Tenta descrever o sabor de um sanduíche para a pessoa do caixa de um restaurante. Não apontar para a foto no cardápio, não escolher de uma lista, apenas usar suas palavras para fazer seu pedido: “Quero um pão macio, tipo brioche, com uma carne que tenha aquele gosto defumado mas não seco, um molho meio ácido mas não exatamente mostarda, e umas folhas que deem crocância mas que não sejam alface.”
Por mais hábil que seja a pessoa que faz o sanduíche, o resultado ainda assim provavelmente vai ter erros e você vai ter que fazer vários pequenos ajustes, provavelmente enfurecer quem estiver na fila com fome atrás de você. Mas e se você só tivesse mostrado a foto do sanduíche que você queria?
Parece trivial, mas existe um longo debate no campo do aprendizado humano que compara a linguagem textual com a visual. Com o relativo retrocesso trazido pelas IAs, esse debate voltou com tudo, assim como os problemas antigos no desenvolvimento de software.
Agora imagine que em vez de sanduíche você precisa descrever verbalmente um sistema de atendimento ao cidadão de um serviço público brasileiro: “tem que ser fácil de acessar, mas não pode deixar vazar informação. Tem que seguir as leis, mas não pode ser muito rígido”. Imagine você e seus colegas tendo que falar para os desenvolvedores todas as exceções, fluxos paralelos e contextos regionais que um sistema desses precisa. Só com palavras (ou pelo menos com a maioria sendo palavras). Pois foi assim que a maioria dos sistemas computacionais para usuários externos é criada até hoje na Engenharia de Requisitos.
Com a evolução do campo de conhecimento de Interação Humano-Computador, técnicas de ergonomia, psicologia e design passaram a ser integradas ao desenvolvimento de softwares. Assim, quando o design trouxe suas ferramentas para os projetos de sistemas, portou consigo técnicas de prototipagem e validação visual de conceitos muito úteis, mas que não foram completamente incorporadas pela Engenharia de Requisitos, ainda que tenham trazido melhorias.
Em The prompt is not an interface, Joshua Leigh reconstrói quarenta anos de evolução em design de interação para argumentar que a interface de prompt é um retrocesso para tarefas visuais e espaciais. O argumento se apoia na teoria de dupla codificação de Paivio (1971), segundo a qual o cérebro humano processa informação visual e verbal por sistemas cognitivos separados. O verbal opera em sequência, limitado pela linearidade da linguagem. O visual opera em paralelo, especializado em relações espaciais, processando mais informação ao mesmo tempo. Imagens também são lembradas mais facilmente do que palavras.
Pesquisas recentes confirmam e refinam essa distinção. Potter et al. (2014, MIT) mostraram que o cérebro consegue processar uma imagem em 13 milissegundos. Zeng et al. (2025) usaram fMRI com pictogramas chineses, estímulos visualmente idênticos interpretados ora como palavras ora como objetos, e confirmaram que os dois tipos de reconhecimento ativam mecanismos neurais distintos.
O retrocesso trazido pelos prompts de IA, portanto, está em voltarmos a depender predominantemente de texto para especificar o que queremos de um sistema, como se fazia na época do DOS. Na prática, isso significou relegar a comunicação visual a um papel secundário no contexto de sistemas computacionais. Como resultado, problemas que existiam desde a Engenharia de Requisitos agora estão sendo potencializados em escala sem precedentes.
O efeito do uso quase exclusivo ou preferencial de linguagem verbal como ferramenta de elicitação de requisitos e especificação já é um clássico na área de software. O NaPiRE, um levantamento global conduzido com 228 empresas em 10 países, identificou que requisitos incompletos são o problema número um da engenharia de requisitos, reportados por 48% dos respondentes, seguidos por falhas de comunicação (41%) e requisitos abstratos demais (33%) (Méndez Fernández et al., 2017). Além disso, requisitos mal escritos e ambíguos estão consistentemente entre as cinco principais causas de falha em projetos de software.
Com a IA, o prompt assumiu o papel do requisito. Chen et al. (2025) propõem uma taxonomia de defeitos em prompts e argumentam que eles funcionam como código-fonte em sistemas baseados em LLM, só que escritos em linguagem natural ambígua e executados num motor probabilístico. Os defeitos resultantes vão de problemas triviais de formatação a falhas de segurança e desinformação. Pesquisa recente também mostra que programadores iniciantes sistematicamente omitem detalhes cruciais nos prompts, e que a especificidade do prompt afeta diretamente a qualidade do código gerado (Lucchetti et al., 2025).
Ou seja, uma das principais dificuldades no desenvolvimento de sistemas é comunicação. Profissionais de tecnologia operam com linguagens e jargões diferentes entre si, e mais diferentes ainda das linguagens de quem requisitou o sistema e de quem vai usá-lo. Essa dificuldade está no centro de como as IAs populares de hoje foram desenvolvidas. Designers raramente participaram das decisões estruturais desses sistemas. O padrão se repete: são chamados para arrumar o que já foi construído, o mesmo papel que já tinham quando o produto era só uma interface. Via de regra, não estavam na sala quando as decisões estruturais foram tomadas.
As maiores empresas de IA do mundo, incluindo OpenAI, Google DeepMind e Anthropic, foram fundadas e são lideradas por pesquisadores de aprendizado de máquina e engenheiros de software. Nenhuma delas tem um designer entre seus fundadores. Vagas de design existem nessas empresas, mas como função de suporte ao produto, não de sistema. As decisões estruturais, da arquitetura dos modelos à escolha da interface de prompt como modo primário de interação, foram tomadas por pessoas para quem texto é a linguagem natural de trabalho. Designers entram depois, para deixar o que já foi construído com cara de produto coerente para o usuário final.
Portanto, não surpreende que a principal forma de interação com IAs hoje seja um prompt. LLMs são, literalmente, Language Models, construídos por e para pessoas para quem o texto é a ferramenta natural de pensamento. O terminal, para um engenheiro de software, não é um retrocesso. É o ambiente preferido. A interface de prompt não é um acidente, mas sim a consequência lógica de quem estava na sala quando as decisões foram tomadas.
Nesse sentido, Leigh apresenta o problema como uma dicotomia clara, em que engenheiros pensam de forma verbal discursiva e designers pensam em imagens. Como profissional que atua nos dois campos, discordo da polaridade. O que observo é que os recursos visuais e verbais de cada campo nem sempre se traduzem bem entre si.
O que observo na prática é que engenheiros também desenham o tempo todo para se fazer entender. Criam diagramas, representações, abstrações. Desenham no quadro branco, rabiscam em cadernos, mandam capturas de tela anotadas no chat e nos tickets do Jira. A linguagem predominante da engenharia não é só texto. Explicar uma arquitetura complexa sem desenhar um diagrama é impossível. Escrever requisitos só com imagens também é.
Da mesma forma, todo projeto de interface ou de experiência que já vi precisou de texto escrito em algum momento, seja para documentar iterações, instruir o uso do design system ou registrar comentários de quem avalia o trabalho. Quando atuei diretamente com design, nunca consegui me comunicar só com imagens.
Em suma, engenheiros também se comunicam visualmente, e designers também escrevem. A diferença entre um engenheiro e um designer não é que um pensa em palavras e o outro em imagens. É que eles foram ensinados a valorizar linguagens diferentes. Como consequência, tradução entre visual e textual sempre foi problemática. A IA não criou esse problema. Ela o amplificou ao obrigar todo mundo a ser capaz de descrever perfeitamente o que precisa a um sistema que pode falhar 60% das vezes em contextos complexos.
Leigh termina o artigo dele dizendo que o futuro da interação com IA não é digitar o que você quer, é mostrar o que você quer dizer. Me parece que esse sempre foi o caso e segue sendo. Eu sempre coloco uma imagem ou uma captura de tela para ajudar a IA a contextualizar o que pedi. Com técnicas como OCR e integração com Python, mostrar à IA o que você quer dizer já é uma realidade, não apenas uma promessa. Afinal, o prompt da IA é funcionalmente muito próximo de um terminal de computador, e o terminal sempre soube lidar com arquivos, imagens e dados além de texto.
Diante dessa possibilidade, a tentação é concluir que o problema é de quem usa a ferramenta. Não é, ou pelo menos não é só isso. Um sistema que depende de descrição verbal perfeita para funcionar e que erra até 60% das vezes em contextos complexos é um sistema com falhas de projeto. A interface de prompt como modo primário de interação foi uma escolha, não uma inevitabilidade. Interfaces visuais, manipulação direta, canvas com IA embutida, tudo isso já existe em estágio inicial.
Mas enquanto essas interfaces não se consolidam, e mesmo depois que se consolidarem, a capacidade de articular problemas complexos continua sendo uma competência humana insubstituível. Isso nos deixa com duas conclusões importantes.
A primeira é que as IAs podem e devem ser melhores. Sistemas construídos por times mais diversos, com designers envolvidos nas decisões estruturais desde o início, muito provavelmente produziriam interfaces e interações que ajudariam a melhorar as taxas de sucesso da IA em negócios.
A segunda é que, mesmo com interfaces e interações melhores, a pessoa precisa saber o que quer dizer antes de mostrar ou digitar qualquer coisa. Isso não é uma questão de ferramenta. É uma questão de formação, de repertório, de capacidade de operar em mais de uma linguagem ao mesmo tempo.
Enquanto as decisões estruturais de sistemas de IA continuarem sendo tomadas por times sem diversidade disciplinar, o resultado vai continuar refletindo a linguagem de quem estava na sala. Interfaces melhores vão chegar. IAs que praticamente não alucinam também. Mas ferramentas melhores não eliminam a necessidade de entender o problema, ter uma boa ideia do que deve ser a solução e aplicar tudo isso de forma bem-sucedida. A responsabilidade é dos dois lados.
Sem essa combinação, a IA não traduz entre linguagens. Ela só amplifica problemas preexistentes, quase sempre com um temperinho a mais de alucinação de IA.
Referências
Paivio, A. (1971). Imagery and Verbal Processes. Oxford University Press. taylorfrancis.com
Potter, M.C., Wyble, B., Hagmann, C.E. & McCourt, E.S. (2014). “Detecting meaning in RSVP at 13 ms per picture.” Attention, Perception, and Psychophysics, 76(2), 270–279. springer.com
Zeng, J. et al. (2025). “Neural Distinction between Visual Word and Object Recognition.” Journal of Neuroscience, 45(28). jneurosci.org
Méndez Fernández, D., Wagner, S. et al. (2017). “Naming the Pain in Requirements Engineering.” Empirical Software Engineering, 22(5), 2298–2338. springer.com
Chen, Z. et al. (2025). “A Taxonomy of Prompt Defects in LLM Systems.” arxiv.org
Lucchetti, A. et al. (2025). “More Than a Score: Probing the Impact of Prompt Specificity on LLM Code Generation.” arxiv.org
Leigh, J. (2026). “The prompt is not an interface.” UX Collective / The Conditions. medium.com
AuthenHallu (2025). “Detecting Hallucinations in Authentic LLM–Human Interactions.” arxiv.org