Designer da GovTech aprende limites da IA ao criar apps com Lovable

A lacuna entre prototipar e implementar

Derrick Ng, designer de UX da GovTech de Singapura, nunca escreveu código de produção, mas passou meses construindo pequenos aplicativos funcionais sozinho com o Lovable, um construtor de aplicativos assistido por IA. Sua experiência, publicada no Medium da GovTech em janeiro de 2026 e adaptada pelo portal TechNews em setembro de 2026, mostra o que a assistência por IA oferece a designers e onde julgamento de produto, vocabulário técnico e conhecimento de engenharia ainda fazem diferença.

Lição 1: prototipar vai muito mais longe

O primeiro teste veio de um problema real: a assinatura da ferramenta online de Planning Poker - método ágil em que o time estima esforço em story points - venceu, e Ng decidiu construir uma versão própria como projeto pessoal. O desafio era fazer vários usuários entrarem na mesma sessão e revelarem estimativas ao mesmo tempo, tarefa que normalmente exigiria suporte de engenharia.

O construtor com IA o levou próximo de uma versão funcional, mas revelou limites: ao tentar implementar a interação em tempo real, a ferramenta repetia soluções que não funcionavam, em um cenário que ele descreveu como "error loop of death". Ele só saiu do impasse quando um desenvolvedor disse que o recurso necessário se chamava WebSocket. Com o termo técnico correto, a ferramenta pôde ajudá-lo a avançar. O caso ilustra tanto o poder quanto o limite do "vibe coding": a IA resolvia o problema, mas faltava saber o que pedir.

Lição 2: quanto melhor o briefing, melhor o protótipo

Para Ng, habilidades como design e pensamento de produto continuam relevantes porque a qualidade da saída depende da clareza da entrada. Para explorar alternativas, ele usou uma abordagem jobs-to-be-done: descrever o problema do usuário e deixar a IA sugerir soluções - o que espelha a prática de divergir antes de convergir no processo de design.

Quando a direção já está clara, o briefing precisa ser mais específico: um documento de requisitos de produto (PRD), que define o que o produto deve fazer, para quem, como deve se comportar e quais restrições precisa cumprir, ajuda a IA a gerar um ponto de partida mais forte para um aplicativo mais completo. Fundamentos de design - execução visual, julgamento de produto, empatia com o usuário e princípios de design - seguem necessários para decidir o que pedir e avaliar se a saída é boa o suficiente.

Lição 3: protótipo funcional não é sistema de produção

Construir protótipos muda o trabalho: Ng criou vários aplicativos funcionais em dias, cada um demonstrando uma ideia de ponta a ponta, algo que antes exigiria apoio de engenharia. Isso permite testar mais cedo e tomar mais decisões de forma independente.

Mas o artigo traça uma linha importante, sobretudo no setor público: um protótipo funcional não é um produto capaz de atender pessoas em escala. As ferramentas assistidas por IA podem gerar rapidamente algo que mostra como um serviço poderia funcionar e ajudar a decidir se vale a pena construir; o que não entregam é a arquitetura, a segurança e a confiabilidade exigidas de serviços públicos em escala, que dependem de conhecimento e experiência reais. Construir rápido não é construir bem, e entender o que foi construído e suas limitações faz parte da responsabilidade que acompanha as capacidades de IA.

Implicações para a prática no governo

Para servidores públicos, a experiência sugere que ferramentas de IA são mais úteis quando combinadas com definição clara do problema e julgamento para avaliar o que produzem. O mais valioso a levar não é habilidade técnica, mas pensamento claro sobre o problema: quanto mais afiado o briefing, melhor a saída. A GovTech enquadra isso em um esforço mais amplo, com ferramentas internas como PlatformAI e Desk para uso mais eficaz e responsável de IA.

Para serviços digitais do governo, o valor está em tornar mais ideias tangíveis mais cedo, testá-las de forma mais realista e avaliá-las antes de comprometer recursos de engenharia. Design e engenharia não se tornam intercambiáveis, mas as ferramentas de IA podem tornar a colaboração mais precoce, reduzindo a entrega tradicional em "passar o bastão" do design para a engenharia.

A fronteira se moveu, não desapareceu

A conclusão de Ng não é que todos devem virar desenvolvedores, nem que a IA elimine a necessidade de conhecimento: ela muda o ponto em que a expertise entra no processo. Designers ainda precisam de desenvolvedores que digam o que é um WebSocket; interfaces ainda precisam de designers que entendam o problema; protótipos ainda precisam de engenheiros para virar sistemas de produção confiáveis para cidadãos. A fronteira do que uma pessoa sozinha pode levar da ideia ao protótipo funcional se moveu, mas o humano por trás da ferramenta continua sendo o que a torna útil. O texto nota ainda que referências a recursos, preços e interface do Lovable refletem a experiência do autor na época e podem ter mudado.