Dylan Xavier
Todos os projetos

Product Designer, ponta a ponta · 2026

AskRay

Assistente de IA que entrega o procedimento certo, da fonte certa, para engenheiros de campo de equipamentos médicos.

AIMedTechMobile-first
Capa do projeto AskRay

Sobre o projeto

AskRay é um assistente de IA para engenheiros de campo que mantêm equipamentos de imagem médica, como tomógrafos, dentro de hospitais. Ele responde apenas com base nos manuais oficiais e mostra, em cada resposta, de onde veio a informação: documento, versão, página e nível de confiança. O projeto nasceu de um desafio de UX/UI. Conduzi sozinho todo o processo: discovery com fontes públicas (O*NET, vagas reais do setor e pesquisas com técnicos de campo), persona e Jobs to be Done, benchmarking de concorrentes, ideação, escolha do modelo de IA, wireframes, design system e alta fidelidade, até o produto implementado em código, disponível no botão “Ver projeto”.

O desafio

Achar o procedimento certo e atual, rápido e sem erro, com as mãos ocupadas.

Engenheiros de campo que mantêm equipamentos de imagem médica precisam de um jeito rápido e confiável de encontrar o procedimento certo e atualizado para uma falha específica, ainda no local. Eles trabalham sob pressão de tempo, com as mãos ocupadas, e não podem errar.

01

Tempo perdido procurando informação

Buscar informação é a 2ª parte menos querida do trabalho, segundo a The Service Council.

02

Não pode errar

73% dizem que ser exato é extremamente importante na função (O*NET).

03

Pressão de tempo

34% enfrentam prazos rígidos todos os dias (O*NET).

04

Medo de procedimento desatualizado

Hipótese: a exigência de exatidão e o trabalho guiado por manuais tornam a versão do documento crítica.

05

Dependência de colegas em falhas raras

Hipótese: 71% têm conversas por telefone todos os dias (O*NET).

06

Documentar toma tempo

Hipótese: manter o registro de cada atendimento é uma tarefa central da função (O*NET).

Foundations

A base visual do AskRay: logo e variações, cores primitivas, gradientes e vidro, espaçamento, raios e bordas, tipografia e ícones da biblioteca Iconoir. Tudo em modo claro, pensado para ambientes clínicos.

O produto

As cinco telas do desafio, do wireframe à alta fidelidade, em mobile e desktop: Home “Today”, Ask, resposta estruturada, relatórios de serviço e Image Guide. Os wireframes definiram a estrutura antes do estilo. Ao construir as telas com conteúdo real, três decisões mudaram: o ditado virou um modo de voz mãos-livres, o relatório único virou um histórico de relatórios e a foto virou upload de imagem no desktop.

Pesquisa

Discovery organizado em um board no FigJam, separando evidência (tirada de uma fonte), hipótese (a validar) e insight (nossa conclusão). Da empatia à prototipação: escolha da persona entre quatro funções da MedTech, Jobs to be Done, benchmarking com Aquant, ServiceMax AI e Dynamics 365 Copilot, How Might We, clusters de solução, escolha do modelo de IA e backlog de telas.

User personas

Proto persona construída com dados públicos (O*NET, vaga real da Stryker e The Service Council). Nenhum técnico foi entrevistado ainda: nome e idade são decisões de design.

Ryan Mitchell

Field Service Engineer · sistemas de imagem médica

31 anosHospitais e estradaCelular em campo

Preciso do procedimento certo, da fonte certa, e com as mãos ocupadas.

Bio

Instala, mantém e repara tomógrafos dentro de hospitais, seguindo os manuais do fabricante, e registra cada atendimento. Antes da visita, se prepara estacionado, no notebook. Na frente do equipamento, usa o celular com as mãos ocupadas.

Frustrações

  • Perde tempo procurando a informação certa
  • Não pode errar e teme seguir um procedimento desatualizado
  • Depende de colegas seniores em falhas raras
  • Documentar o atendimento toma tempo

Objetivos

  • Diagnosticar a falha e resolver na primeira visita
  • Ter certeza de que segue a versão oficial e atual
  • Chegar preparado, com histórico e ordem de serviço
  • Fechar o atendimento sem burocracia

Design System

Mais de 50 componentes com estados, construídos sobre os tokens de cor, espaçamento, raio e tipografia: ações, feedback, conteúdo, entradas, estados da IA (ouvindo, buscando nos manuais), cards, navegação e os blocos da resposta estruturada.

Principais resultados

O que o desafio entregou, do discovery ao produto em código.

01

5

Telas mobile-first entregues, todas também em desktop

02

50+

Componentes com estados no design system

03

11 → 7

Perguntas How Might We agrupadas em 7 clusters de solução

04

6

Hipóteses-chave com teste e sinal de sucesso definidos

Confiança visível

Cada resposta mostra documento, versão, página e nível de confiança, e avisa quando existe um manual mais novo.

Uma jornada só

Preparar, diagnosticar e registrar: o relatório de serviço é redigido pela IA a partir da sessão, e o técnico revisa e assina.

Ray nunca chuta

Quando não há resposta nos manuais oficiais, o estado “não encontrado” explica o porquê e oferece o próximo passo.

Quer ver mais?

Confira os outros projetos ou fale comigo sobre o seu.