O vice-presidente de Design de Produto afirma que produto, design e engenharia têm de partilhar uma base de IA para colaborarem eficazmente

Andy Vitale é vice-presidente de Design de Produto e do Centro de Excelência de IA da Taxwell.

Sentámo-nos com Andy para falar sobre a forma como o design, o produto e a engenharia podem colaborar eficazmente com a IA. Foi isto que nos disse.

Onde se encontram o design, a tecnologia e a organização

Sou Andy Vitale, um executivo de design que passou a última década a criar e lançar produtos com IA. Atualmente, lidero o Design e o Centro de Excelência de IA da Taxwell, onde criamos produtos de software que apoiam dezenas de milhões de declarações de impostos todos os anos para mais de 90 000 profissionais de fiscalidade e 3 milhões de contribuintes que tratam das suas próprias declarações.

O trabalho vai desde produtos para consumidores, que têm de parecer simples sob uma verdadeira pressão financeira, até ferramentas profissionais em que a profundidade e a fiabilidade são mais importantes do que um acompanhamento constante. A minha organização abrange a fiscalidade dos consumidores, a fiscalidade profissional, a plataforma partilhada subjacente a ambas e novas áreas de produto que ainda estamos a definir. A equipa organiza-se em torno desses domínios e estamos a avançar para um modelo de entrega assistido por IA, para que o design trabalhe mais próximo do produto em vez de simplesmente lho entregar.

A minha jornada com a IA começou em 2015, com o processamento de linguagem natural aplicado aos cuidados de saúde na 3M. Foi a minha primeira verdadeira experiência a conceber produtos em torno da inteligência das máquinas, e não apenas interfaces. Depois, liderei o design na Rocket, vendo como a tecnologia se move numa grande organização. Mais tarde, como Diretor executivo de Design na Constant Contact, vi a IA generativa começar a transformar aquilo que os produtos podiam fazer. Agora, na Taxwell, torno os nossos produtos mais inteligentes e as nossas equipas mais capazes de criar com IA de forma fluente.

Sempre me senti atraído pelas intersecções — onde o design, a tecnologia e a organização se encontram. A IA tornou essas intersecções na parte mais importante do trabalho. Este momento parece ser aquilo para que todo o meu percurso me preparou.

Como criar uma base de IA partilhada entre disciplinas

Deixámos de tratar a IA como uma funcionalidade a acrescentar e começámos a tratá-la como uma infraestrutura a construir. Ao longo do último ano, o design, o produto e a engenharia trabalharam em conjunto para criar uma base que permite à equipa avançar mais depressa sem agir de forma mais descuidada.

Isso significa criar estruturas de suporte e ferramentas de controlo partilhadas para trabalhar com modelos, bem como etapas com IA desde o conceito até à validação. Não precisamos de esperar para estabelecer uma forma de testar uma ideia com IA.

A segunda parte dessa mudança é que a equipa cria agora utilizando os mesmos materiais e ferramentas, em vez de conceber num local e entregar o trabalho para ser reconstruído noutro. Isto elimina as intersecções onde o trabalho normalmente se perde ou se distorce. Quando um designer trabalha no mesmo ambiente onde o produto é criado, a conversa deixa de ser sobre especificações e transferências e passa a ser sobre o próprio produto.

O resultado é velocidade e precisão ao mesmo tempo, duas características que normalmente competem entre si. A base partilhada significa que avançamos mais depressa porque as partes difíceis já estão construídas e podem ser reutilizadas. Trabalhar com as mesmas ferramentas significa menos erros de tradução, porque há menos traduções. A equipa dedica o seu tempo ao discernimento, em vez de reconstruir o trabalho uns dos outros.

O resultado foi uma série de lançamentos de zero para um. Uma equipa pequena consegue agora levar uma ideia até ao fim, passando do conceito a software funcional em semanas, em vez de atravessar ciclos de planeamento e transferências.

Um fluxo de trabalho com IA, do conceito ao software

Vou explicar o nosso processo para levar uma ideia do conceito ao software funcional, porque foi neste fluxo de trabalho que a IA mais nos transformou.

Começa com a descoberta, e a IA está envolvida desde o primeiro minuto. Antes de alguém conceber seja o que for, utilizamos a IA para reunir o conhecimento existente sobre o problema, padrões provenientes de investigação e dados de apoio, tentativas anteriores e cenários fiscais relevantes. Em vez de começar com uma página em branco, a equipa começa com uma perspetiva sintetizada, que pode analisar e testar sob pressão.

À medida que desenvolvemos a ideia, utilizamos utilizadores sintéticos para a ideação. Criados a partir da nossa investigação comportamental, estes utilizadores permitem-nos explorar a forma como diferentes tipos de contribuintes poderão reagir a uma abordagem antes de nos comprometermos com ela. São uma ferramenta de ideação que amplia as direções que consideramos e nos ajuda a encontrar precocemente os pontos fracos do nosso raciocínio, não um substituto dos utilizadores reais numa fase posterior.

Em seguida, passamos à construção, que é onde a antiga transferência costumava ocorrer. Como referi, trabalhamos diretamente o conceito em materiais e ferramentas partilhados, no mesmo ambiente onde criamos o produto, em vez de conceber num local e escrever uma especificação para que outra pessoa o reconstrua. Um designer pode criar rapidamente um protótipo real e funcional, e não apenas uma imagem dele. Isto é importante porque agora raciocinamos sobre o comportamento efetivo do produto, e não sobre uma representação do mesmo.

Depois, validamos com feedback real. Utilizamos IA para moderar rondas de testes, o que nos permite realizar muito mais sessões, de forma mais consistente, do que seria possível com um calendário moderado por uma pessoa. O feedback económico e rápido surge desde cedo e alimenta diretamente o mesmo artefacto de trabalho, não uma nova ronda de especificações. Como o design, o protótipo e o desenvolvimento utilizam todos as mesmas ferramentas, o ciclo entre «aprendemos algo» e «o produto já o reflete» é curto. A conversa centra-se no próprio produto, em vez de se concentrar na tradução entre documentos.

Ao longo de todo o processo, uma pessoa continua responsável pelo resultado. A IA alarga os contributos e acelera o percurso, mas mantemos o discernimento sobre o que está correto, em conformidade e é realmente bom para alguém que preenche uma declaração sob verdadeiro stress. Num domínio regulamentado, é exatamente aí que deve estar.

Como resultado, uma pequena equipa consegue levar uma ideia de um conceito rudimentar a software funcional em poucas semanas, eliminando as perdas de tradução e os tempos de espera que anteriormente ocorriam entre as várias fases.

Porque é que a IA é responsável pelo percurso até uma decisão, mas não pela decisão em si

Dependemos mais fortemente da IA nas fases de trabalho exploratório, em que o custo de estarmos errados é baixo e o valor de avançarmos rapidamente é elevado.

Na descoberta, a IA ajuda-nos a obter rapidamente informação. Reúne conhecimento existente, identifica padrões em dados de investigação e de suporte e dá-nos uma base inicial para compreendermos um problema, em vez de começarmos do zero.

Na experimentação e na criação de protótipos, a IA permite-nos passar de uma ideia para algo testável numa fração do tempo. Podemos criar um protótipo funcional e utilizar a IA para moderar alguns testes com utilizadores, o que nos permite realizar mais sessões, de forma mais consistente, do que um calendário moderado por uma pessoa alguma vez permitiria.

Para as decisões de UX, a IA oferece uma segunda opinião rápida. Ajuda-nos a testar rigorosamente os fluxos, a analisar dados comportamentais e a identificar os pontos em que os utilizadores podem hesitar ou abandonar o processo. Alarga os contributos com que um designer trabalha.

Mas a decisão em si continua a ser humana, e deliberadamente assim. A IA é excelente a dizer-nos o que está a acontecer e o que tende a funcionar. Não decide qual é a experiência que proporcionamos à pessoa do outro lado do ecrã. A priorização e os juízos sobre se uma experiência é boa, honesta e respeitadora de alguém que preenche a sua declaração de impostos sob verdadeiro stress continuam a ser da nossa responsabilidade.

Penso nisto da seguinte forma: a IA amplia os contributos e acelera o percurso até uma decisão. Não toma decisões que exijam bom gosto, responsabilidade ou cuidado para com a pessoa para quem estamos a conceber.

Andy partilha

Dependemos mais fortemente da IA nas fases de trabalho exploratório, em que o custo de estarmos errados é baixo e o valor de avançarmos rapidamente é elevado. Penso nisto da seguinte forma: a IA amplia os contributos e acelera o percurso até uma decisão. Não toma decisões que exijam bom gosto, responsabilidade ou cuidado para com a pessoa para quem estamos a conceber.

Como os benefícios da IA também expõem fragilidades

O resultado positivo mais evidente é a velocidade. Lançámos uma série de produtos e funcionalidades do zero à primeira versão numa única época fiscal, algo que anteriormente teria demorado muito mais tempo a arrancar, incluindo um conector personalizado do Claude que criámos em poucos dias, em vez de meses. Os testes moderados por IA permitiram-nos realizar muito mais rondas e fazê-lo de forma mais consistente do que conseguiríamos apenas com moderadores humanos. Como resultado, conseguimos tomar decisões baseadas em mais evidências, mais cedo.

Mas avançar rapidamente expôs todas as fragilidades do nosso processo. Sem as salvaguardas adequadas, a velocidade conduziu a retrabalho e o ritmo exigiu muito da equipa. A IA acelerou os nossos pontos fortes e tornou mais evidentes as nossas lacunas.

O verdadeiro resultado, que quero que outros líderes tenham presente, é que as equipas que tiveram um bom desempenho já tinham fundamentos sólidos. A IA é um acelerador. Recompensa bons processos e expõe lacunas; por isso, desenvolver esses fundamentos é agora mais importante, não menos.

Porque é que a IA tem dificuldades em cenários de produtos complexos

A IA tem ficado mais claramente aquém das expectativas na zona intermédia e confusa do trabalho, a parte entre um protótipo promissor e algo que se pode lançar com confiança.

É verdadeiramente excelente a ajudar-nos a chegar rapidamente a uma primeira versão. Não consegue concluir a última etapa. Quanto mais nos afastamos de um problema claro e bem definido, mais trabalho recai novamente sobre as pessoas. Os casos extremos, os cenários fiscais complexos que se desviam do percurso habitual e as decisões sobre o que está correto e em conformidade continuam a exigir o mesmo esforço humano de sempre.

Esse é o verdadeiro limite. Só se consegue ser tão rápido quanto a parte mais lenta do processo. A velocidade inicial é real, mas não se multiplica como esperado porque o resto do sistema não muda ao mesmo ritmo.

Porque é que a IA funciona melhor como parceira de pensamento

Na minha experiência, a IA oferece mais valor quando é tratada como uma parceira de pensamento, não como uma máquina de respostas.

Num domínio como o nosso, a precisão e a responsabilização não são opcionais, pelo que o valor não está em gerar uma resposta e seguir em frente. Está em utilizar a IA para chegar mais rapidamente a uma resposta ponderada de forma mais completa.

Quando as nossas equipas a utilizam para explorar opções, testar rigorosamente o seu raciocínio e avançar mais depressa nas partes que já dominam, ela funciona como um verdadeiro multiplicador.

Andy partilha

Num domínio como o nosso, a precisão e a responsabilização não são opcionais, pelo que o valor não está em gerar uma resposta e seguir em frente. Está em utilizar a IA para chegar mais rapidamente a uma resposta ponderada de forma mais completa.

Porque é que os líderes de produto têm de gerir a forma como os utilizadores recebem um produto de IA

A parte mais difícil do lançamento de IA não é a tecnologia; é a forma como as pessoas a recebem.

O meu primeiro produto de IA, em 2015, envolvia a sugestão automática de codificação médica na área da saúde. O sistema lia documentação clínica e sugeria os códigos corretos, uma tarefa que os codificadores médicos profissionais sempre tinham realizado manualmente. Concentrei-me em saber se as sugestões seriam precisas. Subestimei a pergunta que os próprios codificadores faziam silenciosamente: Isto está aqui para me substituir?

Esse receio molda tudo, quer o enfrentemos, quer não. Manifesta-se como resistência, como uma não adoção silenciosa, como pessoas que tecnicamente colaboram, mas esperam que aquilo falhe. E era completamente razoável.

Colocámos diante das pessoas uma ferramenta que realizava uma versão do seu trabalho sem primeiro explicarmos o que isso significava para elas, pelo que preencheram esse silêncio com a pior possibilidade. Aprendi que não se consegue superar esse receio acrescentando funcionalidades. Nenhum nível de precisão responde à pergunta que estão a fazer.

Levei essa lição para todos os produtos de IA que desenvolvi desde então. Introduz-se a mudança e o significado da mudança ao mesmo tempo. A questão tecnológica é a mais fácil. É a questão humana que determina o sucesso ou o fracasso destes projetos.

Porque é que os sistemas de design precisam de ser reformulados

Se o seu sistema de design existir apenas num ficheiro de design, cada geração de IA na empresa ficará ligeiramente desalinhada com a marca e alguém terá de a reconciliar mais tarde. Este trabalho de reconciliação é o novo imposto que as equipas pagam discretamente por não se anteciparem a esta questão.

Por isso, reformule o sistema de design: deixe de o tratar como um documento de referência e passe a tratá-lo como um artefacto de execução — algo que vive dentro das ferramentas efetivamente utilizadas para gerar o trabalho.

Isto significa mais do que uma biblioteca de componentes. Significa empacotar os elementos de design e os componentes para que as ferramentas e as equipas os possam integrar diretamente no código, distribuí-los como pacotes utilizáveis e associá-los a competências e boas práticas complementares — as regras e o contexto de que uma ferramenta de IA precisa para utilizar corretamente o sistema. Quando as normas, os componentes e o conhecimento prático estão todos onde o trabalho acontece, a marca manifesta-se desde o primeiro pedido, em vez de ser acrescentada à força no final.

Quando acerta, os seus padrões de design ficam incorporados em tudo o que a empresa lança, independentemente de quem o produziu ou da ferramenta que utilizou. O sistema deixa de ser algo a que as pessoas recorrem posteriormente e passa, discretamente, a reger a qualidade em grande escala.

Porque têm os CPO de fazer o trabalho por si próprios

O meu conselho é simples. Envolva-se. Faça o trabalho por si próprio, agora, com as suas próprias mãos.

Muitos líderes entregam instintivamente a IA às suas equipas, esperam que surjam boas práticas e, depois, definem a orientação com base no que aprendem. Isso funcionou em mudanças anteriores. Não funciona nesta. É demasiado rápida, e a distância entre quem utiliza as ferramentas e quem fala sobre elas aumenta todas as semanas. Se recomenda ferramentas que nunca abriu, todos na sala conseguem percebê-lo.

Passo grande parte da semana a trabalhar diretamente com estas ferramentas, em parte porque gosto genuinamente do trabalho, mas sobretudo porque acredito que não se pode liderar credivelmente uma equipa numa mudança que apenas se observa. Ao construir com ela, aprende o que é real e o que é exagero. Conquista o direito de definir a orientação e de tomar decisões muito melhores sobre onde a IA se enquadra e onde não se enquadra.

Por isso, deixe de tratar isto como algo a delegar e a estudar à distância. Dedique tempo real ao trabalho. Lance algo pequeno. Perceba onde ajuda e onde falha. Os líderes que se destacarão serão aqueles que se envolverem com este momento, não os que esperarem que ele estabilize.

Acompanhe

Pode acompanhar o trabalho de Andy Vitale em andyvitale.com e no LinkedIn.

Haverá mais entrevistas com especialistas no The CPO Club!