Como adotar padrões já validados levou a tarefa que ninguém conseguia concluir de 0% para 100% de sucesso — e provei com teste comparativo.
How adopting already-validated patterns took the task nobody could complete from 0% to 100% success rate — and I proved it with a comparative test.
O Currículo Lattes é o sistema oficial de currículos científicos do Brasil. Existe desde 1999, é mantido pelo CNPq e é pré-requisito para quase todo processo seletivo acadêmico — bolsas, pós-graduação, editais. Para o pesquisador brasileiro, manter o Lattes em dia não é opcional.
Currículo Lattes is Brazil's official platform for scientific CVs. Launched in 1999 and maintained by CNPq (Brazil's National Council for Scientific and Technological Development), it's a prerequisite for almost every academic selection process — grants, graduate programs, public calls. For a Brazilian researcher, keeping the Lattes current isn't optional.
A escala explica o peso de cada decisão: são mais de 7 milhões de currículos cadastrados (7.093.754 até março de 2023). E ele não vive isolado — é um dos mais de 4.000 serviços públicos da União, dos quais cerca de 90% já são digitais.
The scale explains the weight of each decision: there are more than 7 million CVs registered (7,093,754 as of March 2023). And it doesn't live in isolation — it's one of more than 4,000 federal public services, around 90% of which are already digital.
O detalhe que abriu a oportunidade: o Governo Federal mantém um Design System próprio, o Padrão Digital de Governo (PDG) — versão 3.2.0, mais de 30 componentes prontos e voltados a usabilidade e acessibilidade. Vários serviços já migraram (Meu INSS, Imposto de Renda, IBGE). O Lattes, não.
The detail that opened the opportunity: Brazil's Federal Government maintains its own Design System — Padrão Digital de Governo (PDG, the Federal Design System) — version 3.2.0, with more than 30 ready-to-use components focused on usability and accessibility. Several services have already migrated (Meu INSS, Income Tax Service, IBGE). Lattes hasn't.
Existe um Design System oficial, gratuito e validado que o serviço deveria seguir — e não segue. Eu não precisava inventar uma linguagem. Precisava aplicar a linguagem certa.
There's an official, free, validated Design System that the service should follow — but doesn't. I didn't need to invent a language. I needed to apply the right one.
A pergunta era direta: onde, exatamente, o Lattes falha — e dá para provar?
The question was direct: where, exactly, does Lattes fail — and can it be proven?
Em vez de partir de achismo, ancorei o problema em evidência publicada. Um teste de usabilidade anterior (Ramos et al., 2017), com 7 usuários e as mesmas 5 tarefas recorrentes, me deu a linha de base que eu usaria depois como termo de comparação:
Rather than starting from gut feeling, I anchored the problem in published evidence. A previous usability test (Ramos et al., 2017), with 7 users and the same 5 recurring tasks, gave me the baseline I'd later use as a benchmark:
| Tarefa | Sucesso (de 7) | Tempo médio |
|---|---|---|
| 1 · Atualizar dado cadastral (RG) | 7/7 | 29,43s |
| 2 · Inserir linha de pesquisa | 2/7 | 182,5s |
| 3 · Registrar trabalho em evento | 0/7 | — |
| 4 · Cadastrar artigo aceito | 3/7 | 257,66s |
| 5 · Imprimir currículo resumido | 7/7 | 89,71s |
| Task | Success (out of 7) | Avg. time |
|---|---|---|
| 1 · Update personal data (ID) | 7/7 | 29.43s |
| 2 · Add a research line | 2/7 | 182.5s |
| 3 · Register conference paper | 0/7 | — |
| 4 · Add accepted article | 3/7 | 257.66s |
| 5 · Print short CV | 7/7 | 89.71s |
Por trás dos números, os mesmos vilões se repetiam: falta de consistência nos botões, ausência de feedback de erro, caminhos parecidos para objetivos diferentes e termos que o usuário não reconhece. Um segundo estudo (Gomes et al., 2022; 6 usuários, 83% professores) confirmava o padrão e somava: falta de autopreenchimento e módulos confusos.
Behind the numbers, the same villains repeated: inconsistent buttons, no error feedback, similar paths for different goals, and terms users don't recognize. A second study (Gomes et al., 2022; 6 users, 83% professors) confirmed the pattern and added: no autocomplete and confusing modules.
Transformar dor relatada em metas mensuráveis. Eficácia (conclui ou não), eficiência (em quanto tempo) e satisfação (Likert 1–5) viraram os três indicadores que eu precisaria mover — e medir de novo no fim.
Turn reported pain into measurable targets. Effectiveness (completes or not), efficiency (how long), and satisfaction (Likert 1–5) became the three indicators I'd need to move — and measure again at the end.
Aqui está a virada estratégica. Diante de um sistema com problemas espalhados, eu tinha duas saídas: redesenhar do zero com linguagem própria, ou adotar o Design System que o próprio governo já oferece de graça — e que o usuário já conhece de outros serviços.
Here's the strategic pivot. Facing a system with scattered problems, I had two options: redesign from scratch with my own language, or adopt the Design System the government already offers for free — and that users already know from other services.
Escolhi a segunda. E estruturei tudo no Double Diamond para não pular etapas: Descobrir → Definir → Desenvolver → Entregar.
I chose the second. And structured everything with the Double Diamond framework to avoid skipping stages: Discover → Define → Develop → Deliver.
Usar o Padrão Digital de Governo como base do redesign. Padrões prontos reduzem a curva de aprendizado e garantem consistência entre serviços públicos. E o ponto que se provaria decisivo: o usuário já viu esses componentes em Meu INSS, Imposto de Renda e Assinatura Digital. Familiaridade é atalho cognitivo.
Use the Federal Design System (PDG) as the redesign foundation. Ready-made patterns flatten the learning curve and ensure consistency across public services. And the point that would prove decisive: users have already seen these components in Meu INSS, Income Tax Service, and Digital Signature. Familiarity is a cognitive shortcut.
Não recomeçar a pesquisa do zero. Reaproveitei dois estudos existentes como pesquisa secundária e organizei tudo com Atomic UX Research (Experimentos → Fatos → Insights → Recomendações). Base científica e velocidade ao mesmo tempo.
Don't restart research from zero. I reused two existing studies as secondary research and organized everything with Atomic UX Research (Experiments → Facts → Insights → Recommendations). Scientific grounding and speed at the same time.
Descobrir → Definir → Desenvolver → Entregar, com um artefato concreto em cada etapa.
Discover → Define → Develop → Deliver, with a concrete artifact at each stage.
Descobrir. Compilei perfil de usuário, frequência e tarefas mais recorrentes dos dois estudos e organizei os achados em um quadro de Atomic UX Research — separando o que é fato do que é interpretação e do que é recomendação acionável.
Discover. I compiled user profile, frequency, and most recurring tasks from both studies and organized findings in an Atomic UX Research board — separating facts from interpretation from actionable recommendations.
Definir. Converti necessidades em Jobs To Be Done e montei um catálogo etiquetado de cada problema — fonte, prioridade, JTBD, localização exata no fluxo, problema e sugestão de correção. Foram 16 itens catalogados.
Define. I converted needs into Jobs To Be Done and built a tagged catalog of each problem — source, priority, JTBD, exact location in the flow, issue, and proposed fix. 16 items cataloged.
Com prazo de Senior Thesis, eu não podia redesenhar o sistema inteiro. Criei um critério simples (faz parte ou não do fluxo "Atualizar Currículo", o mais usado) e fechei o escopo em 12 dos 16 itens. Recortar escopo de forma explícita e justificada é o que mantém o projeto entregável.
With a senior thesis deadline, I couldn't redesign the entire system. I created a simple criterion (whether or not it's part of the "Update CV" flow, the most used) and locked the scope at 12 of the 16 items. Cutting scope explicitly and with reasoning is what keeps a project shippable.
Desenvolver. Antes de desenhar tela, redesenhei fluxo. Para os casos críticos, refiz o mapa do site comparando o caminho antigo e o reformulado.
Develop. Before drawing screens, I redesigned flow. For the critical cases, I rebuilt the site map comparing the old path and the reformulated one.
Só então parti para a interface, sempre sobre os padrões mínimos do PDG: cabeçalho e rodapé padronizados, tipografia Rawline, paleta oficial, botões e iconografia.
Only then did I move to interface, always atop the PDG minimum patterns: standardized header and footer, Rawline typography, official color palette, buttons, and iconography.
Entregar. O resultado foi um protótipo navegável de alta fidelidade no Figma com 83 interfaces:
Deliver. The result was a high-fidelity navigable Figma prototype with 83 interfaces:
| Fluxo | Telas |
|---|---|
| Onboarding (tour da nova interface) | 10 |
| Tarefa 1 · RG | 5 |
| Tarefa 2 · Linha de pesquisa | 23 |
| Tarefa 3 · Trabalho em evento | 25 |
| Tarefa 4 · Artigo aceito | 14 |
| Tarefa 5 · Impressão | 6 |
| Total | 83 |
| Flow | Screens |
|---|---|
| Onboarding (tour of the new interface) | 10 |
| Task 1 · ID | 5 |
| Task 2 · Research line | 23 |
| Task 3 · Conference paper | 25 |
| Task 4 · Accepted article | 14 |
| Task 5 · Print | 6 |
| Total | 83 |
Protótipo bonito não prova nada. O desafio de verdade era demonstrar, com método replicável, que o redesign realmente melhora a usabilidade — e não só a minha opinião sobre ela.
A pretty prototype proves nothing. The real challenge was demonstrating, with a replicable method, that the redesign actually improves usability — not just my opinion of it.
Para uma comparação honesta, repliquei rigorosamente as condições de 2017: mesmo perfil de usuário, as mesmas 5 tarefas, as mesmas três métricas. Recrutei 7 usuários (CE, PR, RS e SP), todos com pós-graduação e usuários reais de serviços gov.br, em sessões remotas de ~45 minutos via Google Meet, precedidas de um teste piloto para calibrar o roteiro.
For an honest comparison, I rigorously replicated the 2017 conditions: same user profile, same 5 tasks, same three metrics. I recruited 7 users (across 4 Brazilian states), all with graduate degrees and real users of gov.br services, in ~45-minute remote sessions over Google Meet, preceded by a pilot test to calibrate the script.
E o teste fez o que bom teste faz: expôs falhas minhas, não só do sistema antigo.
And the test did what a good test does: it exposed my own flaws, not just the old system's.
Na Tarefa 2, todos os 7 usuários tentaram começar por um módulo que eu não havia prototipado. A frustração foi real e derrubou a satisfação da tarefa. A causa provável não era a tela — era uma ambiguidade no próprio enunciado do teste. Lição registrada: o roteiro de teste é parte do design.
On Task 2, all 7 users tried starting from a module I hadn't prototyped. The frustration was real and dragged down task satisfaction. The likely cause wasn't the screen — it was an ambiguity in the test prompt itself. Lesson logged: the test script is part of the design.
Outros dois achados vieram à tona: na Tarefa 3, sinalizar campo obrigatório só com texto não bastou (faltava um feedback em vermelho); na Tarefa 5, o único usuário que não concluiu chegou à última tela mas não percebeu o botão final — as páginas eram parecidas demais.
Two more findings surfaced: on Task 3, flagging a required field with text alone wasn't enough (missing red feedback); on Task 5, the only user who didn't finish reached the final screen but didn't notice the final button — the pages looked too similar.
Tratar os achados negativos como entrega, não como derrota. Cada um virou uma recomendação concreta de iteração — e é isso que separa um relatório de um processo de design maduro.
Treat negative findings as deliverables, not defeats. Each became a concrete iteration recommendation — and that's what separates a report from a mature design process.
A resposta não foi estética — foi comunicação do sistema com o usuário, costurada com componentes do PDG aplicados de forma intencional, problema a problema.
The answer wasn't aesthetic — it was how the system communicates with the user, stitched with PDG components applied intentionally, problem by problem.
Tooltips e ajuda contextual explicando termos técnicos no momento do preenchimento; autocomplete em campos com base de dados; sinalização de obrigatório + feedback de sucesso em verde após cada ação; empty states; e modal de confirmação antes de salvar.
Tooltips and contextual help explaining technical terms right at fill-in time; autocomplete on fields with a backing dataset; required-field flags + green success feedback after every action; empty states; and a confirmation modal before saving.
Os três caminhos que antes se espalhavam por módulos diferentes foram unificados em um único formulário, com os dados comuns ao mesmo evento juntos. Um usuário resumiu: "que ótimo, perfeito". Foi essa decisão de arquitetura de informação — não um componente bonito — que transformou uma tarefa impossível na de maior taxa de sucesso de todo o teste.
The three paths previously scattered across different modules were unified into a single form, with data common to the same event placed together. A user summed it up: "oh great, perfect". It was this information-architecture decision — not a pretty component — that turned an impossible task into the highest success rate of the whole test.
Na entrevista pré-teste, confirmei que todos já usavam serviços gov.br. Ao reusar a linguagem do PDG, o redesign não pedia que aprendessem algo novo — apenas reconhecessem algo conhecido. Quatro usuários comentaram, espontaneamente, que o aprendizado ficava mais fácil a cada tarefa.
In the pre-test interview, I confirmed that all participants already used gov.br services. By reusing PDG's language, the redesign didn't ask them to learn something new — it asked them to recognize something familiar. Four users spontaneously commented that learning got easier with each task.
Antes de ver os números do teste, navegue pela mesma versão que os 7 usuários testaram. É o protótipo real, no Figma — não uma demo gravada.
Before seeing the test numbers, navigate the same version the 7 users tested. It's the real Figma prototype — not a recorded demo. The interface is in Portuguese, as it was tested.
O teste comparativo confirmou a aposta. Em quatro das cinco tarefas, eficácia e eficiência subiram — em alguns casos, de forma drástica.
The comparative test confirmed the bet. In four out of five tasks, effectiveness and efficiency went up — in some cases, dramatically.
| Tarefa | Antes (2017) | Depois | Tempo: variação |
|---|---|---|---|
| 1 · RG | 7/7 | 7/7 | ≈ estável |
| 2 · Linha de pesquisa | 2/7 | 7/7 | −25,7% |
| 3 · Trabalho em evento | 0/7 | 7/7 | — → concluível |
| 4 · Artigo aceito | 3/7 | 7/7 | −69,7% |
| 5 · Impressão | 7/7 | 6/7 | −56,9% |
| Task | Before (2017) | After | Time: change |
|---|---|---|---|
| 1 · ID | 7/7 | 7/7 | ≈ stable |
| 2 · Research line | 2/7 | 7/7 | −25.7% |
| 3 · Conference paper | 0/7 | 7/7 | — → completable |
| 4 · Accepted article | 3/7 | 7/7 | −69.7% |
| 5 · Print | 7/7 | 6/7 | −56.9% |
Na satisfação pós-teste: todos os usuários discordaram que "realizar as tarefas foi difícil", 6 de 7 concordaram que o sistema é fácil de usar e 5 de 7 acham que a maioria das pessoas aprenderia rápido (os 2 restantes apontaram um risco honesto: alguns termos dos módulos ainda confundem).
On post-test satisfaction: all users disagreed that "completing the tasks was hard", 6 of 7 agreed the system was easy to use, and 5 of 7 believed most people would learn it quickly (the remaining 2 flagged an honest risk: some module names still confuse).