Cases 02 — Setor Público & IA
Fazer o cidadão encontrar o serviço público certo digitando do jeito que ele pensa — não do jeito que o governo nomeia. Como único UX designer da frente de busca, sob escopo em movimento e uma IA que eu não controlava.
O cidadão digitava do jeito que pensava, e o portal só respondia ao nome técnico do serviço. A lacuna entre os dois virava abandono da jornada digital — e sobrecarga dos canais humanos, com WhatsApp e atendimento presencial resolvendo o que uma boa busca deveria resolver sozinha.
O cliente é uma agência estadual que centraliza dezenas de serviços públicos — identidade, licenciamento de veículo, agendamentos de saúde. O portal já existia havia anos e não seria redesenhado: a busca precisava entrar como um componente, sem tocar na arquitetura principal.
Entrei no kick-off como único UX designer da frente de busca, numa consultoria de setor público. Descoberta total — sem pesquisa prévia, sem wireframe — com três entregas em paralelo e poucas semanas de prazo: requisitos de UX, protótipo de UI e a apresentação para stakeholders numa sessão de Discovery.
Duas restrições moldaram cada decisão: eu não controlava o conteúdo das respostas de IA — vinham prontas de um motor de terceiro, eu desenhava só a apresentação — e a base de conteúdo era instável, atualizada dezenas de vezes por dia.
Era um problema semântico. Quem digitava “fazer meu documento novo” não encontrava nada, porque o sistema esperava o nome oficial do serviço. A pessoa pensa na necessidade; o portal só entendia a nomenclatura institucional.
A busca falhava justamente com quem mais precisava dela.
Cada busca frustrada empurrava a pessoa de volta para os canais humanos — WhatsApp, atendimento presencial — para tirar dúvidas que um buscador bem desenhado resolveria sozinho. Jornada digital abandonada de um lado, canais caros sobrecarregados do outro.
Em escala, é custo recorrente e gargalo de atendimento.
Minha hipótese inicial: a IA conversacional deveria ser ativada sob demanda, só quando a busca padrão falhasse. Essa hipótese não sobreviveu ao projeto.
Sem pesquisa prévia e sem tempo para estudo com usuários, priorizei dois métodos que davam sinal rápido e confiável.
Avaliei a busca existente pelas heurísticas de Nielsen e documentei doze problemas ordenados por severidade — a régua que definiu o que atacar primeiro.
Analisei produtos de busca com IA já consolidados no mercado, para mapear padrões de interação que os cidadãos já conheciam de fora do governo — e não precisariam reaprender dentro dele.
Os três achados de maior severidade apontavam para a mesma raiz:
A busca casava a palavra-chave literal e ignorava sinônimos do dia a dia. Quem digitava “RG” não encontrava nada sobre o documento de identidade atual — mesmo sendo o mesmo serviço.
Os resultados vinham como títulos truncados, sem resumo nem hierarquia. O cidadão tinha que abrir link por link só para descobrir do que cada um tratava.
Nenhum sinal de progresso durante a consulta. A pessoa não sabia se o sistema estava processando ou simplesmente travado.
A nomenclatura institucional e a ausência de um modo conversacional vinham logo depois, como gaps de severidade alta — mas eram mais sintoma do que causa raiz:
Isso confirmou que o ganho real não estava em melhorar a lista de resultados, e sim em ensinar o sistema a interpretar intenção e sinônimos antes de qualquer outra coisa.
No meio do sprint o escopo virou: a diretriz de negócio passou a pedir o modo IA automático, junto dos resultados — não mais o botão sob demanda que minha pesquisa recomendava. Considerei três formatos.
fig. 01 — três formatos avaliados, com o bloco no topo selecionado
O critério que pesou mais não foi usabilidade pura — foi reconciliar a nova diretriz com o risco que minha própria pesquisa tinha levantado: cansar quem já resolvia rápido com uma palavra-chave certeira. Resolvi em camadas.
Um resumo compacto sempre visível, sem forçar conversa — e um botão explícito para quem quisesse expandir ao modo conversacional completo. Mostrar automaticamente, mas em camadas.
A resposta ao problema semântico virou tela: uma camada que mostra o que o sistema entendeu antes de mostrar o que ele encontrou.
fig. 02 — o resumo da IA no topo e a lista de serviços retornada abaixo
Quando o cidadão digita “RG” e o serviço oficial passou a se chamar “CIN” — e nem todo mundo sabe que são a mesma coisa —, eu podia esconder essa tradução e mostrar só o resultado, ou deixar visível o que o sistema entendeu. Optei por deixar visível: a própria resposta do Modo IA nomeia a inferência — “CIN, o nome atual do RG” — em vez de trocar o termo por baixo dos panos.
O contra que aceitei foi uma resposta um pouco mais longa. Mas era o único jeito de não transformar um erro de interpretação num beco sem saída: se o sistema entender errado, o cidadão percebe pela própria resposta e reformula a busca — em vez de encarar uma tela que decidiu por ele sem avisar.
O protótipo que entreguei foi o material usado na sessão formal de Discovery e virou parte da base do que foi levado ao time de arquitetura para especificação técnica.
Com o produto já em produção, um relatório de observabilidade recente trouxe os primeiros números reais de uso.
O terceiro número é o que mais me interessa: é exatamente o problema que apontei na auditoria — ambiguidade de linguagem — só que deixou de ser hipótese e virou métrica rastreável, com baseline para medir a evolução. A pesquisa do começo fechou o ciclo virando indicador de produto.
O que mais ficou comigo foi a virada de escopo no meio do sprint. Levei três rodadas de refinamento até achar um formato que não traísse nem a pesquisa original nem a nova diretriz de negócio.
O resultado — mostrar automaticamente, mas em camadas, com expansão opcional — funcionou, e curiosamente é o caminho que a versão seguinte do produto formalizou. Na hora, porém, esse racional ficou mais nas minhas anotações do que registrado no material que entreguei.
Se pudesse revisitar, documentaria essa lógica de forma explícita desde a primeira entrega. Hoje ela é, sem querer, a evidência mais forte que tenho do meu próprio raciocínio de design nesse projeto.
Figma · auditoria heurística (Nielsen) · benchmarking · design de busca com IA · arquitetura de informação · design de estados de erro · design sob restrição de conteúdo de terceiros