taynara santos
Product Designer Sênior
Empresa
4kst Unlimited Vision
Parceiro
Unimed Federação de Santa Catarina
Período
2024 - 2025
Reconhecimento
Citado no Plano Brasileiro de IA 2024-2028 · R$ 1,18M FINEP/FNDCT
Contexto
O arterIA é um produto de IA desenvolvido pela 4KST em parceria com a Unimed Santa Catarina, com financiamento de R$ 1,18 milhão do FNDCT via FINEP. O objetivo era criar uma solução para identificar e prever patologias cardiovasculares de alto risco, como doenças isquêmicas do coração e AVCs, com antecedência de até 6 meses.
O produto foi citado na Proposta do Plano Brasileiro de Inteligência Artificial 2024-2028, apresentada no Conselho Nacional de Ciência e Tecnologia. Foram 2 anos de desenvolvimento em parceria com a PUCPR.
Meu papel foi projetar o dashboard que tornaria os modelos preditivos utilizáveis pelos profissionais de saúde da Unimed, transformando um output complexo de IA em uma ferramenta de apoio à decisão clínica.
Dashboard arterIA:
visão geral dos scores preditivos por categoria vascular
🏥 O desafio central era o mesmo de qualquer produto de IA aplicada à saúde: um modelo preditivo só tem valor clínico se o profissional consegue entender, confiar e agir com base no que ele mostra.
Problema
Problema do usuário
Os profissionais de saúde precisavam identificar pacientes em risco cardiovascular antes que os sintomas aparecessem. Sem uma ferramenta adequada, esse processo era manual, fragmentado e dependia de dados dispersos em diferentes sistemas
Problema de produto
O modelo de IA gerava scores de risco para cada beneficiário. Mas um score sozinho não é suficiente para a tomada de decisão clínica. O dashboard precisava contextualizar, comparar e tornar esse dado acionável para o profissional.
⚡ O produto precisava equilibrar duas demandas difíceis de conciliar: densidade de dados suficiente para decisão clínica e clareza visual suficiente para uso no dia a dia de uma operadora de saúde.
Meu papel
Fui responsável por toda a frente de design do produto, do discovery ao lançamento:
-
Desk research sobre prevenção cardiovascular e o contexto de saúde suplementar
-
Mapeamento de stakeholders com 15 pessoas envolvidas no projeto
-
5 entrevistas exploratórias com profissionais de saúde da Unimed
-
Dinâmica de brainstorming com 6 participantes da Unimed para geração de features
-
Benchmarking contextual e visual de produtos similares
-
Jornada do usuário atual
-
Definição e priorização de features
-
UserFlow
-
Wireframes e protótipo
-
13 testes de usabilidade com profissionais da Unimed
-
Handoff técnico para desenvolvimento
-
Acompanhamento do lançamento a partir de novembro de 2024
Processo
01
Desk Research
Pesquisei o contexto clínico e operacional da saúde suplementar, entendendo como operadoras de saúde atuam na prevenção de doenças crônicas, quais são os desafios de gestão de beneficiários em risco e como outras iniciativas de IA cardiovascular funcionam. O objetivo era entrar nas entrevistas com vocabulário e contexto adequados.
02
Mapeamento de stakeholders
Mapeei todos os envolvidos no projeto em três níveis: tomadores de decisão, envolvidos primários e envolvidos secundários. Com 15 pessoas mapeadas, esse trabalho foi essencial para entender quem precisava ser consultado em cada etapa e quem validaria as decisões de produto.
03
Entrevistas exploratórias
Conduzi 5 entrevistas com profissionais de saúde da Unimed para entender o dia a dia deles, como pensam sobre prevenção de doenças cardiovasculares e o que esperavam da plataforma. As entrevistas foram feitas por videochamada, com roteiro semiestruturado e gravação para análise posterior.
O que a pesquisa mudou no produto
-
A pesquisa revelou que o acompanhamento precisava ser tanto global quanto individualizado, o que definiu a arquitetura principal do dashboard
-
A necessidade de visualizar a evolução do score ao longo do tempo emergiu das entrevistas e se tornou uma funcionalidade central do produto
-
As entrevistas ajudaram a definir quais filtros eram realmente necessários para a operação diária
Jornada do usuário atual:
dores e oportunidades identificadas nas entrevistas
Canvas do produto:
escopo, resultado esperado e métricas de sucesso
04
Dinâmica de Brainstorming
Organizei uma sessão de brainstorming com 6 profissionais da Unimed que tinham participado das entrevistas. Em uma dinâmica estruturada no FigJam, geramos 33 ideias, agrupamos em 5 categorias (Dados Pessoais, Dados Clínicos, Comunicação, Gestão e Apoio à Decisão Clínica) e fizemos uma votação por pontos para priorizar as 10 ideias mais relevantes.
Sessão de brainstorming com profissionais da Unimed:
33 ideias geradas e priorizadas
05
Benchmarking e definição de features
Analisei produtos similares em dois níveis: contextual, para entender como outras plataformas de saúde apresentam dados preditivos, e visual, para referências de dashboards de alta densidade de informação. Com os insights da pesquisa e do benchmarking, defini e priorizei as features do produto.
06
UserFlow, wireframes e protótipo
Criei o fluxo de navegação do produto e desenvolvi os wireframes e protótipo, priorizando: visão agregada dos beneficiários por grupo de risco, distribuição global dos scores por patologia, análise individual do score ao longo do tempo e filtros por gênero, idade e nível de risco.
Tela de beneficiários:
acompanhamento e análise dos scores preditivos
Tela cardiovascular:
distribuição e evolução do score por categoria
07
Testes de usabilidade
Conduzi 13 testes de usabilidade com profissionais da Unimed usando o protótipo navegável. Os testes tinham foco no entendimento do score, da timeline de evolução do risco e da análise individual dos beneficiários. Os resultados orientaram ajustes na visualização dos dados e na hierarquia das informações.
08
Lançamento
O produto foi lançado em novembro de 2024. Acompanhei o processo de lançamento, apoiando a transição do protótipo para o produto em produção e garantindo que as decisões de design fossem implementadas corretamente.
Decisões de design que merecem destaque
Brainstorming com os usuários antes de definir features
A decisão de trazer os profissionais da Unimed para uma sessão de geração de ideias antes de definir qualquer feature foi um dos pontos mais importantes do processo. Em vez de apresentar uma solução pronta para validação, construímos as possibilidades junto com quem ia usar o produto. Isso gerou 33 ideias e ajudou a priorizar o que de fato importava para o dia a dia clínico.
Score como ponto de partida, não de chegada
O score de risco gerado pela IA não era o produto final para o profissional de saúde. Era o começo de uma análise. O dashboard foi projetado para mostrar o score em contexto: como ele evoluiu ao longo do tempo, como aquele beneficiário se compara ao grupo e quais são os fatores que mais contribuem para o risco.
Acompanhamento global e individualizado como estrutura central
A pesquisa mostrou que os profissionais precisavam de dois níveis de leitura: uma visão geral da população de beneficiários e a capacidade de mergulhar no histórico de um indivíduo específico. Essa dualidade virou a espinha dorsal da arquitetura do dashboard, não uma funcionalidade adicional.
Testes com foco no entendimento, não só na usabilidade
Os 13 testes de usabilidade foram desenhados com uma preocupação específica: mais do que saber se o usuário conseguia navegar, queríamos saber se ele conseguia entender e interpretar o que estava vendo. Em um produto de apoio à decisão clínica, clareza de leitura é tão importante quanto facilidade de uso.
Resultado e impacto
-
Produto lançado em produção em novembro de 2024 com a Unimed Santa Catarina
-
R$ 1,18 milhão em financiamento FINEP/FNDCT para desenvolvimento da solução
-
Citado na Proposta do Plano Brasileiro de Inteligência Artificial 2024-2028
-
5 entrevistas exploratórias + dinâmica de brainstorming com profissionais da Unimed
-
13 testes de usabilidade realizados antes do lançamento
-
2 anos de desenvolvimento em parceria com PUCPR
O que esse case demonstra