Durante muito tempo, Product Design foi ensinado como uma sequência de métodos, ferramentas e entregáveis.
Pesquisas, jornadas, wireframes, protótipos, testes e interfaces passaram a fazer parte do repertório de praticamente todo profissional da área.
Mas a chegada da Inteligência Artificial trouxe uma mudança importante.
Hoje, muitas dessas atividades podem ser aceleradas por ferramentas capazes de gerar textos, interfaces, código, pesquisas e até protótipos em poucos minutos.
Nesse cenário, surge uma pergunta inevitável:
Se a IA consegue acelerar tantas etapas do trabalho, qual passa a ser o verdadeiro papel do Product Designer?
Na minha visão, a resposta está menos na produção de artefatos e mais na construção de conhecimento.
Porque o problema nunca foi criar artefatos, sempre foi resolver problemas complexos com múltiplas variáveis.
Mesmo que ainda seja muito comum começarmos um projeto discutindo soluções.
“Vamos redesenhar a interface.”
“Vamos adicionar IA.”
“Vamos copiar uma funcionalidade do concorrente.”
Mas existe uma pergunta que normalmente deveria vir antes de todas essas:
Já temos conhecimento suficiente para tomar essa decisão?
Isso porque na prática, muitos projetos fracassam não porque a solução era ruim, mas porque o problema não foi realmente compreendido e ela resolvia a coisa errada.
Product Design é, antes de tudo, um processo de construção de conhecimento
Foi a partir dessa reflexão que surgiu o Product Design Knowledge Model.
O Product Design Knowledge Model é um modelo conceitual desenvolvido por Heller de Paula para representar como Product Designers constroem conhecimento ao longo do desenvolvimento de um produto.
Seu objetivo é organizar um processo de redução de incertezas e riscos que apoie decisões mais consistentes, especialmente em um contexto em que a Inteligência Artificial acelera a execução, mas não substitui o pensamento crítico.
Então, mais do que um framework de execução, ele representa uma forma de enxergar o trabalho do Product Designer como um processo contínuo de redução de riscos e incertezas.
Assim, em vez de começar pela solução, o modelo propõe começar pela compreensão do problema.
Ao longo desse processo, diferentes fontes de informação vão sendo transformadas em conhecimento, que por sua vez apoia decisões mais consistentes.
O modelo conta com sete etapas divididos em quatro grandes momentos:
1. Observação e mundo real
Antes de interpretar qualquer problema, é preciso observar o contexto em que ele acontece.
2. Adição de conhecimento e dados relacionados
Nem todo conhecimento precisa ser produzido do zero. Pesquisas anteriores, benchmarks, literatura e dados existentes ajudam a reduzir parte da incerteza.
3. Pesquisa e testes
É o momento de gerar evidências para confirmar ou questionar aquilo que acreditamos saber.
4. Agrupamento e identificação de padrões
Informação isolada raramente gera boas decisões. É preciso identificar relações, recorrências e comportamentos.
5. Construção de hipóteses
Os padrões observados são transformados em hipóteses que possam ser testadas.
6. Validação em experimentos
Antes de investir tempo e recursos em uma solução completa, experimentos ajudam a reduzir riscos.
7. Definição e evolução da solução
Só depois desse processo a solução é construída, acompanhada e continuamente evoluída.
E onde a Inteligência Artificial entra nisso?
Essa talvez seja a pergunta mais frequente atualmente.
A IA pode apoiar praticamente todas essas etapas.
Ela ajuda a organizar pesquisas, resumir documentos, encontrar padrões, criar hipóteses, acelerar protótipos e analisar métricas.
Mas existe um ponto importante.
Ela acelera tarefas.
Não substitui decisões.
A responsabilidade por interpretar informações, equilibrar interesses de pessoas, negócios e tecnologia e assumir os trade-offs continua sendo humana.
Por isso, em cada momento do processo, a chave decisora que conecta os passos e os conhecimentos é sempre realizada por uma pessoa, não por um sistema automatizado.
E quanto mais a execução se torna automatizada, mais valiosas se tornam habilidades como:
- formular boas perguntas;
- construir conhecimento;
- reduzir riscos;
- interpretar evidências;
- tomar decisões.
E provavelmente esse sempre tenha sido o verdadeiro papel do Product Designer.
A Inteligência Artificial apenas tornou isso mais evidente.
Para aprofundar ainda mais nesse processo que mescla product design e IA, vale conferir a videoaula: “O Product Designer na Era da IA: do problema à solução sem terceirizar o pensamento“.
Nela, aprofundo cada uma das sete etapas do modelo, aplicando-o a um estudo de caso completo e mostrando como a Inteligência Artificial pode apoiar o processo sem substituir o pensamento crítico do Product Designer.
Se você deseja desenvolver uma forma mais estruturada de tomar decisões, reduzir incertezas e integrar IA ao seu trabalho de maneira estratégica, essa aula foi criada exatamente para isso.
Referências
O Product Designer na Era da IA. Disponível em: https://faberhausplay.com.br/product-design-knowledge-model. Acesso no dia da postagem.
