Prévia do material em texto
Relatório Narrativo-Científico: Tecnologia da Informação e Design Thinking Resumo executivo Este relatório combina narrativa e análise científica para descrever a aplicação de Design Thinking em um projeto de Tecnologia da Informação (TI). Através da jornada de uma equipe multidisciplinar, apresento metodologia, evidências de impacto e recomendações práticas. Objetivo: demonstrar como o pensamento centrado no usuário reduz riscos técnicos e melhora métricas de adoção. Contexto Em março, numa empresa de médio porte do setor financeiro, a equipe de TI recebeu a missão de redesenhar a interface de um portal de atendimento digital cujo uso vinha decrescendo. A equipe era formada por desenvolvedores, analistas de dados, UX designers e dois facilitadores de inovação. Metodologia (relato de campo) A narrativa segue o ciclo clássico de Design Thinking: empatia, definição, ideação, prototipagem e teste. Nas primeiras semanas, Mariana (UX) liderou 18 entrevistas qualitativas com usuários internos e externos; Rafael (engenheiro de dados) analisou logs de uso de 6 meses (n = 12.400 sessões). As entrevistas revelaram fricções recorrentes: linguagem técnica, tempo de resposta e caminhos de navegação confusos. A definição do problema foi sintetizada em uma declaração acionável: "Reduzir o tempo médio para completar tarefas críticas em 40% e aumentar a confiança do usuário". Narrativa do projeto No estágio de ideação, a equipe promoveu três workshops divergentes em que surgiram 72 ideias. Foram selecionadas 7 soluções para prototipagem rápida: reorganização do fluxo, filtros dinâmicos, micro-feedback contextual, chat assistido por bot, reformulação lexical, indicadores de progresso e otimização de carregamento. Lúcia, a líder técnica, coordenou a construção de protótipos de baixa fidelidade em 10 dias. Os testes envolveram 45 usuários em sessões moderadas: tarefas cronometradas, observação comportamental e questionários SUS (System Usability Scale). A cada iteração houve ajuste técnico e reteste, num ciclo de 4 iterações. As métricas coletadas foram: tempo médio de tarefa, taxa de erro, taxa de conclusão, e satisfação subjetiva. Resultados e análise científica Os dados indicaram melhorias consistentes. Tempo médio de tarefa reduziu de 5m20s para 3m10s (redução de ≈40%), taxa de erro caiu 47%, e a taxa de conclusão aumentou de 72% para 91%. A pontuação SUS média elevou-se de 58 para 76, movendo a avaliação de "aceitável" para "boa". Além disso, logs de produção mostraram aumento de retenção mensal de 13% para 22% nos 60 dias seguintes ao lançamento. Do ponto de vista científico, a abordagem combinou métodos qualitativos e quantitativos — triangulação que reforça validade interna do estudo. As entrevistas permitiram codificação temática sistemática; as medições de usabilidade e telemetria ofereceram sinais quantitativos de efeito. O processo iterativo funcionou como experimento sequencial: cada protótipo atuou como intervenção e os testes controlados (mesmas tarefas padronizadas) forneceram comparações antes/depois. Limitações: amostra de teste relativamente pequena (n=45) e contexto organizacional específico, o que reduz generalizabilidade. Discussão A narrativa evidencia que Design Thinking, quando integrado a práticas de engenharia de software, reduz incertezas técnicas e orienta priorização baseada em impacto real. A colaboração entre perfis técnicos e humanos permitiu identificar soluções de baixo custo com grande payback. Observou-se, entretanto, a necessidade de alinhamento executivo para manter investimentos em iterações subsequentes e incorporar métricas continuadas em pipelines de entrega. Conclusões e recomendações (relatório executivo) 1. Validação precoce com usuários evita retrabalho: recomenda-se reservar pelo menos 10% do cronograma para prototipagem e testes. 2. Métricas híbridas (qualitativas + telemetria) são essenciais: implemente dashboards para acompanhar tempo de tarefa, taxa de conclusão e NPS interno. 3. Integração entre TI e UX reduz atrito técnico: promova squads multidisciplinares com ciclos curtos (sprints de 2 semanas). 4. Escalabilidade: comece por funções de alto impacto e estenda por fases controladas, monitorando regressões. 5. Cultura de iteração: institucionalize sessões de aprendizado pós-implementação para transformar feedback em backlog. Anexo metodológico (síntese) - Entrevistas semiestruturadas: n=18 - Logs analisados: 6 meses, 12.400 sessões - Testes de usabilidade: n=45, 4 iterações - Principais métricas: tempo médio de tarefa, taxa de erro, taxa de conclusão, SUS, retenção mensal PERGUNTAS E RESPOSTAS 1) O que é a contribuição do Design Thinking para TI? R: Centraliza usuário nas decisões técnicas, reduz incerteza, prioriza soluções de alto impacto e acelera aprendizado por meio de protótipos. 2) Quais métricas monitorar em projetos híbridos (TI+Design)? R: Tempo de tarefa, taxa de conclusão, taxa de erro, SUS/NPS e métricas de retenção e conversão em produção. 3) Como justificar investimento executivo? R: Demonstre ROI com antes/depois de protótipos (tempo salvo, redução de suporte) e projeção de custo evitado por retrabalho. 4) Qual é o papel da equipe multidisciplinar? R: Unir domínio técnico e compreensão humana; facilita tradução de insights em requisitos técnicos exequíveis. 5) Limitações comuns da abordagem? R: Amostras pequenas em testes, resistência cultural, necessidade de alinhamento executivo e risco de escopo sem métricas claras. R: Tempo de tarefa, taxa de conclusão, taxa de erro, SUS/NPS e métricas de retenção e conversão em produção. 3) Como justificar investimento executivo? R: Demonstre ROI com antes/depois de protótipos (tempo salvo, redução de suporte) e projeção de custo evitado por retrabalho. 4) Qual é o papel da equipe multidisciplinar? R: Unir domínio técnico e compreensão humana; facilita tradução de insights em requisitos técnicos exequíveis. 5) Limitações comuns da abordagem? R: Amostras pequenas em testes, resistência cultural, necessidade de alinhamento executivo e risco de escopo sem métricas claras.