No setor de tecnologia, tudo é projetado para escalar. Você cria algo uma vez e isso atende milhares ou milhões. Esse é o modelo: tornar eficiente, repetível e deixar o sistema fazer o restante. Para o software, funciona perfeitamente. Mas à medida que essa mentalidade se infiltra em como vemos as pessoas, começam a aparecer falhas.

Já vimos ferramentas mudarem a maneira como trabalhamos antes. Máquinas aceleraram fábricas. Planilhas substituíram livros contábeis. Cada onda de automação prometeu aliviar a carga de trabalho. A IA chegou com a mesma promessa: ajudar-nos a focar em tarefas de maior valor ao lidar com as tarefas repetitivas subjacentes.

De muitas maneiras, ela cumpre essa promessa. Torna a pesquisa mais rápida, ajuda a conectar pensamentos dispersos e organiza o caos em algo estruturado. O que antes levava uma tarde agora pode ser feito em minutos. Mas isso muda o ritmo.

Se o trabalho leva menos tempo, esse tempo não desaparece — apenas é realocado para tornar as coisas mais afiadas e completas. A questão muda de “Está feito?” para “Como posso melhorar isso?”

Conforme as ferramentas elevam o piso, elas também elevam o teto. Um amigo designer me contou que sua equipe agora espera que protótipos pareçam produtos finais. Mockups não podem mais parecer mockups.

Se algo parece inacabado, a suposição não é que precisa de mais tempo. É que você não se esforçou o suficiente ou não usou IA. Um supervisor foi direto: “Isso parece preguiçoso. A IA não poderia ter ajudado com isso?”

Isso me lembrou do termo “engenheiro 10x”. Alguém tão capaz que poderia substituir uma equipe inteira. Uma vez aspiracional, agora parece ser o padrão.

A IA, de muitas maneiras, nos dá as ferramentas para nos tornarmos uma versão 10x de nós mesmos, pelo menos em termos de produção. Mas quando a produção se torna o único critério, algo começa a se desgastar.

Conforme o ritmo acelera, o espaço para aprender os fundamentos diminui. Começamos a ver as pessoas da mesma maneira que vemos ferramentas — rápidas, confiáveis, em constante melhoria. E quando isso se torna o padrão, a parte intermediária desaparece silenciosamente: os rascunhos, a incerteza, a construção lenta do julgamento.

O que se perde quando a linha de partida se move

Como designer, uma vez que você aperfeiçoa sua arte, começa a perceber distinções sutis difíceis de colocar em palavras. Uma tela pode parecer boa à primeira vista, mas algo nela não se sustenta. Talvez seja o espaçamento ou a clareza da interação.

Você sabe o que mudar, mesmo que o feedback que você dê seja apenas algumas palavras. Esse tipo de conhecimento só vem de anos de tentativa, erro e observação do que funciona melhor. Mas para alguém que está começando, esse atalho ainda não existe.

Antigamente, papéis iniciais ajudavam com isso. Você participava de revisões, ouvia conversas e aprendia o que tornava algo bom além da superfície. Hoje, muitos desses papéis ainda existem no papel. Mas, pouco a pouco, o trabalho que os preenchia está sendo entregue à IA. As empresas estão repensando se tarefas de design júnior precisam de pessoas. Algumas estão pausando contratações de nível inicial completamente, especialmente para papéis que agora parecem automatizáveis.

Isso significa que novos designers têm menos oportunidades e exposição ao tipo de trabalho que costumava construir seu julgamento. Menos chances de ver feedback se desenrolar, menos momentos para ver uma ideia bruta se transformar em algo forte. Quando a base desaparece, os momentos que costumavam ensinar você a fazer isso também desaparecem.

Por isso é importante aprender acima do seu nível. Se você está entrando no campo agora, não espere a curva de aprendizado gradual usual. Você precisará buscar coisas para as quais pode não estar pronto ainda: observar como a estratégia é feita, entender os trade-offs que não aparecem no arquivo final e explicar não apenas o que você fez, mas por que.

O papel evolutivo do julgamento

Essa necessidade de aprender acima do seu nível é agravada pela forma como as próprias ferramentas que usamos também estão evoluindo rapidamente. Além da automação, a IA está redefinindo o processo de design, exigindo que nosso julgamento se adapte e cresça.

À medida que a IA começa a moldar não apenas o que projetamos, mas como os produtos se comportam, esse julgamento começa a escalar além das telas.

O Google Gemini, por exemplo, agora sugere respostas no seu tom, agenda acompanhamentos e fornece resumos quando você provavelmente precisa deles. As interfaces estão se tornando mais responsivas ao contexto: hora do dia, comportamento passado, localização. A interação muda dependendo de quem está usando e quando.

Como designer, você agora está diretamente influenciando essa experiência, descobrindo quais sinais contam e quando o sistema deve agir ou recuar.

Essas escolhas não são neutras. Se você não tiver uma compreensão clara da intenção, as ferramentas de IA oferecerão sugestões que parecem convincentes, mas que não captam o ponto. Aceite muitas delas sem questionar, e você corre o risco de construir algo que parece útil, mas que acaba fora de sintonia, elegante, mas superficial.

Sem um julgamento forte, é fácil deixar a ferramenta decidir o que funciona. O julgamento não se trata apenas de lidar com IA. Na prática, uma das fontes mais comuns de confusão no trabalho de design é o próprio briefing. Objetivos vagos, prioridades em mudança, restrições ausentes — essas são condições familiares, especialmente para aqueles no início de suas carreiras. É uma frustração comum, frequentemente ligada à evolução da entrada de stakeholders e mudanças no escopo do projeto.

Mas a incerteza não é um erro no processo; é parte do ambiente. A maioria dos briefings está sujeita a mudanças. Muitos problemas não são totalmente compreendidos desde o início. Em vez de esperar por informações perfeitas, designers experientes aprendem a esclarecer a intenção como parte do trabalho. Eles fazem perguntas melhores, identificam lacunas e ajustam a direção à medida que novas informações chegam.

Esse é outro tipo de julgamento: navegar na ambiguidade sem atribuir culpa ou adivinhar o caminho a seguir.

Em ambos os casos, o julgamento é o que nos ajuda a separar o ruído da intenção.

À medida que essas ferramentas se tornam mais pessoais, esse risco se aprofunda. Quanto mais elas aprendem suas preferências, mais as refletem de volta — às vezes para ajudar, às vezes apenas para mantê-lo envolvido. Se você não tiver cuidado, acaba construindo algo que parece intuitivo apenas porque repete o que as pessoas já gostam. Isso nem sempre é um bom design. É apenas familiaridade.

Portanto, o trabalho se torna não apenas escolher o que a IA oferece, mas saber o que não aceitar. A IA pode gerar escolhas, mas não pode pesá-las para você. Isso ainda cabe a nós.

E o que estamos construindo não são apenas produtos melhores. São as pessoas que irão moldá-los no futuro.