Problema

A incorporação de Inteligência Artificial em um time de design não começa pela ferramenta. Começa pelo contexto.

Em janeiro de 2025, ficou claro para mim que a IA deixaria de ser uma camada acessória e passaria a influenciar estruturalmente a forma como criamos, produzimos e organizamos trabalho. Não se tratava de testar novidades. Tratava-se de entender qual seria o novo papel do design dentro dessa transformação.

A partir dessa leitura, três desafios se tornaram evidentes.

O primeiro era estratégico. Como selecionar ferramentas em um cenário de evolução extremamente rápida, com orçamento limitado e um processo de compras juridicamente rigoroso? Em uma interpretação precipitada, poderíamos experimentar tudo. No entanto, em ambiente corporativo, testar implica responsabilidade financeira e contratual. Antes de acelerar, era necessário construir critério.

O segundo desafio era cultural. A narrativa predominante associava IA à substituição de funções criativas. Como engajar um time diante dessa tensão? Como transformar receio em curiosidade produtiva? Mais do que apresentar possibilidades, eu precisava organizar um novo modelo mental.

O terceiro desafio era operacional. O time já atuava em alta cadência, com sprints preenchidas por demandas recorrentes. Inserir estudo, experimentação e desenvolvimento de novas capacidades exigia reorganizar o tempo sem comprometer performance. Em outras palavras, era preciso inovar sem interromper a operação.

O problema, portanto, não era tecnológico. Era estrutural.

Resultados

Após um ano de implementação contínua, os desdobramentos tornaram-se claros.

Em cinco meses, o time desenvolveu nove automações próprias, reduzindo em 30% o esforço dedicado a tarefas repetitivas de baixa complexidade. Esse tempo não foi absorvido por novas urgências. Foi reinvestido na criação de sistemas e em entregas estratégicas.

Em paralelo, desenvolvemos 13 projetos autorais em seis meses, mesmo em um contexto de alta demanda. Ou seja, a incorporação de IA não reduziu o ritmo de entrega — ampliou nossa capacidade criativa.

Um exemplo concreto ajuda a ilustrar a mudança. Antes, a produção de e-mails em HTML exigia acionar o time de tecnologia. O fluxo envolvia dois times e aproximadamente dois dias de trabalho. Ao estruturarmos um GEM capaz de converter layouts em HTML responsivo de forma automatizada, o processo passou a ser realizado internamente em cerca de dez minutos. A dependência externa foi eliminada e o SLA de fluxos completos caiu de cinco dias para menos de cinco horas.

Mas é importante destacar: o ganho não foi apenas de eficiência.

O time passou a propor automações espontaneamente. Lideranças começaram a utilizar agentes de IA no fluxo de criação de conteúdo, escrevendo textos que são ajustados automaticamente ao tom de voz antes da validação final. O que antes exigia múltiplas etapas tornou-se um fluxo mais inteligente e direto.

O impacto mais relevante foi outro: a natureza do trabalho mudou.

Deixamos de ser apenas executores de peças e passamos a construir sistemas. Consolidou-se, assim, um modelo híbrido, no qual pessoas e agentes operam de forma complementar.

Como foi feito

Conhecendo os desafios, a pergunta natural era: por onde começar?

A primeira decisão foi estruturar um ambiente controlado de experimentação. Em vez de disputar orçamento a cada nova ferramenta, optamos por criar uma sandbox organizacional: crédito mensal pré-aprovado, assinaturas limitadas a ciclos de 30 dias e critérios objetivos de validação. Apenas ferramentas que comprovassem qualidade, ganho de eficiência, frequência de uso e viabilidade financeira avançariam para contratação formal. Ou seja, curiosidade com governança.

Em paralelo, investi fortemente em curadoria. Direcionei algoritmos para conteúdos qualificados, participei de grupos de estudo e passei a compartilhar descobertas com o time de forma constante. No entanto, informação isolada não gera transformação. Era preciso mostrar.

O primeiro GEM que construí tinha uma função simples, mas simbólica: demonstrar que era possível criar agentes aplicáveis ao nosso contexto. Em um segundo momento, avançamos para aplicações operacionais, como a geração automatizada de HTML. À medida que o time compreendia o potencial, passou a evoluir protótipos em agentes mais robustos. A autonomia começou a se consolidar.

No campo operacional, reorganizamos as sprints. Identifiquei tarefas repetitivas e passei a agrupá-las em blocos estratégicos, criando janelas dedicadas a pensar sistemas, não apenas executar entregas. A pergunta mudou. De "como entregamos este header?" para "como estruturamos o método que gera todos os headers?". Essa mudança conceitual foi decisiva.

Os primeiros resultados foram incrementais. No entanto, com a evolução das ferramentas e o acúmulo de aprendizado, o efeito tornou-se composto. Cada sistema criado reduzia fricção futura. Cada automação liberava espaço para pensamento estratégico.

Ao final do primeiro ciclo anual, tornou-se evidente que não estávamos apenas adotando tecnologia. Estávamos estruturando um novo modelo de gestão. Um time híbrido, no qual designers criam ferramentas que tornam seu próprio trabalho mais eficiente e qualificado.

Em síntese, a Inteligência Artificial não substituiu o design. Ela nos obrigou a reorganizar seus fundamentos.

E reorganizar fundamentos, quando feito com critério, amplia capacidade. Não reduz relevância.