Structural Convergence in AI-Generated Media: How Specification Literacy Moderates Homogenization in GenAI-Assisted Interface Design

Método

• Piloto exploratório e descritivo, com n = 5 por grupo e protocolo one-shot: um prompt, uma saída, sem iteração.
• Grupo A: cinco designers de produto com três ou mais anos de experiência, cada um escreveu um prompt próprio para o mesmo brief. Grupo B: o brief original colado na IA cinco vezes, sem edição.
• Mesma plataforma e configuração declarada nos dois grupos (Figma Make, Native Default) e o mesmo desafio: uma interface de gestão de frota logística B2B. O pipeline comercial não expõe o modelo-base nem sua orquestração.
• Dez saídas pontuadas por dois pesquisadores independentes num codebook pré-registrado de quatro dimensões (navegação, hierarquia, componentes, cobertura de estados). Krippendorff's α = 0.695 antes e 0.895 depois do consenso; em cobertura de estados, α = −0.044 antes do consenso.

Principais resultados

• A hierarquia de informação convergiu de forma quase determinística no baseline: as cinco execuções sem designer usaram a mesma estrutura, com cartões de KPI no topo.
• Prompts de especialistas se associaram a saídas mais variadas: convergência média 3,0 contra 5,0 do baseline (d de Cohen = 1,26).
• Nesta pequena amostra, familiaridade com ferramentas de IA e especificação de antipadrões apareceram associadas a prompts mais sofisticados e menores escores de convergência. Não foram testadas como preditores.
• Achado não previsto: o modelo gerou estados de erro e indicadores offline sem instrução explícita, o que tornou a dimensão de cobertura de estados instável como medida de convergência.

Implicações para times de produto

Nesta amostra, apenas acrescentar mediação humana não garantiu uma saída distinta do baseline. Prompts detalhados e ricos em restrições, principalmente com antipadrões explícitos, apareceram associados a menores escores de convergência. Isso sustenta uma hipótese de trabalho: parte da expertise pode se manifestar na especificação. O estudo não testou causalidade, aprendizagem nem transferência de competência.

Limitações

Piloto exploratório com n = 5 por grupo e um único brief: os achados são descritivos e pedem replicação com amostras maiores. O protocolo foi one-shot, quatro dos cinco prompts eram em português, e o estudo não separa totalmente a convergência do modelo da convergência apropriada ao domínio. A dimensão de cobertura de estados teve confiabilidade pré-consenso α = −0.044 e deve ser refinada ou removida em versões futuras do codebook.