IA encontra problemas reais de UI ou apenas alucina?

Dois LLMs identificaram metade dos problemas de usabilidade que humanos acharam em um teste, mas também apontaram 11 questões que ninguém viu. Um estudo da MeasuringU mostra que, desses 11, apenas uma era uma descoberta genuína; sete eram observações reais mal interpretadas como falhas (ex: um usuário pausou por dois segundos e a IA concluiu que ficou 'bloqueado'), e três eram puro invento, o que aconteceu, mas não foi gravado ou não existiu. Isso não é falha técnica isolada: a concordância entre humanos e ChatGPT nesse tipo de análise é de só 19%, bem abaixo do padrão humano (47%). A IA não pensa como um designer de UX, nem como um pesquisador: ela extrapola padrões linguísticos e visuais com base em treinamento, não em intenção de uso.

O que muda na prática? Não é mais sobre 'confiar ou não confiar' na IA, mas sobre como projetar interfaces e fluxos de trabalho que tornem as saídas dela legíveis, auditáveis e corrigíveis. Por exemplo, UIs estruturadas, como tabelas comparativas ou árvores expansíveis, já estão sendo testadas para que designers possam contrastar, lado a lado, o que cada modelo detectou, com evidência visual vinculada (frames específicos do vídeo, trechos de código, elementos DOM). Essa abordagem transforma a IA de juiz em parceiro de diagnóstico compartilhado.

Na cobertura anterior do CEVIU (2026-06-01), a IA era vista como aliada na detecção de acessibilidade, tarefa objetiva, com critérios WCAG claros. Agora, o foco migrou para usabilidade: um território subjetivo, contextual e dependente de intenção humana. O que antes era 'encontrar contraste ruim' virou 'interpretar hesitação como frustração'. Também houve mudança no nível de risco: alucinações em acessibilidade geram avisos falsos, mas em usabilidade podem levar a redesigns desnecessários ou à ignorância de problemas reais. E, pela primeira vez, há dados concretos sobre a natureza dessas falhas, não só 'quantas', mas 'quais tipos': 64% são interpretações equivocadas, não invenções puras.

Porque designers estão usando IA para priorizar correções, justificar decisões com stakeholders e até validar hipóteses de pesquisa. Se a ferramenta sinaliza 'botão invisível' quando o problema real é 'rotulação ambígua', o time pode gastar dias refazendo ícones em vez de reescrever microcópias. E isso já está acontecendo: 40% das referências citadas por versões anteriores do ChatGPT eram alucinadas, um dado que explica por que alguns times já exigem 'fonte visual vinculada' para cada insight gerado por IA. A questão deixou de ser técnica e virou de processo: sem UIs projetadas para expor incertezas (como graus de confiança, trechos de evidência, alternativas de interpretação), a IA não acelera o design, só disfarça sua própria insegurança como expertise.