Antes de pedir à IA uma user story, resolva as dúvidas com os stakeholders

O texto do Thoughtworks parte de um exemplo simples: "Users should be able to export a filtered report". Jogue isso numa IA e sai uma user story com persona e critérios de aceite, com cara de pronta. Só que o que é "filtrado"? Todos os registros ou só a página atual? Qual data o filtro usa? Colunas ocultas entram no arquivo? O autor chama isso de decisões de produto, não problema de redação.

O conceito central são as lacunas confiantes: a IA preenche um buraco que o time nunca olhou e o resultado soa certo. No exemplo do relatório semanal, as notas confirmam CSV, filtro de data e acesso restrito, mas nada sobre duplicatas. O rascunho traz "remover registros duplicados", e isso é uma regra de negócio inventada. A proposta é pedir à IA três pilhas (confirmado, assumido, desconhecido), com citação da fonte para cada item confirmado, e mandar não preencher lacunas. Para priorizar, três perguntas: a resposta muda o escopo? Muda quem pode fazer o quê? Muda o significado do dado ou do resultado? Só depois das decisões fechadas com os stakeholders a IA redige os critérios de aceite, a partir de um registro de decisões.

O tema conversa com a cobertura anterior, mas é um complemento, não uma evolução do mesmo fato. Em 4 de abril de 2026, o CEVIU noticiou "Seu Melhor Prompt é uma User Story Bem Definida", que defendia user stories claras como entrada para a IA. Em 22 de setembro de 2026, em "A IA pode agravar falhas no Product Backlog?", o alerta era que a IA generativa pode mascarar deficiências estruturais, inclusive em histórias de usuário. A matéria de agora dá um passo prático: antes de a história existir, use a IA para achar o que ainda não foi decidido.

Para quem gerencia produto, a leitura é que o risco da IA em requisitos não é texto ruim, é texto bom demais sobre algo não validado. Isso desloca o valor da IA do rascunho para a preparação da refinação. O registro de decisões, com regra, dono e origem, tende a durar mais que a história e facilita revisitar escolhas meses depois. Vale testar em um requisito só e medir quais perguntas foram úteis e quanto tempo a revisão levou.