[Sugestão] Análise heurística com IA - Como melhorar o prompt da Aula 4 demandando o Copilot Corporativo

Olá,

Solicitei ao Copilot Corporativo dos Correios para: 1- Melhore o prompt descrito, seguindo as boas práticas de escrita e comandos. 2- Qual formato ou LLMs teria melhor desempenho e resultado de acordo do que é esperado? 3- Usando suas duas respostas elabore um texto para postar no forum Alura.

Segue abaixo o texto da terceira demanda feita ao Copilot Corporativo:

Ao realizar essa atividade de Avaliação Heurística utilizando IA, aproveitei para experimentar diferentes abordagens de prompt e cheguei a algumas conclusões que podem ajudar outros colegas.

Minha percepção sobre o prompt fornecido

O prompt proposto na aula é muito bom para fins didáticos, pois ensina a estruturar o raciocínio em etapas, relacionar problemas às heurísticas de Nielsen, classificar severidade e propor melhorias. Entretanto, ao testar diferentes versões, percebi que prompts muito longos e excessivamente prescritivos nem sempre geram os melhores resultados. Em alguns casos, a IA tende a:

repetir informações;
produzir análises excessivamente verbosas;
encontrar problemas que não possuem evidência clara na interface;
gastar parte da resposta explicando o método em vez de aprofundar a análise.
O que funcionou melhor

Obtive resultados mais consistentes utilizando uma estrutura mais enxuta baseada em cinco elementos:

1. Papel

Definir claramente o papel da IA. Exemplo: Você é um UX Designer Sênior especializado em Avaliação Heurística, Usabilidade e Design de Interação.

2. Objetivo

Informar exatamente o que deve ser feito. Exemplo: Analise as telas fornecidas utilizando as 10 heurísticas de Nielsen.

3. Critérios

Determinar regras que limitem suposições. Exemplo: Considere apenas evidências observáveis nas telas. Não invente funcionalidades nem faça inferências sem respaldo visual.

4. Estrutura de saída

Definir um formato claro para os achados. Exemplo: Tela; Problema; Heurística violada; Impacto para o usuário, Severidade (0 a 4); Sugestão de melhoria.

5. Resumo executivo

Ao final solicitar: total de problemas encontrados; distribuição por severidade; heurísticas mais afetadas; prioridades de correção. Isso produziu relatórios mais próximos dos utilizados em auditorias profissionais de UX.

Sobre pedir o “processo de pensamento” da IA, m ponto interessante que observei é que pedir para a IA revelar seu raciocínio interno detalhado nem sempre melhora a qualidade da análise. Na prática profissional, o que agrega valor não é ver o passo a passo mental do avaliador, mas sim receber: evidências observáveis; justificativas claras; impacto para o usuário; recomendações acionáveis.

Por isso, em vez de solicitar o raciocínio completo, obtive melhores resultados pedindo justificativas objetivas para cada achado: Qual IA apresentou melhores resultados?

Minha percepção foi a seguinte:

• GPT-5 / Copilot - Muito forte para: avaliação heurística; UX Audit; estruturação de relatórios; priorização de problemas.
• Claude - Excelente para: aprofundar justificativas; UX Writing; explicações qualitativas.
• Gemini - Muito competente em: análises de grandes volumes de contexto; aplicações corporativas e fluxos extensos.

Conclusão

Minha principal aprendizagem nesta atividade foi que a qualidade da avaliação não depende apenas do tamanho do prompt, mas da clareza do papel, do objetivo e dos critérios utilizados. Além disso, a IA produz resultados muito melhores quando recebe as telas reais para análise, em vez de apenas descrições textuais. Por fim, considero que a combinação mais eficaz atualmente é: Prompt estruturado + análise visual das telas + revisão crítica humana. A IA acelera bastante o trabalho, mas a validação final continua sendo responsabilidade do profissional de UX.

Espero que essa experiência ajude outros colegas a evoluírem seus prompts e obterem análises mais úteis e consistentes.