuldade em determinado assunto, o que é normal, todo mundo tem suas fortalezas e fraquezas. Em sala de aula, esse aluno tem bastante dificuldade para realizar as atividades, mas, quando a atividade é para casa, ela vem super completa, nota 10. Na sequência, é aplicada uma atividade semelhante, presencialmente, e o resultado fica abaixo do esperado. E esse “fenômeno” não acontece somente nas salas de aula, seja no ensino médio ou na graduação: está acontecendo nas empresas também.

É muito comum ouvirmos relatos assim: “Meu filho faz todos os trabalhos, entrega tudo direitinho, mas vai mal nas provas.” “Na minha equipe tem uma pessoa que faz tudo com IA; se acabarem os tokens, é capaz de ele ir para casa, porque já não consegue trabalhar sem ajuda da IA.” Você já deve ter ouvido algo parecido por aí…

Como professor, tenho pensado muito em quais mecanismos podemos desenvolver para mitigar esse problema. Como criar conscientização e engajamento para que as pessoas não abram mão do processo de aprendizado em troca de um resultado rápido? Ainda não encontrei as respostas, mas já existem estudos tentando medir o tamanho do problema:

Em um estudo preliminar do MIT Media Lab, chamado “Your Brain on ChatGPT” (2025), 54 estudantes escreveram redações sob três condições: com ChatGPT, com Google e sem ferramenta alguma, e tiveram a atividade cerebral medida por eletroencefalograma. O grupo do ChatGPT teve a menor conectividade cerebral, mais dificuldade de lembrar o que havia escrito e, com o passar das sessões, passaram a copiar e colar a saída da IA com pouca edição. Os autores deram a isso o nome de Dívida Cognitiva (cognitive debt).

Outro estudo, realizado na Turquia com cerca de 1.000 alunos do ensino médio, deu a eles acesso livre ao GPT-4. Eles foram muito bem nas atividades de prática, mas, quando o acesso foi retirado, o desempenho foi 17% pior que o do grupo de controle, que nunca tinha usado a ferramenta.

Daniel Kahneman descreve, na “lei do menor esforço” (Rápido e Devagar, 2011), que o sistema analítico do cérebro só é ativado quando necessário, porque é custoso e “preguiçoso”: gasta muita energia. Existe uma atividade simples que faço com meus alunos e sempre dá certo, quer ver? Leia a frase abaixo

A rápida raposa castanha salta por cima do

do cão preguiçoso.

Percebeu que a palavra do está escrita duas vezes? Pois é, nosso cérebro é preguiçoso, se entende o contexto, economiza processamento.

Tendo a pensar que as pessoas estão usando a IA como esse atalho para fugir do processo de aprendizado e da responsabilidade com o trabalho entregue, não por maldade, mas por uma preguiça involuntária.

Passei os últimos dias pensando em um termo que chamei de Conhecimento as a Service: o conhecimento deixou de ser algo que se constrói e passou a ser algo que se acessa sob demanda. Parece que, neste momento da evolução tecnológica, a necessidade de aprender ficou em segundo plano, pois hoje é possível realizar de forma simples e rápida atividades que antes eram complexas e dependiam de profissionais capacitados. Na verdade, estudar ainda é necessário, pois é através do estudo que você encontra sua posição no mercado de trabalho e conclui o colégio, a faculdade, a pós-graduação, o mestrado etc. Mas agora com uma facilidade nunca antes experimentada: antes, você não podia simplesmente delegar uma atividade a uma inteligência artificial, precisava pesquisar e elaborar o trabalho por conta própria. Na minha época de escola, tinha que pegar o ônibus e ir a uma biblioteca pública, pois não existia o Google.

E nem dá para culpar a tecnologia. Definitivamente, ela não tem responsabilidade nisso. Nos casos de prazos insuficientes, regras de avaliação ou excesso de demanda, existe espaço para negociação. Não estou falando disso. Estou falando da decisão pessoal de usar a IA como atalho: do profissional que escolhe cortar caminho e do aluno que decide delegar o processo de aprendizagem a um modelo de linguagem.

Será que estamos na iminência de uma mudança no processo de aprendizado? Será que adquirir conhecimento não funcionará mais da forma como conhecemos? Será que o conhecimento vai virar uma commodity?

Quantas dúvidas…

E pensando nisso também, eu criei uma versão alternativa e atualizada do nosso querido Xtreme Go Horse, para esse novo momento da evolução tecnológica.

Conheça o MITM Protocol
https://mitmprotocol.com.br

#InteligenciaArtificial #Educacao #Aprendizado

Leia também

• Profissionais Generalistas ou Especialistas. Quem leva vantagem na era da IA?
• Quando a Samsung subestimou a validação de riscos com a IA

The post Conhecimento as a Service – A evolução do Xtreme Go Horse? appeared first on Fábio Figueredo.

Eu penso que essa é uma definição muito definitiva pra uma contexto que está em mutação praticamente diária. Na minha visão, a resposta é que precisamos dos dois perfis, por motivos diferentes. Vou explicar, mas antes vale alinhar alguns termos.

• O profissional Generalista é o quem tem conhecimento amplo, porém mais superficial, em várias áreas.
• O profissional T-shaped é um generalista com uma especialidade profunda. A barra vertical do T representa essa profundidade, e a horizontal, a amplitude em áreas que se conectam a ela. É o perfil de que as empresas costumam falar quando elogiam o “generalista”, eu me encaixo nesse perfil.
• O Especialista Generalista é um conceito do artigo Expert Generalists (Martin Fowler, Unmesh Joshi e Gitanjali Venkatraman), que faz sentido mencionar nessa análise e eu vou falar sobre ele no decorrer do texto.

Me usando como exemplo: sou especialista em Design de Experiência do Usuário e em Design e Engenharia de Software, tenho bastante fluência em Qualidade de Software e uma profundidade razoável em programação e DevOps. Isso me permite construir produtos completos, dentro de um certo nível de complexidade.

Os profissionais T-shaped têm como principais características:

• Curiosidade: exploram tecnologias e conseguem utilizá-las sem conhecer a fundo sua arquitetura ou linguagem de programação.
• Colaboração: precisam da troca com especialistas para validar suas ideias de execução e para tirá-las do papel da forma correta.
• Foco no cliente: costumam ter uma visão mais ampla do negócio e pensam soluções em um contexto mais geral.

Dito isso, o advento da IA trouxe superpoderes aos profissionais generalistas, incluindo os T-shaped. A chegada da IA na vida de quem trabalha com tecnologia, cujo uso prático é bem diferente do de outras profissões, ampliou muito o alcance dos generalistas. Projetos que antes exigiriam uma equipe inteira agora podem ser construídos em pouquíssimo tempo. Repare que falei de execução, não de qualidade.

É como se o generalista ganhasse uma equipe de especialistas incríveis, que faz qualquer coisa, a qualquer hora, sem questionar. Mas essa equipe só considera segurança, arquitetura, documentação e testes se você souber pedir. Pensou, pediu, está feito. Parece maravilhoso e, em certa medida, é: a IA derrubou a barreira da execução, e agora qualquer ideia pode sair do papel.

Em uma conversa recente com um superintendente de tecnologia de um dos maiores bancos do Brasil, ouvi que uma das primeiras coisas que ele fez com IA foi pegar os post-its de ideias do seu quadro de to-dos e pedir que ela os construísse. Ideias que ele considerava incríveis, na prática eram bastante diferentes disso. Comigo aconteceu o mesmo: construí vários mapas mentais de anos de ideias “geniais” e o resultado não foi bem o que eu esperava. Mas isso é assunto para outro post.

Ou seja, a IA permite que generalistas, mesmo sem desenvolvimento de software como especialidade, construam softwares completos para validar ideias, resolver pequenos problemas do trabalho ou da vida pessoal e agregar mais valor ao dia a dia.

Existe, porém, um gap importante. Um dos princípios fundamentais do desenvolvimento de software é a qualidade: atender critérios técnicos como confiabilidade, segurança, eficiência, usabilidade e manutenibilidade, entre outros (Sommerville). E, quando um generalista usa IA generativa no trabalho, é fundamental considerar o contexto:

• Qual é o resultado esperado?
• Que problema esse trabalho resolve?
• Quem ele atende?
• Para quem será enviado?
• Quem vai validar, e em que nível?
• Quem é impactado?

O risco está no que fica fora da especialidade. Por definição, o conhecimento do generalista nessas áreas é mais raso, e é justamente nelas que ele tem menos condições de avaliar o que a IA entrega. Sem clareza de atuação e sem regras de uso, os tão falados guardrails, podemos criar uma fábrica de softwares sem qualidade, que coloca empresas, funcionários e clientes em risco.

Especialista Generalista

Na semana passada li o artigo Expert Generalists – o link está no final do post. Os autores identificaram que a indústria de tecnologia tende a valorizar profissionais que combinam especialização sólida com a capacidade de ser produtivos em contextos diferentes, porque dominam princípios que se transferem entre tecnologias. Um exemplo do artigo: um programador Python que domina os padrões e práticas centrais de desenvolvimento consegue ser produtivo em uma equipe Java.

Em relação ao T-shaped, o Especialista Generalista tem especialização e generalização mais amplas. Os autores também observam que o modelo tradicional de carreira, com uma especialidade clara (Desenvolvedor Java Jr > Pleno > Sênior), não se encaixa bem nesse perfil.

O que eu penso sobre isso, é que pelo menos no curto prazo, não vejo o Especialista Generalista se tornando um cargo comum no mercado. O que vejo é espaço para todos os profissionais que queiram evoluir na carreira de forma responsável e engajada.

Com meus alunos, defendo que os especialistas são e sempre serão muito importantes no ciclo de desenvolvimento de software, e em qualquer outra área, porque sempre será necessário validar o que a IA constrói. Mesmo que ela seja a protagonista da construção, é imprescindível haver um humano responsável pela concepção e pela validação.

Especialmente durante a formação, esse pensamento é muito importante, porque a decisão de se aprofundar em um assunto é de cada profissional. Li, no livro Chomsky e Mujica: Sobrevivendo ao século XXI, de Saúl Alvídrez, uma analogia que resume bem isso: a IA é como um martelo. Com ele, você pode construir uma casa ou machucar alguém. A escolha é sua.

Em resumo: os generalistas são essenciais pela capacidade de olhar a solução de forma ampla, testar ideias e apresentar propostas minimamente validadas. Os especialistas são igualmente essenciais para garantir que a solução criada pela IA tenha a segurança necessária para ser usada sem riscos para usuários e empresas.

E você, no seu trabalho, quem valida o que a IA constrói?

Link para o artigo sobre Generalistas Especialistas: https://martinfowler.com/articles/expert-generalist.html

Leia também

• Conhecimento as a Service – A evolução do Xtreme Go Horse?
• IA como ferramenta no processo de UX Design

The post Profissionais Generalistas ou Especialistas. Quem leva vantagem na era da IA? appeared first on Fábio Figueredo.

O AI Act é a primeira lei abrangente do mundo sobre IA. A lei entrou em vigor em 01/08/2024 e está sendo implementada em etapas. O AI Act não regula a tecnologia; ele regula os usos da IA, e as exigências aumentam conforme o risco de cada tipo de uso. Isso faz bastante sentido, pois não adianta aplicar o mesmo remédio para todos os tipos de situação ou risco. Por exemplo, o uso da IA para identificar as principais mensagens que você recebeu na sua caixa de e-mail no dia necessita de uma validação muito menor do que o uso da IA para analisar um relatório relacionado à performance de um produto ou serviço.

O AI Act usa como lógica central a pirâmide de riscos, separando os riscos em 4 níveis:

Risco Inaceitável – Usos de IA que ameaçam direitos fundamentais são proibidos. Um exemplo é a utilização de técnicas enganosas que causem algum tipo de dano, como utilizar IA para detectar o momento em que um usuário está mais impulsivo em um app de apostas, exibindo estímulos que o influenciem a continuar apostando. Outro exemplo de uso proibido é o social scoring. Imagine que uma prefeitura crie uma espécie de nota para os cidadãos, que usa as ações das pessoas (multas de trânsito, atraso no pagamento de contas etc.) para classificá-las e oferecer (ou negar) serviços a partir dessa pontuação (Nossa, isso é muito Black Mirror… rs).

Alto Risco – Utilizar IA em áreas sensíveis, como equipamentos médicos, veículos, brinquedos, triagem de currículos, avaliação de funcionários, avaliação de crédito e seguro etc. Um bom exemplo é um caso que aconteceu na Amazon, que inclusive discuto em sala de aula com meus alunos. A Amazon utilizou um modelo de IA para classificar currículos de candidatos e, como o volume de candidatos homens era muito maior que o de candidatas, o modelo internalizou esse viés e passou a selecionar apenas currículos de homens.

Risco Limitado – Neste nível, o AI Act trata de transparência, ou seja, o risco principal é enganar as pessoas sobre o que é e o que não é real. A lei não proíbe nada específico nem exige certificação; o ponto aqui é que as pessoas precisam ser informadas e ter clareza sobre o que é e o que não é real. Um exemplo são os chatbots de atendimento que utilizam IA e que estão sendo amplamente adotados pelas empresas. Há um caso bastante emblemático sobre esse tipo de risco, em que o chatbot de uma companhia aérea passou uma informação incorreta para um cliente. O cliente processou a empresa e, no julgamento, o advogado da empresa disse que ela não tinha responsabilidade sobre o que a IA havia dito ao cliente (sic).

Risco Mínimo – Este nível fica na base da pirâmide, e é aqui que está a grande maioria dos usos corriqueiros da IA. Entram nesta camada os filtros de spam dos clientes de e-mail, corretores ortográficos, ferramentas de transcrição de reuniões e sistemas de recomendação de produtos, vídeos e músicas, entre outros. O AI Act não impõe nenhuma obrigação específica para esse nível, mas há uma exceção importante a considerar: o artigo 4 do AI Act diz que, independentemente do nível de risco em que atue, o profissional precisa ser treinado para o uso de IA. Já o artigo 95 diz que devem existir códigos de conduta que orientem o uso da IA. É aqui que entra outro tema bastante discutido nas aulas de IA que ministro na faculdade onde trabalho: o conceito de human in the loop, que coloca o humano como responsável no processo com a IA, cabendo a ele estruturar o pedido e validar o resultado gerado. E nesse ponto há um critério muito importante: não tem como validar algo que você não conhece, certo?! Por isso devemos deixar de ser, definitivamente, um meat proxy.

Mas isso é assunto para outro post.

Para saber mais:

• AI Act – https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
• Caso da Amazon – https://www.reuters.com/article/world/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG/
• Caso da companhia aérea – Air Canadá: https://www.bbc.com/travel/article/20240222-air-canada-chatbot-misinformation-what-travellers-should-know

Leia também

• AI Risk Management Framework – NIST
• Quando a Samsung subestimou a validação de riscos com a IA

The post AI Act, a lei europeia sobre Inteligência Artificial appeared first on Fábio Figueredo.

O AI Risk Management Framework (AI RMF) foi desenvolvido em conjunto com o setor público e privado. E, diferente de uma lei, ele é um framework voluntário, ou seja, é um conjunto de diretrizes que as empresas decidem ou não seguir. Diferente de uma lei, como a LGPD no Brasil, onde as empresas brasileiras ou empresas que atendem o público brasileiro precisam seguir com risco de sanções caso não a sigam.

A estrutura do AI Risk Management Framework gira em torno de 4 funções, pensadas para se repetir continuamente ao longo do ciclo de vida de adoção um sistema de Inteligência Artificial. São elas:

O interessante desse framework de governança é que ele não é linear, é um ciclo que pode ser realizado em uma sequência diferente dessa listada acima. Por exemplo, o sistema atualizou, o uso mudou, o contexto mudou, volte para o mapeamento, o Govern já está decidido.

Esse foi um dos frameworks que aprofundei na minha pesquisa e que fará parte do livro que estou escrevendo sobre governança de IA.

Para saber mais sobre o AI RMF: https://lnkd.in/dhnJ45Wt

A cada semana irei compartilhar um pouco desse trabalho por aqui.

Até a próxima.

Leia também

• AI Act, a lei europeia sobre Inteligência Artificial
• Quando a Samsung subestimou a validação de riscos com a IA

The post AI Risk Management Framework – NIST appeared first on Fábio Figueredo.

O ponto mais interessante desse caso é que não houve má intenção, má-fé ou sabotagem. Havia apenas profissionais com tarefas atribuídas, prazos a cumprir e a intenção legítima de concluir suas entregas. Mesmo com boas intenções, o resultado foi desastroso: vazamento de dados sigilosos e exposição de propriedade intelectual são riscos extremamente relevantes para qualquer organização.

Se você acompanha as notícias sobre tecnologia, provavelmente já se deparou com casos semelhantes, envolvendo problemas decorrentes do uso indiscriminado da IA generativa. E, quando analisamos muitos desses episódios, percebemos que a origem nem sempre está na má intenção, mas na ausência de orientação, governança e limites claros. Foi justamente essa reflexão que me levou a desenvolver uma pesquisa acadêmica como trabalho de conclusão da pós-graduação que concluí recentemente.

Inicialmente, meu objetivo era estudar os frameworks de governança que apoiam a adoção responsável da inteligência artificial nas corporações. Com a evolução da pesquisa, percebi que seria possível ir além: propor um framework capaz de apoiar a implementação de um modelo de governança para organizar, controlar e orientar o uso responsável dessa tecnologia, que se tornou um dos principais motores da revolução tecnológica que estamos vivendo.

Gostei muito do resultado dessa pesquisa e estou trabalhando para transformá-la em um pequeno livro prático, com uma proposta de governança para organizar o uso da IA generativa nas organizações — especialmente em um contexto em que diversas iniciativas de Shadow AI já acontecem de forma descentralizada e, muitas vezes, sem controle ou visibilidade da gestão e da área de governança. Enquanto isso, vou compartilhar por aqui alguns insights que surgiram durante a pesquisa e que continuam surgindo durante a construção desse livro, que será o meu primeiro.

Você pode saber mais sobre esse caso da Samsung nesse link: https://exame.com/tecnologia/samsung-proibe-uso-de-ia-apos-vazamento-de-dados-com-chatgpt/

Se você quer acompanhar essa construção e refletir comigo sobre os desafios da governança em IA generativa, fique por aqui.

Leia também

• AI Risk Management Framework – NIST
• AI Act, a lei europeia sobre Inteligência Artificial

The post Quando a Samsung subestimou a validação de riscos com a IA appeared first on Fábio Figueredo.

A revolução comandada pelas soluções de Inteligência Artificial (IA) também influencia de forma direta essa etapa tão importante do processo de criação de um produto digital. Porém, precisamos utilizar a Inteligência Artificial de forma responsável, para garantir a qualidade das informações, trazer agilidade e insights mais profundos para a definição de proto-personas e tomadas de decisão no design.

A pesquisa com usuários nos ajuda a evitar um dos erros mais comuns no desenvolvimento de produtos: criar soluções baseadas em suposições ou na opinião somente do dono do produto, que em muitos casos não é o usuário final. Sem entender as dores, os objetivos e os comportamentos do público-alvo, as chances de errar no design e nas decisões de usabilidade aumentam significativamente. Portanto essa etapa é muito importante para permitir que designers criem produtos centrados no usuário, promovendo uma experiência mais intuitiva, acessível, eficaz e que faça com que o usuário retorne e recomende o produto para mais pessoas.

Segundo o Norman Nielsen Group, a mais importante consultoria em UX, empresas que investem em pesquisas com usuários e aplicações centradas no UX design obtêm um retorno sobre investimento (ROI) bastante significativo. Essa informação ressalta que entender o usuário não é apenas uma questão de empatia, mas também de estratégia de negócios.

IA como ferramenta na Pesquisa de UX

A Inteligência Artificial pode ser uma ferramenta poderosa para aprimorar as pesquisas com usuários. Contudo, é fundamental utilizá-la com responsabilidade, garantindo que os dados analisados sejam confiáveis e que os resultados gerados respeitem a privacidade e ética no tratamento das informações, inclusive se atentando às regras da LGPD.

A IA é uma aliada bastante eficiente no processo de análise das informações coletadas para a criação de uma proto-persona. É possível buscar e tabular os dados através de uma pesquisa netnográfica, ou realizar pesquisas qualitativas ou quantitativas através de formulários on-line. Os resultados dessas pesquisas podem ser submetidos para que a IA analise e elabore uma proto-persona para apoiar o desenvolvimento do projeto.

Um prompt que pode te ajudar nesse processo:

“Com base nos dados fornecidos no documento anexo, elabore uma proto-persona detalhada contendo as seguintes informações:

• Nome fictício
• Idade
• Local de residência (cidade ou região)
• Uma frase que resume a essência da persona
• Lista de dores (principais desafios ou problemas enfrentados)
• Lista de necessidades (principais objetivos ou desejos).

Certifique-se de que a proto-persona represente fielmente os dados apresentados no documento.”

Obviamente, os dados coletados devem ser compatíveis com as informações que você precisa para a construção da proto-persona.

Em resumo, a pesquisa com usuários é uma etapa fundamental no processo de UX Design, e a Inteligência Artificial pode potencializar esse trabalho de maneira significativa. Contudo, é essencial equilibrar tecnologia e responsabilidade, assegurando que os dados sejam tratados de forma ética e que as ferramentas sejam utilizadas para servir aos objetivos dos usuários.

Devemos incluir a IA no nosso fluxo de trabalho como uma ferramenta de apoio e aceleração do trabalho. Nunca como uma forma de pular etapas ou trabalhar inteiramente por você, pois os resultados gerados pelas IAs não são precisos ou 100% confiáveis. Cabe a você, como profissional, analisar a aplicabilidade da ferramenta IA no seu dia a dia, e avaliar os resultados gerados antes de tomá-los como verdade absoluta.

Outra dica valiosa sobre IAs: Pedir para uma IA simplesmente fazer todo o seu trabalho não é nem de longe uma boa ideia. Não caia nessa armadilha.

O futuro do UX design é promissor, especialmente quando combinamos criatividade, empatia e inovação tecnológica. Que possamos aproveitar ao máximo o poder da IA para criar experiências que verdadeiramente transformem o modo como as pessoas interagem com o mundo digital.

Fontes:

Norman Nielsen Group. “ROI of User Experience.” Disponível em: https://www.nngroup.com/articles/return-on-investment-for-usability/

Leia também

• UX, CX e HX: Conceitos diferentes, mas profundamente interligados
• Design Inclusivo: Transformando Experiências Digitais em Ferramentas de Inclusão

The post IA como ferramenta no processo de UX Design appeared first on Fábio Figueredo.

Três Tipos de Deficiências a Considerar

Antes de aprofundar nesse tema, é importante entendermos que a acessibilidade para web deve considerar três tipos macro de deficiências:

1. Deficiências Permanentes: Pessoas que possuem algum tipo de deficiência de caráter permanente, como deficientes visuais, auditivos, amputados, etc.
2. Deficiências Temporárias: Pessoas que estão temporariamente em uma situação de deficiência, como alguém com um braço quebrado, que fez uma cirurgia em um dos olhos, etc.
3. Deficiências Situacionais: Limitações que afetam todos nós em diversos momentos do dia, como alguém usando fones de ouvido ou em um ambiente ruidoso limitando sua audição, carregando um bebê no colo ou sacolas limitando sua mobilidade, ou dirigindo um carro, onde a atenção deve estar focada na direção.

Dito isso, a acessibilidade refere-se às qualidades que tornam uma experiência aberta e utilizável por todos. Isso inclui desde soluções para pessoas com deficiências permanentes até adaptações para deficiências temporárias ou situacionais. A Microsoft mantém um guia chamado “Inclusive 101”, que abrange esse assunto de forma bastante profunda e didática, ajudando a entender por que projetar para acessibilidade também beneficia pessoas sem deficiências, ampliando a usabilidade geral dos produtos.

Por exemplo, legendas em vídeos foram inicialmente criadas para pessoas com deficiência auditiva, mas hoje são amplamente utilizadas por pessoas em ambientes ruidosos ou que preferem assistir a conteúdos sem som — como minha esposa, por exemplo. Outro exemplo é a preocupação de aplicativos em fornecer uma experiência satisfatória para o uso com apenas uma mão, como o Uber, ou com limitação de atenção, como o modo simplificado do Spotify para motoristas.

Design Inclusivo

O design inclusivo, um conceito complementar à acessibilidade, baseia-se em três princípios principais:

1. Reconheça a Exclusão: Entenda como as barreiras surgem das interações entre pessoas e sistemas. Por exemplo, um site que depende exclusivamente de interações visuais pode excluir pessoas cegas ou com baixa visão. Um aplicativo que emite alertas sonoros pode ter a experiência prejudicada em um ambiente ruidoso, como uma rua movimentada ou um bar.
2. Aprenda com a Diversidade: As soluções mais eficazes vêm da compreensão de como diferentes pessoas interagem com os produtos. Co-criar com usuários de diversas capacidades é essencial.
3. Resolva para Um, Estenda para Muitos: Ao projetar para necessidades específicas, criamos soluções que beneficiam um público mais amplo. Um exemplo é o uso de assistentes de voz, que auxiliam tanto pessoas com deficiências motoras quanto usuários que precisam de mãos livres.

Conforme destacado no guia “Inclusive Design for Mental Health”, também da Microsoft, o design também deve considerar a saúde mental. A experiência do usuário pode influenciar diretamente seu estado emocional, afetando sua motivação e capacidade cognitiva. Por exemplo, interfaces claras e previsíveis reduzem o estresse e a sobrecarga cognitiva, promovendo uma experiência mais positiva.

Para garantir a acessibilidade nos seus produtos digitais, você pode começar com essas dicas:

• Avaliação Contínua: Teste os produtos com usuários reais e use ferramentas de análise de acessibilidade.
• Customização: Permita que os usuários ajustem configurações, como tamanhos de fonte e contrastes.
• Educação e Sensibilização: Se capacite e capacite sua equipe para entender a importância da inclusão desde o início do processo de design.

A acessibilidade em UX e Design não é apenas uma responsabilidade legal, mas também uma oportunidade de criar experiências mais significativas e inclusivas. Como profissionais, temos a responsabilidade de projetar para todos, reconhecendo que a diversidade humana é um recurso valioso para inovação. Ao abraçar o design inclusivo, não apenas cumprimos a lei, mas também criamos produtos que realmente transformam vidas.

Pense nos projetos digitais que você trabalha ou trabalhou. A acessibilidade era uma preocupação?

Se você gosta ou precisa se aprofundar nesse assunto, deixo abaixo alguns links que podem te ajudar:

https://inclusive.microsoft.design

https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2015/lei/l13146.htm

https://www.gov.uk/guidance/government-design-principles

Leia também

• UX, CX e HX: Conceitos diferentes, mas profundamente interligados
• IA como ferramenta no processo de UX Design

The post Design Inclusivo: Transformando Experiências Digitais em Ferramentas de Inclusão appeared first on Fábio Figueredo.

Vivemos em uma era onde experiências não são apenas importantes — elas são diferenciais competitivos. Em um dos artigos que escrevi, falei sobre como a GGG, produtora do ARPG Path of Exile, utiliza a conveniência proporcionada por uma experiência do usuário organizada como uma fonte direta de receita. Em um mundo cada vez mais conectado e digital, onde as pessoas utilizam e muitas vezes dependem da interação com produtos e serviços, termos como UX e CX aparecem com frequência nas discussões sobre design, tecnologia e estratégia empresarial. Mas, afinal, o que cada um significa? E como eles se conectam?

UX, ou Experiência do Usuário, refere-se à forma como uma pessoa interage com um produto, serviço ou sistema, e esse conceito transborda inclusive para o mundo físico. Seu foco está em aspectos específicos como usabilidade, design, eficiência e satisfação. O objetivo do UX é garantir que a interação seja intuitiva, agradável e eficaz.

Por exemplo, quando você navega em um aplicativo, a experiência de encontrar o que procura rapidamente e sem frustrações é resultado de um bom trabalho de UX. Isso inclui o design da interface, a arquitetura da informação e até mesmo as microinterações, como animações e mensagens de feedback.

Já CX, ou Experiência do Cliente, é um conceito mais amplo que abrange todas as interações que um cliente tem com uma marca, desde o primeiro contato até o suporte pós-venda. Enquanto o UX está focado em um produto ou serviço específico, o CX considera a jornada completa do cliente e todos os pontos de contato com a empresa.

Por exemplo, imagine que você compra um produto online. A experiência de encontrar o site, realizar a compra, receber o produto dentro do prazo e contar com um atendimento eficiente em caso de problemas é parte do CX. Aqui, a consistência também é fundamental — uma experiência ruim em qualquer ponto pode comprometer a percepção geral da marca.

Empresas que compreendem a relação entre UX e CX conseguem criar experiências mais completas e significativas para seus clientes, fortalecendo a lealdade e promovendo recomendações espontâneas.

HX é a UX do Futuro?

Se UX e CX já são essenciais, o conceito de HX (Human Experience) está ganhando espaço como uma evolução natural. HX coloca o ser humano no centro de todas as experiências, indo além do papel de “usuário” ou “cliente”. Trata-se de criar conexões autênticas que considerem as emoções, os valores e o contexto de cada pessoa. Por exemplo, em HX, ao elaborar uma estratégia para a venda de um produto precisamos considerar inclusive se não estamos induzindo o usuário a comprar por impulso, o que poderia comprometer sua saúde financeira. Esse pensamento de alguma forma fere a essência da relação empresa consumidor como conhecemos, por isso para muitos, o conceito de HX é um assunto polêmico.

Em um próximo artigo, falarei um pouco mais sobre HX e como ela está transformando a forma como marcas e organizações se relacionam com as pessoas, e por que ele é fundamental em um mundo cada vez mais orientado por propósito.

Leia também

• Design Inclusivo: Transformando Experiências Digitais em Ferramentas de Inclusão
• Transformando Usabilidade em Receita: O caso do jogo Path of Exile 2

The post UX, CX e HX: Conceitos diferentes, mas profundamente interligados appeared first on Fábio Figueredo.

O jogo consiste em realizar missões em busca de itens para melhorar os atributos dos personagens, ou seja, o objetivo do jogador é coletar uma infinidade de itens que são armazenados em um inventário privado. Porém, este inventário tem uma limitação de espaço, e todos os itens coletados ficam juntos e misturados.

A desenvolvedora optou por oferecer aprimoramentos de interface para resolver esse “problema” e melhorar a experiência do jogador através de funcionalidades pagas, como:

• Abas organizadas no inventário: permitem que itens como moedas, fragmentos e equipamentos sejam automaticamente categorizados, facilitando o acesso e a organização.
• Mais abas nos baús: um recurso indispensável para jogadores que acumulam grandes quantidades de itens.
• Interface mais intuitiva: desenhada para que informações essenciais sejam facilmente acessíveis, melhorando o fluxo de jogo.

O diferencial dessa abordagem é que essas funcionalidades não são obrigatórias, mas são oferecidas como itens premium. Jogadores que desejam maior conveniência, como um inventário mais eficiente ou espaço adicional para armazenar itens, podem adquirir essas melhorias com dinheiro real. Importante destacar que isso não compromete o equilíbrio do jogo: quem opta por não investir ainda pode aproveitar todo o conteúdo sem restrições.

A estratégia adotada pela Grinding Gear Games é um reflexo direto de como o design centrado no usuário pode criar valor tangível. Funcionalidades de UX não apenas resolvem problemas práticos, mas também aumentam o engajamento e a satisfação dos usuários. Quando um usuário sente que sua experiência foi otimizada, a percepção de qualidade como um todo é elevada.

Esse modelo também evidencia uma tendência crescente na indústria de jogos: a monetização da conveniência. Em vez de cobrar por conteúdo essencial ou avanços que desequilibram a competição, as empresas estão optando por oferecer soluções que simplificam a experiência. Isso cria um ecossistema onde o jogador paga por melhorias que realmente valorizam seu tempo e esforço.

A Sustentabilidade do Modelo

Essa abordagem é particularmente eficaz porque:

1. Valoriza a escolha do jogador: o pagamento é direcionado à conveniência, não ao progresso.
2. Preserva a integridade do jogo: evita o modelo “pay-to-win”, garantindo uma experiência justa para todos.
3. Fomenta a satisfação do usuário: ao eliminar tarefas repetitivas ou frustrantes, os jogadores podem focar no que realmente importa: a diversão.
4. Cria uma relação de confiança: ao oferecer apenas funcionalidades que melhoram a experiência, a empresa evita a percepção negativa associada a práticas abusivas de monetização.

O sucesso desse modelo no Path of Exile 2 também pode inspirar outras indústrias, não apenas no universo dos jogos. Qualquer setor que dependa de experiências digitais pode explorar a ideia de monetizar melhorias que agreguem valor real ao usuário. Seja em aplicações móveis, plataformas de e-commerce ou sistemas corporativos, o design centrado no usuário pode ser transformado em um diferencial competitivo e, ao mesmo tempo, em uma fonte de receita.

Essa abordagem reforça a ideia de que a UX vai além de design: é uma estratégia de negócio que cria valor tanto para o usuário quanto para a empresa. No caso do Path of Exile 2, ela se tornou uma fonte de receita inovadora, equilibrando a satisfação do jogador com a sustentabilidade financeira da desenvolvedora.

E você, o que pensa sobre a monetização de funcionalidades que melhoram a experiência do usuário?

Leia também

• Por que usar GOMS em microtransações
• UX, CX e HX: Conceitos diferentes, mas profundamente interligados

The post Transformando Usabilidade em Receita: O caso do jogo Path of Exile 2 appeared first on Fábio Figueredo.

E para o primeiro mini artigo do ano, decidi escrever um pouco sobre a ferramenta GOMS e a importância do uso dessa ferramenta na análise das microtransações.

Imagine que você está usando um aplicativo para pedir comida. Você precisa encontrar o restaurante, escolher o prato, adicionar ao carrinho e finalizar o pagamento. Cada uma dessas ações pode ser analisada para entender se o processo é rápido, intuitivo e eficiente. Além disso, esses aplicativos muitas vezes oferecem mais de um caminho para realizar a mesma ação, como acessar o restaurante por meio de uma busca direta ou navegando por categorias. É aqui que entra o modelo GOMS, uma ferramenta que ajuda a estudar como as pessoas interagem com interfaces, identificando o que funciona bem e o que pode ser melhorado.

Os testes de microtransações em interfaces são cruciais para garantir não apenas a funcionalidade técnica, mas também a experiência do usuário e o alcance dos objetivos de negócio. Em um cenário onde microtransações são parte essencial de modelos de receita, como em jogos, aplicações de streaming e marketplaces, a precisão no design e na execução desses elementos pode impactar diretamente os resultados.

Para abordar essa questão de forma sistemática, o modelo GOMS (Goals, Operators, Methods, and Selection Rules) é uma ferramenta poderosa. Ele permite analisar a interação do usuário com a interface, identificando barreiras e oportunidades de otimização.

O que é GOMS e como ele funciona?

O GOMS é uma maneira de entender como as pessoas alcançam seus objetivos ao usar uma interface. Ele se baseia em quatro elementos principais:

1. Goals (Objetivos): O que o usuário quer fazer? Por exemplo, comprar um item, assinar um serviço ou resgatar uma promoção.
2. Operators (Operadores): Quais são as ações necessárias? Isso pode incluir clicar em botões, digitar informações ou navegar por menus.
3. Methods (Métodos): Quais caminhos o usuário pode seguir para atingir o objetivo?
4. Selection Rules (Regras de Seleção): Como o usuário decide entre diferentes métodos? Essa escolha pode depender de experiências prévias, preferências ou contexto.

Por que usar GOMS para microtransações?

Microtransações envolvem ações que precisam ser simples, seguras e rápidas. Usar o GOMS para analisar essas interações permite:

• Identificar pontos de fricção: Onde os usuários encontram dificuldades que podem levar ao abandono da transação.
• Otimizar o tempo: Reduzir os passos necessários para completar a microtransação.
• Melhorar a experiência: Tornar o processo mais intuitivo e agradável.
• Aumentar a acessibilidade: Garantir que pessoas com diferentes habilidades possam concluir as transações sem barreiras.

GOMS e acessibilidade

A acessibilidade é um aspecto fundamental em qualquer interface, e no Brasil, acessibilidade na web é lei (Lei de Acessibilidade Digital – Lei nº 10.098, de 19 de dezembro de 2000).

O GOMS pode ajudar a identificar barreiras que dificultam o uso para pessoas com deficiências. Por exemplo, se um botão importante está pequeno demais ou em uma posição de difícil acesso, isso pode ser um problema para pessoas com limitações motoras. Ao usar o GOMS, é possível ajustar esses detalhes para tornar a interface mais inclusiva.

Aplicando GOMS em um exemplo prático

Imagine uma aplicação de jogos que oferece microtransações para compra de moedas virtuais. O objetivo do usuário é adquirir moedas para desbloquear novos itens. Os operadores incluem clicar no ícone da loja, selecionar o pacote de moedas, confirmar a compra e finalizar o pagamento. Os métodos podem variar dependendo do meio de pagamento escolhido (cartão de crédito, PayPal ou carteira digital).

Ao modelar essas interações com o GOMS, é possível identificar que, por exemplo, o tempo para encontrar o ícone da loja é excessivo, ou que a confirmação da compra está gerando confusão devido à linguagem utilizada, ou que um dos caminhos para levar o usuário até a loja está gerando dúvidas. Esses insights permitem ajustes precisos que melhoram a usabilidade e aumentam as taxas de conversão.

Conclusão

Integrar o modelo GOMS nos testes de microtransações é uma estratégia eficaz para elevar a qualidade das interfaces e maximizar resultados. Em um mercado competitivo, onde a experiência do usuário é um diferencial, ferramentas analíticas como o GOMS podem ser o ponto de virada entre o sucesso e o fracasso de um produto. Além disso, ao considerar aspectos de acessibilidade, é possível criar experiências que não apenas atendam às expectativas, mas sejam inclusivas e acessíveis para todos.

Leia também

• Transformando Usabilidade em Receita: O caso do jogo Path of Exile 2
• IA como ferramenta no processo de UX Design

The post Por que usar GOMS em microtransações appeared first on Fábio Figueredo.