Os 39 princípios fundamentais para projetar a interação entre humanos e IA

O task não é uma biblioteca, framework de código ou SDK, é um guia prático de design centrado em interação humana com IA, criado por Taras Bakusevych e publicado como artigo aplicado na TLDR. Ele organiza 39 princípios em nove pilares técnicos concretos: fundamento probabilístico, definição de expectativas, confiança calibrada, transparência operacional, controle e agência, falha graciosa, co-criação, autonomia responsável e confiança sustentada. Ao contrário de frameworks anteriores que focavam em ética abstrata ou especificações de modelo (como o Claude Constitution), o task traduz teoria em padrões de interface testáveis: como exibir provênia sem confiar em scores de confiança, quando usar múltiplas versões ao invés de um único output, e como sinalizar papel da IA sem humanização enganosa, tudo com exemplos reais de Linear, Midjourney, Notion e Gmail.

Ele parte de uma premissa técnica inegociável: modelos de IA não são funções determinísticas, mas serviços probabilísticos que retornam distribuições. Isso exige repensar desde a estrutura do estado da UI até o significado de 'erro'. Um 'erro' não é uma exceção, é um modo operacional legítimo. Por isso, o task rejeita soluções cosméticas (como ícones de 'IA' genéricos) e prioriza padrões que tornam a variabilidade útil: regeneração explícita, histórico de versões, comparação lado a lado e edição direta de saídas. Não é sobre tornar a IA mais 'humana', mas mais honesta, e mais usável para designers, devs e PMs que precisam entregar produtos reais hoje.

A cobertura CEVIU de fevereiro trouxe 17 princípios de uma equipe da Carnegie Mellon, focados em tensões conceituais entre IA e agência humana. Em março, destacamos a falha crítica de interfaces que exigem intenção declarada desde o início, um problema que o task resolve com princípios como 'resolver o problema da tela em branco' e 'usar wayfinders estruturados'. Já em junho, nossa análise das seis camadas da experiência com IA mostrou que o modelo determinista de estados está obsoleto. O task fecha esse ciclo: ele não só reconhece essa obsolescência, mas entrega um sistema operacional para projetar dentro dela, com regras claras para quando sugerir, perguntar ou agir, e como adaptar explicabilidade conforme o perfil do usuário (novato, especialista ou auditor). A evolução é prática: de diagnóstico para execução.

Designers brasileiros estão integrando IA em produtos antes mesmo de terem diretrizes internas consolidadas. Sem um referencial como o task, equipes caem em armadilhas documentadas: usar chatbot para tudo, rotular conteúdo gerado de forma invisível, ou confiar em scores de confiança que aumentam a falsa segurança. O guia muda o jogo porque conecta cada princípio a um comportamento observável na interface, não a um valor abstrato. 'Proveniência em vez de score de confiança' não é um slogan: é um padrão que pode ser implementado hoje com links clicáveis para fontes, como faz o NotebookLM. Isso reduz risco legal, melhora a acessibilidade cognitiva e constrói confiança real, não ilusória, com usuários que já sabem que IA erra, mas querem saber *como* e *quando* podem corrigir.