A IA vai substituir os designers UX? A Figma AI sabe desenhar, mas não sabe sentir

A Figma AI agora pode gerar um wireframe completo a partir de um prompt de texto em menos de 30 segundos. [Fact] A Galileo AI transforma um brief de produto em um mockup de UI polido que teria levado meio dia para um designer júnior. O Midjourney cria assets visuais indistinguíveis de trabalho humano. Se você é designer UX, já assistiu a uma dessas demos e sentiu um nó no estômago.

Mas aqui está o que essa demo não mostra: nossos dados colocam o risco de automação para designers UX em 42%, enquanto a exposição geral à IA está em 52%. [Fact] Esses números são significativamente menores do que os de desenvolvedores de software (68% de exposição, 45% de risco) ou cientistas de dados (65% de exposição, 47% de risco). Há uma razão para isso, e tem tudo a ver com a palavra "experiência" no seu título.

Os números por trás da transformação

A tarefa mais afetada no design UX é a criação de wireframes, mockups e protótipos interativos -- atualmente em 75% de automação. [Fact] É um número genuinamente alto e reflete a realidade de que as ferramentas de IA generativa se tornaram notavelmente boas no lado de produção visual do design.

Mas veja o que vem depois: design de layouts visuais e guias de estilo está em 68% de automação, enquanto condução de pesquisa de usuário e testes de usabilidade cai para 40%. [Fact] E colaboração com desenvolvedores na implementação do design está em apenas 22%. [Fact]

Esse gradiente conta a história real. Quanto mais você se afasta da produção de pixels e se aproxima da compreensão de humanos, menos a IA consegue fazer.

O Bureau of Labor Statistics projeta crescimento de +6% para designers web e de interfaces digitais até 2034, com cerca de 110.000 trabalhadores e um salário mediano de US$ 80.000. [Fact] O crescimento é positivo, mas mais lento que a média do setor tech -- o que sugere que a profissão está se transformando em vez de expandir.

O que a IA já conquistou

Sejamos honestos sobre o que mudou. A camada de produção do design UX -- a parte onde você transforma ideias em artefatos visuais -- está sendo fundamentalmente disruptada.

As expectativas de velocidade colapsaram. Um stakeholder que antes aceitava duas semanas para um protótipo agora espera ver algo em dias, porque sabe que ferramentas de IA podem gerar um primeiro rascunho quase instantaneamente. O tempo que designers gastam em produção se comprimiu, o que significa que o valor da pura execução visual caiu.

Design de templates se tornou commodity. Landing pages, layouts de dashboards padrão, páginas de produto e-commerce, padrões comuns de apps mobile -- a IA pode produzi-los em níveis de qualidade "bons o suficiente" para muitos casos de uso. Designers que se especializaram em executar padrões bem conhecidos enfrentam a pressão mais aguda. [Claim]

Design systems se aceleraram. A IA agora pode gerar variações de componentes, manter consistência em um design system e até sugerir melhorias de acessibilidade. O que costumava ser um esforço manual significativo está se tornando parcialmente automatizado.

Onde os designers permanecem essenciais

A taxa de automação de 22% na colaboração interfuncional e de 40% na pesquisa de usuário não são limitações da IA atual -- refletem tarefas fundamentalmente resistentes à automação.

Pesquisa de usuário é sobre empatia, não dados. Você pode pedir à IA para analisar resultados de pesquisa, e ela fará um trabalho decente. Mas você não pode enviar a IA para sentar em uma sala de espera de hospital e observar como pacientes idosos lutam com um quiosque de check-in. Você não pode fazer a IA notar que um usuário diz adorar uma funcionalidade enquanto sua linguagem corporal grita frustração. A pesquisa de usuário real requer estar na sala, ler entrelinhas e fazer a pergunta de acompanhamento que ninguém roteirizou. [Claim]

Estratégia de design requer julgamento de negócios. Decidir que um produto SaaS B2B precisa priorizar onboarding sobre funcionalidades para power users não é uma decisão de pixels. É uma escolha estratégica que requer entender o cenário competitivo, o funil de vendas, os dados de sucesso do cliente e as ambições de crescimento do CEO. A IA pode informar essa decisão com dados, mas não pode tomá-la.

Acessibilidade e inclusão exigem fluência cultural. Projetar para usuários com deficiências, para diferentes contextos culturais, para níveis variados de letramento digital -- isso requer um tipo de imaginação empática que a IA fundamentalmente não possui. Errar não é apenas uma falha de design; pode causar dano real e responsabilidade legal.

Tradução interfuncional é inerentemente humana. Explicar a um engenheiro por que uma animação de carregamento precisa ter exatamente 300ms, convencer um gerente de produto de que a funcionalidade proposta adiciona carga cognitiva, negociar com marketing sobre consistência de marca -- essas conversas requerem inteligência social e persuasão.

A difícil mudança de habilidades

Aqui está a verdade dura: muitos designers UX construíram suas carreiras nas habilidades de produção que a IA agora está automatizando. Se seu valor principal é criar mockups bonitos, você está em uma corrida contra ferramentas que melhoram a cada mês. [Claim]

Os designers que estão prosperando em 2026 são aqueles que sempre foram mais fortes nas camadas de pesquisa e estratégia -- e que agora usam IA para acelerar drasticamente o trabalho de produção que costumava consumir a maior parte do seu tempo. Em vez de gastar três dias em um protótipo, gastam três horas e usam o tempo liberado para pesquisa de usuário mais profunda, mais iterações de design e melhor alinhamento com stakeholders.

Nossas projeções mostram o risco de automação dos designers UX subindo de 42% em 2025 para cerca de 61% até 2028. [Estimate] É um aumento significativo. Mas está concentrado na camada de produção. A camada humana -- pesquisa, estratégia, empatia -- permanece durável.

O que designers UX deveriam fazer agora

1. Torne-se pesquisador, não apenas designer. Se você não consegue conduzir uma entrevista com usuário, sintetizar dados qualitativos e transformar insights em princípios de design, comece a aprender agora. Esta é a habilidade mais resistente à IA no seu kit de ferramentas.

2. Domine as novas ferramentas de IA -- implacavelmente. Os designers que prosperarão são aqueles que produzirão em horas o que costumava levar dias. Figma AI, Galileo e seus sucessores não são ameaças a temer; são vantagens competitivas a dominar.

3. Especialize-se em domínios complexos. Saúde, finanças, software empresarial, produtos com forte componente de acessibilidade -- são áreas onde conhecimento de domínio e sensibilidade humana criam fossos que a IA não consegue facilmente cruzar.

4. Desenvolva seu músculo estratégico. Estratégia de produto, liderança de design, design ops e gestão de UX são áreas onde o prêmio do julgamento humano é mais alto. Mova-se em direção às decisões, não para longe delas.

Conclusão

A IA sabe desenhar, mas não sabe sentir. Essa distinção é a base da resiliência do design UX. Com 52% de exposição geral mas apenas 42% de risco de automação, designers UX enfrentam transformação significativa, mas não substituição. [Fact] A profissão está mudando de produção-intensiva para pesquisa-e-estratégia-intensiva, e designers que fizerem essa mudança descobrirão que a IA os torna mais eficazes, não obsoletos.

Para dados detalhados de automação por tarefa, consulte nossa página de análise de designers UX.

Histórico de atualizações

• 2026-03-24: Publicação inicial baseada em dados Anthropic 2026, projeções BLS 2024-34 e avaliação de capacidades de ferramentas de design IA.

Fontes

• Anthropic Economic Impacts Report (2026)
• Bureau of Labor Statistics, Occupational Outlook Handbook, 2024-2034 Projections
• Eloundou et al., "GPTs are GPTs" (2023)
• Figma AI Feature Documentation (2025-2026)

---

Esta análise foi gerada com assistência de IA, combinando nossos dados estruturados de ocupações com pesquisa pública. Todas as estatísticas marcadas [Fact] vêm diretamente do nosso banco de dados ou das fontes citadas. Afirmações marcadas [Claim] representam interpretação analítica. Estimativas marcadas [Estimate] são derivadas do cruzamento de múltiplos pontos de dados. Consulte nossa Divulgação de IA para detalhes sobre nossa metodologia.