Futuro
Além do prompt: Os próximos passos da IA e o futuro do design
Com anúncios de Google, OpenAI, Oracle e Anthropic, entenda como os próximos passos da IA podem transformar o design.
Os últimos meses foi um período de intensa agitação no mundo da inteligência artificial. Uma IA que cria uma imagem melhor muda uma entrega. Uma IA que opera softwares, sustenta tarefas longas e simula ambientes pode mudar a maneira como um projeto inteiro acontece.
Essa é uma leitura possível dos novos anúncios recentes de gigantes como Google, OpenAI, Oracle e Anthropic; a ambição já não se limita a oferecer respostas ou gerar conteúdos isolados. Envolve participar de fluxos de trabalho, executar ações e criar experiências que podem ser exploradas. É uma mudança de alcance, não apenas de desempenho. Agora a IA é um serviço e extrapolou a barreira do técnico.
Para o design e o mercado criativo, a pergunta mais interessante não é qual modelo vencerá a próxima comparação de desempenho. É o que acontece com uma profissão quando parte da execução pode ser delegada, mas as consequências das escolhas continuam existindo.
Os anúncios recentes não demonstram que uma agência autônoma esteja pronta (apesar de já ter gente “vendendo” isso para o mercado criativo). Sinalizam possibilidades, em estágios diferentes de maturidade, que merecem ser examinadas sem deslumbramento nem rejeição automática.
Quando a IA deixa de responder e começa a executar
O Google apresentou o Gemini 4 Argon como um modelo voltado a trabalhos complexos, com várias etapas. Seu anúncio descreve uma disponibilização gradual, inicialmente concentrada em parceiros de defesa cibernética, antes de uma abertura mais ampla. Ou seja, por enquanto chega apenas para times mais técnicos, e menos para os criativos.
Já com o Gemini 4 Carbon, anunciado em 28 de outubro, a empresa enfatiza a continuidade dessas tarefas. Um dos relatos é de experiências internas em que o sistema trabalhou durante dias em problemas de engenharia. Também nesse caso, a distribuição começa de maneira restrita (por enquanto).
A OpenAI anunciou o GPT-6.1 Terra, onde o foco é combinar interpretação visual e uso do computador. Entre as tarefas mencionadas estão interpretar desenhos técnicos e editar vídeos. As avaliações apresentadas incluem transformar desenhos arquitetônicos em modelos tridimensionais.
Leitura Recomendada
Para uma equipe criativa, a possibilidade destas ferramentas é menos espetacular e mais cotidiana. O objetivo é delegar sequências de tarefas, em vez de solicitar apenas uma resposta. Preparar versões, organizar materiais e atualizar documentos poderiam fazer parte de um fluxo supervisionado. É o que muitos gurus estão chamando de Human-in-the-loop (HITL).
Mas aqui aparece um problema de design: Como comunicar o que a IA está fazendo? Em quais momentos ela deve pedir autorização? Como desfazer uma mudança? E, acima de tudo, como não olhar para a IA como uma solução de todos os problemas.
Permitir que um assistente prepare uma apresentação é diferente de permitir que ele a envie ao cliente. A experiência precisa tornar essa diferença visível. Nesse cenário, desenhar controles, limites e possibilidades de revisão é tão relevante quanto desenhar a interface.
Isso não deveria ser surpresa para nenhum designer. A profissão tem como core o termo “projeto”. Estamos projetando algo, que não é apenas visual, mas pode ser estratégico, projetando um fluxo.
Do painel de referências ao ambiente que pode ser explorado
O Genie 4, da Google DeepMind, acrescenta outra dimensão. Segundo a empresa, o modelo gera ambientes interativos com áudio e permite modificar cenas em tempo real. Entre os usos em teste estão a exploração de conceitos e a pré-visualização audiovisual.
A mudança sugerida é passar de mostrar uma ideia a oferecer uma experiência preliminar dela.
Imagine, com rapidez, um estúdio discutindo o conceito de uma loja. Em vez de apresentar apenas imagens estáticas, poderia experimentar atmosferas, percursos de ergonomia e relações entre elementos em um ambiente navegável. A conversa com o cliente ganharia outro tipo de material; sendo algo para explorar, não apenas aprovar visualmente.
Aqui está um ponto que muitos designers sofrem… a forma de “vender” suas ideias!
Mas existe uma diferença decisiva entre uma cena convincente e uma simulação confiável. A própria DeepMind reconhece limitações de precisão espacial, interações físicas e consistência ao longo do tempo. E o Genie 4 ainda está em uma versão experimental com acesso restrito (novamente, por enquanto).
Para o design, seu valor inicial pode estar na exploração de hipóteses. Uma cena ajuda a formular perguntas e tornar divergências perceptíveis. Não transforma automaticamente uma hipótese em evidência.
O risco é aprovar uma solução porque ela parece pronta, quando apenas sua representação se tornou mais convincente. É achar que a IA é a solução para tudo, como falei anteriormente.
Design thinking: acelerar não é pular a descoberta
É nesse ponto que a discussão encontra o design thinking.
No Double Diamond (Duplo Diamante), o Design Council distingue explorar e definir o problema de desenvolver e testar soluções. A descoberta envolve conversar e conviver com as pessoas afetadas, não apenas presumir o que elas precisam. A IA não possui empatia, ela apenas “simula” a empatia.
A IA pode entrar nessa lógica como apoio à organização de materiais e à exploração de alternativas. Mas a pergunta metodológica permanece: Estamos aprendendo algo sobre as pessoas ou apenas produzindo versões cada vez mais elaboradas das nossas suposições?
Imagine uma equipe que cria uma persona artificial e pede a ela que avalie um serviço. A resposta pode ajudar a preparar perguntas. Não equivale, porém, a observar alguém tentando usar esse serviço em condições reais.
A distinção não depende de a resposta parecer inteligente. Depende de sua origem… uma hipótese gerada pelo sistema não é um depoimento coletado em campo.
Por isso, uma aplicação responsável da IA no design thinking deveria preservar a separação entre informação observada, interpretação da equipe e conteúdo gerado. Quando essas categorias se misturam, fica difícil saber o que sustenta uma decisão.
Produzir dezenas de alternativas não garante que elas representem caminhos realmente diferentes. Da mesma forma, escolher a proposta mais bem apresentada não prova que ela responde à necessidade certa.
O ganho desejável não é eliminar a pesquisa. É reduzir tarefas auxiliares para investigar melhor, incluir perspectivas ausentes e testar o que realmente importa.
A lição inesperada vem do desenvolvimento de medicamentos
Uma das conexões mais interessantes para o design estratégico aparece fora do mercado criativo.
A Anthropic anunciou parcerias para empregar Claude em diferentes etapas do desenvolvimento de medicamentos. Seu argumento é que os obstáculos não se concentram em uma única descoberta; estão distribuídos entre pesquisa, operação, documentação e outras atividades.
Na Enveda, por exemplo, o trabalho descrito inclui revisão de documentos de fabricação e elaboração de versões iniciais de documentação regulatória. A Anthropic ressalta que suas pesquisas ainda são iniciais e, em grande parte, anteriores aos testes em pessoas. Esses relatos não equivalem à comprovação de eficácia de novos tratamentos.
A analogia com o design não está em equiparar uma campanha a um medicamento. Está em olhar para o processo inteiro, em vez de automatizar apenas sua parte mais visível.
Em um projeto de marca, vale investigar onde o trabalho realmente trava. Na geração de propostas? Na circulação de informações? Na ausência de critérios? Em aprovações contraditórias?
Uma ferramenta capaz de produzir mais alternativas pouco resolve se ninguém consegue explicar como a escolha será feita. Antes de perguntar qual atividade a IA consegue realizar, convém perguntar qual problema essa atividade deveria resolver.
O design estratégico tem aí uma oportunidade. Redesenhar relações entre pessoas, decisões e ferramentas. Isso exige definir responsabilidades, organizar passagens entre etapas e estabelecer o que conta como qualidade.
A infraestrutura também está desenhando o mercado criativo
A Oracle parece, à primeira vista, distante da mesa de criação. Seus anúncios mostram por que essa distância pode diminuir.
Além da expansão de infraestrutura, a empresa apresentou planos para o Oracle Media Fabric, reunindo recursos de produção, modelos para imagem e vídeo e distribuição. APresentado nesta terça (27), a previsão é de disponibilizá-lo nos 12 meses seguintes, com ressalvas de que funcionalidades e prazos podem mudar.
A leitura estratégica é que a disputa pode envolver mais do que a melhor ferramenta de geração. Pode alcançar o ambiente inteiro em que conteúdos são produzidos, organizados e entregues.
Para um estúdio, integrar essas etapas poderia reduzir trabalho entre sistemas. Mas a conveniência também deve ser examinada pelo que exige em troca.
Como retirar arquivos e históricos? O que acontece quando preços ou condições mudam? Quem pode acessar materiais confidenciais? Quais partes do processo continuam funcionando sem aquele fornecedor?
São perguntas de negócio e também de design, porque afetam continuidade, autonomia e relacionamento com clientes.
Há ainda uma pergunta sobre escala: Precisamos gerar tudo o que a infraestrutura permite? Avaliar custo por resultado útil, em vez de celebrar apenas volume, é uma maneira de trazer eficiência e responsabilidade para a conversa.
O futuro da criação não será decidido apenas na tela. Também passa pelas condições que permitem usá-la.
O novo valor do trabalho criativo não está garantido
Se executar determinadas tarefas ficar mais fácil, será necessário discutir como esse ganho será distribuído.
Um estúdio pode usar a economia de tempo para aprofundar pesquisa, experimentar mais e melhorar entregas. Também pode enfrentar pressão por preços menores, prazos mais curtos e uma quantidade maior de versões. E, aqui, pode ser o nosso maior desafio… Explicar para o cliente que a IA não é uma ferramenta para pular etapas.
Por isso, dizer que o designer simplesmente deixará de executar para se tornar estratégico é uma conclusão confortável demais. Essa transição exige espaço nas relações de trabalho, novas competências e clientes dispostos a reconhecer o valor das decisões.
Leitura Recomendada
Uma resposta possível é tornar o raciocínio do projeto mais visível. Não mostrar apenas o resultado, mas explicar o problema investigado, as alternativas rejeitadas, os critérios usados e o que os testes ensinaram.
Isso não torna o acabamento dispensável. Significa conectar a qualidade da entrega à qualidade das decisões que a produziram.
A formação também merece atenção. Se atividades iniciais forem automatizadas, como profissionais em começo de carreira desenvolverão repertório e capacidade de revisão?
A resposta não precisa ser preservar tarefas repetitivas artificialmente. Pode ser criar oportunidades deliberadas de acompanhar pesquisa, comparar soluções, receber crítica e entender consequências.
E há uma oportunidade cultural: Em vez de usar a IA apenas para aproximar tudo de uma aparência familiar, empregá-la para experimentar sem abandonar referências locais, histórias específicas e escolhas autorais.
A diferenciação não virá automaticamente do acesso à mesma ferramenta. Precisará ser construída no uso que cada equipe faz dela.
Como começar sem entregar o projeto ao piloto automático
Para uma equipe de design, um primeiro experimento útil pode ser pequeno: Escolher uma tarefa delimitada, reversível e cujo resultado seja possível avaliar.
Por exemplo, preparar variações de uma apresentação a partir de conteúdo aprovado, sem permitir envio automático. Antes do teste, definir o que será considerado correto, quem revisará e quais informações não poderão entrar no sistema. Por aqui, na Com limão & Co., utilizamos a IA para reformatar nossos relatórios. Ganhamos agilidade em algo que já era executado por um humano, mas sem impactar a qualidade ou delegar a inteligência para uma IA.
Depois, comparar o processo completo. Não apenas quanto tempo a geração levou, mas quanto foi gasto explicando, corrigindo e verificando. A pergunta é se houve ganho líquido de qualidade, tempo ou capacidade de exploração. Aqui temos um ponto importante, de nada adianta fazer algo na IA, que você resolveria rapidamente no Affinity.
Em paralelo, vale documentar onde a IA ajudou e onde falhou. Esse aprendizado pertence à equipe e pode ser mais duradouro do que a familiaridade com uma versão específica de um modelo.
Os próximos passos da inteligência artificial sugerem um campo ampliado para o design: projetar não apenas peças e interfaces, mas formas de colaboração com sistemas capazes de agir.
Isso não pede confiança irrestrita nem resistência automática. Pede critério.
Porque a facilidade de produzir não substitui o trabalho de entender para quem, para quê e com quais consequências estamos criando.
Resumo das ferramentas de IA apresentadas
De agentes que operam softwares por dias seguidos a simuladores de mundos interativos: o que cada sistema promete, seu estágio de acesso e o impacto prático no design.
// 01 As 6 plataformas e modelos em destaque
Gemini 4 Argon
// Tarefas complexas em etapas
Voltado a fluxos de trabalho com múltiplas etapas encadeadas. A liberação começa restrita a parceiros de defesa cibernética antes da abertura ampla.
// Estágio: Restrito
ANÚNCIO ↗
Gemini 4 Carbon
// Execução contínua por dias
Focado em sustentar tarefas longas: o Google relata testes internos em que o modelo trabalhou durante dias em problemas de engenharia.
// Estágio: Acesso Inicial
ANÚNCIO ↗
GPT-6.1 Terra
// Leitura visual e uso de softwares
Combina interpretação visual e operação do computador: lê desenhos técnicos, edita vídeos e transforma plantas arquitetônicas em modelos 3D.
// Foco: Operação de Apps
ANÚNCIO ↗
Genie 4
// Simulação de mundos interativos
Gera ambientes navegáveis com áudio e edição em tempo real para explorar conceitos e pré-visualização, mas ainda tem limites físicos e espaciais.
// Acesso: Experimental
ANÚNCIO ↗
Claude em Processos
// Documentação e operação de ponta a ponta
Empregado em etapas distribuídas de P&D (revisão de fabricação e rascunhos regulatórios), mostrando o valor de atuar no fluxo inteiro.
// Estudo de Caso P&D
ESTUDO ↗
Oracle Media Fabric
// Infraestrutura integrada de mídia
Reúne recursos de produção, modelos de imagem/vídeo e distribuição na mesma nuvem, exigindo avaliar portabilidade e dependência.
// Previsão: 12 meses
ANÚNCIO ↗
// 02 Comparativo: o que fazem e o que exigem do designer
| Ferramenta | O Que Faz na Prática | Maturidade | Questão Crítica para o Design |
|---|---|---|---|
| Gemini 4 Argon & Carbon Google |
Sustentam tarefas complexas em várias etapas ou por dias seguidos | Restrito | Definir limites de supervisão, pontos de aprovação e como desfazer ações |
| GPT-6.1 Terra OpenAI |
Lê desenhos técnicos, edita vídeo e converte plantas em 3D operando o PC | Lançamento | Separar “preparar versão” de “entregar/aprovar” em fluxos assistidos |
| Genie 4 Google DeepMind |
Cria mundos interativos com áudio modificáveis em tempo real | Experimental | Não confundir cena visualmente convincente com validação arquitetônica ou física |
| Claude (Caso Enveda) Anthropic |
Apoia documentação técnica, regulatória e operação entre equipes | Pesquisa Inicial | Olhar para onde o projeto trava (critérios e passagens), não só para a peça final |
| Oracle Media Fabric Oracle Cloud |
Unifica geração de imagem/vídeo, produção e distribuição na nuvem | Em 12 Meses | Avaliar portabilidade de acervo, confidencialidade e risco de dependência |
// Hipótese Gerada ≠ Pesquisa de Campo
No Design Thinking (Double Diamond), personas sintéticas ou cenas do Genie 4 ajudam a formular perguntas, mas não substituem ouvir pessoas reais.
// Desenhar Controles de Agentes
Quando a IA passa a executar ações no computador, o design precisa tornar visível o que o sistema está fazendo e quando pedir autorização.
// Tornar o Raciocínio Visível
Com a execução mais rápida, o valor do estúdio migra para explicitar o problema investigado, as opções descartadas e os critérios de decisão.
// Começar Pequeno e Reversível
O melhor teste inicial é uma tarefa delimitada e auditável, medindo não só o tempo de geração, mas o esforço gasto revisando e corrigindo.
