A IA escreve artigos. A IA traduz. A IA verifica links, resume o tráfego, sugere mudanças de texto e corrige a próxima rodada.
Até surgir um problema curioso:
todo mundo dentro do sistema conhece o site bem demais.
Quem construiu sabe o que cada botão significa. A IA consegue inferir a intenção pelas especificações. Quem administra já viu a interface tantas vezes que o cérebro completa sozinho as partes confusas.
Um visitante de primeira viagem não faz isso.
“O que é isso?” “Onde eu clico?” “Por que mudou de idioma?” “Como volto?” “Dá para entender a frase, mas ela está estranha.”
Esse “está estranha” é valioso.
A solução acabou ficando quase cômica:
pagar a visitantes novos para apontar onde ficaram confusos ou acharam algo estranho.
Um iene por achado válido, com limite de 1.000 ienes por participante.
As pessoas voltaram ao trabalho que as máquinas já faziam quase sozinhas. Sua tarefa: “Tem algo errado aqui.”
1. Não é revisão de código; é atrito de primeira impressão
A ideia não é contratar uma auditoria profissional enorme.
Valem coisas como:
- não entender para que serve um botão,
- não saber qual é o próximo passo,
- achar um título estranho,
- ter dificuldade para tocar em algo no celular,
- abrir um artigo relacionado no idioma errado,
- clicar e encontrar uma tela em branco,
- ler um texto gramaticalmente correto que soa artificial,
- perceber que uma função simples faria falta.
O Digital.gov descreve teste de usabilidade como observar pessoas enquanto tentam usar um produto ou serviço.[1] O GOV.UK também aponta que observar usuários reais ajuda a revelar problemas específicos de linguagem, layout e conclusão de tarefas.[2]
Portanto, isso não é um ritual inventado pela era da IA.
É o velho teste de usabilidade voltando para um site que agora consegue produzir e alterar conteúdo em velocidade de máquina.
2. O próprio operador pode ser um péssimo testador
“É só olhar o próprio site com atenção” funciona enquanto ele é pequeno.
Quando aumentam os artigos, idiomas e caminhos, revisar tudo manualmente deixa de ser realista.
Além disso, o operador sabe demais.
Sabe onde fica a busca. Sabe o que o bloco de relacionados deveria fazer. Sabe como funciona a troca de idioma. Pequenas estranhezas são normalizadas.
E existe outro fator:
revisar tudo é chato.
Isso não é falha de caráter. É sinal de que o processo precisa mudar.
Em vez de depender de disciplina heroica, a tarefa pode ser separada.
O operador não precisa ser a pessoa que vê cada página. Pode ser quem define quais evidências importam e cria o sistema que transforma achados em correções.
3. Um iene não compra ideias; compra o olhar de quem chega pela primeira vez
Um iene por item parece ridiculamente baixo se você imaginar um serviço de consultoria.
Mas o produto é outro.
O que se compra é:
o fato de que alguém vendo aquilo pela primeira vez realmente tropeçou ali.
Uma pessoa pode enviar muitos achados, mas o total fica limitado a 1.000 ienes. Reformular o mesmo problema não cria novos itens pagáveis.
O teto importa porque “encontre o máximo que puder” pode virar rapidamente:
“E se eu pedir para uma IA gerar 10 mil melhorias?”
Por isso o incentivo por volume precisa de regras:
- olhar o site de verdade,
- apontar uma página, elemento ou comportamento real,
- unir paráfrases do mesmo problema,
- definir um teto de pagamento.
Um iene é um experimento deste caso, não uma recomendação universal de remuneração justa. Trabalho mais longo ou especializado exige outro modelo.
4. A pior entrega é “a IA gerou 10 mil melhorias”
Não é necessário proibir IA.
O problema é produzir conselhos sem olhar o produto.
“Melhore a navegação.” “Aumente a acessibilidade.” “Otimize o design responsivo.”
Tudo certo.
E quase inútil para esse objetivo.
Um achado bom é concreto:
“Nesta página, não entendi o que este botão faria.” “Depois deste subtítulo, o assunto muda de repente.” “Só neste idioma os artigos relacionados voltam ao idioma padrão.”
A IA pode entrar depois para limpar o texto, agrupar duplicatas e padronizar.
A ordem importa:
o humano encontra; a IA organiza.
5. Se cada achado chegar como uma mensagem de chat, o cliente morre primeiro
Para receber muitas observações, é melhor pedir que venham juntas.
O pior cenário é um chat infinito:
“Achado 1.” “Achado 2.” “Ah, também o 3.” “Mais uma coisa…”
O teste foi terceirizado, mas nasceu uma nova tarefa manual: recolher tudo.
Por isso a entrega deve ser em lote:
- Excel,
- planilha,
- txt,
- lista numerada,
- qualquer texto copiável.
Capturas de tela não precisam ser padrão. Podem ajudar em um bug visual, mas texto é muito mais fácil de pesquisar, deduplicar, ordenar e processar com IA.
O guia de pesquisa com usuários do GOV.UK observa que notas digitadas são mais fáceis de armazenar e analisar, e que uma observação clara por nota facilita a classificação.[3]
Um formato mínimo basta:
local / situação atual / melhoria sugerida
Para bug:
local / ação / resultado
6. Em sistemas multilíngues, “gerou com sucesso” não significa “soa humano”
As páginas nos 12 idiomas podem ser criadas sem erro. As URLs podem abrir normalmente. E ainda assim o resultado pode ficar estranho.
- um trecho fica no idioma original,
- um botão tem tradução esquisita,
- o significado está correto, mas um nativo não falaria assim,
- um texto maior quebra o layout,
- a troca de idioma funciona, mas os relacionados voltam ao idioma padrão,
- uma versão perde um trecho.
Cada participante só precisa revisar idiomas que realmente lê.
A máquina pergunta:
foi gerado?
O humano pergunta:
uma pessoa normal diria isso?
São testes diferentes.
7. Duplicatas são desperdício no pagamento e ouro na priorização
Se uma pessoa repete o mesmo problema em três formas, é um achado.
Se três pessoas independentes travam no mesmo botão, é outra história.
Isso mostra que pessoas diferentes se confundem no mesmo lugar.
Na análise:
- paráfrases da mesma pessoa → unir,
- o mesmo achado vindo de pessoas diferentes → manter a frequência.
“Três pessoas se confundiram aqui” é evidência mais forte que a preferência estética do operador.
O padrão de serviços do GOV.UK recomenda testes regulares com usuários reais ou potenciais e em dispositivos que representem o uso real.[4]
8. O loop final é IA → humano → IA
Os passos ficam assim:
- IA gera conteúdo.
- IA traduz.
- IA checa condições técnicas e estruturais conhecidas.
- IA corrige falhas conhecidas.
- Humanos leem, clicam, hesitam e se perdem.
- Humanos enviam “tem algo estranho” como texto.
- IA remove duplicatas.
- A IA agrupa os problemas conforme a gravidade, se voltam a acontecer e o trabalho necessário para corrigi-los.
- IA propõe ou aplica correções.
- Checagens automáticas e humanas rodam de novo.
As pessoas voltaram a ter uma tarefa na revisão.
Mas não para repetir trabalho mecânico.
A máquina detecta 404. O humano detecta: “o link abre, mas não faço ideia por que vim parar aqui”.
A máquina verifica que existe uma tradução. O humano diz: “ninguém fala desse jeito”.
Essa divisão faz sentido.
9. Testar gera visualizações, mas visualizações não são o produto
Se alguém realmente revisar dezenas de páginas, as visualizações aumentam.
Em um site com anúncios, a navegação comum também pode gerar impressões normais.
Isso é efeito colateral.
Cliques ou exposição a anúncios não devem virar condição de tarefa ou pagamento.
O que se compra não é tráfego.
É a observação produzida porque uma pessoa realmente visitou a página.
10. O fim da automação não era “zero humanos”
Automação costuma começar com a fantasia de remover pessoas de todos os passos.
Mas automação madura pode levar à conclusão oposta:
mover humanos para onde apenas humanos agregam valor.
Rascunho, tradução, agrupamento, checagem de links, classificação, análise e propostas de correção podem ir para máquinas.
E dos humanos comprar apenas:
“Não entendi de primeira.” “Isto incomoda.” “Isto está estranho.” “Isto seria útil.”
Um iene não compra uma frase.
Compra um instante de percepção de uma mente que não compartilha as suposições do operador.
Depois de automatizar quase tudo, o humano voltou.
Cargo: Detector de “tem algo estranho aqui”.
Talvez seja a tarefa mais humana de todas.
- Observar o uso de um serviço digital.gov
- Testes com usuários gov.uk
- Registrar observações gov.uk
- Facilitar o uso do serviço gov.uk
