Design sob incerteza: como a IA exige que designers pensem em probabilidades, não certezas

O design com IA deixou de ser sobre entregar telas perfeitas e virou um exercício contínuo de orquestração de incertezas. Não se trata de prever o futuro, mas de mapear zonas de confiança, como quando o Flowstep gera código React com probabilidades implícitas de acessibilidade ou quando o Moonchild AI produz um protótipo de alta fidelidade que ainda precisa de validação por neurodivergentes, não por falta de dados, mas por limites estruturais do treinamento. Essa é a nova camada de interface: não entre usuário e tela, mas entre designer e modelo. É aí que a crítica (Ceviu, 16/06) deixa de ser uma etapa final e vira o motor do processo, avaliar não se o output está 'bonito', mas se o intervalo de confiança do modelo condiz com o risco do contexto: 85% de acerto pode ser ótimo para recomendação de conteúdo, mas inaceitável em um fluxo de triagem médica.

Isso explica por que o 'design por dentro' (Ceviu, 08/05) agora exige ler logs de falha de modelos, ajustar prompts com base em viés detectado em testes reais, como aqueles que revelaram algoritmos de saúde discriminando pacientes negros, e integrar fallbacks humanos não como plano B, mas como parte da arquitetura de experiência. A IA não apaga o julgamento humano; ela o torna mais visível, exigindo que designers assumam responsabilidade explícita por cada camada de suposição embutida no sistema.

A cobertura anterior do CEVIU já apontava para a transição do designer de 'tradutor de mockups' para 'condutor de protótipos funcionais' (abr/2026), mas a novidade de junho/2026 é que esse papel agora tem uma dimensão estatística obrigatória. Antes, a crítica era sobre intenção e resultado. Agora, é sobre distribuição de probabilidade: o que o modelo *não* disse, quais cenários ele subestimou, e onde sua curva de confiança colide com as necessidades reais dos usuários, como no caso da Air Canada, onde a interface determinística escondeu uma saída com 0% de fundamento legal. O salto não foi técnico, mas operacional: designers agora usam ferramentas como o ChatGPT para simular falhas antes do deploy, não só para gerar texto.

Porque interfaces que fingem certeza geram danos reais, desde reembolsos negados até diagnósticos enviesados afetando 200 milhões de pessoas nos EUA anualmente. Mais do que ética, é funcionalidade: sistemas que não revelam seus níveis de confiança quebram a confiança do usuário e do time de engenharia. E porque a vantagem competitiva em 2026 não está em entregar mais rápido, mas em saber *quando não entregar*, mantendo espaço para iteração humana onde a probabilidade cai abaixo do limiar de risco do domínio, seja em finanças, saúde ou justiça. Isso transforma o designer em um guardião de margens de erro, não em um executor de pixels.