Só 17% dos Design Systems Documentam IA, e Apenas Um Tem um Portão de Governança

Já argumentamos aqui que o design system é a camada de restrição para interfaces geradas por IA. Quando um modelo produz um botão, um formulário, uma tela inteira, é o sistema que decide se aquela saída pode ser publicada. Essa afirmação era uma aposta. Agora existe um número contra ela.

Romina Kavcic, que mantém o The Design System Guide, publicou um censo de primeira mão em 1 de junho de 2026. Ela leu 156 design systems públicos e fez uma pergunta: este sistema diz algo sobre IA? A resposta para 130 deles foi não. Apenas 26 documentam IA de alguma forma. Cerca de 17%. É o dataset dela e a análise dela, não um número auditado pelo setor, então trate a precisão como direcional. O formato do achado continua de pé: a camada de restrição para a qual continuamos apontando, na maior parte, ainda não existe.

O Censo É a Notícia

Boa parte do que se escreve sobre IA e design trata governança como um debate resolvido que as organizações só demoram a adotar. O censo diz algo mais difícil. A disciplina ainda não escreveu as regras. Oitenta e três por cento dos design systems mais visíveis do mundo, os que as equipes copiam e citam, não oferecem nenhuma orientação sobre como a IA se encaixa nos seus componentes, nos seus tokens ou no seu processo de revisão.

Esse silêncio não é neutro. Um design system é documentação que vira enforcement por meio de linting, gates de CI e revisão. Quando a documentação está vazia sobre IA, cada equipe construindo recursos de IA num produto está improvisando contra um sistema que não tem opinião. A improvisação é invisível até publicar algo que a marca não consegue defender.

Então o trabalho interessante não está nos 130 sistemas que não dizem nada. Está nos 26 que tentaram, e naquilo em que eles concordaram sem combinar.

Cinco Níveis de Prontidão para IA

Lendo os 26, surge uma escada de maturidade. O enquadramento de Kavcic se desdobra em cinco níveis, e a distribuição pende para a base.

L0, nenhuma orientação. Os 130 sistemas com nada. O estado padrão do campo.

L1, decoração. A IA aparece como tratamento visual. Um brilho, um gradiente, um ícone que sinaliza “isto veio de um modelo”. A Shopify está aqui. O sistema sabe que a IA existe e dá a ela uma aparência, mas não diz nada sobre comportamento.

L2, componente. Componentes específicos de IA com estados documentados: carregando, em streaming, erro, vazio. O IBM Carbon chega a este nível. O sistema passa a tratar a saída da IA como algo com ciclo de vida, não só como estilo.

L3, padrão de interação. Padrões documentados de como o usuário e um recurso de IA trocam controle. A Atlassian opera neste nível, especificando como sugestões aparecem, como o usuário aceita ou recusa, como o sistema se recupera.

L4, camada de governança com enforcement. O sistema não só descreve bom comportamento de IA, ele aplica o portão. O Microsoft Fluent 2 está aqui, e está quase sozinho.

L5, infraestrutura de sistema. A IA tecida nas fundações do próprio sistema. O Microsoft Fluent mostra o único sinal público forte neste nível, e mesmo esse é parcial.

A escada importa porque separa intenção de dente. Os níveis 1 a 3 são descrição. Uma equipe pode lê-los, concordar e ignorá-los sob pressão de prazo, e nada impede a tela ruim de ser publicada. Só no nível 4 a documentação começa a recusar a saída.

No Que os Líderes Convergiram

Aqui está a parte que deveria mudar como você lê o campo. Os sistemas que levaram a IA a sério, trabalhando de forma independente, chegaram às mesmas quatro primitivas. Convergência assim é sinal de que as primitivas sustentam peso, não são estilo.

Marcar conteúdo de IA. A interface deve deixar visível quando um modelo produziu ou moldou o que o usuário está vendo. Não como decoração, como divulgação.

Explicar decisões em camadas. Uma estrutura O Quê/Por Quê/Como, dimensionada ao risco da ação. Uma sugestão de baixo impacto pede um toque leve. Uma decisão consequente pede o raciocínio exposto. A profundidade da explicação acompanha o custo de errar.

Manter o controle humano. O usuário permanece no circuito e mantém a capacidade de sobrepor a IA. O GitLab declara a intenção sem rodeios na sua orientação: projete a IA para ser colaborativa, não autônoma. A IA deve sugerir e auxiliar enquanto os usuários permanecem no controle.

Projetar para estados de falha. Suponha que o modelo vai estar errado, lento ou vazio, e desenhe esses momentos de propósito. O estado de erro não é um caso de borda para parafusar depois. É uma tela de primeira classe.

Quatro primitivas, alcançadas separadamente. É um benchmark que nossos artigos anteriores afirmavam existir em espírito. Agora ele tem nomes, e os nomes vieram dos praticantes, não de nós.

O Único Sistema com Portão

Convergir em princípios é barato. Enforcement é raro, e exatamente um sistema no censo o aplica.

O Microsoft Fluent 2 inclui uma rubrica de IA Responsável que emite notas em letras e reprovações automáticas. Um design que viola um inegociável não recebe uma nota baixa com um recado para melhorar. Ele reprova, e reprovar é uma condição de publicação. Isso é governança virada superfície de produto: a rubrica não é um PDF que a equipe deveria lembrar, é um portão que o trabalho precisa passar.

Já chamamos esse padrão de a diferença entre um design system que documenta bom comportamento e um que o aplica. O Fluent 2 é a prova pública de que a ponta do enforcement na escada é construível hoje, não um dia. Também mostra como essa ponta é solitária. Um sistema, entre 156, trata a governança de IA como algo que o trabalho precisa vencer, e não como algo que a equipe deveria considerar.

A Fronteira Está Aberta

A leitura honesta deste censo não é que a governança de design para IA está atrasada. É que a governança de design para IA mal começou. Dezessete por cento de participação, um punhado de sistemas acima da linha da descrição, e um único exemplo de enforcement de verdade. Esse é o perfil de uma fronteira aberta, não de uma prática amadurecendo.

Para a maioria das organizações isso é boa notícia, porque significa que o trabalho não foi reivindicado. Os líderes já fizeram a parte difícil de nomear as primitivas. Marcar conteúdo, explicar em camadas, manter humanos no controle, projetar para falha. As primitivas são públicas. O que falta em quase todo lugar é o portão que as transforma de conselho em condição de publicação.

Faça Isto Agora

Abra a documentação do seu próprio design system e rode a pergunta de Kavcic contra ela: ela diz algo sobre IA? Se a resposta for não, você está nos 83%, e seus recursos de IA estão sendo publicados contra uma camada de restrição que não tem opinião. Comece no L2. Documente os estados dos componentes de IA, os padrões de interação e os modos de falha, usando as quatro primitivas convergentes como checklist. Depois escolha o um ou dois inegociáveis que nunca deveriam ser publicados, e ligue-os à revisão como reprovações automáticas, do jeito que o Fluent 2 faz. Os líderes deram a rubrica. A única pergunta que sobra é se o seu sistema tem dente.

Fontes

The Design System Guide, Romina Kavcic. “Design Systems That Document AI.” June 2026.

A Victorino ajuda organizações a transformar princípios de design de IA em portões de publicação aplicados, e não em documentos que ninguém lê: contato@victorino.com.br | www.victorino.com.br