EBOOK_DESENVOLVIMENTO E DESIGN DE PRODUTOS_BERNARD DE LUNA

Prévia do material em texto

Faculdade Exame – Todos os direitos reservados 
 
 
 
Desenvolvimento e design 
de produtos 
 
Especialista 
Bernard De Luna 
Faculdade Exame – Todos os direitos reservados 
 
 
 
Sumário 
1. Introdução 
2. Desenvolvimento de produtos moderno 
2.1 Ferramentas de IA para o desenvolvimento de produtos moderno 
3. Princípios de design para produtos digitais 
3.1 Design centrado no usuário 
3.2 Boas práticas de design para produtos de IA 
4. Otimizando o downstream com IA 
5. Case prático de aplicação de IA 
6. Conclusão 
7. Referências 
 
 
Faculdade Exame – Todos os direitos reservados 
 
 
 
1. Introdução 
O desenvolvimento e design de produtos digitais com a ajuda de inteligência 
artificial é um grande passo para a inovação empresarial. Em um mundo onde a 
IA está revolucionando diversos setores, entender como funcionam as fases de 
criação é importante para elaborar produtos que não apenas atendam às 
necessidades do mercado, mas também proporcionem uma experiência de uso 
superior. 
O desenvolvimento de produtos pode ser dividido em duas etapas principais: 
upstream e downstream. O upstream é a fase de planejamento, ou seja, o 
principal momento para sessões de brainstorming e documentação. 
Nesta etapa, devemos explorar diversas soluções para problemas previamente 
identificados, utilizando técnicas de pesquisa e prototipação para validar as 
ideias antes de avançar para o desenvolvimento. 
O downstream, por sua vez, consiste na execução e implementação das ideias 
do upstream, isto é, conta com programação e engenharia para transformar as 
ideias em produtos funcionais. 
Uma compreensão clara dessas etapas ajuda a garantir que cada fase do 
desenvolvimento seja bem estruturada e orientada para resultados, 
minimizando os riscos e maximizando a eficiência. Um upstream bem-feito, por 
exemplo, pavimenta o downstream e acelera muito o processo de criação. 
Dentro da gestão de produtos, há uma hierarquia que vai da estratégia à tática, 
culminando na operação. A estratégia de produto define os caminhos para 
atingir objetivos de negócios, como aumentar a base de clientes ou melhorar a 
retenção. É a fase que guia todas as ações subsequentes. 
A tática, por outro lado, é a aplicação prática dessa estratégia, detalhando como 
atingir os objetivos definidos. Isso inclui a escolha de canais de marketing, 
Faculdade Exame – Todos os direitos reservados 
 
 
 
abordagem de vendas, e métodos específicos de desenvolvimento. 
Essas táticas são executadas na operação, dividindo-se entre upstream e 
downstream, o que garante que cada ação esteja alinhada com a estratégia 
macro da organização. 
A combinação de uma estratégia clara com táticas bem definidas e operações 
eficientes é a chave para o sucesso no desenvolvimento de produtos digitais 
baseados em IA. 
2. Desenvolvimento de produtos moderno 
A inteligência artificial anda de mãos dadas com o desenvolvimento de produtos 
moderno, apoiando a criação e validação de ideias. A abordagem tradicional de 
desenvolvimento de produtos, que costumava ser linear e sequencial, foi 
transformada com a introdução de metodologias mais dinâmicas e integradas, 
permitindo maior flexibilidade e eficiência. 
Uma das metodologias mais inovadoras é o dual track, que permite que as fases 
de pesquisa (discovery) e desenvolvimento (delivery) ocorram 
simultaneamente. Isso significa que, enquanto uma equipe está focada na 
implementação de uma funcionalidade específica, outra equipe pode estar 
envolvida, paralelamente, na pesquisa e planejamento da próxima fase. 
Esta abordagem ajuda a antecipar riscos, planejar de maneira mais eficaz e 
garantir que o desenvolvimento seja contínuo e adaptável às novas descobertas. 
2.1 Ferramentas de IA para o desenvolvimento de produtos 
moderno 
O Board of Innovation é uma coletânea de ferramentas cujas funções variam 
desde a automatização de briefings de pesquisas até a geração de possíveis 
cenários futuros, otimizando o tempo das equipes e garantindo que todos os 
aspectos relevantes sejam considerados. 
Faculdade Exame – Todos os direitos reservados 
 
 
 
Além disso, a prototipagem rápida se tornou mais acessível e eficiente com 
ferramentas de IA generativa de protótipos (proto generator, em ingês). Estas 
ferramentas permitem a criação de protótipos funcionais com base em simples 
descrições textuais, acelerando o processo de validação de ideias – que, por 
sinal, é fundamental para desenvolver produtos de qualidade. 
Ferramentas de pesquisa qualitativa, como o Dovetail, oferecem 
funcionalidades avançadas para análise de dados. Este software permite a 
transcrição automática de entrevistas e a categorização de feedback dos 
usuários, facilitando a identificação de padrões e insights valiosos. 
Podemos citar, também, o SparkPlan que automatiza a criação de 
documentação e o planejamento de projetos. Esta ferramenta pode gerar 
planos detalhados, incluindo funcionalidades e até mesmo um código base para 
o desenvolvimento do produto. A automação não apenas economiza tempo, 
mas também garante que a documentação seja precisa e abrangente, 
facilitando a comunicação e colaboração entre as equipes. 
É impossível validar ideias sem testes de usabilidade e experimentos. O 
SparkPlan também pode ajudar nessa fase, criando testes de usabilidade 
altamente eficazes, com protótipos rapidamente ajustáveis com base no 
feedback de usuários. A ferramenta, ainda, pode gerar automaticamente 
histórias de usuários detalhadas e tarefas associadas, assegurando que todos 
os aspectos do produto sejam testados e validados. Iremos analisar um estudo 
de caso que aplicou o SparkPlan mais a frente neste material. 
3. Princípios de design para produtos digitais 
3.1 Design centrado no usuário 
Em se tratando de produtos baseados em IA, ter um design centrado no usuário 
é essencial. Este método coloca o consumidor no centro do processo de design, 
assegurando que suas necessidades, preferências e experiências sejam as 
Faculdade Exame – Todos os direitos reservados 
 
 
 
principais diretrizes para todas as decisões de prototipagem. 
Interfaces simples e intuitivas são práticas comuns deste modelo, pois 
permitem que os usuários se adaptem rapidamente ao produto, reduzindo a 
carga cognitiva e a curva de aprendizado. Para isso, deve-se manter a 
consistência ao longo de toda a experiência, o que permite que o consumidor 
navegue pelo produto de maneira lógica e coesa, evitando confusão e 
aumentando a satisfação geral. 
Ferramentas como o prototype generator da Visily podem facilitar muito este 
processo, pois permitem a criação rápida de protótipos com base em simples 
descrições textuais. Ao oferecer uma descrição como “um Tinder para 
cachorros”, ele pode gerar, rapidamente, uma interface funcional para este app, 
economizando tempo e esforços significativos. 
3.2 Boas práticas de design para produtos de IA 
Além da simplicidade e consistência, que já cobrimos acima, ainda temos os 
seguintes princípios, que também são importantes: 
1. Acessibilidade: garantir que os produtos sejam acessíveis a todos os 
usuários, incluindo aqueles com deficiências. A acessibilidade não só 
amplia o alcance do produto, mas também cumpre obrigações legais e 
éticas; 
2. Feedback: implementar mecanismos de feedback que permitam aos 
usuários expressarem suas opiniões, de forma a impulsionar as práticas 
de desenvolvimento contínuo. O feedback bidirecional, isto é, quando 
produto também informa o usuário sobre suas ações e melhorias, auxilia 
a criar uma experiência de usuário positiva; 
3. Usabilidade: garantir que o produto seja fácil de usar, intuitivo e eficiente 
impulsiona as taxas de retenção e satisfação do usuário. A usabilidade 
envolve a remoção de barreiras e fricções, permitindo que, tanto novos 
Faculdade Exame – Todos os direitos reservados 
 
 
 
usuários, quanto usuários experientes utilizem o produtode maneira 
eficaz. 
4. Otimizando o downstream com IA 
A integração de ferramentas de IA no processo de downstream tem 
potencializado a eficiência das equipes de desenvolvimento. Essas duas 
ferramentas são bons exemplos de como acelerar este processo: 
 GitHub Copilot: esta ferramenta atua como um copiloto para 
desenvolvedores, ajudando a escrever código de maneira mais rápida e 
precisa. O Copilot (não confundir com o assistente do Microsoft Edge) 
sugere linhas ou blocos inteiros de código com base no contexto do 
projeto, gerando, automaticamente, testes unitários. Isso não só 
aumenta a produtividade, mas também melhora a qualidade do código 
produzido, reduzindo erros e inconsistências; 
 Atlassian Intelligence: integrada a ferramentas como Jira, Confluence e 
Bitbucket, a Atlassian Intelligence utiliza IA para facilitar a gestão de 
projetos. Ela pode ler e interpretar grandes volumes de dados de 
diferentes fontes, fornecer insights sobre o progresso do projeto, 
identificar gargalos e sugerir melhorias. A tecnologia também pode 
centralizar a comunicação e a documentação, garantindo que todas as 
partes interessadas tenham acesso às informações mais atualizadas e 
relevantes. 
A aplicação prática dessas ferramentas oferece diversos benefícios: 
1. Aumento da eficiência: a automação de tarefas repetitivas e a geração 
automática de código permitem que os desenvolvedores se concentrem 
em resolver problemas complexos e em inovar; 
Faculdade Exame – Todos os direitos reservados 
 
 
 
2. Melhoria na qualidade do código: ferramentas como o GitHub Copilot 
ajudam a manter um padrão de qualidade elevado no código, reduzindo 
a necessidade de retrabalho e correções posteriores; 
3. Melhoria na comunicação e colaboração: a centralização da 
documentação e da comunicação em plataformas como a Atlassian 
Intelligence facilita o alinhamento entre equipes, assegurando que todos 
estejam na mesma página e reduzindo a ocorrência de mal-entendidos e 
retrabalho; 
4. Tomada de decisão baseada em dados: a capacidade da IA de analisar 
grandes volumes de dados e fornecer insights acionáveis permite que as 
equipes de desenvolvimento tomem decisões mais informadas e 
estratégicas, melhorando o resultado final do produto. 
5. Case prático de aplicação de IA 
A Mixpanel é uma analista de dados do setor de eventos. Eles introduziram o 
SparkPlan (que já vimos acima) como sua ferramenta de IA generativa, para 
ajudar na criação de relatórios e análises complexas através de consultas em 
linguagem natural. Com o Spark, os usuários podem solicitar relatórios 
detalhados sobre métricas específicas apenas fazendo perguntas simples, 
como "Qual foi a tendência de inscrição no último ano por região?" ou "Quantas 
pessoas visitaram nosso site ontem?". O Spark gera automaticamente os 
relatórios e visualizações necessários, economizando tempo e aumentando a 
produtividade da equipe de análise de dados. 
A PCMA, outra gigante dos eventos, está explorando o uso do SparkPlan para 
revolucionar o planejamento e a gestão de eventos. A ferramenta ajuda os 
profissionais a criarem conteúdos, gerar descrições de sessões, brainstorms 
temáticos e até revisar contratos. O projeto visa facilitar tarefas rotineiras e 
complexas, permitindo que os organizadores de eventos se concentrem mais na 
criação de conexões humanas e na inovação dentro do setor. 
Faculdade Exame – Todos os direitos reservados 
 
 
 
Análise de ferramentas e resultados 
A Mixpanel utiliza o Spark para transformar a maneira como os dados são 
analisados e apresentados. A ferramenta permite que qualquer pessoa, 
independentemente de seu nível técnico, possa criar relatórios avançados e 
obter insights valiosos. Isso é possível porque o Spark traduz as consultas, que 
podem ser feitas com a própria fala, em informações palpáveis, com dados em 
fácil visualização -- isso dispensa a intervenção de analistas de dados 
especializados, que antes era essencial. Esse nível de automação não só acelera 
o processo de análise, mas também garante precisão e consistência nos 
resultados. 
Na PCMA, por sua vez, o Spark oferece uma abordagem integrada para melhorar 
a eficiência dos planejadores de eventos. A ferramenta utiliza IA para repaginar 
conteúdos de vídeo em vários formatos, gerar descrições de sessões e temas 
para eventos, e criar postagens envolventes para redes sociais e e-mails de 
promoção de eventos. Esses recursos ajudam a reduzir significativamente o 
tempo necessário para preparar e gerenciar eventos, permitindo um foco maior 
em aspectos criativos e estratégicos. 
Impacto financeiro 
O impacto financeiro do uso de ferramentas de IA como o SparkPlan pode ser 
significativo. De acordo com uma pesquisa da McKinsey, a IA generativa tem o 
potencial de aumentar os lucros corporativos globais em até 4,4 trilhões de 
dólares por ano. Isso se deve a aumentos de produtividade, automação de 
tarefas complexas e criação de novos modelos de negócios. Outro estudo da 
Boston Consulting Group sugere que a implementação de ferramentas de 
inteligência artificial pode levar a ganhos de eficiência de 30% a 50% e ganhos 
de produtividade de 10% a 20% em toda a empresa. 
Faculdade Exame – Todos os direitos reservados 
 
 
 
6. Conclusão 
Vemos, portanto, que a integração de inteligência artificial em produtos digitais 
é um verdadeiro catalisador para a inovação e eficiência. Ao seguir boas práticas 
e continuar explorando novas possibilidades, estando sempre antenado às 
novidades, seu negócio estará bem-posicionado para liderar o desenvolvimento 
de produtos que atendam e superem as expectativas dos usuários. 
 7. Referências 
CARRARO, Fabrício. Inteligência artificial e ChatGPT: da revolução dos 
modelos de IA generativa à engenharia de prompt. São Paulo, SP: Casa do 
Código, 2023. E-book. Disponível em: https://plataforma.bvirtual.com.br. 
Acesso em: 08 nov. 2024. 
EIS, Diego. Gestão moderna de produtos digitais: o produto digital como um 
meio de entregar valor para o usuário e para o negócio. São Paulo, SP: Casa do 
Código, 2022. E-book. Disponível em: https://plataforma.bvirtual.com.br. 
Acesso em: 08 nov. 2024. 
PEREIRA, Rogério. User experience design: como criar produtos digitais com 
foco nas pessoas. São Paulo, SP: Casa do Código, 2018. E-book. Disponível em: 
https://plataforma.bvirtual.com.br. Acesso em: 08 nov. 2024. 
SCHEIDEGGER, Jorge. Ah, se eu soubesse (inteligência artificial): uma viagem 
aos "cérebros eletrônicos". 1. ed. Nova Lima, MG: Falconi, 2021. E-book. 
Disponível em: https://plataforma.bvirtual.com.br. Acesso em: 08 nov. 2024.