A IA no redesign de UX começa a mostrar utilidade num problema que muita empresa brasileira conhece de perto: aquele sistema antigo que faz tudo direitinho e segura a operação, mas tem cara de outra década. Ninguém quer mexer no que funciona. Só que a tela apertada, cheia de menus e botões de outra época, cobra seu preço no tempo de quem usa e na paciência de quem precisa treinar gente nova.
Um caso recente ajuda a enxergar isso na prática. É a história da Platinum Health Keyrus, publicada pelo ITWeb nesta semana. A Platinum Health, que atua com planos de saúde na África do Sul, precisava levar sua plataforma para a web sem perder nenhuma função, e a consultoria Keyrus montou um fluxo com inteligência artificial para dar conta disso. Segundo o veículo, foram mais de 200 telas redesenhadas, com produção cerca de três vezes maior por sprint, e tudo sem um designer dedicado exclusivamente ao projeto.
A seguir, você vai ver como esse trabalho foi organizado, por que a padronização veio antes da automação e o que dá para aproveitar dessa história na modernização de sistemas legados por aqui. Adiantando o principal: a IA acelerou bastante o processo, mas não fez nada sozinha.
O que aconteceu na Platinum Health
De acordo com o ITWeb, a Platinum Health se apresenta como o maior plano de saúde fechado da África do Sul. Fechado, nesse caso, quer dizer que ele atende um grupo específico de pessoas, e não o público em geral. A operação vai de atenção primária e especializada a gestão de doenças crônicas, administração do plano e programas de saúde no ambiente de trabalho.
Por trás disso tudo existe uma plataforma que cuida de cadastro de membros, solicitações e correspondência. São processos sensíveis, daqueles em que uma falha não fica só no setor de TI. Quando um sistema assim perde uma função no meio do caminho, o efeito costuma chegar a quem depende do serviço.
O dilema estava bem definido. As funções já tinham provado seu valor e precisavam continuar exatamente como estavam. A interface, por outro lado, pertencia a uma geração antiga de software e não aproveitava o que os frameworks web atuais permitem.
A saída foi trocar a casca e preservar o miolo. Cada tela teria que nascer primeiro como protótipo no Figma, seguindo o novo design system, e não como uma cópia do layout antigo de desktop. Essa escolha é importante. Copiar a tela velha para o navegador seria mais rápido no começo, mas levaria junto todos os vícios da interface antiga.
O gargalo real era tempo
Segundo a reportagem, a maior dificuldade não estava na técnica. Estava na agenda. Integrações, desenvolvimento em andamento e prazos fixos corriam em paralelo, sem muita margem de manobra.
Colocar um designer da própria Platinum Health em tempo integral na migração não era viável na prática. E havia um complicador: design e desenvolvimento aconteciam juntos. Então chegavam pedidos de ajuste em telas já finalizadas enquanto outras ainda estavam na fila.
Quem já participou de um projeto parecido reconhece a cena. Pense numa equipe pequena que mantém o sistema principal de uma empresa funcionando. Ela passa o dia apagando incêndios, atendendo chamados e entregando integrações. Quando surge a ideia de redesenhar a experiência, a pergunta inevitável aparece: quem vai fazer isso, se todo mundo já está ocupado?
Esse tipo de situação ajuda a entender por que muitos projetos de modernização ficam parados. Se esse assunto está no seu radar, vale ler também sobre automação e IA para modernizar sistemas legados, que mostra outros caminhos para destravar esse tipo de iniciativa.
Padronizar antes de automatizar
A lógica do projeto cabe numa frase: primeiro você organiza o trabalho, depois deixa a máquina repetir. Parece óbvio. Mas é justamente a etapa que muita gente tenta pular quando se empolga com uma ferramenta nova. Conforme descrito pelo ITWeb, a Keyrus dividiu o caminho em três fases.
- Etapa manual: as primeiras telas foram feitas à mão no Figma, de forma deliberada. O time definiu como componentes, layouts e a experiência deveriam se comportar na web e registrou cada decisão em arquivos Markdown, cobrindo cor, tipografia, espaçamento, ícones e até a forma de resolver conflitos entre fontes de referência.
- Etapa com prompts: esses arquivos foram carregados no Claude Projects como conhecimento permanente. Com o servidor MCP do Figma, o Claude passou a criar telas direto na ferramenta, sempre no mesmo padrão, sem que alguém precisasse repetir as regras a cada pedido.
- Etapa com skills personalizadas: com o Claude Code e skills feitas sob medida, cada tela antiga ganhou um caminho até a nova versão. A partir daí, prompts curtos passaram a gerar telas com a mesma qualidade.
Cada ferramenta tinha um papel claro. O Figma era o destino final dos designs, então fazia sentido construir tudo lá, sem etapas de conversão no meio. Os arquivos Markdown eram texto simples, que pessoas e modelo conseguiam ler e aprimorar conforme o sistema amadurecia.
Esse ponto merece atenção. Um documento de regras escrito em texto puro funciona como um manual vivo. Imagine um time que percebe, depois de algumas telas, que os botões secundários estão ficando parecidos demais com os principais. Basta ajustar a regra no arquivo, e as próximas telas geradas já saem corrigidas. A decisão fica registrada para todo mundo, inclusive para quem chegar ao projeto depois.
E tem um detalhe que faz toda a diferença: cada tela passou por revisão manual. A equipe conferia o resultado contra os princípios de design para garantir que nenhum botão ou função ficasse para trás. O resultado gerado nunca foi aceito sem conferência.
Os números que o ITWeb destacou
Segundo o veículo, a produção passou de quatro ou cinco telas por sprint de duas semanas para cerca de 16. Isso equivale a algo perto de 3,5 vezes o ritmo do trabalho manual. Num projeto com mais de 200 telas, esse ganho pesa bastante no cronograma.
Outro dado chama atenção. O número de pessoas contribuindo com o design subiu de uma para três, e nenhuma delas deixou de lado o trabalho principal de desenvolvimento. Com isso, integrações e outros prazos seguiram protegidos. De acordo com a reportagem, todas as telas seguiram um único padrão documentado, passaram por revisão e tiveram cada botão e função de origem confirmados.
Na matéria, Jordon Pillay, engenheiro de dados da Keyrus, resume a ideia dizendo que o time registrou as regras primeiro e só depois deixou a IA aplicá-las, e que foram os padrões que deram confiabilidade e repetição à automação. Joos Nieuwoudt, chefe de desenvolvimento de software da Platinum Health, afirma ao ITWeb que a abordagem foi concebida dentro da própria empresa e que a Keyrus ajudou a colocá-la em prática. Segundo ele, isso eliminou cedo uma dependência crítica sem tirar desenvolvedores das entregas já assumidas.
O que esse caso ensina para empresas brasileiras
Design system vem antes da ferramenta
A primeira lição é que UX design com inteligência artificial rende mais quando existe um design system claro por trás. Sem regras definidas, a IA tende a gerar telas que até ficam bonitas, mas diferentes entre si. Com regras, ela passa a funcionar como um assistente que segue o manual.
Documentar ajuda pessoas e máquinas
A segunda lição é sobre documentação. Escrever decisões em texto simples, sem formato complicado, serve para gente e para modelo ao mesmo tempo. Quem entra no time entende o porquê das escolhas. O modelo ganha um guia concreto. É um hábito que exige disciplina, mas costuma se pagar ao longo do projeto.
O olhar humano continua sendo o filtro
A terceira lição é que a revisão humana segue sendo o controle de qualidade. A IA acelera a produção, mas alguém precisa olhar tela por tela e conferir se o que importa continua lá. Se você quer entender como essa relação entre profissionais e ferramentas vem sendo construída, o texto sobre inteligência artificial e UX design no estágio da VCU traz uma perspectiva interessante.
E por onde começar a modernização de interfaces? Um caminho sensato é fazer um inventário das telas existentes, definir as regras básicas de cor, tipografia, espaçamento e componentes e rodar um piloto com prazo real. Imagine uma empresa de logística com um sistema interno antigo. Ela poderia escolher um módulo pequeno, como o de cadastro de entregas, desenhar à mão as primeiras telas, documentar cada decisão e só então testar a automação no restante. Se o piloto revelar falhas nas regras, o custo de corrigir ainda é baixo.
Cuidados antes de copiar a receita
Um ponto precisa ficar claro: o conteúdo saiu no ITWeb como material divulgado pela própria Keyrus. Isso não invalida os resultados, mas pede leitura crítica. Os números vêm de quem prestou o serviço, e o texto não traz detalhes sobre custos nem sobre os tropeços do caminho.
O maior risco para quem tenta replicar é pular a padronização. Sem regras sólidas, a velocidade da IA também acelera as inconsistências. Em vez de um conjunto coeso de telas, você pode acabar com dezenas de variações pequenas que depois exigem retrabalho. Para entender como ferramentas que aceleram entregas podem ajudar ou atrapalhar, o artigo sobre inteligência artificial e low-code reinventando empresas complementa bem essa reflexão.
Acessibilidade e pesquisa com usuários também não podem ficar de fora. A matéria não menciona testes com quem usa o sistema no dia a dia, e essa é uma etapa que qualquer projeto sério deveria incluir. Contraste adequado, compatibilidade com leitores de tela e navegação por teclado podem entrar nas regras desde o primeiro arquivo. Assim, a IA já aplica esses cuidados em todas as telas, em vez de deixá-los para o fim.
Ouvir as pessoas que vão usar o sistema continua insubstituível. Uma tela pode seguir o padrão à risca e, mesmo assim, confundir quem precisa dela todos os dias.
No fim, a IA aplicou as regras, mas foram as pessoas que criaram essas regras. Se o seu sistema antigo está pedindo uma cara nova, comece documentando o seu padrão visual antes de escolher qualquer ferramenta. E, se quiser se aprofundar, continue explorando aqui no Método Viral nossos conteúdos sobre design system, Figma e IA aplicada a produto.
