Passei os últimos dois anos projetando produtos conversacionais e assistidos por IA, principalmente no espaço SaaS B2B. O princípio mais útil ao qual cheguei cabe em uma frase: o modelo interpreta; o código executa.
Deixe-me explicar por que essa separação importa para a UX.
Não finja compreensão com listas
No início, o primeiro instinto de qualquer equipe é tratar linguagem com listas de palavras-chave, regex e tabelas de alias mantidas manualmente. "Se a mensagem contém 'preço' ou 'custo' ou 'quanto', encaminhe para preços." Funciona na demo e desmorona na segunda semana, quando um usuário real escreve "quanto isso ficaria por mês?" e cai no fallback.
Compreensão de linguagem é exatamente o que os LLMs fazem bem. Delegue a interpretação ao modelo. Mas — e essa é a decisão de design — nunca deixe o modelo executar nada diretamente. O modelo produz uma intenção estruturada; o código determinístico valida o esquema e realiza a ação. Se a validação falhar, o usuário ainda recebe uma resposta de texto coerente; só a ação fica retida. A conversa nunca chega a um beco sem saída, e o sistema nunca faz algo que o modelo alucinou.
Esse modo de falha — o texto se degrada graciosamente, as ações falham de forma fechada — é uma propriedade de UX. Usuários perdoam um bot que responde de forma imperfeita. Não perdoam um que agenda o compromisso errado.
Entenda as necessidades antes de automatizá-las
A tentação é grudar IA em cima do fluxo que já existe. A pergunta melhor é: em que ponto dessa jornada o usuário está traduzindo sua intenção para o vocabulário do nosso sistema? Esse trabalho de tradução é o que a IA deveria absorver.
Em um contexto de marketplace, isso significou substituir um painel de filtros que ninguém usava corretamente por uma busca em linguagem simples que mapeava para os mesmos filtros subjacentes. Os usuários não queriam "recursos de IA". Queriam parar de aprender nossa taxonomia. Mesmo backend, carga de compreensão radicalmente diferente.
Projete o orçamento de confiança
Toda interação com IA gasta ou ganha confiança. Algumas regras que hoje trato como padrão:
- Mostre sua interpretação. Quando o modelo mapeia "cancela meu horário de sexta" para uma reserva específica, repita isso antes de agir. Uma linha de confirmação custa um toque e evita o erro catastrófico.
- Limite o raio de impacto. Ações reversíveis podem rodar de forma autônoma. As irreversíveis — pagamentos, exclusões, mensagens a terceiros — sempre exigem confirmação explícita.
- Nunca diga "ilimitado", nunca prometa demais. Principalmente em fintech, copy que supervaloriza a IA gera chamados de suporte, não encantamento.
Instrumente as falhas
O artefato de pesquisa mais valioso em um produto com IA é o log de interpretações que falharam na validação. Cada uma é uma necessidade do usuário, dita nas próprias palavras dele, que seu sistema não conseguiu atender. Reviso isso semanalmente, como antes revisava gravações de testes de usabilidade. É mais barato que um sprint de pesquisa e brutalmente honesto.
Integrar IA à UX não é sobre adicionar uma caixa de chat. É sobre decidir, deliberadamente, qual camada interpreta e qual camada age — e garantir que a costura entre elas seja invisível para o usuário e inspecionável por você.