🌎 Antes de começar: o Google está resolvido a brigar na área de design
Ontem foi o Google IO 2026 e o anúncio que mais me chamou atenção foi um aplicativo chamado Pics.
A nova aposta do Google é um app de design e geração de imagem dentro do Google Workspace, feito pra qualquer um — do time de marketing ao dono de empresa — gerar posts, convites, materiais de marketing e mockups só escrevendo o que quer. A premissa é não precisar de habilidade em edição, ferramentas ou código.
E com o PICS o google tentou atacar um outro problema, que nem mesmo ele conseguia resolver: editar. Você pode:
Clicar numa parte da imagem e deixar um comentário, igual no Google Docs ("muda essa cor pra azul")
Editar manualmente, tipo trocar o horário do convite de aniversário direto no card
Ou só reprompt mesmo, do jeito tradicional
O Google admitiu o óbvio da IA generativa de design: hoje, se a imagem sai 95% boa, você reza pra IA não destruir os outros 95% quando pede pra mudar o detalhe que faltou. Pics tenta resolver isso.
Para quem tem Google IA Ultra, o PICS lança no verão desse ano.
Os 4 Erros que matam a capacidade analítica da IA
Todo mundo que já tentou sabe, IA para fazer análise de dados ainda erra... e MUITO.
Assistindo um podcast da Caitlin Sullivan, fez o sentido o porque. Nós que estamos errando.
Ela treinou centenas de times de produto e pesquisa em empresas grandes (Canva e YouTube entre elas) em como usar IA pra extrair valor real de entrevistas, surveys e dados de cliente.
❌ Erro #1 — A IA inventa evidência
Você vai analisar entrevistar com a IA e ela te entrega uma análise com citações entre aspas. Você vai conferir e a citação não está lá. Ou está, mas ela juntou dois pedaços de momentos diferentes. Ou parafraseou e colocou entre aspas como se fosse fala literal.
Como resolver: regras de citação + verificação.
No prompt de análise, defina as regras:
Comece onde o pensamento começa e termine quando ele estiver completo
Inclua o raciocínio, não só a conclusão
Mantenha hesitações ("acho que", "talvez") — sinalizam incerteza
Inclua linguagem emocional quando existir
Cite com ID do participante e timestamp [P02 - 14:30]
Não combine falas de partes diferentes da mesma entrevista
Se passar de 3 frases, quebre em citações separadas
Depois da análise, rode um segundo prompt só pra verificar:
Para cada citação: 1) confirme que existe literalmente na transcrição; 2) se for paráfrase, marque e me dê a fala real; 3) se não encontrar, marque como NÃO ENCONTRADA.
Formato: Citação / Status (Verificada, Paráfrase, Não encontrada) / Fala real (se paráfrase) / Localização.
❌ Erro #2 — Insights falsos ou genéricos
Você pede "principais insights" e recebe coisas como "usuários valorizam simplicidade" ou "há demanda por personalização". Cabe em qualquer pesquisa, de qualquer empresa.
O problema é falta de contexto. A IA precisa de 4 blocos antes da análise:
1. Contexto do projeto — escopo e o que está em jogo. "Estamos avaliando adicionar uma tela ao produto" é específico. "Estou fazendo pesquisa com cliente" é vago, e a IA responde no genérico.
2. Objetivo de negócio — o que você precisa decidir. Se você precisa saber se a feature atrai novos usuários ou afasta os atuais, diga isso. A IA vai pesar a evidência pra responder a SUA pergunta.
3. Contexto do produto — domínio. Sem isso, "quero ver meus dados" é genérico. Com "somos um wearable sem tela competindo com Apple Watch", a mesma frase muda de peso.
4. Quem está falando — "preciso de dados em tempo real" dito por um usuário que churnou do Garmin pesa diferente do mesmo dito por um usuário fiel.
Exemplo de prompt:
Contexto do projeto: avaliando se devemos adicionar uma tela ao Whoop. São 10 entrevistas com usuários que cancelaram.
Objetivo: determinar se uma tela (a) recupera churned users, (b) não resolve o problema deles, ou (c) precisa vir com outras mudanças pra aumentar retenção.
Produto: hoje sem tela, tudo via app. Proposta de valor é foco durante atividade. Concorrentes com tela: Apple Watch, Garmin, Suunto. Sem tela: Oura.
Participantes: todos churned. Tempo de uso: 6 meses a 2 anos. Detalhes individuais nos metadados.
Pra surveys, adicione a estrutura dos dados: quais colunas, como estão formatadas, o que ignorar, como cada código representa (ex: 0 = churned, 1 = active).
❌ Erro #3 — Sinal que não guia uma decisão
Você analisa 300 respostas de cancelamento. A IA volta: "22 mencionaram querer uma tela". Ou "72% de sentimento positivo sobre tela".
Esses números não respondem se você deve construir a tela. Porque não dizem:
Quantos dos 22 seriam de fato retidos por uma tela?
Quantos disseram "tela" mas queriam "UX melhor"?
Quantos têm um problema que tela nem resolve (billing, engajamento, perda pra concorrente)?
Como resolver: ensine sua escala pra IA com exemplos.
Ao invés de pedir "categorize", você dá os níveis com exemplo e justificativa. Pra esse caso:
1 — Tela RETERIA: dor explícita de visibilidade durante atividade.
Ex: "Olho o celular 10 vezes por treino só pra ver minha FC."Por quê: fricção específica com workaround. Tela resolve direto.
2 — Solução mais barata resolveria: parece tela, mas tem fix mais barato.
Ex: "App era complicado de checar no meio do treino."Por quê: visibilidade, mas o celular estava ali. UX resolve sem hardware.
3 — Problema de ENGAJAMENTO: parou de usar, tela não muda isso.
Ex: "Não estava usando o suficiente."Por quê: auto-culpa, sem queixa de feature. Tela não cria hábito.
4 — Problema OPERACIONAL: cobrança, suporte, confiabilidade.
Ex: "Cancelei 3 vezes e continuaram cobrando."Por quê: falha de processo. Tela é irrelevante.
5 — Perda competitiva não relacionada: foi pra outro, sem queixa de tela.
Ex: "Migrei pro Apple Watch, o produto era ok."Por quê: tela sozinha não traz de volta.
Agora a resposta deixa de ser "22 mencionaram tela" e vira "dos 22: 8 nível 1, 9 nível 2, 5 nível 4". Decisão diferente.
❌ Erro #4 — Insights contraditórios
A IA olha pra mesma entrevista e te diz, em momentos diferentes, "o usuário valoriza simplicidade" e "o usuário pediu mais funcionalidades avançadas". Os dois estão na análise. Os dois passam batidos.
Como resolver: passo de verificação no final de toda análise.
Revise a análise acima:
1. Verificação de citações — cada citação existe literalmente na fonte? Sinalize paráfrases, combinações ou citações não encontradas.
2. Contradições — para cada participante, há falas que conflitam em momentos diferentes? Preferências declaradas vs comportamento descrito? Confiança que vira hesitação? Opinião forte que suaviza depois?
3. Confiança — onde a evidência é fina, sinalize. Onde a postura do participante é ambígua ou mista, sinalize.
Devolva um resumo de verificação com flags e revisões recomendadas.
Esse é o passo que quase ninguém roda. E é o que separa análise apresentável de análise confiável.
🎯 O que ninguém te conta
Os 4 erros têm uma coisa em comum: eles acontecem porque a IA está fazendo o que você pediu — sem que você tenha pedido direito.
A capacidade analítica da sua IA já é alta o que está faltando é a sua estrutura de prompt.
Seja meticuloso, corrija pontos exatos e NUNCA fique na preguiça de melhorar um resultado.
🎬 Indicações da semana
1 filme pra inspirar
Air: A História Por Trás do Logo - Nota do IMDB: 7.4
Conta a história de como a Nike em um momento difícil de crescimento apostou todas as suas fichas em 1 único jogador: Michael Jordan.
Hoje pode parecer simples esse investimento, eles fizeram em uma época que Michael estava iniciando sua carreira. O poder de uma ideia fica claro.
1 set pra focar
Solomun na Boiler Room de Tulum - escute 3x por semanas no mínimo como recomendação.
✅ Principais insights
Os 4 erros que matam sua IA como analista:
Inventa evidência → resolva com regras de citação + verificação no final
Insights genéricos → carregue contexto: projeto, objetivo, produto, participantes
Sinal sem decisão → ensine sua escala com exemplos antes de pedir análise
Contradições silenciosas → rode sempre um prompt de verificação final
🚀 Sua ação dessa semana
Pega a próxima análise que você vai pedir pra uma IA — pode ser de entrevista, survey, feedback de cliente, review de produto, qualquer coisa.
Antes de mandar o prompt, faça uma única coisa: escreva os 4 blocos de contexto (projeto, objetivo, produto, quem está falando) em cima do prompt.
Só isso. Vai te tomar 5 minutos extras. E vai mudar a qualidade do que volta de um jeito que te assusta.