Como uma universidade usou IA para auditar centenas de componentes
O problema invisível dos componentes duplicados
Organizações com sites de porte considerável enfrentam um problema silencioso: ao longo de anos de projetos, redesigns e correções rápidas, o mesmo tipo de componente é reconstruído repetidamente, com pequenas variações a cada vez. Ninguém planeja criar seis versões de um acordeão - simplesmente acontece. A Clearleft, agência de design sediada em Brighton, encontrou esse cenário ao trabalhar com uma grande instituição de ensino superior do Reino Unido. A universidade já havia iniciado as bases de um design system, mas seu site cresceu organicamente por anos e ninguém tinha uma visão clara e honesta do que realmente existia ali. O ponto de partida não era "aqui está um design system, ajude-nos a organizá-lo", mas sim "sabemos aproximadamente para onde vamos, mas ainda não sabemos o que temos".
Prototipagem na velocidade da conversa
Em vez de escrever uma especificação e encomendar um desenvolvimento tradicional - que levaria semanas - a equipe usou IA para construir uma ferramenta de auditoria por meio de iterações rápidas: testar algo, rodar contra o site, ver o que volta, ajustar e tentar de novo. Esse ciclo era rápido o suficiente para validar ideias no mesmo dia em que surgiam. Dois momentos do processo se destacaram. Primeiro, a ferramenta sinalizava elementos de navegação e rodapé em todas as páginas, soterrando os padrões relevantes sob ruído irrelevante - algo que só se percebe ao olhar resultados reais, não ao escrever um spec. Segundo, a primeira versão alertava sobre cada instância de cada padrão encontrado, gerando centenas de avisos quase idênticos. A ferramenta foi então ajustada para reconhecer padrões já vistos e alertar apenas quando uma variação genuinamente nova aparecia.
O que a ferramenta se tornou
O resultado final agrupa componentes semelhantes, destaca padrões únicos e permite que alguém marque rapidamente cada um como "manter", "fundir", "aposentar" ou "investigar mais". A ferramenta não foi feita apenas para designers: desenvolvedores também a utilizam para comparar como um componente foi implementado ao longo do codebase, identificando onde a marcação ou estilização divergiu silenciosamente com o tempo. Tudo roda localmente, sem enviar dados a terceiros - um requisito importante dado o caráter sensível dos dados no setor educacional. O que a ferramenta entregou à equipe foi evidência: uma visão real e compartilhada do que existia, permitindo avançar rumo a um design system finalizado com confiança, não com suposições.
IA como acelerador, não como juiz
A Clearleft enfatiza que não usou IA por ser tendência, mas porque ela cumpriu um trabalho específico bem: construir uma ferramenta funcional rapidamente para que a equipe pudesse se dedicar ao trabalho real mais cedo. O julgamento permaneceu humano. A IA assumiu o trabalho pesado e repetitivo, liberando as pessoas para aplicar sua expertise e decidir o que realmente vale manter. A lição central é que a ferramenta fez a descoberta; as pessoas fizeram as decisões.