O desafio era simplificar a rotina de trabalho reduzindo custos operacionais e estimular o trabalho colaborativo. O sistema legado foi um obstáculo para propor melhorias sistêmicas e de processos. Os sistemas utilizados na época tinham muitas funções escondidas com sub-níveis e organizadas para "atender demanda local".

Abordagem

Como Product Designer, atuei de ponta a ponta nas etapas de product development, com foco em discovery e delivery. No início do projeto, trabalhei de forma individual, conduzindo toda a pesquisa documental e entrevistas com usuários.

Com a formação de uma equipe multifuncional — composta majoritariamente por profissionais "não designers" — colaboramos na criação de um plano voltado para resolver problemas sob a ótica do negócio. Optamos por utilizar o framework Jobs to Be Done, com o objetivo de identificar o “Job” real do usuário e focar diretamente no problema a ser solucionado.

Durante todo o processo, alguns frameworks ajudaram na tomada de decisão: Journey Map, Opportunity Solution Tree, Double Diamond, Ecosystem Map e Process Map.

Durante o discovery, foi identificado que diferentes usuários realizavam tarefas distintas com o mesmo objetivo, mas de forma descoordenada, o que resultava em perda de tempo e retrabalho. A causa raiz era a falta de alinhamento entre setores e gerências, com ausência de uma cultura colaborativa e, em alguns casos, problemas graves de centralização de informações.

O framework de Product Market Fit ajudou na hora de apresentar as estratégias aos stakeholders - User Experience (UX); Features; Proposta de valor; Funcionalidades (features); Perfil do cliente-alvo. Essa abordagem ajudou a tangibilizar as descobertas e validar prioridades com a liderança.

Trabalhar com um sistema legado altamente complexo exigiu uma abordagem estruturada. Cada função envolvida no processo tinha visões, dores e prioridades diferentes, o que gerava ruído e desacordo sobre o que precisava ser priorizado. Na minha visão, um dos fatores-chave para o sucesso das iterações foi a abordagem orientada a processos. Trabalhando em conjunto com o time de engenharia, desenvolvemos POCs (provas de conceito) para mitigar riscos técnicos e de usabilidade, além de validar hipóteses de negócio.

Com um time enxuto, adotamos um modelo ágil baseado em Scrum, organizado por squads. Um diferencial relevante foi o envolvimento direto de stakeholders e outras squads na cocriação de fluxos, o que garantiu maior alinhamento, engajamento e eficiência na construção das soluções.

Solução

Foi introduzida uma nova interface com design mais simples, acessível e centrado na experiência do usuário. O objetivo era oferecer uma plataforma de autogestão (Employee Self-Service), permitindo que os colaboradores resolvessem demandas com autonomia e agilidade.

Os itens de menu foram reorganizados com base nas funções de cada equipe. Durante o processo de definição, testamos diferentes estruturas de categorização e envolvemos os usuários para entender suas preferências e expectativas. A versão final adotou a categorização por função, que apresentou melhor desempenho em testes de usabilidade e menor curva de aprendizado.Para facilitar a familiarização com a nova interface, foi implementado um tour guiado, apoiando o onboarding e melhorando a retenção de funcionalidades.

A plataforma foi desenvolvida com base em uma arquitetura de microsserviços, o que trouxe importantes benefícios em termos de flexibilidade e escalabilidade. Essa abordagem permitiu a implementação rápida e modular de novos componentes e funcionalidades, sem restrições quanto à linguagem ou tecnologia utilizadas. Essa flexibilidade técnica se traduziu em agilidade nas entregas e menor dependência entre squads, o que teve impacto direto na eficiência operacional e na capacidade de responder às necessidades do negócio com velocidade.

Dead Cat Bounce

Neste projeto especificamente, optamos por não utilizar personas, pois o foco estava nos problemas concretos que precisavam ser resolvidos. Adotamos a metodologia do Job to Be Done (JTBD), que nos permitiu concentrar na compreensão do "trabalho a ser feito" pelo usuário em vez de construir perfis generalistas. Devido à dificuldade de acesso a informações detalhadas sobre os usuários, essa abordagem foi essencial para manter o foco na função prática das soluções, garantindo entregas mais alinhadas às necessidades reais do contexto de uso.

Integração de Inteligência Artificial: Smart Document Understanding

Durante o processo de desenvolvimento, implementamos um SDU (Smart Document Understanding) — uma API capaz de interpretar a estrutura de documentos de negócios complexos em formato PDF. Essa ferramenta utiliza inteligência artificial para rotular visualmente o texto e identificar, com precisão, a resposta exata dentro de seções específicas do documento. O sistema é baseado em machine learning e, após sua configuração inicial, a IA passa a aplicar automaticamente seu entendimento aos documentos processados, aprendendo e evoluindo com o tempo. Essa integração reduziu significativamente o esforço manual, aumentou a eficiência na extração de dados e contribuiu para uma melhor experiência do usuário.

Otimização da pesquisa com IA: Watson Discovery

Diante da grande quantidade de informações não estruturadas, foi sugerido o uso do Watson Discovery — uma tecnologia de pesquisa corporativa e inteligência artificial desenvolvida para quebrar silos de dados e recuperar informações específicas com precisão.

solução aplica os avanços mais recentes em machine learning, com recursos robustos de processamento de linguagem natural (NLP), e pode ser facilmente treinada com o vocabulário específico do domínio do negócio.

Na prática, o Watson Discovery foi essencial para reduzir o tempo de busca e indexação de informações em documentos críticos para a execução de tarefas, aumentando a produtividade dos usuários e a eficiência operacional da empresa.