Quando o canvas começa a agir, quem controla? O design da era dos agentes

A tese de Aurélie Radom é que, quando interfaces agentic passam a agir por conta própria, o objeto do design muda: os designers deixam de desenhar apenas telas e interações e passam a desenhar a distribuição de responsabilidade entre pessoa e sistema - comportamento, limites, permissões, padrões e momentos de devolução de controle.

Do comando à intenção

Na maior parte da história do software, a interface era o lugar onde as pessoas diziam ao sistema o que fazer. O terminal sempre foi diferente: poderoso, mas com capacidades escondidas atrás de comandos - um dos motivos pelos quais designers sempre tiveram dificuldade com ferramentas de linha de comando. Os agentes de codificação com IA trazem de volta esse modelo de interação em nova forma: descreve-se um resultado e o agente decide quais comandos rodar, quais arquivos alterar e quais testes executar. Surgem então as perguntas clássicas em outra roupagem: o que o sistema entendeu, o que está fazendo, o que mudou, o que pode ser interrompido e o que precisa de revisão.

A autora destaca que o campo de prompt vazio de ferramentas generativas é difícil não apenas por exigir começar do zero, mas porque não revela o que é possível: as capacidades ficam escondidas atrás da linguagem, e o ônus da exploração recai sobre o usuário, que precisa imaginar as possibilidades antes de descobri-las.

As heurísticas continuam valendo

As heurísticas de Nielsen voltam a ser relevantes, mas a relação que descrevem mudou. A visibilidade do status do sistema passa a significar entender o que o agente compreendeu e onde está no processo; reconhecimento em vez de recall torna-se tornar as capacidades do agente visíveis pelo contexto à disposição; controle do usuário agora inclui interromper, redirecionar ou desfazer; e prevenção de erros passa a definir o que o agente pode fazer sozinho e o que exige envolvimento humano.

O canvas que age

O canvas agentic da Miro reúne contexto de ferramentas como Slack, GitHub, Amplitude e Granola, além de PDFs, apresentações e planilhas, em um espaço compartilhado. Seus Sidekicks criam documentos, diagramas, protótipos e quadros, enquanto Flows transformam interações em fluxos de trabalho visíveis, executáveis e reutilizáveis. A mudança importante: a IA não trabalha mais a partir de um prompt isolado - lê o canvas, referencia itens anteriores e encadeia saídas de uma etapa para a próxima.

A Figma segue direção semelhante: o agente de design atua no canvas, o Figma Make leva de ideias a protótipos funcionais, e a empresa abriu o canvas a agentes de terceiros e introduziu skills que dão contexto sobre decisões de design, a exemplo do que ocorre no ecossistema da Anthropic.

Há uma segunda mudança: agentes passam a decidir qual contexto precisam, e não apenas a consumir o que recebem. A autora cita o trabalho do Google DeepMind com compreensão agentic de vídeo: o Gemini determina qual parte do vídeo inspecionar, em qual velocidade e se precisa de quadros, áudio ou transcrição, recuperando os momentos relevantes por um loop agentic e consumindo menos tokens que a análise estática. Isso significa que a atenção - tanto a do sistema quanto a que ele pede do humano - torna-se parte do problema de design.

Humano no loop como fronteira de decisão

Citando o ensaio de Ge Wang em Stanford, a autora distingue automatizar uma tarefa de projetar um sistema em que as pessoas ainda moldam o resultado. Envolvimento humano não precisa significar trabalho manual: pode significar decidir onde o agente age sozinho, onde ele deve consultar e onde a pessoa decide. A referência "AI in the loop, humans in charge" resume o ponto: o que importa não é quantas vezes alguém clica em aprovar, mas se as pessoas mantêm controle sobre as decisões que dependem de julgamento, contexto ou preferência.

A camada de política

Quando o sistema pode agir, o handoff vira interface: o que o agente pode fazer sem perguntar, quando pedir confirmação, quais ações devem ser reversíveis e quais decisões permanecem humanas. Essa é a camada de política do produto. Design systems podem deixar de ser referência só para humanos e virar instruções e restrições que moldam como a máquina opera. E o gosto muda de sentido: quando a IA gera possibilidades, ele ajuda a decidir quais valem a pena; quando a IA executa, ajuda a decidir o que delegar.

A conclusão: com agentes reunindo contexto e executando, a execução fica menos escassa e a atenção se torna o recurso central - cabe ao design decidir o que chega à pessoa. A pergunta deixa de ser apenas como a interface deve parecer e passa a ser quem decide o que acontece a seguir.