Diante do avanço da inteligência artificial surgiram muitas ferramentas com a promessa de otimizar processos e a maioria das áreas dentro das empresas já estão aplicando IA para potencializar resultados.

Em UX design não foi diferente, a inteligência artificial está nos auxiliando a automatizar tarefas repetitivas, para que os designers possam se concentrar nos aspectos mais estratégicos do UX. 

Há algum tempo já se falava em cultura data driven dentro das empresas para guiar a estratégia. Com a IA passamos a conseguir analisar grandes quantidades de dados para chegar mais rápido nas informações relevantes para as tomadas de decisões.

Ao que tudo indica, estamos caminhando para uma realidade em que grande parte dos profissionais e das áreas, se tornarão analistas de dados apoiados por tecnologias cada vez mais robustas e democráticas, transformando a forma como trabalhamos.

Vamos trazer neste artigo o uso de inteligência artificial em pesquisa UX, algumas ferramentas e um pouco sobre como estamos usando IA em pesquisa na Catarinas com os exemplos dos cases dos clientes Belle Software e Xpert.

Ferramentas de  inteligência artificial e uso em pesquisa UX 

Dentre as novas ferramentas de IA, algumas são específicas para apoiar pesquisas UX e outras possuem diversas aplicações e podem ser usadas em paralelo para complementar o processo de UX. 

Essas diferentes ferramentas, cada uma com suas especificidades, estão nos apoiando na gravação e compilação das entrevistas, na identificação de padrões de resposta dos usuários e geração de insights a partir dos resultados de pesquisa. Alguns exemplos de ferramentas de IA que podem ser usadas para pesquisa UX:

Hey Marvin

O Hey Marvin é uma ferramenta específica para pesquisa, que nos oferece possibilidades interessantes como: quantificar dados qualitativos rapidamente através do agrupamento por temas e analisar tendências para identificação de padrões da pesquisa. Ela também nos oferece a opção de fazermos análises emocionais, e com isso podemos entender os sentimentos das pessoas, muito útil para a criação de jornadas emocionais de usuários.

ChatGPT

O ChatGPT é uma ferramenta poderosa na pesquisa com usuários, oferecendo métodos eficazes para analisar dados qualitativos e lidar com grandes volumes de informações não estruturadas, contribuindo para acelerar a compilação de entrevistas, a geração de insights e a identificação de padrões relevantes.

Gemini

O Gemini, é um modelo multimodal do Google, que abriu novos horizontes na forma como interagimos e utilizamos a tecnologia de inteligência artificial, sua capacidade de processar vários tipos de dados simultaneamente o torna uma ferramenta super versátil, o diferencial dela com relação ao ChatGPT é que ela faz buscas na internet, enquanto o ChatGPT usa um banco de dados que não é atualizado em tempo real. 

IA do Miro

A IA do Miro permite explorar uma ideia a partir de diferentes perspectivas, gerando automaticamente fluxos e mapas mentais a partir de um conceito ou palavra-chave. Além disso, transforma ideias em user stories, facilitando a visualização e o planejamento de funcionalidades complexas para um produto.

Benefícios da inteligência artificial para pesquisa UX 

Entendemos que a inteligência artificial nos ajudou em muitos pontos para otimizar a pesquisa com usuários. Nossa avaliação sobre os benefício das IAs que usamos:

• Maior flexibilidade e economia de tempo nas entrevistas

Com as ferramentas de gravação e transcrição garantimos que tudo que foi dito pelo entrevistado fique registrado em texto e vídeo para consulta. Na nossa experiência é uma boa prática ir em duplas para entrevistas, mas se o tempo estiver apertado, conseguimos otimizar a agenda precisando de só um designer para aplicação.

• Menos trabalho operacional na pesquisa

Os chats permitem a análise dos dados brutos sem perda, dispensando a organização manual dos dados após aplicação da pesquisa. É um ponto de virada quando usado de maneira correta, para isso é necessário entender como a ferramenta de chat escolhida funciona e saber dar as instruções certas para ter os resultados esperados.

É importante testar prompts para a comunicação eficaz com a IA e sempre conferir os resultados para ter certeza que não está inventando informações ou trazendo análises incompletas. Por isso os profissionais qualificados operando essas ferramentas são indispensáveis.

• Maior facilidade em cruzar dados de pesquisa

A inteligência artificial tornou mais fácil a centralização de dados acionáveis funcionando como um repositório de pesquisas cruzadas. Permite comparar dados provenientes de diferentes fontes de pesquisa, como por exemplo, cruzar dados quantitativos de respostas de questionários com qualitativos de entrevistas em profundidade.

Para times de produto, permite cruzar informações de diferentes pesquisas para um mesmo produto possibilitando a extração de informações de todo o conhecimento gerado. Se houver a possibilidade de integrar chats de inteligência artificial  com bancos de dados locais essa consulta pode ficar ainda mais robusta.

Como usamos a  inteligência artificial nos projetos de pesquisa UX da Catarinas

Como a Catarinas é uma consultoria de UX, trabalhamos em projetos com empresas de vários tamanhos e áreas de negócio diferentes, por isso conseguimos testar novos processos em projetos diversificados. 

Nesse contexto de experimentações,  resolvemos utilizar as ferramentas de inteligência artificial, para testar novas possibilidades de métodos de fazer pesquisa UX, desde a gravação, anotação, compilação, conclusões até a apresentação, que é o que traremos a seguir em dois cases práticos para exemplificar nossas descobertas!

Case Belle Software: software de gestão de clínicas de estética

O objetivo do projeto com o Belle Software foi melhorar a usabilidade e o processo de onboarding de um sistema robusto e deixar o produto visualmente mais atrativo. 

Para entender as dificuldades de uso do produto, fizemos pesquisa com usuários usando o método qualitativo e realizamos oito entrevistas em profundidade com usuários de dois perfis distintos. 

Como tínhamos um prazo apertado e uma pesquisa ampla para realizar, resolvemos utilizar a inteligência artificial para a anotação das entrevistas, a análise, organização dos dados e a preparação da apresentação.

1. Anotação das entrevistas

Utilizamos o Hey Marvin para transcrever todas as entrevistas do projeto, e com isso conseguimos concentrar todas as informações no mesmo lugar. Além disso, o Hey Marvin foi essencial nesse projeto porque fez o papel de anotador,  e como o nosso prazo de entrega era apertado, tínhamos que paralelizar algumas entrevistas, com isso não conseguiríamos ter dois  pesquisadores (um para conduzir e outro para anotar) disponíveis para participarem de todas as agendas de entrevistas.

2. Organização dos dados: oportunidade de otimizar o trabalho operacional

Para otimizar o processo de compilação, garantir que as principais informações da pesquisa não se perderiam e não depender somente dos dados da transcrição fizemos após cada entrevista a compilação em snapshots, método da Tereza Torres, onde centralizamos as principais informações de cada conversa.

3. Análise dos dados e conclusões de pesquisa

Com as transcrições das entrevistas prontas no Hey Marvin foi o momento de gerarmos as conclusões do projeto, para isso utilizamos a IA e fizemos uma análise cruzando os snapshots com as informações que IA nos forneceu para verificar se estavam coerentes, ou se faltava algo. 

Com as conclusões prontas, como a pesquisa contemplava vários módulos do projeto, organizamos as conclusões por assunto para ficar mais fácil de utilizar os resultados da pesquisa posteriormente no desenho das telas.

4. Preparação da apresentação: possibilidade de focar na entrega de valor

Depois de concluirmos as compilações e organizarmos por assunto/módulo do sistema, finalizamos o processo da apresentação. Como tínhamos um grande volume de informações e não caberia no escopo do projeto implementar todas as melhorias dos pontos encontrados na pesquisa, optamos ao invés de uma apresentação fazer um relatório completo, permitindo que o cliente conseguisse consumir facilmente os dados para implementar posteriormente.

Case Xpert

A Xpert, empresa que desenvolve soluções para postos de combustível, procurou a Cats para criar um dashboard para o sistema. O objetivo era apoiar donos e gerentes administrativos e financeiros nas suas tomadas de decisão no dia a dia.

Para entender as necessidades dos usuários e levantar insumos para a prototipação do produto, visto que a funcionalidade que iríamos desenhar ainda não existia, realizamos entrevistas em profundidade com dez usuários do sistema considerando dois perfis diferentes.

Pensando em otimizar o trabalho manual da pesquisa para poder focar na entrega de valor, adaptamos nosso processo utilizando inteligência artificial nas etapas de aplicação e organização dos resultados.

1. Anotação das entrevistas

Usamos o Marvin para gravar e transcrever todas as dez entrevistas realizadas, assim concentramos todas as respostas dos usuários em um mesmo lugar que funcionou como o repositório de dados brutos do projeto, o que foi importante para otimizar os próximos passos.

2. Organização dos dados: oportunidade de otimizar o trabalho operacional

Como os dados já estavam centralizados no Marvin, usamos a IA para extrair as informações e organizar as conclusões da pesquisa. Antes dessa possibilidade era necessário uma etapa de organizar os dados (respostas dos usuários) de maneira manual para depois analisar e extrair resultados. Usando IA dispensamos esse trabalho que era manual e moroso.

É claro que houve um cuidado para fazer as perguntas da maneira correta para a IA e checamos as respostas geradas por ela. O uso correto pelo profissional qualificado é essencial para identificar delírios e erros que acontecem ao usar essa tecnologia que ainda é recente e está evoluindo.

3. Análise dos dados e conclusões de pesquisa

Como conseguimos analisar e extrair conclusões direto da base de dados brutos pudemos organizar os resultados de maneira mais rápida por blocos de perguntas e respostas. 

Por exemplo, no roteiro estruturamos um bloco com várias perguntas só sobre funcionalidades para o dashboard de vendas de combustíveis. Nesse caso conseguimos tirar conclusões e preparar a apresentação dos resultados extraindo informações sobre todas as respostas dos usuários sobre esse bloco de uma vez.

4. Preparação da apresentação: possibilidade de focar na entrega de valor

Com a facilidade que obtivemos nos passos anteriores o passo final de preparar a apresentação ficou muito mais fácil e rápido. Pudemos realocar esforços pensando como poderíamos deixar mais claro os resultados obtidos nessa pesquisa. 

No caso desse projeto levamos protótipos de baixa fidelidade com os requisitos funcionais já listados para cada interface que mapeamos que precisaria ser desenhada, assim também ganhamos tempo adiantando a etapa de wireframes.

Conclusão

Repensamos o processo de pesquisa UX para obter melhores resultados, e entendemos que o processo é sempre mais importante que as ferramentas (que ajudam e MUITO!). As ferramentas de IA são um apoio, mas não resolvem sozinhas a pesquisa. 

De uma forma geral, percebemos que a definição de quando, como e qual ferramenta de IA utilizar no processo de pesquisa UX vai depender de diferentes fatores como: o objetivo da pesquisa, o tamanho da pesquisa, os tipo de resultados esperados, e a qualidade das perguntas feitas.

Por isso, queremos reforçar que as IAs são ótimas aliadas, mas cabe ao especialista ou ao time de UX definir critérios e avaliar em que contextos ela vem para potencializar os resultados e quando é só uma tendência que talvez não faça tanto sentido.