taynara santos
Product Designer Sênior
Empresa
4KST Unlimited Vision
Parceiro
ANVISA (Agência Nacional de Vigilância Sanitária)
Período
2024 - 2025
🏆Reconhecimento
Finalista da Região Sul do Prêmio Finep de Inovação 2025
Contexto
A ANVISA realiza análises de risco sanitário de todas as empresas com registro válido de medicamentos e IFA (Insumos Farmacêuticos Ativos) no Brasil, uma atividade realizada a cada dois anos pelo corpo técnico da agência. O processo exige a análise de um volume extenso de dados distribuídos em diferentes sistemas, é intensivo em tempo e sujeito a inconsistências.
A 4KST foi contratada para desenvolver técnicas de IA para automatizar a análise preditiva de riscos sanitários e o monitoramento contínuo da conformidade dessas empresas. O produto recebeu o nome de Moiras.
Dashboard Moiras:
visualização do score de risco por empresa
🏛️ O usuário central do Moiras é o fiscal da ANVISA — um especialista técnico que precisa entender não apenas o score de risco de uma empresa, mas o PORQUÊ daquele score. Transparência e explicabilidade da IA eram requisitos funcionais, não diferenciais
Problema
Problema do usuário
Os fiscais analisavam riscos de forma manual, navegando por múltiplos sistemas e documentos em PDF (alguns em outros idiomas). O processo podia levar até 5 horas para gerar apenas um pedido de certificação. Não havia rastreamento histórico consolidado nem padronização no processo de agendamento de inspeções.
Problema de negócio
A ANVISA precisava reduzir o tempo e aumentar a confiabilidade das análises de risco, mantendo a capacidade de justificar e auditar cada decisão tomada, requisito crítico em contexto regulatório. A solução de IA precisava ser explicável, não apenas preditiva.
⚡ O maior desafio de design: um scorecard de risco gerado por IA só é útil para um fiscal se ele conseguir entender e justificar a decisão. 'Alto risco' sem rastreabilidade não tem valor operacional e não não atende aos requisitos de conformidade regulatória.
Meu papel
Atuei como Product Designer responsável por todo o processo de design do Moiras, do discovery à entrega e ao monitoramento pós-lançamento:
-
Condução de pesquisa qualitativa com fiscais da ANVISA (entrevistas em profundidade)
-
Desk research sobre o contexto regulatório e certificações internacionais de boas práticas de fabricação
-
Matriz CSD para alinhamento de certezas, suposições e dúvidas com a equipe técnica
-
Benchmarking de plataformas de scorecard de mercado (Quod, Boa Vista, Serasa)
-
Definição de user tasks e features
-
Criação do UserFlow
-
Design da interface (dashboard, scorecard e telas de monitoramento)
-
Condução de 10 testes de usabilidade com profissionais da ANVISA
-
Handoff técnico para desenvolvimento
-
Monitoramento contínuo pós-lançamento: definição do sistema de alertas e re-scoragem
Processo
01
Desk Research
Pesquisei o contexto regulatório da ANVISA — certificações internacionais de boas práticas de fabricação (BPF), fluxos de inspeção sanitária, tipos de documentação exigida das empresas e como funcionam sistemas de score de risco em outros contextos (financeiro, regulatório). O objetivo era entrar nas entrevistas com vocabulário e contexto, não partir do zero.
02
Matriz CSD
Com a equipe técnica da 4KST, mapeamos o que sabíamos com certeza sobre o produto, o que era suposição e o que eram as maiores dúvidas, especialmente sobre como os fiscais trabalhariam com o output da IA. Essa etapa foi essencial para definir exatamente o que precisávamos validar nas entrevistas.
03
Pesquisa qualitativa com fiscais da ANVISA
Conduzi 5 entrevistas em profundidade com fiscais de diferentes gerências das áreas diretamente envolvidas no processo de análise e certificação. As entrevistas foram feitas por videochamada, com roteiro semiestruturado e gravação para análise posterior. O objetivo era entender o dia a dia real de trabalho, quais dados eram críticos para a tomada de decisão e como o produto de IA se integraria ao fluxo existente.
Principais insights das entrevistas
-
A pesquisa revelou que o rastreamento histórico consolidado era uma lacuna crítica no processo, o que redirecionou essa funcionalidade de secundária para central no dashboard
-
A explicabilidade do score emergiu como requisito operacional: fiscais precisam compreender o raciocínio por trás de cada resultado para agir com segurança
-
Identificamos pontos de perda de rastreabilidade no processo existente, o que orientou decisões de arquitetura de informação e de fluxo
-
A pesquisa confirmou que o produto precisaria lidar com heterogeneidade de fontes e formatos de dados, contexto que moldou decisões de fluxo e feedback de erro
04
Benchmarking
Analisei três plataformas de scorecard do mercado financeiro — Quod, Boa Vista e Serasa — usando as Heurísticas de Nielsen como framework. O foco era identificar padrões de interação para visualização de score de risco, pontos de confusão e boas práticas de hierarquização da informação. Insight central: nenhuma das plataformas analisadas tinha boa explicabilidade — todas mostravam o score, mas nenhuma deixava claro o raciocínio por trás dele. Isso confirmou que a explicabilidade era nossa maior diferenciação.
Análise comparativa de plataformas de scorecard:
referência para decisões de design
05
UserFlow e Interface
Com os insights consolidados, estruturei o UserFlow do produto e desenhei a interface, priorizando: (1) scorecard com faixas de risco claras e codificação por cor, (2) rastreamento histórico acessível, (3) visibilidade das variáveis que compõem o score, (4) direcionamento para os fatores críticos do caso analisado. O dashboard foi projetado para reduzir o esforço cognitivo do fiscal, colocando as informações mais críticas no above the fold.
UserFlow do Moiras
Wireframe da interface
Fluxo de telas do Moiras
06
Testes de usabilidade
Conduzi 10 testes de usabilidade com profissionais da ANVISA, cobrindo todos os perfis envolvidos no fluxo de análise de risco. Os testes foram realizados com protótipo navegável e tarefas específicas baseadas em cenários reais de uso. Os resultados orientaram iterações na hierarquia visual do scorecard, nos filtros da tabela de empresas e no fluxo de acesso ao histórico
07
Monitoramento contínuo
O produto precisava não só analisar o risco no momento da petição, mas acompanhar continuamente as empresas ao longo do tempo. As decisões de design nessa etapa focaram em estruturar como os alertas seriam apresentados e agrupados, de forma a informar sem sobrecarregar o cognitivamente o fiscal.
Fluxo de re-scoragem e alertas do sistema de monitoramento
Decisões de design que merecem destaque
Explicabilidade como requisito de produto, não de UX
A decisão mais importante do Moiras foi arquitetural: em vez de mostrar apenas o score final, o produto expõe as variáveis que compõem aquele resultado. Isso não é diferencial estético, é requisito operacional em contexto regulatório, onde cada decisão precisa ser justificável e auditável. A pesquisa confirmou isso antes de qualquer tela ser desenhada.
Rastreamento histórico como elemento central
A pesquisa revelou que o contexto histórico era parte indispensável do processo de análise. Isso transformou o rastreamento de funcionalidade secundária em elemento central do dashboard — visível e acessível desde a tela principal, não escondido em sub-menus.
Benchmarking como argumento de produto
A análise de plataformas de scorecard do mercado financeiro não foi feita só para referência visual — foi usada como argumento para decisões de produto. Identificar que nenhuma das plataformas analisadas tinha boa explicabilidade do score ajudou a justificar para o time técnico por que investir nessa funcionalidade era diferenciador real.
Monitoramento contínuo como parte do produto
O produto precisava não só analisar o risco no momento da petição, mas acompanhar continuamente as empresas ao longo do tempo. As decisões de design nessa etapa focaram em estruturar como os alertas seriam apresentados e agrupados, de forma a informar sem sobrecarregar.
O que esse case demonstra