Teste do estado do produto em Outubro/2025.
Teste do estado do produto em Outubro/2025.

Ecossistema MedRoom

Research / UI / UX / IA / Product Design / Liderança

Ano
Março / 2018 — Março / 2025
Função
Head de Design
Companhia
MedRoom / Inspirali
Ferramentas
Illustrator, Photoshop, Figma, Notion, Google Forms, ChatGPT

Casos Clínicos é um projeto em realidade virtual (RV) que permite ao usuário (majoritariamente estudantes de medicina) vivenciar uma experiência de entrevista clínica completa, dividida em Anamnese, Exame Físico e Plano Terapêutico.

Meu desafio foi liderar o design e a experiência para a substituição do modelo de atendimento fechado, um roteiro pré-escrito, por um modelo de atendimento aberto, onde o estudante pode conversar livremente sobre qualquer assunto com o paciente virtual. A base estrutural do projeto passa a lidar com inteligência artificial (IA), animação procedural, processamento de linguagem natural (NLP), modelos generativos e classificadores de emoção.

Propostas de interação para orientar o usuário sobre como conversar com o paciente. Propostas de interação para orientar o usuário sobre como conversar com o paciente.
Propostas de interação para orientar o usuário sobre como conversar com o paciente.

Todo o processo de transição para o modelo generativo foi feito conjuntamente com o usuário final, onde atuei presencialmente nas instituições sendo a interface entre o usuário, o desenvolvimento e o negócio. As hipóteses levantadas giravam em torno da relação que o estudante tinha com o metaverso, da percepção da inteligência artificial, da saúde digital e de como as tecnologias e metodologias de aprendizagem motivavam, intrínseca ou extrinsecamente, um jovem adulto a engajar e aprender com a experiência virtual.

Estudos iniciais para a arquitetura de atendimento por voz, baseada nos objetivos de aprendizagem.
Estudos iniciais para a arquitetura de atendimento por voz, baseada nos objetivos de aprendizagem.

A investigação sobre como o desenvolvimento do raciocínio clínico opera a partir dos modelos tradicionais foi essencial. Nessa etapa, trabalhei próximo a professores e estudantes para entender as maiores dificuldades no ciclo de aprendizagem, destacando oportunidades que pudessem ser supridas ou complementadas, assim como aprofundando meu conhecimento sobre o ciclo de aprendizagem ideal no atendimento a um paciente.

Modelos e mapas mentais começam a ser propostos reproduzindo o processo de aprendizagem na jornada do estudante, onde a arquitetura da informação começa a ser esboçada para ser testada.

Mapeamento das personas de estudantes.
Mapeamento das personas de estudantes.

O trabalho em campo também resulta na criação das personas, reforçando o foco no usuário final e destacando o fato de que lidamos com um recorte específico de usuário, que lida com a pressão constante da instituição, de seus familiares e também de si próprio, resultando em um estudante que lida com questões emocionais em um nível acentuado.

Mapa de jornada do usuário.
Mapa de jornada do usuário.

O mapeamento do antes, durante e depois ajuda a perceber como o usuário se relaciona com a ferramenta. A visibilidade de toda a jornada nos ajudou a ter mais controle sobre ela e na previsibilidade de possíveis gargalos, principalmente atrelados ao novo sistema que exige a interação por voz.

Mapeamento de relações sobre métodos de avaliação e processo de aprendizagem. Mapeamento de relações sobre métodos de avaliação e processo de aprendizagem. Mapeamento de relações sobre métodos de avaliação e processo de aprendizagem.
Mapeamento de relações sobre métodos de avaliação e processo de aprendizagem. Mapeamento de relações sobre métodos de avaliação e processo de aprendizagem.
Mapeamento de relações sobre métodos de avaliação e processo de aprendizagem.

A última etapa de entendimento do problema envolveu um estudo aprofundado sobre a prática avaliativa. A inteligência artificial passaria a contribuir e também a ser responsável pelo processo de construção do aprendizado do estudante. Por isso, nos debruçamos sobre habilidades, competências e métodos necessários para a construção do conhecimento, que dividimos em três domínios: cognitivo, psicomotor e afetivo.

Diagrama de relações entre as etapas da experiência, com separação entre camadas de avaliação para a IA.
Diagrama de relações entre as etapas da experiência, com separação entre camadas de avaliação para a IA.

Com todo o problema sistêmico definido, os atores e o ecossistema visíveis, começamos a projetar a experiência em duas frentes: refinamos a interface e a experiência, levando em consideração as personas e suas necessidades, assim como suas jornadas dentro e fora da instituição; e iteramos o prompt do avatar 3D, polindo e refinando o método de comunicação e o sistema de feedback.

Conjunto de telas da experiência e acervo de assets. Conjunto de telas da experiência e acervo de assets.
Conjunto de telas da experiência e acervo de assets. Conjunto de telas da experiência e acervo de assets.
Conjunto de telas da experiência e acervo de assets. Conjunto de telas da experiência e acervo de assets.
Conjunto de telas da experiência e acervo de assets. Conjunto de telas da experiência e acervo de assets.
Conjunto de telas da experiência e acervo de assets. Conjunto de telas da experiência e acervo de assets.
Conjunto de telas da experiência e acervo de assets.

Trabalhar com tecnologia exige um olhar sistêmico e constante para evitar cair em algumas possíveis armadilhas:

  • Perda do valor percebido pelo usuário: inovações tecnológicas geram demanda por representarem diferencial perante competidores, mas a priorização como vitrine de marketing pode desviar foco e investimento do verdadeiro valor que a ferramenta pode oferecer dentro do ecossistema. Por isso, uma liderança que saiba equilibrar o diálogo entre negócio e produto é essencial. Tecnologia não tem valor caso não seja integrada às dores do usuário; sem percepção de valor e utilidade, ela se torna descartável.
  • Dependência de ferramentas externas: desenvolver um ecossistema de inovação pode demandar a orquestração de diferentes soluções do mercado, tornando essencial uma avaliação realista do verdadeiro potencial de retorno sobre investimento, já que modelos de negócio de ferramentas externas podem multiplicar custos não previstos.
  • Sistema adaptável: assumir um projeto que dialogue com ferramentas tecnológicas em constante evolução exige um projeto robusto, capaz de iterar a si mesmo para se adaptar ao que é lançado. Os hardwares de realidade virtual, assim como o ChatGPT e suas versões, permitiram que os produtos oferecessem novas possibilidades e novos resultados.

Os resultados a partir de entrevista qualitativa revelaram que estudantes:

  • Se sentiram mais seguros e preparados, vendo a utilização do metaverso e da IA como uma forma de treinamento sem julgamento, permitindo que controlassem melhor suas emoções na simulação supervisionada, com relatos de melhoria na comunicação, na coordenação de pensamento e no pertencimento ao potencial da tecnologia;
  • Entretanto, há relatos de estudantes que dizem não gostar da adaptação de certas interações físicas para o mundo virtual, já que existem limitações hápticas do sistema de realidade virtual, como a ausência de temperatura e impacto físico; outros relatam desconforto, enjoo ou tontura.
Voltar para a página principal