IA nos Workflows de Design: O Que Atlassian, Meta, Tesco e Faire Estão Fazendo Diferente

Grandes empresas não estão apenas experimentando com IA em design. Estão construindo infraestrutura para que IA funcione de forma repetível, governável e escalável dentro de seus times criativos.

O que chama atenção não é o uso de ferramentas como Cursor, Claude ou ChatGPT — isso qualquer um faz. O diferencial está em como essas empresas estruturam o contexto que a IA recebe antes de executar qualquer tarefa.

O Padrão Que Emerge: Engenharia de Contexto Para Design

Analisando os workflows de Atlassian, Meta, Tesco e Faire, um padrão se repete: quem controla o contexto controla a qualidade do output.

Não é sobre qual modelo usar. É sobre qual instrução, qual template e qual restrição alimentar esse modelo.

Isso é engenharia de contexto aplicada ao design — e separa as empresas que obtêm resultados consistentes daquelas que ficam na loteria de prompts.

Atlassian: Templates Pré-Codificados + Arquivos de Instrução

A equipe de design da Atlassian percebeu cedo que pedir à IA para gerar protótipos do zero resultava em componentes errados, tokens ignorados e código inconsistente.

A solução deles tem três camadas:

1. Templates pré-codificados — Elementos fundamentais do Design System (navegação, tokens, ícones, botões) vêm pré-configurados. A IA não os modifica; trabalha apenas nos espaços abertos à interpretação.

2. Arquivos de instrução — Aproximadamente 2.000 linhas de instruções customizadas que guiam a IA. Quando encontra um certo tipo de elemento, o arquivo diz exatamente qual componente do design system usar, qual variável aplicar, qual token referenciar.

3. Calibração visual — A equipe alimenta seus componentes de design na IA e pergunta o que ela vê. Se interpreta errado, corrigem. Isso melhora a conversão de screenshot para código.

O resultado: de screenshot a protótipo interativo em minutos, com aproximadamente 70% de conformidade com o Design System da Atlassian na primeira passada.

A lição: a IA não substitui o design system — ela se torna consumidora dele. Quem tem um design system bem documentado tem uma vantagem desproporcional na era da IA.

Meta: Playbooks Para Adoção + Papéis Que Colapsam

Na Meta, a integração de IA no design está acontecendo em todos os níveis — mas com uma linha clara separando execução de estratégia.

Jhilmil Jain, VP de Design de Monetização, descreve o modelo atual: IA para gerar telas rápidas e componentes codificados (execução), enquanto pesquisa com usuários, intuição de produto e estratégia permanecem manuais.

A Meta está construindo playbooks — conjuntos documentados de instruções e processos para designers seguirem ao usar IA. Documentar cedo e padronizar têm sido cruciais para adoção consistente.

Mas o caso mais revelador vem de Zevi Arnovitz, Product Manager que descreve como IA transformou seu papel. Sem background técnico, ele agora:

• Desenha a UI básica
• Usa Cursor para “vibe coding” de conceitos
• Faz handoff direto para desenvolvedores
• Divide tarefas entre modelos (Claude para user stories, Gemini para JSX, outro modelo para code review)

Sua frase resume a tendência: papéis estão colapsando, e uma pessoa precisa fazer muito mais.

Ele não elimina designers — assume tarefas menores que antes exigiam coordenação entre PM, design e engenharia. O ciclo caiu de dois sprints para dois dias.

Tesco: Plugins Figma Com Dados Reais

A abordagem da Tesco é pragmática: construir ferramentas internas que conectam design a dados reais.

Seu designer sênior desenvolveu plugins Figma que se conectam diretamente ao banco de dados do website. Quando a equipe precisa popular protótipos, o plugin busca imagens, descrições de produtos, avaliações e preços do site real — e insere tudo nos componentes de UI de uma vez.

A stack: Cursor para vibe coding + servidor MCP do Figma para manter consistência com a marca.

O servidor MCP (Model Context Protocol) do Figma permite que ferramentas de IA acessem dados estruturados de design diretamente pela API, em vez de interpretar screenshots. Isso elimina a adivinhação e mantém os resultados alinhados com o design system.

A lição: dados reais em protótipos não são luxo — são requisito para testar design com integridade.

Faire: Chatbot Interno Para Pesquisa de UX

A Faire, plataforma que conecta varejistas a fornecedores atacadistas, enfrenta um desafio de escala em pesquisa: centenas de milhares de varejistas em diferentes regiões e casos de uso.

A solução: um chatbot interno chamado Fairey que busca consultas e tickets de usuários, permitindo que designers façam perguntas como: “Quais tickets de suporte de marcas sobre o programa Top Shop nos últimos seis meses?”

Isso funciona como pesquisa primária de UX sem o custo e a logística de entrevistas diretas.

Para síntese de entrevistas reais, a equipe usa ChatGPT com uma camada de segurança. Transcrições são inseridas com templates de prompts estruturados para extrair informação organizada.

A lição: IA como camada de acesso a dados internos transforma a velocidade de pesquisa sem sacrificar profundidade.

O Que Essas Empresas Têm Em Comum

Quatro padrões emergem:

1. Instruções Estruturadas > Prompts Ad Hoc

Todas investem em documentar instruções, templates e playbooks. Ninguém depende de prompts improvisados.

2. Design Systems Como Infraestrutura de IA

O design system não é apenas referência visual — é a base que a IA consome. Quanto mais estruturado, melhor o output.

3. Separação Clara: Execução vs. Estratégia

IA acelera execução (protótipos, código, síntese de dados). Estratégia, pesquisa qualitativa e decisões de produto permanecem humanas.

4. Dados Reais Desde o Início

Protótipos com dados fictícios mascaram problemas reais. Tesco e Faire mostram que conectar IA a dados reais desde o design melhora qualidade e velocidade.

Implicações Para Quem Está Começando

Se sua organização está avaliando como integrar IA em workflows de design, as evidências apontam para investimentos em três áreas:

Engenharia de contexto — Documente instruções, restrições e templates antes de entregar ferramentas de IA ao time.

Design systems como plataforma — Garanta que seu design system é legível por máquina, não apenas por humanos. MCP servers e APIs de design são o caminho.

Governança de adoção — Playbooks, documentação de processos e calibração contínua separam experimentação de produção.

A IA não vai substituir designers. Mas designers que dominam engenharia de contexto vão substituir aqueles que não dominam.

---

Baseado em workflows públicos de Atlassian, Meta, Tesco e Faire, com pesquisa adicional sobre MCP servers, design systems e engenharia de contexto em 2025-2026.

Referências

• Atlassian Blog: “Turning Handoffs into Handshakes: Integrating Design Systems for AI Prototyping at Scale”
• Lenny’s Newsletter/Podcast: “The non-technical PM’s guide to building with Cursor” — Zevi Arnovitz (Meta)
• Figma Blog: “Design Systems And AI: Why MCP Servers Are The Unlock”
• UX Collective: “How top companies are using AI in their design workflows” — Punit Chawla