SuperSkillsStack: Agency, Domain Knowledge, Imagination, and Taste in Human-AI Design Education

Este estudo analisa como estudantes de design integram a inteligência artificial generativa em seus projetos, revelando que, embora a ferramenta acelere fases iniciais como brainstorming e síntese, a colaboração eficaz depende fundamentalmente de competências humanas superiores — como agência, conhecimento de domínio, imaginação e bom gosto — para validar, refinar e selecionar soluções criativas.

O essencial

Imagine que você está montando uma equipe de super-heróis para salvar o dia. Até pouco tempo, você tinha apenas humanos com superpoderes naturais: observação, empatia e criatividade. Agora, chegou um novo membro à equipe: uma Inteligência Artificial (IA) super-rápida, que sabe tudo sobre o mundo e pode criar ideias em segundos.

Mas aqui está o grande mistério que este estudo tentou resolver: Como os designers (os heróis humanos) aprendem a trabalhar com essa nova IA sem perderem a sua própria essência?

Os pesquisadores, Qian Huang e King Wang Poon, observaram 80 grupos de estudantes de design usando IA em seus projetos. Eles descobriram que, para funcionar bem, o ser humano precisa dominar quatro "Super-Habilidades" (o SuperSkillsStack). Vamos explicar cada uma delas com analogias do dia a dia:

1. Agência (O Capitão do Navio)

O que é: É a capacidade de dizer "eu mando aqui". Não é deixar a IA dirigir o carro; é você segurar o volante e decidir quando usar o GPS.
A Analogia: Pense na IA como um cozinheiro assistente muito rápido. A Agência é você, o chef, decidindo: "Hoje vou pedir ao assistente para cortar as cebolas, mas vou fazer o tempero eu mesmo porque sei exatamente o que o prato precisa".
O que os alunos fizeram: Eles não deixaram a IA fazer tudo. Eles decidiram quando usá-la (no começo, para brainstorming) e quando desligá-la (quando precisavam sentir o cheiro do lugar ou ouvir a dor real de uma pessoa). Eles eram os chefes, não os passageiros.

2. Conhecimento do Domínio (O Detetive Local)

O que é: É o conhecimento profundo do mundo real, das ruas, das pessoas e da cultura. A IA sabe "de tudo um pouco", mas não conhece o "seu" lugar específico.
A Analogia: Imagine que a IA é um turista que leu todas as enciclopédias sobre o Brasil, mas nunca pisou no Rio de Janeiro. Ela pode descrever a praia perfeitamente, mas não sabe que, na verdade, o vento naquela hora específica joga areia na cara das pessoas.
O que os alunos fizeram: Eles foram ao local (fizeram campo). Quando a IA dizia algo que parecia bonito no papel, mas não fazia sentido na realidade (como um desenho de um prédio que não caberia na rua), os alunos usaram seu conhecimento local para dizer: "Ei, isso está errado! Aqui é diferente". Eles foram os detetives que pegaram a IA no erro.

3. Imaginação (O Motor de Ideias)

O que é: É a capacidade de sonhar e criar coisas novas.
A Analogia: A IA é como uma máquina de fazer "e se...". Se você perguntar "E se um carro voasse?", ela gera 100 ideias de carros voadores em segundos. Mas a Imaginação humana é quem pega essas 100 ideias e pensa: "Hum, essa aqui é engraçada, mas aquela outra pode realmente resolver o problema do trânsito".
O que os alunos fizeram: Eles usaram a IA para "quebrar o gelo" quando estavam sem ideias. A IA jogou muitas sementes no chão, e os alunos escolheram quais plantar e como cultivar. A IA acelerou o processo, mas a direção veio da mente humana.

4. Gosto (O Crítico de Arte)

O que é: É a capacidade de julgar o que é bom, bonito, útil e verdadeiro. É o "bom senso" refinado pela experiência.
A Analogia: Pense na IA como uma máquina que imprime 1.000 quadros por minuto. Ela pode fazer quadros que parecem arte, mas são apenas manchas de tinta aleatórias. O "Gosto" humano é o curador de museu que entra, olha, e diz: "Esse aqui é lixo, esse é mediano, mas aquele ali é uma obra-prima que vai tocar o coração das pessoas".
O que os alunos fizeram: Eles rejeitaram muitas sugestões da IA que pareciam "bonitas" mas eram vazias. Eles usaram seu gosto para polir, reescrever e escolher apenas o que realmente fazia sentido para o problema real.

---

A Grande Conclusão: A IA é um Turbo, não um Motor

O estudo descobriu uma coisa muito importante: A IA não substitui o designer humano; ela funciona como um turbo.

• Onde a IA brilha: No começo do projeto. Ela ajuda a organizar ideias, resumir textos e gerar muitas opções rapidamente (como um motor V8 acelerando o carro).
• Onde o Humano brilha: No meio e no fim. A IA não consegue sentir empatia, entender a cultura local, julgar se algo é ético ou decidir o que é "belo" de verdade.

Resumo da Ópera:
Se você deixar a IA dirigir sozinha, o carro vai bater (porque ela não conhece o buraco na estrada). Mas se você, com seu Gosto, seu Conhecimento e sua Imaginação, usar a IA como uma ferramenta poderosa, você chega ao destino muito mais rápido e com um carro melhor.

O futuro da educação em design não é ensinar os alunos a "fazerem o que a IA faz", mas sim a se tornarem maestros que sabem orquestrar a orquestra humana e a IA juntos.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "SuperSkillsStack: Agency, Domain Knowledge, Imagination, and Taste in Human-AI Design Education", apresentado em português.

1. Problema de Pesquisa

O avanço rápido da Inteligência Artificial Generativa (IAG) está a transformar a prática criativa e a educação em design. Embora estas ferramentas ofereçam eficiência sem precedentes e acesso à criatividade computacional, surgem questões críticas sobre o futuro da aprendizagem humana e da expertise. O problema central identificado é: como integrar ferramentas de IAG na educação de design sem comprometer o desenvolvimento das capacidades humanas únicas (como observação, empatia, resolução criativa de problemas e julgamento crítico) que sustentam uma prática de design significativa?

Existe uma lacuna na literatura empírica sobre como os estudantes realmente equilibram os insights gerados por IA com a observação humana, o conhecimento contextual e o julgamento avaliativo durante projetos reais.

2. Metodologia

O estudo utilizou uma análise temática qualitativa para examinar como os estudantes integraram ferramentas de IAG em projetos de design.

• Contexto Educacional: Os dados foram recolhidos num curso de "Design Thinking e Inovação" focado em projetos de design centrado no ser humano em ambientes do mundo real.
• Participantes: 80 equipas de estudantes de design.
• Dados Analisados: Escritos reflexivos produzidos pelas equipas no final da atribuição. Os estudantes foram encorajados a experimentar ferramentas como ChatGPT, Gemini, Perplexity, Claude e geradores de imagem, mas o uso não era obrigatório, permitindo observar padrões naturais de colaboração.
• Quadro Analítico: A análise baseou-se no quadro teórico SuperSkillsStack, que identifica quatro competências humanas interligadas necessárias para uma colaboração eficaz com a IA:
  1. Agência (Agency): Capacidade de controlar e decidir quando e como usar a IA.
  2. Conhecimento de Domínio (Domain Knowledge): Compreensão contextual para interpretar problemas e validar soluções.
  3. Imaginação (Imagination): Capacidade de gerar novas ideias e visualizar possibilidades alternativas.
  4. Gosto (Taste): Capacidade de avaliar a qualidade estética, conceitual e prática das ideias.
• Procedimento de Codificação: Seguiu-se um processo de duas etapas: codificação dedutiva baseada no quadro SuperSkillsStack, seguida de uma análise de padrões temáticos para identificar fluxos de trabalho humano-IA.

3. Principais Contribuições

O estudo contribui para a literatura de educação em design e interação humano-IA ao:

• Validar Empiricamente o Framework SuperSkillsStack: Demonstrar como as quatro competências (Agência, Conhecimento de Domínio, Imaginação e Gosto) operam na prática real de estudantes.
• Mapear o Fluxo de Trabalho Humano-IA: Identificar que a IA atua predominantemente como um "acelerador cognitivo" nas fases iniciais (divergentes), enquanto o julgamento humano domina as fases finais (convergência e avaliação).
• Reenquadrar a IA na Educação: Sugerir que a integração da IA não deve focar apenas na literacia técnica, mas no cultivo de capacidades cognitivas de ordem superior para orquestrar a colaboração.

4. Resultados Principais

A análise dos escritos reflexivos revelou padrões consistentes na forma como os estudantes interagiram com a IA:

• Agência (Controle Ativo): Os estudantes não aceitaram passivamente as saídas da IA. Eles decidiram deliberadamente quando excluir a IA (ex: durante entrevistas de utilizador, mapeamento de empatia e análise de campo, onde a observação direta é crucial) e quando incluí-la. Muitos equipas experimentaram múltiplas plataformas e ajustaram os prompts iterativamente.
• Conhecimento de Domínio (Filtro de Validação): O conhecimento adquirido através de visitas de campo e observações diretas foi essencial para detectar imprecisões nas sugestões da IA. Os estudantes usaram este conhecimento para filtrar informações geradas pela IA que eram plausíveis estatisticamente, mas incorretas no contexto específico do projeto (ex: layouts físicos ou dinâmicas culturais).
• Imaginação (Catalisador de Ideias): A IA foi mais utilizada e valorizada durante a fase de ideação divergente. Funcionou como um catalisador para superar bloqueios criativos, gerar variações rápidas e expandir o leque de possibilidades. No entanto, os estudantes enfatizaram que as ideias da IA eram apenas pontos de partida, exigindo desenvolvimento humano posterior.
• Gosto (Julgamento Avaliativo): O "Gosto" emergiu como a competência mais crítica nas fases finais. Os estudantes exerceram o julgamento humano para rejeitar, reescrever ou refinar saídas da IA que soavam polidas, mas eram genéricas ou irrelevantes para o contexto. A IA gerava volume; o "Gosto" humano determinava o valor e a pertinência.
• Fluxo de Trabalho Híbrido: O padrão recorrente foi:
  1. A IA gera ideias iniciais e resumos.
  2. Os estudantes interpretam e validam usando conhecimento de domínio.
  3. As equipas filtram ideias através de discussão crítica.
  4. Os estudantes refinam o design com julgamento humano final.

5. Significado e Implicações

O estudo conclui que a IA generativa não substitui as capacidades humanas necessárias para o pensamento de design, mas sim reconfigura o processo, acelerando as fases exploratórias e aumentando a importância do julgamento humano e da compreensão contextual.

Implicações para a Educação em Design:

1. IA como Parceiro, não Substituto: A IA deve ser introduzida como um parceiro colaborativo para acelerar a exploração, mantendo a responsabilidade humana pela interpretação e avaliação.
2. Ênfase na Pesquisa de Campo: O currículo deve continuar a priorizar a pesquisa de campo, entrevistas e observação, pois são essenciais para desenvolver o "Conhecimento de Domínio" necessário para validar a IA.
3. Cultivo do "Gosto" e do Julgamento: À medida que a geração de ideias se torna mais fácil, a capacidade de distinguir soluções significativas de superficiais torna-se a habilidade mais valiosa.
4. Alfabetização Estratégica: A literacia em IA deve ser ensinada não apenas como uma habilidade técnica, mas como uma competência estratégica: saber quando a IA é útil, quando é enganadora e como combiná-la com a perspetiva humana.

Em suma, o estudo defende que a educação em design deve evoluir para cultivar o SuperSkillsStack, permitindo que os futuros designers orquestrem a colaboração humano-IA de forma eficaz, preservando as fundações humanocêntricas da prática de design.