Uma equipe de design se reúne para entender os usuários de um novo aplicativo. Na tela, em vez de pessoas, aparecem agentes de IA com nomes, perfis e personalidades simuladas.
Um deles “é” uma mãe solo que usa transporte público.
Outro “é” um idoso com dificuldade para lidar com tecnologia.
Um terceiro “é” um jovem ansioso por produtividade.
Eles conversam entre si, discordam, opinam, criticam telas, sugerem melhorias.

Ao final, alguém diz:
“Pronto. Fizemos uma pesquisa com usuários”.

Não. Não fizemos.

Agentes podem ajudar a pensar melhor uma pesquisa. Mas não devem ocupar o lugar de quem vive a experiência.

Fizemos uma simulação. Talvez útil. Talvez interessante. Talvez até provocadora. Mas não uma pesquisa com usuários reais.

Essa distinção é mais do que preciosismo acadêmico. Ela toca no coração do processo de design, especialmente quando falamos de UX, HCI e Design Centrado no Usuário. A tendência de usar “aquários de agentes” — grupos de agentes de IA simulando conversas, entrevistas ou focus groups — pode ser uma ferramenta poderosa de apoio. O problema começa quando ela é vendida ou adotada como substituta da pesquisa qualitativa com pessoas reais, em contextos reais, enfrentando problemas reais.

A tese aqui é simples:
Agentes podem gerar hipóteses, mas não produzem dado empírico sobre usuários reais. Eles ajudam a preparar o terreno. Mas não pisam no terreno.

O que é dado empírico, afinal?

Dado empírico é informação produzida a partir da observação, interação ou registro de fenômenos no mundo real.

Em pesquisa com usuários, isso pode aparecer de várias formas: uma entrevista com uma pessoa real; a observação de alguém tentando realizar uma tarefa; um teste de usabilidade; um diário de uso; uma gravação de sessão; anotações de campo; respostas abertas de participantes; comportamentos inesperados durante o uso de um produto; dificuldades que aparecem quando a solução encontra o cotidiano.

O ponto central é:
O dado empírico nasce do contato com a experiência vivida.

Ele não precisa ser perfeito. Nenhum dado é puro, neutro ou livre de interpretação. A própria etnografia, a pesquisa qualitativa e a tradição de HCI já nos ensinaram que observar pessoas envolve contexto, mediação, recorte e interpretação. Autores como Lucy Suchman chamaram atenção para a ação situada: aquilo que as pessoas fazem não pode ser plenamente compreendido fora das circunstâncias concretas em que a ação acontece.

Mas mesmo quando interpretamos, analisamos e organizamos os dados, ainda há uma diferença fundamental entre observar uma pessoa lidando com uma situação concreta e pedir que um modelo de IA imagine como essa pessoa talvez se comportaria.

Um agente pode dizer:
“eu teria dificuldade em encontrar o botão”. Um usuário real pode passar três minutos procurando o botão, hesitar, rir sem graça, pedir desculpa, clicar em outro lugar, desistir, dizer que entendeu quando não entendeu, ou revelar que o verdadeiro problema nem era o botão.

É aí que mora a pesquisa.

Simulação não é observação

Uma boa simulação pode ser útil. Um mapa pode orientar. Um ensaio pode preparar. Uma maquete pode antecipar problemas. Mas mapa não é território. Ensaio não é apresentação. Simulação de chuva não molha.

Quando usamos agentes para simular usuários, estamos lidando com uma representação construída a partir de dados, instruções, probabilidades e padrões linguísticos. O agente não está cansado depois de um dia de trabalho. Não tem medo de errar diante do pesquisador. Não está usando um celular com tela quebrada. Não está dividido entre responder à entrevista e cuidar de uma criança. Não depende daquele serviço para resolver uma questão urgente da vida.

Isso afeta diretamente a validade ecológica da pesquisa. Em termos simples, validade ecológica diz respeito ao quanto uma situação de pesquisa se aproxima das condições reais em que o comportamento acontece. Um teste em laboratório pode ter limitações. Uma entrevista remota pode ter limitações. Um focus group tradicional também pode ter limitações. Mas todos ainda envolvem pessoas reais, com repertórios, contradições, histórias e contextos próprios.

No caso dos agentes, existe outro problema: a rastreabilidade. Quando uma pessoa real faz uma afirmação, podemos registrar quem disse, em que contexto, diante de qual estímulo, com qual tarefa, em qual momento da sessão. Podemos comparar falas, comportamentos e evidências. Podemos voltar ao material bruto. Podemos discutir a interpretação.

Já uma resposta de agente é resultado de um modelo, de um prompt, de uma configuração, de uma base de treinamento opaca e de escolhas feitas por quem escreveu a instrução. Mesmo quando o sistema parece sofisticado, a pergunta metodológica permanece: isso é evidência sobre o usuário ou é uma projeção plausível sobre o usuário?

Há ainda a questão da surpresa genuína. Pesquisas boas frequentemente nos desobedecem. Elas desmontam premissas. Mostram que o problema era outro. Revelam usos improvisados. Expõem gambiarras. Contrariam a expectativa do designer, do gestor e do próprio pesquisador. Donald Norman insistiu, ao longo de sua obra, que sistemas precisam ser compreendidos a partir da relação entre pessoas, tarefas, ambiente e artefatos. Jakob Nielsen, ao popularizar métodos de usabilidade, também reforçou a importância de observar usuários realizando tarefas.

Agentes podem simular objeções. Mas usuários reais podem nos surpreender de formas que não estavam no prompt.

O viés não desaparece. Ele muda de lugar

Um argumento comum em defesa dos agentes é que usuários reais também são enviesados. Sim, são. Pesquisadores também. Amostras também. Entrevistas também. Focus groups, inclusive, são cheios de problemas: influência social, participantes dominantes, desejo de agradar, respostas performáticas.

Mas reconhecer os limites da pesquisa qualitativa não autoriza substituí-la por uma encenação algorítmica sem o mesmo tipo de lastro empírico.

Com agentes, o viés não desaparece. Ele muda de lugar.

Ele entra pelo prompt. Pela escolha dos perfis. Pela forma como descrevemos “usuário idoso”, “mãe solo”, “jovem gamer”, “pessoa de baixa renda”, “cliente premium”. Entra pelos dados que treinaram o modelo, pelas lacunas culturais, pelos estereótipos, pelas categorias que parecem neutras, mas não são.

Se eu peço a um agente para simular “um usuário brasileiro de baixa renda com dificuldade tecnológica”, posso receber uma resposta coerente, bem escrita e convincente. Mas coerência textual não é evidência. Plausibilidade não é verdade. Uma persona sintética pode soar verossímil e, ainda assim, reforçar um estereótipo.

A responsabilidade metodológica exige que a equipe saiba dizer de onde veio cada afirmação importante. Se uma decisão de projeto foi tomada porque “os agentes disseram”, temos um problema. O mais honesto seria dizer: “geramos hipóteses com agentes e depois precisamos investigar isso com pessoas reais”.

Onde os agentes ajudam de verdade?

Nada disso significa descartar os agentes. Pelo contrário. Eles podem ser excelentes ferramentas auxiliares.

Agentes podem ajudar uma equipe a levantar hipóteses antes de ir a campo. Podem sugerir perguntas para entrevistas. Podem organizar possíveis objeções. Podem simular discussões internas entre áreas de negócio, tecnologia, atendimento e design. Podem fazer um pré-mortem: “de que formas este produto pode fracassar?”. Podem ajudar a revisar um roteiro de pesquisa, apontando perguntas enviesadas, confusas ou indutivas.

Também podem ser úteis para brainstorming. Uma equipe pode pedir que diferentes agentes assumam perspectivas argumentativas: um defensor da acessibilidade, um gestor preocupado com custo, um usuário iniciante hipotético, uma pessoa cética quanto ao produto. Isso não substitui usuários. Mas pode melhorar a qualidade da preparação antes do contato com usuários.

IDEO, Design Thinking e tradições de projeto centrado no humano sempre valorizaram ciclos de exploração, prototipagem, teste e aprendizado. Agentes podem entrar nesse ciclo como ferramenta de preparação e reflexão. O erro é confundir preparação com validação.

Três exemplos hipotéticos de mau uso

1. Validar uma interface bancária apenas com agentes

Imagine uma fintech que usa agentes para simular idosos avaliando um novo fluxo de pagamento. Os agentes dizem que o processo está claro. A equipe lança a funcionalidade. Depois percebe que usuários reais se confundem com termos técnicos, têm medo de confirmar transações e abandonam o fluxo por insegurança.

Consequência:
a empresa economizou na pesquisa, mas pagou em retrabalho, suporte e perda de confiança.

2. Criar uma solução de saúde baseada em personas sintéticas

Uma equipe desenvolve um aplicativo para acompanhamento pré-natal e usa agentes para representar gestantes de diferentes perfis sociais. As respostas parecem ricas. Mas ninguém conversa com gestantes reais, profissionais de saúde ou pessoas que enfrentam barreiras concretas de acesso.

Consequência:
o produto pode parecer sensível no discurso, mas falhar em situações críticas de uso, linguagem, privacidade e confiança.

3. Substituir pesquisa de campo por “focus group sintético” em serviço público

Uma prefeitura quer redesenhar um serviço digital. Em vez de observar cidadãos usando o sistema, simula perfis com agentes. Os agentes reclamam de pontos previsíveis: linguagem difícil, excesso de etapas, falta de clareza. Tudo verdadeiro, mas incompleto.

Consequência:
a equipe perde o que só o campo mostraria: documentos que as pessoas não têm, intermediários que ajudam no processo, medo de errar, dependência de lan houses, uso compartilhado de celular, deslocamentos físicos que continuam existindo apesar do serviço ser “digital”.

Três exemplos hipotéticos de bom uso

1. Preparar um roteiro de entrevista

Antes de falar com usuários reais, a equipe pede a agentes que critiquem o roteiro. Eles apontam perguntas tendenciosas, termos técnicos e lacunas. A equipe melhora o instrumento e depois conduz entrevistas reais.

Aqui, o agente não substitui a pesquisa. Ele melhora a pesquisa.

2. Gerar hipóteses para investigação

Uma equipe quer entender por que usuários abandonam um cadastro. Agentes simulam possíveis razões: falta de confiança, campos excessivos, medo de compartilhar dados, linguagem confusa. Essas hipóteses viram perguntas e tarefas em um teste com usuários reais.

Aqui, o agente ajuda a ampliar o olhar inicial.

3. Fazer pré-mortem de uma solução

Antes de testar um protótipo, a equipe pede que agentes assumam papéis críticos: atendimento, jurídico, usuário iniciante, pessoa com deficiência visual, gestor de produto. Eles levantam riscos. A equipe ajusta o protótipo e define o que observar com participantes reais.

Aqui, o agente funciona como ferramenta de antecipação, não de conclusão.

Um acordo de paz metodológico(?)

Em vez de tratar agentes como ameaça ou salvação, podemos propor um acordo de paz metodológico.

Agentes entram como pré-pesquisa. Usuários reais entram como descoberta, validação e aprofundamento.

Um workflow híbrido possível seria:

1. Exploração inicial com agentes
   Entregáveis: lista de hipóteses, riscos, perguntas preliminares, possíveis perfis de usuários, dúvidas da equipe.
2. Revisão crítica das hipóteses
   Entregáveis: mapa do que é suposição, do que já tem evidência e do que precisa ser investigado.
3. Planejamento da pesquisa com pessoas reais:
   Entregáveis: roteiro de entrevista, plano de recrutamento, critérios de participantes, tarefas de teste, termos de consentimento quando aplicável.
4. Pesquisa Empírica
   Entregáveis: gravações, notas de campo, transcrições, achados, evidências, padrões e exceções.
5. Síntese e confronto
   Entregáveis: matriz comparando hipóteses dos agentes com achados reais. O que se confirmou? O que caiu? O que ninguém previu?
6. Decisão de projeto
   Entregáveis: recomendações priorizadas, critérios de decisão, backlog de melhorias, novas perguntas de pesquisa.

Esse fluxo reconhece o valor da IA sem entregar a ela uma autoridade que ela não tem.

Checklist do bom senso

Antes de decidir usar apenas agentes, pergunte:

1. A decisão de projeto afeta pessoas reais em situações importantes da vida?
2. O contexto de uso envolve risco, vulnerabilidade, urgência ou constrangimento?
3. Há diferenças culturais, sociais, econômicas ou regionais relevantes?
4. O comportamento do usuário importa tanto quanto sua opinião declarada?
5. A equipe precisa observar hesitação, erro, improviso ou abandono?
6. Existem suposições fortes demais sobre quem é o usuário?
7. A solução depende de confiança, linguagem, acessibilidade ou privacidade?
8. Você conseguiria explicar de onde veio cada evidência usada na decisão?
9. O agente está ajudando a formular perguntas ou está sendo tratado como respondente?
10. Se a solução falhar, você conseguiria defender metodologicamente a ausência de usuários reais?

Se muitas respostas apontarem para incerteza, risco ou contexto, fale com pessoas reais. Use agentes para chegar melhor preparado a essa conversa.

Não terceirize seu compromisso com o real

A inteligência artificial pode ser uma grande aliada do design. Pode acelerar preparação, ampliar repertório, tensionar ideias, organizar hipóteses e melhorar instrumentos de pesquisa. Mas ela não deve servir como álibi para evitar o encontro com o mundo.

Design não acontece apenas no plano da plausibilidade. Acontece quando uma proposta encontra corpos, rotinas, medos, desejos, limitações, ambientes, instituições, telas pequenas, conexões ruins, vocabulários locais e vidas concretas.

Agentes podem nos ajudar a imaginar. Usuários reais nos ajudam a descobrir.

E essa diferença importa.

Porque, no fim das contas, a tarefa do design não é produzir respostas convincentes em uma conversa simulada. É construir soluções responsáveis em contato com a realidade.

Não terceirize seu compromisso com o real.

Se, no início, as pautas eram progressistas, a insatisfação popular foi rapidamente capturada por setores conservadores e grupos de direita, que passaram a pautar o discurso público. Foi o primeiro sinal da crise política que desembocaria no impeachment de Dilma Rousseff em 2016.

Com a economia em desaceleração e uma Lava Jato que mirava seletivamente o Partido dos Trabalhadores, o governo Dilma se tornou um alvo vulnerável. A articulação do impeachment, conduzida por Eduardo Cunha na Câmara dos Deputados, utilizou como justificativa as chamadas “pedaladas fiscais”, uma prática administrativa comum e sem evidências de crime de responsabilidade.

O processo, que seguiu um roteiro formalmente legal, foi na realidade um golpe parlamentar com amplo apoio do empresariado, da mídia tradicional e de setores do judiciário.

Com Michel Temer no poder, iniciou-se uma agenda neoliberal agressiva. A PEC do Teto de Gastos congelou investimentos em saúde e educação por 20 anos, e a reforma trabalhista fragilizou direitos dos trabalhadores.

Esse período serviu para enfraquecer ainda mais a esquerda e abrir caminho para o fortalecimento de um discurso antipetista radical, pavimentando a ascensão de Jair Bolsonaro em 2018.

A eleição de Bolsonaro foi a consolidação de um processo iniciado em 2013 e acelerado pelo golpe de 2016. A direita, agora reorganizada em torno de um projeto autoritário e de extrema-direita, encontrou na figura do ex-capitão [expulso do exército] um representante ideal. Com o discurso de combate à corrupção, fortalecido pela atuação parcial da Lava Jato, Bolsonaro conquistou a presidência e iniciou um governo marcado pelo ataque às instituições democráticas, ao meio ambiente e aos direitos sociais.

O golpe de 2016 não foi apenas um evento isolado, mas uma ruptura institucional que reconfigurou o Brasil politicamente. Marcos civilizatórios foram abalados…

Ao permitir a destituição de uma presidente sem crime de responsabilidade, criou-se um precedente perigoso para a democracia brasileira. As consequências foram sentidas nos anos seguintes, com o desmonte de políticas públicas, a radicalização do debate político e a ascensão de uma extrema-direita que segue influente no país.

O governo Bolsonaro (2019-2022) teve um impacto significativo em diversas políticas públicas, especialmente nas áreas sociais, ambientais e de direitos humanos.

Aqui listo de cabeça algumas das principais políticas afetadas:

1. Saúde e Educação

   • Desmonte do SUS: Redução do orçamento da saúde, falta de coordenação na pandemia de COVID-19 e enfraquecimento do Programa Mais Médicos.
   • Negacionismo na pandemia: Atraso na compra de vacinas, promoção de tratamentos ineficazes (cloroquina) e desprezo por medidas preventivas.
   • Cortes na Educação: Redução do orçamento de universidades e institutos federais, bloqueio de verbas para a educação básica e tentativas de censura ideológica em escolas e universidades.

2. Direitos Sociais e Trabalhistas

   • Enfraquecimento de políticas de combate à pobreza: O governo reduziu investimentos em programas sociais e extinguiu o Bolsa Família, substituindo-o pelo Auxílio Brasil sem garantir sua sustentabilidade a longo prazo
   • Flexibilização das leis trabalhistas: O governo reduziu direitos trabalhistas, incentivou a precarização do trabalho via “Carteira Verde e Amarela” (tentativa frustrada) e dificultou a fiscalização de condições de trabalho análogas à escravidão.

3. Meio Ambiente e Políticas Indígenas

   • Aumento do desmatamento e queimadas: O governo enfraqueceu órgãos de fiscalização como IBAMA e ICMBio, facilitando a ação de garimpeiros e grileiros na Amazônia.
   • Desmonte das políticas climáticas: Redução do orçamento para monitoramento ambiental e recusa de compromissos internacionais para reduzir o desmatamento.
   • Ataques a terras indígenas: Incentivo ao garimpo ilegal, paralisação da demarcação de terras e cortes na FUNAI, aumentando a violência contra povos indígenas.

4. Cultura e Comunicação

   • Censura e desmonte de órgãos culturais: O governo atacou a Ancine, reduziu o financiamento para produções culturais e desmontou instituições como a Cinemateca Brasileira.
   • Guerra contra a imprensa: Bolsonaro promoveu ataques sistemáticos à imprensa, descredibilizando jornalistas e veículos de comunicação tradicionais.

Eternamente, o desafio sempre será compreender as lições desse período e construir caminhos e estratégias param evitar que tudo isto se repita, além do esforço para reconstrução democrática, combatendo os efeitos desse golpe que ainda reverberam na sociedade brasileira.

A ideia é simples de explicar e perigosa de subestimar: você roda o agente no seu próprio computador/servidor (self-hosted) e dá a ele permissões e integrações para atuar no mundo real: e-mail, agenda, redes sociais, automações, etc.

Do que se trata, afinal?

O OpenClaw se vende como “a IA que realmente faz coisas”: em vez de só sugerir um texto de e-mail, ele pode enviar o e-mail; em vez de só dizer “agende”, ele pode agendar; e por aí vai — geralmente a partir de uma ferramenta de chat que você já usa no dia a dia (ex: whatsapp), com o agente rodando “por trás” como um serviço contínuo.

Essa virada “agentiva” é o que torna o OpenClaw tão interessante: ele não é apenas um chatbot; ele é um operador (com credenciais). E é justamente aí que mora o encanto… e o risco.

O que dá pra fazer com isso (possibilidades reais)

A promessa do OpenClaw é virar uma espécie de mordomo digital:

• Gerenciar e-mail e agenda (limpar inbox, responder/enviar mensagens, marcar compromissos, etc.).
• Executar tarefas recorrentes (rotinas, lembretes, checagens, pequenas automações, etc.)
• Operar as redes sociais: você fala com ele num app de chat (whatsapp, telegram, etc), ele faz o trabalho em serviços conectados.

E como o projeto ficou viral, também começou a aparecer em contextos “profissionais”, com gente falando em “AI employee” e integrações corporativas — o que amplia ainda mais o impacto (e a superfície de exposição).

Jeitos de colocar pra funcionar (do “nerd raiz” ao “clique-e-roda”)

Aqui a coisa se divide em três caminhos mais comuns:

1. Rodar localmente (no seu PC / em hardware dedicado);

   O “self-hosted clássico”: você instala e roda na sua máquina (ou num mini PC / servidor doméstico). A vantagem é controle e privacidade em tese; a desvantagem é manutenção, updates, e a tentação de “abrir uma porta” pra acessar de fora.

   O próprio projeto se posiciona como algo “pra rodar nos seus dispositivos”.

2. Rodar num servidor/VPS (24/7)

   Muita gente prefere VPS porque fica sempre ligado. Existem guias de “quickstart” bem diretos (ex.: DigitalOcean) ensinando a subir e configurar em um VPS.

   O lado bom: uptime e praticidade.

   O lado ruim: se você errar uma configuração e expor painel/porta, vira vitrine. E uma baita dor de cabeça.

3. Rodar em plataforma gerenciada (Cloudflare / “Moltworker”)
4. A Cloudflare publicou o Moltworker como uma forma de rodar o (na época) Moltbot usando a plataforma deles, evitando comprar hardware dedicado — uma abordagem mais “plataforma”, que pode facilitar deploy (e, dependendo de como você faz, reduzir certas dores).

Agora a parte séria: riscos e preocupações de segurança (tudo o que esse troço traz no pacote)

Vou ser bem direto: agente que faz coisas precisa de poder.

“Poder”, em Tecnologia da Informação, costuma significar users, passwords, credenciais, tokens, sessões, chaves, permissões, acesso ao navegador, acesso a apps. Isso cria um conjunto de riscos bem concreto:

1. Painéis expostos e instâncias abertas na internet.

   Relatórios recentes apontam milhares (ou mais) de instâncias acessíveis publicamente, com painéis/serviços mal configurados — abrindo caminho para sequestro de sessão, vazamento de dados e takeover.

2. Vazamento de credenciais, chaves e dados pessoais.

   Quando o agente integra serviços, ele passa a lidar com segredos (API keys, OAuth tokens, etc.). Incidentes associados ao ecossistema (como o Moltbook) viraram exemplo de como uma configuração errada pode expor chaves e dados de usuários.

3. Prompt injection e “ataques por conversa”.

   Agentes que leem conteúdo externo (web, mensagens, posts) podem ser manipulados por instruções escondidas (“faça X, exfiltre Y…”) — o famoso prompt injection, que fica ainda mais perigoso quando o agente tem permissão pra agir. Esse tipo de alerta aparece com força em análises de segurança recentes.

4. “Shadow AI” e o pesadelo de identidade/permissões.

   Em ambiente de trabalho, um agente pode virar um “ator invisível” com privilégios demais: ele herda acesso do usuário, encontra chaves locais, mexe em código, abre tickets, manda mensagem — tudo rápido e em escala. Algumas leituras do campo de identity security já tratam isso como um novo tipo de superfície de ataque.

5. O risco mais comum é o mais bobo: preguiça + pressa.

   Quase sempre o problema não é “a IA ficou malvada”. É: porta exposta, senha fraca, painel sem autenticação, tokens em texto puro, logs com dados sensíveis, permissão ampla demais.

   Inclusive houve até alertas governamentais (como na China) recomendando auditoria, verificação de identidade e reforço de controles ao implantar o OpenClaw.

Fechando: eu tenho interesse… mas também tenho preguiça! (nerd fatigue é real)

Eu confesso: acho o assunto fascinante. A ideia de um assistente rodando “do meu lado”, automatizando tarefas chatas, é o tipo de futuro que sempre pareceu que estava a dois passos de acontecer. Mas agora está já tudo por aqui.

Mas também confesso a outra parte: a vontade de testar é grande, porém a preguiça de mais uma empreitada nerd é maior. Porque eu sei como esse filme começa:

“Vou só instalar rapidinho.”
20 abas abertas.
Token pra cá, Docker pra lá, porta exposta sem querer, 3 noites de ajuste fino, e eu de repente administrando um mini data center emocional.

Já passei por esta cilada antes e… não!

Quero testar em algum momento — com calma, e com paranoia de segurança. Até lá, eu observo o hype com uma sobrancelha levantada e a outra mão segurando firme minhas credenciais.

Notícias recentes sobre estas questões:

• China warns of security risks linked to OpenClaw open-source AI agent;
• Security concerns and skepticism are bursting the bubble of Moltbook, the viral AI social forum;
• China’s tech giants are opening their doors to OpenClaw. The Chinese internet is lapping it up.

Ó lá…

Por esse motivo, a experiência do usuário não pertence exclusivamente ao design digital. Ela atravessa diversas áreas do design: design de produto, design gráfico, design de moda, design de ambientes, design de serviços, design de interação, design editorial, design instrucional, entre outras. Sempre que alguém usa, interpreta, manipula, veste, percorre, lê, acessa, compra, solicita ou experimenta algo, há uma experiência em curso. Essa experiência pode ser positiva, negativa, fluida, frustrante, memorável, indiferente, funcional, afetiva, simbólica ou social.

No entanto, no campo contemporâneo do design, especialmente a partir da expansão dos produtos digitais, dos serviços digitais e das plataformas interativas, a sigla UX, derivada de User Experience, passou a nomear também um campo profissional, metodológico e projetual específico. Nesse uso mais restrito, UX não significa apenas “a experiência que o usuário tem”, mas um conjunto de práticas voltadas a compreender usuários, mapear jornadas, estruturar interações, organizar informações, prototipar soluções, testar interfaces, avaliar usabilidade e melhorar a relação entre pessoas, sistemas e serviços.

Assim, é importante diferenciar dois níveis de entendimento. Em sentido amplo, experiência do usuário é algo que sempre acontece quando uma pessoa se relaciona com um artefato, serviço ou sistema. Em sentido mais específico, UX é uma área de atuação que busca estudar, projetar e qualificar essa experiência, especialmente em contextos nos quais há interação com interfaces, plataformas, produtos digitais, sistemas informacionais ou serviços complexos.

Essa distinção ajuda a evitar uma confusão frequente: a ideia de que toda preocupação com a experiência de uma pessoa seja automaticamente “UX Design” no sentido profissional estrito. Um designer de produto que projeta uma cadeira mais confortável está certamente lidando com a experiência do usuário, mas isso não significa, necessariamente, que esteja atuando no campo de UX como ele se consolidou no mercado digital. Da mesma forma, um designer gráfico que pensa a legibilidade de um cartaz, a hierarquia de informação de um folder ou a clareza de uma sinalização também está impactando a experiência do usuário, mas não necessariamente está desenvolvendo um projeto de UX Design.

Por outro lado, um profissional de UX que projeta a jornada de contratação de um serviço bancário, testa a interface de um aplicativo de saúde ou reorganiza o fluxo de navegação de uma plataforma educacional está trabalhando diretamente com a experiência do usuário em um campo especializado, que combina fundamentos do design, da interação humano-computador, da arquitetura da informação, da pesquisa com usuários, da usabilidade, da acessibilidade e do design de serviços.

Uma analogia simples pode ajudar. Saúde é uma condição ampla da vida humana, mas medicina é um campo profissional especializado que estuda, diagnostica e intervém sobre essa condição. Da mesma forma, experiência do usuário é uma dimensão ampla da relação entre pessoas e coisas projetadas, enquanto UX, como campo de prática profissional, é uma especialização que desenvolve métodos, técnicas e processos para compreender, projetar e melhorar essas experiências em determinados contextos.

Essa distinção também permite compreender que UX não deve ser reduzido à criação de telas bonitas. Interfaces visuais fazem parte de muitos projetos de UX, mas a experiência do usuário envolve muito mais do que aparência. Ela inclui clareza, utilidade, facilidade de uso, coerência, eficiência, acessibilidade, confiança, satisfação, frustração, expectativas, contexto de uso e continuidade da jornada. Por isso, UX pode envolver desde entrevistas e observações até mapas de jornada, personas, fluxos de tarefa, arquitetura da informação, wireframes, protótipos, testes de usabilidade e análise de métricas.

Ao mesmo tempo, também é inadequado usar UX como um rótulo genérico para qualquer coisa que envolva “experiência”. Nem todo projeto que considera o usuário é, automaticamente, um projeto de UX Design. Muitas áreas do design sempre se preocuparam com o usuário, o uso, a percepção, a ergonomia, a comunicação e a experiência, mesmo antes da popularização da sigla UX. O que a consolidação do campo de UX trouxe foi uma organização específica dessas preocupações em torno de produtos digitais, serviços interativos, plataformas, sistemas e jornadas de uso mais complexas.

Portanto, uma formulação equilibrada seria dizer que:

Toda prática de UX lida com experiência do usuário, mas nem toda reflexão sobre experiência do usuário pertence, necessariamente, ao campo profissional específico de UX.

Essa distinção é útil tanto para leigos quanto para profissionais da área. Para o público leigo, ela mostra que experiência do usuário não se resume a aplicativos, sites ou telas. Para quem já atua em design, ela ajuda a evitar apropriações imprecisas da sigla UX e permite reconhecer que diferentes especialidades do design contribuem para a experiência das pessoas, ainda que nem todas operem com os mesmos métodos, repertórios e objetivos do campo de UX Design.

Em síntese, experiência do usuário é uma categoria ampla, transversal e presente em múltiplas áreas do design. UX, por sua vez, é um campo especializado que se dedica a investigar, projetar, organizar e avaliar experiências, especialmente em contextos digitais, interativos e de serviços. A confusão entre esses dois níveis empobrece o debate: de um lado, reduz a experiência do usuário ao universo das telas; de outro, dilui UX em uma noção vaga de “qualquer experiência”. A distinção entre ambos permite reconhecer tanto a amplitude da experiência no design quanto a especificidade profissional, metodológica e projetual do campo de UX.

A Revolução Francesa e a primeira divisão ideológica

A origem dos conceitos de “direita” e “esquerda” está diretamente ligada à Revolução Francesa, iniciada em 1789. Na Assembleia Nacional, os representantes que apoiavam a monarquia e os privilégios do Antigo Regime sentavam-se à direita do presidente da câmara, enquanto os que defendiam reformas radicais, como o fim da monarquia e a igualdade civil, sentavam-se à esquerda.

Assim, de forma literal, nasceu a distinção política que ecoaria pelos séculos seguintes: direita associada à ordem estabelecida, e esquerda, à transformação social.

Cabe uma rápida observação:

Mais antigo do que a posição dos assentos…

Embora os termos “direita” e “esquerda” só tenham ganhado corpo na Revolução Francesa, as ideias que eles representam são muito mais antigas. Desde a Grécia Antiga, os filósofos já debatiam temas como justiça, igualdade, poder e tradição.

Na Grécia Clássica, por exemplo, podemos ver em Sócrates e Platão uma defesa da ordem, da hierarquia e da razão como base da organização social — elementos que se alinham a uma postura mais conservadora. Por outro lado, os sofistas, que defendiam o relativismo, a retórica e a mudança dos costumes conforme o contexto, já expressavam ideias mais disruptivas, alinhadas a um pensamento mais progressista.

Em Roma, o conflito entre patrícios e plebeus, bem como as disputas no Senado entre conservadores (os “optimates”) e reformistas (os “populares”), mostram que a tensão entre manutenção da estrutura e transformação do sistema já era parte central da política.

Mesmo na Idade Média, embora o poder estivesse fortemente centralizado na Igreja e nos reis, havia movimentos como as heresias camponesas e os primeiros humanistas que questionavam a ordem vigente e propunham novos arranjos de poder e saber.

A evolução dos significados

Com o passar do tempo, a “direita” passou a representar ideologias que defendem a propriedade privada, a autoridade, o individualismo e o livre mercado. Já a “esquerda” se associou a projetos de justiça social, igualdade econômica, defesa de minorias e crítica às desigualdades estruturais.

Vale lembrar que esses termos são relativos ao contexto histórico e geográfico. O que é considerado “de esquerda” em um país pode ser visto como “de centro” em outro. E vice-versa.

Ainda faz sentido?

Atualmente, muitos analistas questionam se os termos ainda servem para explicar a complexidade da política contemporânea. Em tempos de polarização, redes sociais e novas formas de engajamento, a antiga divisão pode parecer limitada — mas ainda carrega um peso simbólico e histórico importante.

Entender a origem de “direita” e “esquerda” é também entender como a política se constrói a partir de símbolos, disputas e mudanças. Esses rótulos nasceram de uma configuração espacial numa assembleia, mas se transformaram em pilares do pensamento político moderno. Saber de onde vêm essas palavras ajuda a usá-las com mais consciência — e menos clichê.