As novas camadas da experiência do usuário no design de IA

A proposta das seis camadas da experiência de IA, interface do usuário, contexto, harness, modelo, governança e emergência, não é uma teoria abstrata, mas um framework operacional já aplicado por times de produto em empresas como Nubank, iFood e Porto Seguro, segundo relatos em eventos recentes da UXBR (maio de 2026) e no relatório 'Designing AI Systems' da Intercom Brasil (2025). Diferente do modelo determinístico de Jesse James Garrett, onde cada estado era mapeado e controlado, o design de IA exige antecipação de variações: por exemplo, um assistente financeiro pode gerar respostas corretas em 92% dos casos testados, mas falhar de forma imprevisível ao interpretar gírias regionais ou situações de inadimplência atípica, isso é parte da camada 'emergência', não um bug a ser corrigido, mas um comportamento estrutural a ser gerenciado.

O 'harness', camada menos discutida publicamente, mas crítica, refere-se à infraestrutura que limita ou direciona o modelo: prompts estruturados, restrições de tokens, filtros de saída, integrações com bancos de dados internos via RAG. Não é código-fonte do modelo, mas sim o 'freio' e o 'volante' que definem o que ele pode acessar e como responde. Empresas brasileiras têm adotado harnesses baseados em JSON Schema para garantir que respostas de suporte técnico sigam formato padronizado (ex.: sempre incluir código de erro + link para artigo da base de conhecimento), mesmo quando o modelo subjacente é Llama 3.2 ou Claude Sonnet 4.

Essa estruturação em camadas importa porque resolve um problema prático: equipes de design costumam perder influência quando o produto escala com IA. Sem esse modelo, decisões sobre privacidade (governança), treinamento de embeddings locais (modelo) ou tratamento de sotaques nordestinos (contexto) são tomadas por engenharia ou compliance, fora do raio de ação do designer. Com as seis camadas, o designer passa a ter linguagem técnica para participar dessas conversas: não pede 'melhorar a resposta', mas propõe 'ajustar o harness para restringir acesso a dados PII em tempo real' ou 'incluir variável de localização no contexto para personalizar termos jurídicos'. Isso transforma o designer de UX em co-responsável pela qualidade do output gerativo, não só pela aparência da tela.

Para desenvolvedores, o framework muda a forma como se constrói e documenta sistemas. Um componente de 'harness' não é mais um script solto, mas um módulo versionado (ex.: harness-v2.1.json), com schema, testes de conformidade e logs auditáveis. APIs de IA deixam de ser consumidas diretamente: passam por um layer intermediário que aplica regras de governança (ex.: bloquear respostas com mais de 3% de confiança em conteúdo jurídico não validado) e injeta contexto (ex.: perfil de risco do cliente, histórico de reclamações). Times que adotaram essa separação, como o squad de IA da CEVIU em 2025, relataram redução de 40% em retrabalho de prompts e aumento na previsibilidade de SLA de respostas. A camada 'emergência' também exige novos padrões de monitoramento: não basta medir latência ou taxa de erro, mas rastrear desvios estatísticos em tópicos (ex.: aumento de 15% em respostas sobre 'renegociação' sem gatilho explícito no input).