{"id":735,"date":"2026-09-21T18:34:42","date_gmt":"2026-09-21T21:34:42","guid":{"rendered":"https:\/\/yellowkode.com\/blog\/ai-nutrition-facts-como-funciona\/"},"modified":"2026-09-21T18:34:42","modified_gmt":"2026-09-21T21:34:42","slug":"ai-nutrition-facts-como-funciona","status":"publish","type":"post","link":"https:\/\/yellowkode.com\/blog\/ai-nutrition-facts-como-funciona\/","title":{"rendered":"AI Nutrition Facts: Como Funciona o R\u00f3tulo de Transpar\u00eancia em Produtos de IA"},"content":{"rendered":"

No dia 20 de setembro de 2026, o designer Hiroshi Sato publicou no UX Collective um ensaio chamado AI nutrition facts<\/em>, propondo anexar ao final de cada texto um r\u00f3tulo pequeno, no formato do painel nutricional de embalagens de comida, declarando o que veio de humano e o que veio de IA na produ\u00e7\u00e3o daquele conte\u00fado. Ele descreve o objeto como um pequeno r\u00f3tulo sobre uso de IA, modelado no painel de nutrition facts encontrado em embalagens de alimentos, onde marca quais partes do ensaio vieram de um humano e quais de uma IA.<\/p>\n

A ideia dele n\u00e3o \u00e9 original, e ele n\u00e3o afirma que seja. O formato j\u00e1 existe como produto lan\u00e7ado em 2023: a Twilio, plataforma de comunica\u00e7\u00e3o em nuvem, lan\u00e7ou em meados de 2023 seu AI Nutrition Facts Label para explicar como seus produtos usam IA generativa. O que o artigo do Sato faz \u00e9 levar o r\u00f3tulo do plano corporativo (declarar o que um produto SaaS faz com seus dados) para o plano autoral (declarar o que uma pessoa fez com IA num texto). E \u00e9 a\u00ed que a coisa vira uma discuss\u00e3o de interface, n\u00e3o de branding.<\/p>\n

Como funciona o r\u00f3tulo por baixo<\/h2>\n

O painel nutricional de comida resolveu um problema muito espec\u00edfico: voc\u00ea n\u00e3o pode confiar no marketing da embalagem para saber o que est\u00e1 comendo, ent\u00e3o existe uma \u00e1rea padronizada, com campos fixos, na qual o fabricante \u00e9 obrigado a declarar composi\u00e7\u00e3o em termos compar\u00e1veis com qualquer outro produto da prateleira. O truque n\u00e3o \u00e9 o design bonito, \u00e9 que os campos s\u00e3o os mesmos em toda embalagem. Isso permite compara\u00e7\u00e3o horizontal.<\/p>\n

A Twilio copiou exatamente essa mec\u00e2nica. Os nomes dos campos individuais s\u00e3o fixos para dar aos clientes a capacidade de comparar diferentes features com facilidade. Ou seja, o valor do r\u00f3tulo n\u00e3o est\u00e1 em ele existir, est\u00e1 em ele existir com schema id\u00eantico em todo produto, para que dois r\u00f3tulos lado a lado fa\u00e7am sentido. Um r\u00f3tulo por produto, com campos inventados por cada time, \u00e9 decora\u00e7\u00e3o.<\/p>\n

Os campos que a Twilio decidiu padronizar cobrem, entre outras coisas, quais modelos de linguagem grandes s\u00e3o usados, como o dado do cliente \u00e9 tratado, quais limita\u00e7\u00f5es existem, e como o sistema \u00e9 projetado para se comportar. O r\u00f3tulo inclui informa\u00e7\u00e3o que a Twilio considera mais importante, com base em sua dupla perspectiva como comprador de ferramentas de IA e construtor de produtos com IA, e descreve quais LLMs s\u00e3o usados, como o dado do cliente \u00e9 tratado, quais limita\u00e7\u00f5es existem e como o sistema de IA \u00e9 projetado para se comportar.<\/p>\n

Para uso de dado, eles criaram uma escala fechada, n\u00e3o texto livre. Os n\u00edveis s\u00e3o baseados na CustomerAI Privacy Ladder da Twilio e s\u00e3o pensados para identificar claramente como o dado do cliente \u00e9 usado dentro de uma feature de IA, e quem pode usar o modelo. Escala fechada \u00e9 o que impede o r\u00f3tulo de virar campo de marketing. Voc\u00ea n\u00e3o escreve “tratamos seu dado com cuidado”, voc\u00ea marca um degrau numerado que significa a mesma coisa em qualquer produto que use aquela escala.<\/p>\n

Tem outra coisa importante que separa o r\u00f3tulo de um selo de conformidade qualquer: ele \u00e9 obrigat\u00f3rio no ciclo de vida do produto. O r\u00f3tulo \u00e9 mais do que uma ferramenta de comunica\u00e7\u00e3o, \u00e9 uma sa\u00edda formal embutida no ciclo de desenvolvimento do produto, e qualquer produto Twilio que use IA generativa deve incluir um r\u00f3tulo preenchido depois de passar do est\u00e1gio de piloto para seguir adiante, o que faz do r\u00f3tulo um checkpoint padr\u00e3o de desenvolvimento, n\u00e3o um depois de pensar. Isso \u00e9 o que muda o r\u00f3tulo de “design” para “gate de release”. Sem gate, o r\u00f3tulo \u00e9 feature opcional que ningu\u00e9m preenche direito.<\/p>\n

Uma analogia, com o lugar onde ela quebra<\/h3>\n

\u00c9 tentador comparar o AI Nutrition Facts com o r\u00f3tulo de comida, e a compara\u00e7\u00e3o carrega alguma mec\u00e2nica de verdade: campos fixos, comparabilidade, obrigatoriedade regulat\u00f3ria no caso da comida. Mas ela quebra em um ponto: no r\u00f3tulo de comida, o valor de s\u00f3dio \u00e9 medido em laborat\u00f3rio e verific\u00e1vel. No r\u00f3tulo de IA, quem preenche o campo \u00e9 o pr\u00f3prio fabricante do produto, sem auditor externo. \u00c9 autodeclara\u00e7\u00e3o. Um trabalho recente sobre transpar\u00eancia em IA generativa nota isso: no contexto de IA generativa, r\u00f3tulos podem enfrentar desafios adicionais de credibilidade porque fluxos de dados opacos dificultam para o usu\u00e1rio avaliar se pr\u00e1ticas declaradas s\u00e3o precisas ou completas. O r\u00f3tulo \u00e9 \u00fatil como declara\u00e7\u00e3o de inten\u00e7\u00e3o p\u00fablica e como schema de compara\u00e7\u00e3o, n\u00e3o como prova.<\/p>\n

O que isso significa na pr\u00e1tica, para quem constr\u00f3i interface<\/h2>\n

Se voc\u00ea tem um produto que usa IA em algum lugar da experi\u00eancia, existem tr\u00eas decis\u00f5es de interface para tomar antes de sequer olhar como o r\u00f3tulo vai parecer visualmente.<\/p>\n

Decis\u00e3o 1: onde o r\u00f3tulo vive dentro do fluxo.<\/strong> Colar o r\u00f3tulo na p\u00e1gina de marketing n\u00e3o conta, porque a pessoa que precisa da informa\u00e7\u00e3o est\u00e1 dentro do produto, no momento em que a feature de IA vai rodar. O r\u00f3tulo tem que estar perto do gatilho.<\/p>\n

Um caminho concreto, que d\u00e1 para escrever hoje, \u00e9 anexar o r\u00f3tulo ao componente que dispara a a\u00e7\u00e3o de IA, via popover disparado por um bot\u00e3o de info, com o pr\u00f3prio r\u00f3tulo como conte\u00fado sem\u00e2ntico:<\/p>\n

<button\n type=\"button\"\n aria-expanded=\"false\"\n aria-controls=\"ai-facts-summarize\"\n aria-label=\"Ver como esta funcionalidade usa IA\">\n i\n<\/button>\n\n<section\n id=\"ai-facts-summarize\"\n role=\"region\"\n aria-label=\"AI Nutrition Facts para Resumo autom\u00e1tico\"\n hidden>\n <dl>\n <dt>Modelo base<\/dt><dd>GPT-4o (OpenAI)<\/dd>\n <dt>Uso do seu dado<\/dt><dd>N\u00edvel 1: nenhum dado pessoal \u00e9 enviado ao modelo<\/dd>\n <dt>Reten\u00e7\u00e3o<\/dt><dd>Prompts descartados em 30 dias<\/dd>\n <dt>Human in the loop<\/dt><dd>Voc\u00ea aprova antes de publicar<\/dd>\n <\/dl>\n<\/section><\/code><\/pre>\n
Usar dl<\/code> com dt<\/code>\/dd<\/code> n\u00e3o \u00e9 firula. \u00c9 a estrutura sem\u00e2ntica de par chave\/valor, que \u00e9 literalmente o que um r\u00f3tulo \u00e9. Leitor de tela anuncia como lista de defini\u00e7\u00f5es, e crawler entende como dado estruturado.<\/p>\n
Decis\u00e3o 2: o schema \u00e9 seu ou voc\u00ea adota um de fora.<\/strong> Se voc\u00ea adota o schema aberto da Twilio, ganha comparabilidade com outras ferramentas que j\u00e1 usam. Em uma reviravolta inesperada, o r\u00f3tulo ganhou tra\u00e7\u00e3o al\u00e9m da Twilio: lan\u00e7ado como iniciativa open source, o AI Nutrition Label da Twilio foi baixado por desenvolvedores, educadores e outros, como o Exploratorium de San Francisco, buscando educar audi\u00eancias n\u00e3o t\u00e9cnicas sobre seu uso de IA. Se voc\u00ea inventa o seu, provavelmente vai reinventar mal.<\/p>\n
Decis\u00e3o 3: quem preenche o r\u00f3tulo, e quando.<\/strong> Isso \u00e9 a parte que quase todo mundo erra. R\u00f3tulo escrito por time de marketing depois que a feature est\u00e1 no ar vira fic\u00e7\u00e3o. R\u00f3tulo preenchido pelo time que subiu a feature, antes do release, e revisado por algu\u00e9m de seguran\u00e7a ou privacidade, tem chance de refletir o que o sistema faz. Volto ao ponto da Twilio: \u00e9 um checkpoint de release, n\u00e3o um artefato de comunica\u00e7\u00e3o.<\/p>\n
J\u00e1 vi essa mec\u00e2nica funcionar em outro contexto, sem envolver IA. Num construtor de landing page que tirou a cria\u00e7\u00e3o de p\u00e1gina da fila da engenharia, a \u00fanica forma de o marketing conseguir montar p\u00e1gina sozinho sem quebrar o design system foi o pr\u00f3prio builder impor os limites: componentes com props fechadas, tokens de cor n\u00e3o edit\u00e1veis, tipografia amarrada. R\u00f3tulo de IA funciona pelo mesmo princ\u00edpio: se o preenchimento \u00e9 campo de texto livre, ele vira marketing. Se \u00e9 enum fechado com op\u00e7\u00f5es pr\u00e9-definidas por privacidade e engenharia, ele vira dado.<\/p>\n
Onde o padr\u00e3o quebra<\/h2>\n
R\u00f3tulo n\u00e3o \u00e9 auditoria.<\/strong> J\u00e1 mencionei acima, mas vale insistir. O usu\u00e1rio n\u00e3o tem como verificar se o campo “nenhum dado pessoal \u00e9 enviado ao modelo” \u00e9 verdade. Ele confia na declara\u00e7\u00e3o. Isso \u00e9 diferente do r\u00f3tulo de comida, onde existe FDA, existe multa, existe teste laboratorial. Enquanto n\u00e3o houver regula\u00e7\u00e3o com dente, o r\u00f3tulo de IA \u00e9 ferramenta de disciplina interna do fabricante, n\u00e3o escudo do usu\u00e1rio.<\/p>\n
O r\u00f3tulo pode virar teatro de conformidade.<\/strong> A pr\u00f3pria hist\u00f3ria do r\u00f3tulo de comida sugere isso. No caso da comida, isso teve pouco a ver com o d\u00e9ficit de conhecimento que o r\u00f3tulo foi inventado para resolver, e frequentemente fabricantes simplesmente trocaram um ingrediente insalubre por outro. Existe risco real de o r\u00f3tulo de IA seguir o mesmo caminho: ficar tecnicamente correto e humanamente in\u00fatil.<\/p>\n
Densidade e legibilidade competem.<\/strong> Se voc\u00ea coloca todos os campos de uma vez, o r\u00f3tulo vira parede de texto e ningu\u00e9m l\u00ea. Se esconde tudo atr\u00e1s de “ver mais”, ningu\u00e9m abre. A literatura de UX de transpar\u00eancia em IA tem apontado a divulga\u00e7\u00e3o progressiva como um caminho: trabalhos anteriores sobre transpar\u00eancia algor\u00edtmica tamb\u00e9m se apoiaram no princ\u00edpio de UX de divulga\u00e7\u00e3o progressiva, sugerindo que fornecer explica\u00e7\u00f5es sob demanda pode ajudar usu\u00e1rios a entender melhor um sistema e reduzir erros iniciais. Na pr\u00e1tica significa: uma linha de resumo sempre vis\u00edvel (“esta feature usa IA generativa, seus dados n\u00e3o treinam o modelo”), com o r\u00f3tulo completo atr\u00e1s de um toque.<\/p>\n
Em dashboard denso em dados de medi\u00e7\u00e3o de m\u00eddia, aprendi na marra que informa\u00e7\u00e3o adicional escondida atr\u00e1s de tooltip \u00e9 informa\u00e7\u00e3o que 90% dos usu\u00e1rios nunca leem. Se o r\u00f3tulo importa de verdade para uma decis\u00e3o que o usu\u00e1rio est\u00e1 tomando agora, ele n\u00e3o pode estar dois cliques abaixo. Se importa s\u00f3 para compliance, tudo bem estar abaixo, mas ent\u00e3o seja honesto sobre para quem o r\u00f3tulo existe.<\/p>\n
Mobile \u00e9 um problema n\u00e3o resolvido.<\/strong> A pr\u00f3pria p\u00e1gina oficial reconhece: o editor de r\u00f3tulos atualmente n\u00e3o est\u00e1 dispon\u00edvel em mobile, e pede que voc\u00ea visite o site em um dispositivo com tela maior. Um r\u00f3tulo denso em tela pequena n\u00e3o cabe. \u00c9 outro motivo para pensar em progressive disclosure desde o come\u00e7o, e n\u00e3o como remendo.<\/p>\n
O que ainda n\u00e3o d\u00e1 para afirmar<\/h2>\n
N\u00e3o existe evid\u00eancia p\u00fablica, at\u00e9 onde consegui verificar, de que o r\u00f3tulo mude comportamento de usu\u00e1rio final de forma mensur\u00e1vel no contexto de IA. As pesquisas que a Twilio e o IMD citam sobre “consumidores confiam mais em produtos com r\u00f3tulo” s\u00e3o do universo de comida, n\u00e3o de software. Extrapolar \u00e9 razo\u00e1vel, mas \u00e9 extrapola\u00e7\u00e3o.<\/p>\n
Tamb\u00e9m n\u00e3o \u00e9 claro qual schema vai ganhar. Existe o da Twilio, existe o Dataset Nutrition Label focado em cientista de dados, existe proposta de r\u00f3tulo de privacidade para apps de GenAI open source com framework automatizado gerando o r\u00f3tulo a partir do reposit\u00f3rio de c\u00f3digo. Um framework chamado Repo2Label gera r\u00f3tulo de privacidade de GenAI baseado no reposit\u00f3rio de c\u00f3digo, refletindo autenticamente as pr\u00e1ticas de privacidade dos apps de GenAI. Se o padr\u00e3o vencedor for gerado automaticamente a partir de c\u00f3digo, muda tudo, porque tira a autodeclara\u00e7\u00e3o do meio.<\/p>\n
E n\u00e3o h\u00e1, at\u00e9 agora, mandato regulat\u00f3rio claro. Departamentos do Tesouro e do Com\u00e9rcio publicaram relat\u00f3rios examinando riscos de IA que revelaram que oficiais federais est\u00e3o estudando se devem impor os r\u00f3tulos, e institui\u00e7\u00f5es financeiras declararam que se beneficiariam de uma descri\u00e7\u00e3o padronizada, similar a um r\u00f3tulo nutricional, para sistemas de IA generativa fornecidos por terceiros, para identificar claramente qual dado foi usado para treinar um modelo, de onde veio, e como qualquer dado submetido ao modelo ser\u00e1 incorporado. Est\u00e1 no plano de estudo, n\u00e3o no plano de lei.<\/p>\n
Como testar isso voc\u00ea mesmo<\/h2>\n
Um caminho pequeno, que d\u00e1 para fazer em uma tarde:<\/p>\n
    \n
  1. Abra nutrition-facts.ai<\/code> em desktop e crie um r\u00f3tulo para uma feature real de IA no seu produto. N\u00e3o invente um produto de exemplo, pegue algo que est\u00e1 em produ\u00e7\u00e3o.<\/li>\n
  2. No momento de preencher, voc\u00ea vai perceber quais campos voc\u00ea n\u00e3o sabe responder. Anote esses. Eles s\u00e3o a lista de perguntas que seu time nunca fez.<\/li>\n
  3. Leve a lista para quem escreveu o c\u00f3digo da feature. Pergunte, campo por campo, qual \u00e9 a resposta verdadeira. Compare com o que o marketing diz sobre a mesma feature.<\/li>\n
  4. Exporte o r\u00f3tulo, coloque como popover atr\u00e1s de um \u00edcone de info ao lado do bot\u00e3o que dispara a IA, usando o HTML sem\u00e2ntico que mostrei acima.<\/li>\n
  5. Rode um teste com cinco usu\u00e1rios. N\u00e3o pergunte se gostaram do r\u00f3tulo. Pergunte, depois de usar a feature, o que eles acham que aconteceu com o texto que digitaram. Compare com o que o r\u00f3tulo diz.<\/li>\n<\/ol>\n
    Se as respostas dos cinco usu\u00e1rios baterem com o r\u00f3tulo, o r\u00f3tulo est\u00e1 fazendo trabalho de interface. Se n\u00e3o baterem, ou o r\u00f3tulo est\u00e1 no lugar errado, ou est\u00e1 escrito em jarg\u00e3o, ou o produto est\u00e1 fazendo algo diferente do que o r\u00f3tulo declara. Qualquer uma das tr\u00eas \u00e9 informa\u00e7\u00e3o valiosa.<\/p>\n","protected":false},"excerpt":{"rendered":"
    Como funciona o r\u00f3tulo AI Nutrition Facts, o padr\u00e3o da Twilio para declarar o que a IA faz no produto, e como implementar isso na sua interface.<\/p>\n","protected":false},"author":2,"featured_media":734,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-735","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/posts\/735","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/comments?post=735"}],"version-history":[{"count":0,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/posts\/735\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/media\/734"}],"wp:attachment":[{"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/media?parent=735"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/categories?post=735"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/tags?post=735"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}