76 perguntas abertas de usabilidade em IA: mapa de pesquisa de Jakob Nielsen

A IA é, para Jakob Nielsen, o primeiro novo paradigma de interface em 60 anos. Também é um experimento sem controle: bilhões de pessoas reorganizam escrita, busca, decisão e aprendizado em ferramentas que chegaram antes de estudarmos o uso real.

Em 5 de agosto de 2026, ele publicou no Substack uma lista de 76 perguntas abertas de usabilidade em IA. A maior parte dá para responder com métodos qualitativos, poucos recursos e semanas ou meses de trabalho. Observar 10 pessoas, codificar o que acontece e reportar com honestidade ainda pode produzir território pouco explorado.

Por que isso importa para carreira

Nielsen é direto com estudantes: vagas júnior em research estão mais escassas. Ele cita análise do Stanford Digital Economy Lab (Brynjolfsson, Chandar e Chen) em que emprego de trabalhadores de 22 a 25 anos nas ocupações mais expostas à IA caiu 16% em relação a colegas mais velhos nas mesmas funções.

A saída que ele defende não é só diploma. É evidência de duas qualidades que hiring managers passam a filtrar:

1. Agency. Um estudo de campo concluído mostra iniciativa. Tese só teórica mostra que a pessoa seguiu regras acadêmicas
2. Experiência real com IA. Usar as ferramentas, observar outras pessoas usando e formar opinião defensável sobre onde falham

Oito tipos de insight (além das 7 listas)

As 76 perguntas aparecem em listas por orçamento de pesquisa. Nielsen também as lê por tipo de conhecimento:

• Modelos mentais: o que a pessoa acha que a máquina é (busca, oráculo, pessoa) e que erros isso prevê
• Confiança e verificação: o maior cluster (17 perguntas), do “quando confiar” ao “a confiança volta depois de uma queimada?”
• Loop de articulação: da intenção ao prompt e ao reparo
• Descoberta: o que o chat e o ícone de sparkle escondem
• Fit tarefa e interface: quando usar IA, chat, GUI ou voz
• Trajetórias: hábito, novidade, deskilling, infância com IA
• Amplitude de usuários: 70+, acessibilidade, culturas, gap entre time e cliente
• Metodologia: heurísticas, N de amostra, think-aloud, usuários sintéticos em sistema não determinístico

O mesmo tema (confiança, por exemplo) aparece em versões de ensino médio, mestrado, Ph.D., product team e lab. Dá para escolher o insight e depois o orçamento.

As 7 listas de perguntas

1. Estudos iniciais (ensino médio e TCC) Dez projetos sem lab caro: avaliação heurística de assistente, se alguém lê o aviso “AI can make mistakes”, checagem de citações, estabilidade da resposta em dias diferentes, teste de bajulação (sycophancy), efeito do “por favor”, IA versus busca com cronômetro, clique em prompts sugeridos, sessão só teclado, IA na mesa da família.

2. 16 projetos de mestrado (o miolo) Modelos folk de como a IA funciona, barreira de articulação, o que parece credível, detecção de erro, primeira sessão, por que pessoas abandonam, IA ou busca, reparo conversacional, teorias de memória, como leem respostas, espera do “thinking”, supervisão de agentes, chat versus UI híbrida, voz versus texto, adultos 70+, screen reader.

3. Dissertações de doutorado Deskilling longitudinal, heurísticas de IA validadas, estágios de modelo mental, confiança calibrada, culturas, teste de proficiência em prompting, delegação ao longo do tempo, design humanizado, quando linguagem vence GUI, infância com IA.

4. O que qualquer product team roda neste trimestre Instrumentar o botão de IA, taxonomia de tickets de suporte, para onde o tempo vai no workflow, backlog de intenção não atendida, destino dos drafts (aceitar, editar, jogar fora), cliff de novidade, se o widget de joinha mede algo, dogfood versus realidade, imposto da limpeza (custo do erro), teste A/B de três prompts exemplo.

5. Só os grandes labs Assinatura de abandono, se o mundo está aprendendo a promptar, para que a IA é usada de verdade, se power features importam, experimento de comprimento de resposta, métrica de sucesso em escala, o que acontece depois da “primeira traição”, custo de usabilidade quando o modelo muda, quem paga o imposto do prompting, se memória vale a pena.

6. Replicações do cânone de usabilidade Paradoxo do usuário ativo, reconhecimento versus recordação na caixa vazia, Jakob’s Law entre chats, problema do desacordo verbal, banner blindness nos botões de IA, efeito estética-usabilidade, pico e fim em conversas, mensagens de erro sem mensagem, progressive disclosure, poder do default no primeiro draft.

7. Pesquisa sobre pesquisa Quantas pessoas testar em sistema aleatório, se think-aloud distorce o prompting, validade com data de validade, usuários sintéticos a julgamento, rubricas para output aberto, métodos para conversas privadas demais para ler, se benchmark prevê usabilidade, desenho longitudinal em produto que muda toda semana, e outras questões de método que tornam o resto confiável.

Como usar na prática

Nielsen não entrega protocolo pronto de propósito: desenhar o estudo é o primeiro teste. As fronteiras entre listas são moles. Vale olhar um nível acima e um abaixo do seu orçamento. A lista está datada de agosto de 2026: o campo anda rápido, e parte das perguntas será respondida. Bom sinal.

Para quem está na comunidade Menina de UX: dá para transformar um TCC, um estudo de portfólio ou um ciclo de discovery interno em peça que demonstra agency e olhar crítico para IA. O pedido implícito do texto é simples. Pare de só opinar sobre “o futuro da IA”. Meça o uso real e publique.

Fontes