Ricardo Machaqueiro

O uso de ferramentas de inteligência artificial generativa tem vindo a crescer em todas as áreas nos últimos anos, incluindo o design. A consequência deste uso tem-se traduzido numa uniformidade visual entre projetos que deviam, pelos seus conteúdos e mensagens, distinguir-se de alguma forma no que toca à parte visual (Porter, 2026; Northeast Times, 2026).
Websites, interfaces e marcas de setores diferentes têm vindo a surgir com organizações e utilizações tipográficas semelhantes, um fenómeno que reduz a diversidade de linguagens visuais que o design gráfico como disciplina deveria criar. Como ferramentas treinadas para reproduzir linguagens visuais já existentes, a sua utilização contribui para que uma norma estética, mesmo que temporária, se venha a tornar “bom design”.
Deste enquadramento surge a preocupação com a redução da produção cultural e uma convergência estética mais aparente a cada dia que passa. Este artigo tem como objetivo explorar este tema e apresentar algumas respostas para o problema da perda de identidade visual própria, bem como ver que limites devemos criar dentro do design e da sua utilização de ferramentas generativas de forma a não alimentar esta “convergência”.
A tendência de convergência da linguagem visual no design já existia antes do aparecimento das ferramentas de IA: segundo Porter (2026), grandes empresas como a Google, a Microsoft e a Apple já tinham estabelecido uma norma na sua comunicação que utilizava padrões seguros que produziam resultados aceitáveis sem grande esforço, mas também sem grande distinção. Porter (2026) argumenta que a inteligência artificial não inventa, apenas explora o resultado estatisticamente mais provável de ter sucesso e reconstrói algo a partir do que já existe na web. Uma vez que as grandes marcas com mais sucesso já caminhavam para padrões visualmente parecidos, esse é o resultado que a IA irá recriar.
A autora acrescenta que, quando tudo é visualmente semelhante, o consumidor tende a escolher algo com que já esteja familiarizado (Porter, 2026). Esta homogeneização não é apenas um efeito colateral das ferramentas, mas também o resultado de um sistema que recompensa a média.
As respostas encontradas na literatura e na imprensa da área partem de um ponto comum: o problema não está inerentemente na utilização da inteligência artificial, mas sim na aceitação dos seus resultados por defeito. Porter (2026) argumenta que a solução não se deve basear em evitar estas novas tecnologias, mas sim em compreender como agem quando deixadas às suas predefinições e em interromper estes processos.
A autora propõe três práticas: a primeira, procurar referências sem auxílio de algoritmos, recorrendo a fontes mais orgânicas como o cinema, a arquitetura ou a cultura material em oposição a plataformas como o Pinterest e o Behance, onde o conteúdo é apresentado conforme o seu desempenho. A segunda sustenta que a utilização de inteligência artificial deve limitar-se às fases de exploração e não ser aplicada no resultado final, pois a distinção visual é, por definição, estatisticamente invulgar e estes modelos são pouco eficazes a avaliá-la. A terceira assenta em aceitar as imperfeições do trabalho como características humanas e provas intencionais de cuidado.
Nas propostas apresentadas por Shin et al. (2026), em que se associa a homogeneização à geração de conteúdo visual sem fricção, é defendida a introdução propositada de fricção que possa ser produtiva no processo criativo, de modo que sejam desafiados os resultados já predefinidos, almejando preservar a diversidade da expressão.
O problema é analisado a nível individual, organizacional e do ecossistema, de forma a identificar riscos tais como a sobrecarga cognitiva e a dependência em resultados gerados, que facilitam que indivíduos sem formação na área aceitem os primeiros resultados em vez de questionarem o processo. Importa notar que se trata de um preprint, sem revisão por pares, centrado na criação de websites por pessoas sem formação em design.
No plano da prática profissional, o estúdio How&How deu origem a uma identidade para a Ideogram, plataforma de geração de imagens, centrada no julgamento humano, com a letra “I” escondida no espaço negativo do seu logótipo, uma espécie de lembrete de que as ideias e decisões continuam a pertencer a pessoas (Creative Review, 2026). Os designers citados na New Yorker não se opõem à utilização de inteligência artificial e defendem que é possível obter resultados distintos se houver esforço por parte dos designers (Northeast Times, 2026).
Estas respostas têm limitações, ao assentarem, em maior ou menor grau, no esforço e na disciplina de quem projeta, num contexto em que a promessa destas ferramentas é poupar esforço e trabalho numa indústria onde a pressão incentiva a aceitação dos resultados entregues no mais curto espaço de tempo (Shin et al., 2026). A isto acrescenta-se o caso da Ideogram, uma empresa que vende serviços de geração de conteúdo, mas que recorre a um estúdio para se distinguir de ferramentas semelhantes, o que revela uma tensão e levanta questões sobre a resposta individual, que, sendo necessária, pode não ser suficiente.
A utilização de ferramentas generativas facilita um processo que, pela sua natureza, não deve ser fácil: a criatividade é um músculo que exige constante utilização e que beneficia do esforço que fazemos para absorver o que nos rodeia e a partir disso criar algo novo. Na facilitação deste processo, os estilos visuais resultantes perdem originalidade, pois dependem do próprio funcionamento das ferramentas, que por si devolvem um resultado estatisticamente mais provável (Porter, 2026) e sem contexto aplicado, substituindo escolhas adequadas por uma predefinição geral. O design moderno já procurava eliminar o atrito (Colomina & Wigley, 2018), e a geração sem fricção, associada à homogeneização (Shin et al., 2026), leva essa lógica ao extremo.
Pode argumentar-se que as ferramentas sempre facilitaram o processo criativo, do Photoshop aos seus templates, sem que tenham acabado com a originalidade; a diferença é que estas ferramentas facilitam a execução de uma ideia, enquanto a IA generativa facilita a criação dessa mesma ideia. Um estudo da Microsoft Research e da Carnegie Mellon, com 319 profissionais, associa a confiança na inteligência artificial a um menor esforço de pensamento crítico e refere resultados menos diversos para a mesma tarefa (Lee et al., 2025), embora se baseie em respostas autorrelatadas.
Como responsáveis por comunicar e pela estruturação da informação, devemos pensar nos impactos e nas alterações que a utilização de ferramentas que mudam fundamentalmente o nosso processo tem nas ideias que queremos transmitir. Esta é uma questão que não será resolvida apenas ao nível individual (Shin et al., 2026), mas por decisões que estruturam a forma como o design é ensinado, trabalhado e pensado, como a Declaração de Uso de IA exigida nesta unidade curricular. Na prática, passa por procurar referências fora das plataformas algorítmicas antes de gerar (Porter, 2026), de forma a estruturar ideias mais orgânicas, ou seja, menos condicionadas pelo que já é frequente. Algo não deve ser adotado por ser mais fácil, mas sim por entregar resultados com maior qualidade, entendida como adequação à mensagem e distinção, e não como acabamento polido.
A uniformidade visual atribuída às ferramentas generativas não resulta de um defeito técnico, mas do próprio funcionamento destas ferramentas (Porter, 2026). As respostas existentes, da procura de referências fora dos algoritmos à introdução de fricção no processo, são necessárias, mas dependem de um contexto que incentiva a aceitação de resultados predefinidos (Shin et al., 2026).
A preservação de uma cultura visual não se resolve com a exclusão destas ferramentas, mas com decisões deliberadas, individuais e institucionais, sobre o lugar que ocupam no processo, como decidir a direção visual antes de gerar. A questão deixa de ser o que os algoritmos conseguem gerar e passa a ser o que devemos decidir.
- Colomina, B., & Wigley, M. (2018). are we human? notes on an archaeology of design. Lars Müller Publishers. https://mitpressbookstore.mit.edu/book/9783037785119
- Creative Review. (2026). How&How creates new identity for AI image platform Ideogram. https://www.creativereview.co.uk/ideogram-brand-refresh-ai-how-and-how/
- Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. ACM. https://doi.org/10.1145/3706598.3713778
- Northeast Times. (2026, 31 de julho). AI design tools are making every website look the same. https://northeasttimes.com/2026/07/31/ai-design-tools-are-making-every-website-look-the-same/
- Porter, V. (2026, 6 de junho). Everything looks the same. Now what? Creative Bloq. https://www.creativebloq.com/ai/everything-looks-the-same-now-what
- Shin, D., Gao, A., Pang, R. Y., Lee, J., Reinecke, K., & Tseng, E. (2026). Interrogating design homogenization in web vibe coding. arXiv. https://arxiv.org/abs/2603.13036
Leave a Reply