DESIGN.md da Atlassian chega ao mercado: o que aprendemos ao testar, na prática, um novo padrão para fornecer contexto de design à inteligência artificial

 

A busca por interfaces geradas por IA que realmente tenham identidade

A ascensão da inteligência artificial generativa transformou profundamente a forma como produtos digitais são concebidos. Em poucos segundos, modelos de linguagem conseguem criar páginas inteiras, componentes de interface, dashboards, fluxos de navegação e até aplicações completas. No entanto, à medida que essa capacidade se torna mais acessível, um problema recorrente começa a ganhar destaque entre designers, desenvolvedores e equipes de produto: a crescente homogeneização das interfaces criadas por IA.

Quem utiliza ferramentas de geração de interfaces já se deparou com esse fenômeno. Botões com gradientes vibrantes, títulos em caixa alta, cartões genéricos, sombras previsíveis e animações de hover aplicadas sem um propósito claro aparecem repetidamente em diferentes projetos. Embora funcionais, essas interfaces frequentemente carecem de personalidade, identidade visual e alinhamento com marcas específicas.

Nos círculos de design, esse tipo de resultado passou a ser chamado informalmente de "UI slop", um termo utilizado para descrever interfaces que cumprem sua função técnica, mas que parecem derivadas de uma média estatística de tudo o que os modelos aprenderam durante seu treinamento.

A questão central é relativamente simples de compreender. Quando uma inteligência artificial recebe pouca ou nenhuma informação sobre uma marca, seus componentes, seus princípios visuais e suas decisões de design, ela recorre aos padrões mais comuns encontrados em seu conjunto de treinamento. Em outras palavras, sem contexto específico, a IA produz resultados genéricos.

É justamente nesse cenário que surge uma nova proposta que vem chamando atenção da indústria: o formato DESIGN.md.

O surgimento de um novo padrão

Recentemente, o Google apresentou o DESIGN.md como parte de seu ecossistema de ferramentas para design assistido por IA. A proposta é direta: criar um arquivo em Markdown capaz de transportar informações essenciais sobre um sistema de design para qualquer ambiente ou ferramenta compatível.

Em vez de depender de integrações complexas, servidores especializados ou plataformas proprietárias, uma equipe pode simplesmente fornecer um arquivo de texto estruturado contendo princípios visuais, tokens de design, diretrizes de componentes e orientações gerais sobre a identidade da marca.

A promessa é sedutora. Ao anexar esse arquivo ao prompt utilizado por uma IA, as interfaces geradas passam a refletir melhor a identidade visual desejada.

A Atlassian, empresa responsável por produtos amplamente utilizados como o Jira, Confluence e Trello, decidiu investigar até que ponto essa promessa se sustenta na prática.

Uma empresa já preparada para a era da IA

Antes mesmo do surgimento do DESIGN.md, a Atlassian já vinha investindo pesadamente na adaptação de seu sistema de design para o universo da inteligência artificial.

Sua equipe responsável pelo Atlassian Design System desenvolveu uma infraestrutura robusta voltada para fornecer contexto de design a agentes de IA. Essa infraestrutura inclui servidores MCP, habilidades especializadas para agentes inteligentes e pipelines de conteúdo estruturado capazes de transformar documentação tradicional em conhecimento facilmente consumível por modelos de linguagem.

O objetivo dessa arquitetura é simples: permitir que agentes de IA obtenham exatamente o contexto necessário para cada tarefa, sem precisar carregar toda a documentação da empresa de uma só vez.

Segundo a organização, essa abordagem trouxe benefícios importantes, incluindo redução significativa no consumo de tokens, aumento da precisão das respostas e melhoria na qualidade dos artefatos produzidos por milhares de profissionais que utilizam IA diariamente dentro da empresa.

Diante desse cenário, o surgimento do DESIGN.md despertou uma pergunta inevitável: haveria espaço para esse novo formato dentro de uma estrutura já sofisticada de fornecimento de contexto?

O que exatamente é o DESIGN.md?

Para entender a relevância da discussão, é importante compreender o que o formato se propõe a ser.

O DESIGN.md é um arquivo Markdown portátil que concentra os elementos essenciais de um sistema de design.

Sua estrutura normalmente é dividida em duas partes.

A primeira apresenta informações legíveis por máquinas, como tokens de design relacionados a cores, espaçamentos, tipografia e outros atributos visuais.

A segunda parte é voltada tanto para humanos quanto para agentes de IA. Nela são descritas as razões por trás das decisões de design, princípios visuais, orientações sobre componentes, uso de elevação, layouts e demais fundamentos do sistema.

O aspecto mais importante do formato é que ele não pretende substituir um sistema de design completo.

Ele não contém bibliotecas de código, componentes implementados, regras de linting, especificações avançadas em ferramentas como Figma ou documentação técnica detalhada.

Sua proposta é capturar a intenção do design, e não necessariamente sua implementação integral.

Construindo uma versão Atlassian do DESIGN.md

Para avaliar o potencial do novo padrão, a Atlassian decidiu criar sua própria versão do arquivo.

Em vez de redigir tudo manualmente, a empresa aproveitou sua infraestrutura existente e gerou o documento a partir do mesmo pipeline estruturado que já alimenta seus servidores MCP e habilidades para agentes inteligentes.

O resultado foi um arquivo que representava uma versão condensada do Atlassian Design System.

Com o documento pronto, a equipe iniciou uma série de experimentos em diferentes ferramentas de desenvolvimento assistido por IA.

Durante os testes, novas orientações foram adicionadas para corrigir erros recorrentes observados nos modelos. O objetivo era descobrir até que ponto o DESIGN.md poderia funcionar como um mecanismo portátil e independente para transmitir contexto de design.

O teste realizado durante o Team ’26

A oportunidade ideal surgiu durante a preparação da conferência Team ’26, realizada em Anaheim.

Uma das demonstrações apresentadas no evento envolvia o uso do Figma Make para gerar dashboards personalizados utilizando dados do Teamwork Graph.

O desafio era claro.

As interfaces geradas precisavam seguir a linguagem visual da Atlassian sem depender de ferramentas internas, servidores MCP ou integrações proprietárias.

O DESIGN.md parecia perfeito para esse cenário.

A equipe executou os mesmos prompts utilizados na apresentação oficial, comparando os resultados gerados com e sem o arquivo de contexto.

Os resultados foram considerados bastante positivos.

Sem o documento, as interfaces produzidas apresentavam características genéricas comuns a muitas ferramentas de geração automática.

Com o DESIGN.md incluído, os layouts passaram a incorporar elementos reconhecíveis da identidade visual da Atlassian.

As cores se aproximavam dos padrões esperados.

Os espaçamentos tornavam-se mais consistentes.

A tipografia seguia diretrizes compatíveis com a marca.

Os formatos dos componentes refletiam melhor o sistema visual da empresa.

A aplicação de elevação e hierarquia visual também se mostrava mais alinhada com os princípios do design system.

Na prática, o arquivo conseguiu transformar uma interface genérica em algo imediatamente identificável como pertencente ao ecossistema Atlassian.

O desafio da escala

Apesar dos bons resultados em prototipação rápida, a questão mais importante permanecia em aberto.

Como o DESIGN.md se comportaria em ambientes de produção reais?

Construir um protótipo isolado é muito diferente de trabalhar dentro de uma aplicação corporativa consolidada.

Nesses cenários, desenvolvedores precisam lidar com bibliotecas existentes, componentes compartilhados, regras rígidas de tipagem, padrões arquiteturais e exigências de manutenção de longo prazo.

Foi justamente nesse contexto que começaram a surgir limitações importantes.

O custo do contexto estático

A primeira limitação identificada está relacionada à forma como o contexto é fornecido.

Servidores MCP operam sob demanda.

Um agente pode solicitar informações específicas apenas quando necessário.

Se estiver trabalhando em um componente de botão, por exemplo, buscará apenas as orientações relevantes para esse elemento.

O mesmo vale para ícones, tokens semânticos ou componentes avançados.

O DESIGN.md funciona de forma diferente.

Todo o conteúdo precisa ser carregado desde o início.

Independentemente da tarefa, o modelo recebe o arquivo inteiro.

Isso gera algumas consequências imediatas.

O consumo de tokens aumenta.

O tempo de processamento cresce.

A janela de contexto disponível para conversas subsequentes diminui.

Além disso, o risco de truncamento de informações torna-se maior conforme a interação avança.

Em aplicações complexas, esses fatores podem impactar diretamente a qualidade dos resultados.

Quando resumir significa perder conhecimento

A segunda limitação surge da própria natureza dos sistemas de design modernos.

Esses sistemas acumulam anos de decisões, aprendizados, padrões de interação e conhecimento institucional.

São bibliotecas extremamente ricas, muitas vezes compostas por centenas de componentes e milhares de regras.

Condensar tudo isso em um único arquivo inevitavelmente exige concessões.

No caso da Atlassian, a documentação completa utilizada pelos agentes corresponde a aproximadamente 2,5 megabytes de conteúdo estruturado.

Para transformar esse volume em um DESIGN.md utilizável, foi necessário reduzir drasticamente a quantidade de informação.

O arquivo final ficou em torno de 80 KB.

Embora considerável para um documento Markdown, ainda representa apenas uma fração do conhecimento disponível.

Durante esse processo, muitas orientações detalhadas precisaram ser removidas.

Partes importantes da documentação de componentes foram simplificadas.

Diretrizes extensas sobre fundações visuais sofreram cortes significativos.

Diversos tokens de design considerados menos utilizados foram excluídos.

O resultado é um arquivo mais leve, porém inevitavelmente menos completo.

Para agentes de IA, isso significa trabalhar com uma representação parcial do sistema.

Quando detalhes específicos não estão presentes, os modelos precisam inferir comportamentos ou buscar informações em outras fontes, aumentando o risco de inconsistências.

A armadilha da reimplementação

A terceira limitação observada talvez seja a mais relevante para equipes que mantêm produtos em produção.

O DESIGN.md descreve como um componente deve ser.

Mas não explica necessariamente como utilizá-lo dentro de uma base de código existente.

Por exemplo, o arquivo pode especificar cores, bordas, espaçamentos e comportamentos visuais de um botão.

Entretanto, ele não informa que já existe uma implementação oficial pronta para uso.

Consequentemente, alguns agentes acabam recriando componentes do zero em vez de reutilizar aqueles já disponíveis na biblioteca corporativa.

Esse comportamento pode parecer inofensivo inicialmente, mas gera consequências importantes.

A duplicação de componentes aumenta a dívida técnica.

A manutenção torna-se mais difícil.

Mudanças futuras exigem atualizações em múltiplos pontos da aplicação.

A consistência visual fica mais vulnerável.

Na visão da Atlassian, soluções baseadas em MCP e habilidades especializadas oferecem uma abstração mais adequada para ambientes produtivos justamente porque estão conectadas às fundações técnicas reais da organização.

Em vez de ensinar como reconstruir um botão, ensinam como utilizar o botão já existente.

Os números observados nos testes

Os experimentos conduzidos pela empresa indicaram diferenças relevantes em termos de eficiência operacional.

Em uma tarefa relativamente simples, como a criação de uma tela de login, o uso exclusivo do DESIGN.md exigiu significativamente mais recursos computacionais.

O consumo médio de tokens foi aproximadamente 92% superior ao observado em abordagens baseadas em MCP.

O tempo necessário para concluir as tarefas também aumentou.

Além disso, a variação entre diferentes execuções foi significativamente maior, indicando menor previsibilidade no comportamento dos agentes.

A própria Atlassian ressalta que esses resultados não devem ser interpretados como conclusões científicas definitivas.

Modelos distintos, ambientes diferentes e sistemas de design variados podem produzir resultados completamente diferentes.

Ainda assim, os números reforçam tendências observadas repetidamente durante os experimentos.

Onde o DESIGN.md realmente brilha

Apesar das limitações identificadas, a Atlassian não considera o formato um fracasso.

Pelo contrário.

A empresa acredita que o DESIGN.md ocupa um espaço extremamente relevante dentro do ecossistema de ferramentas para IA.

Seu maior diferencial é justamente a portabilidade.

Existem diversos cenários nos quais essa característica supera as desvantagens associadas ao formato.

Direcionamento criativo de alto nível

Muitas organizações possuem documentação detalhada sobre componentes e implementação, mas carecem de registros claros sobre identidade visual, princípios estéticos e intenções de design.

Nesse contexto, o DESIGN.md pode funcionar como uma excelente ferramenta para capturar e compartilhar a essência visual de uma marca.

Prototipação rápida

Durante fases iniciais de exploração, nem sempre faz sentido conectar modelos de IA a toda a infraestrutura corporativa.

Um arquivo portátil oferece uma maneira rápida de obter resultados alinhados à marca sem necessidade de configurações complexas.

Compatibilidade entre plataformas

Ferramentas de IA surgem diariamente.

Nem todas suportam integrações avançadas ou protocolos especializados.

O DESIGN.md funciona como um denominador comum capaz de transportar identidade visual entre diferentes ambientes.

Personalização para clientes

Talvez uma das aplicações mais promissoras esteja na geração dinâmica de interfaces adaptadas a diferentes marcas.

Imagine plataformas capazes de criar dashboards, relatórios ou painéis personalizados para cada cliente.

Nesse cenário, um arquivo DESIGN.md fornecido pelo próprio cliente poderia orientar a IA a gerar resultados alinhados à identidade visual daquela organização.

Em vez de produzir interfaces com a aparência do fornecedor da plataforma, a IA passaria a refletir a identidade de cada empresa usuária.

Um passo importante para a evolução da IA no design

A discussão em torno do DESIGN.md revela uma transformação mais ampla que está ocorrendo na indústria.

À medida que agentes de IA se tornam participantes ativos do processo de criação digital, surge a necessidade de tornar sistemas de design compreensíveis não apenas para seres humanos, mas também para máquinas.

Historicamente, sistemas de design foram concebidos para designers e desenvolvedores.

Agora, um novo público entra em cena: agentes inteligentes capazes de interpretar, gerar e modificar interfaces.

Nesse contexto, formatos como o DESIGN.md representam uma tentativa de criar uma linguagem comum entre equipes humanas e modelos de IA.

Mesmo que não substituam soluções mais sofisticadas, eles contribuem para estabelecer padrões compartilhados e aumentar a interoperabilidade entre ferramentas.

Conclusão

Os experimentos conduzidos pela Atlassian mostram que o DESIGN.md não deve ser visto como um substituto para plataformas avançadas de contexto, servidores MCP ou sistemas especializados de orientação para agentes inteligentes.

Seu valor está em outro lugar.

O formato oferece uma maneira simples, portátil e relativamente universal de transmitir identidade visual para modelos de IA.

Em prototipação rápida, interoperabilidade entre ferramentas, personalização de experiências e compartilhamento de diretrizes de marca, seu potencial é significativo.

Por outro lado, ambientes de produção complexos continuam se beneficiando de abordagens mais sofisticadas, capazes de fornecer contexto sob demanda, integrar componentes reais e reduzir custos operacionais.

Ainda assim, o surgimento do DESIGN.md representa um marco importante na evolução da colaboração entre design e inteligência artificial.

Quanto mais sistemas de design se tornarem legíveis para máquinas, maior será a capacidade das organizações de produzir experiências digitais consistentes, escaláveis e alinhadas às suas identidades de marca.

O futuro do design assistido por IA provavelmente não dependerá de uma única solução. Em vez disso, será construído por um ecossistema de formatos, protocolos e ferramentas complementares. Nesse cenário, o DESIGN.md surge como uma peça relevante de uma infraestrutura que está apenas começando a tomar forma.