Estudos da CB Insights e do MIT apontam que mais de 42% das startups de base tecnológica falham por falta de mercado — não por limitação técnica. No contexto de deep tech, biomateriais e biotecnologia, a taxa de descontinuação de projetos com alta maturidade científica (TRL 5+) por razões não-técnicas supera 60%.

A formação tradicional em engenharia e ciências exatas estrutura-se sobre um pressuposto fundamental: o problema já está dado. O exercício intelectual reside em encontrar a solução tecnicamente mais elegante, eficiente e robusta. Esse paradigma produz profissionais altamente capacitados para resolver equações, otimizar processos e desenvolver materiais, mas frequentemente despreparados para questionar se o problema certo está sendo resolvido.

O tecnocentrismo produz inovações que satisfazem critérios técnicos rigorosos, mas que podem ser completamente irrelevantes para o usuário final, inviáveis economicamente ou impossíveis de integrar à infraestrutura existente.

Inovação não é sinônimo de invenção tecnológica. O Manual de Oslo (OCDE) define inovação como a implementação de um produto, processo ou método novo ou significativamente melhorado que gere valor — econômico, social ou ambiental. Essa definição enfatiza a adoção e o impacto, não apenas a novidade técnica.

Tecnologias de base científica profunda — como novos materiais, bioprocessos, dispositivos médicos e sistemas de energia — apresentam um desafio singular para o Design Thinking: o usuário muitas vezes não sabe o que a tecnologia pode fazer, e o pesquisador frequentemente não conhece o contexto real de uso.

Nesse cenário, a descoberta de problemas não pode depender exclusivamente da escuta direta do usuário. Exige integração com:

Em deep tech, o Design Thinking precisa ser ampliado e hibridizado com métodos de engenharia de sistemas, análise de risco e avaliação de tecnologia (Technology Assessment). O ciclo de empatia inclui não apenas usuários finais, mas também reguladores, operadores industriais, investidores e cadeias de suprimento.

O desenvolvimento de novos materiais frequentemente parte de propriedades intrínsecas excepcionais — resistência, condutividade, biocompatibilidade — sem uma ancoragem clara no contexto de aplicação. Design Thinking contribui ao:

Em biotecnologia, a complexidade regulatória, os longos ciclos de desenvolvimento e as barreiras de biossegurança criam um contexto de adoção altamente específico. Design Thinking contribui ao:

Problem Framing é o processo de formulação deliberada e explícita do problema a ser abordado. Um problema bem formulado já contém em si critérios de solução, stakeholders relevantes, restrições pertinentes e métricas de sucesso. É o ponto de partida correto para qualquer processo de inovação.

Usuários articulam com facilidade aquilo que sabem que precisam — as necessidades explícitas. Mas as inovações mais disruptivas frequentemente respondem a necessidades latentes: aquelas que o usuário não sabe nomear, não consegue articular ou sequer reconhece como problema até ver uma solução.

A observação contextual, derivada da etnografia aplicada, consiste em observar pessoas executando suas atividades reais em seus ambientes naturais. Difere da entrevista por capturar o que as pessoas fazem, não o que dizem que fazem — distinção fundamental, pois comportamento e discurso frequentemente divergem.

Protocolos básicos:

Em ambientes industriais e científicos, a observação contextual revela:

Shadowing (ou acompanhamento de sombra) consiste em seguir um usuário durante a execução de suas atividades reais, por um período prolongado, sem interferência. O pesquisador acompanha silenciosamente o fluxo de trabalho, tomando notas sobre comportamentos, decisões, ferramentas utilizadas, comunicações e pontos de tensão.

É particularmente poderoso em contextos como:

A etnografia rápida adapta métodos da antropologia para ciclos de pesquisa de dias, não meses. Combina:

O mapa de stakeholders é uma ferramenta de visualização que identifica todos os atores relevantes em um ecossistema de problema — usuários diretos, indiretos, influenciadores, pagadores, reguladores, fornecedores e parceiros. Em contextos de deep tech, o mapa de stakeholders é frequentemente mais complexo do que em produtos de consumo, envolvendo múltiplas camadas institucionais.

Permite identificar:

Após a definição do problema, o próximo passo é formular hipóteses de valor: proposições testáveis sobre as causas do problema e sobre as intervenções que poderiam resolvê-lo. Em Design Thinking, as hipóteses são explicitadas, debatidas e priorizadas antes de qualquer desenvolvimento.

Estrutura de hipótese de valor:

O brainstorming livre, sem estrutura, tende a ser dominado por vozes mais assertivas e a convergir prematuramente para ideias familiares. O brainstorming estruturado introduz regras de processo que maximizam a diversidade de ideias geradas.

Técnicas complementares:

Após a geração divergente, a convergência deve ser guiada por critérios explícitos — não por preferências pessoais ou hierarquia:

Testam a desejabilidade — se o conceito ressoa com o usuário, se o problema foi corretamente formulado, se a proposta de valor faz sentido no contexto de uso. São intencionalmente inacabados, para não inibir o feedback crítico do usuário.

Formatos: storyboards, encenações (role-playing), maquetes físicas, vídeos de conceito, landing pages fictícias, personas e cenários de uso.

Testam a factibilidade técnica — se a solução pode ser desenvolvida com os recursos disponíveis, se os princípios técnicos funcionam e se as hipóteses de desempenho são válidas. Em engenharia e ciência dos materiais, incluem:

O Design Thinking é fundamentalmente não-linear: o aprendizado gerado em qualquer etapa pode — e frequentemente deve — provocar um retorno a etapas anteriores. Um teste mal-sucedido não é falha; é dado. Um protótipo rejeitado é um insight sobre o que não funciona, que é igualmente valioso.

Em contextos científicos, a iteração pode significar:

Em projetos de alta complexidade técnica e longa duração — como o desenvolvimento de novos biomateriais ou biofármacos — a iteração precoce e frequente reduz dramaticamente o risco de descobertas tardias de desalinhamento.

O custo de mudar um requisito no papel é exponencialmente menor do que mudar uma tecnologia em fase de escalonamento. Essa é a lógica econômica que sustenta os ciclos curtos de prototipagem e teste do Design Thinking.

Customer Discovery é a primeira fase do processo de Customer Development (Steve Blank, 2005), que por sua vez fundamentou o Lean Startup. Consiste em sair do escritório ou laboratório para testar, com clientes e usuários reais, se as hipóteses fundamentais do negócio ou projeto são válidas — antes de qualquer desenvolvimento significativo.

As hipóteses centrais a testar em Customer Discovery incluem:

Para pesquisadores e engenheiros, Customer Discovery representa uma disrupção metodológica: significa tratar o laboratório como última etapa, não a primeira. Antes de sintetizar o material, construir o dispositivo ou desenvolver o bioprocesso, é necessário validar no campo se o problema que motiva o projeto é real, quem o vivencia e em que escala.

O Innovation Readiness Level (IRL) expande o TRL para incluir dimensões de inovação sistêmica: maturidade do mercado, da regulação, do modelo de negócio e do ecossistema de adoção. Enquanto o TRL avalia "a tecnologia funciona?", o IRL avalia "a inovação pode ser adotada?".

O IRL considera:

O Design Thinking é, em essência, uma metodologia para elevar o IRL de uma tecnologia. Ao investigar sistematicamente o contexto de adoção — usuários, stakeholders, regulação, infraestrutura — e ao validar hipóteses de desejabilidade e viabilidade antes de grandes investimentos de desenvolvimento, o Design Thinking reduz o gap entre TRL elevado e IRL baixo que caracteriza a maioria das falhas de inovação deep tech.

Uma empresa de automação industrial desenvolveu ao longo de três anos um sistema avançado de monitoramento de máquinas para uma grande planta metalúrgica. A solução integrava sensores IoT, análise preditiva de falhas e dashboards em tempo real — tecnicamente impecável, com alto TRL e aprovação da gerência industrial.

Uma análise posterior usando entrevistas e shadowing com operadores revelou as causas reais:

Ao buscar parceiros industriais para escalonamento, a equipe descobriu que o processo de síntese do polímero utilizava solventes classificados como CMR (carcinogênicos, mutagênicos e reprotóxicos) pela regulamentação REACH da União Europeia. A substituição dos solventes alterava as propriedades do material de forma crítica. Adicionalmente, o custo de manufatura em escala era 40× superior ao de materiais concorrentes já certificados.

Após dois anos de desenvolvimento técnico, a startup iniciou o processo de validação clínica e regulatória e descobriu:

O Design Thinking não é uma bala de prata — e compreender suas limitações é tão importante quanto dominar suas ferramentas. Críticas legítimas incluem:

Agências de fomento no Brasil (FINEP, CNPq, FAPESP) e internacionalmente (Horizon Europe, NIH, DARPA) têm incorporado crescentemente critérios de impacto e relevância social e econômica na avaliação de projetos. Isso representa uma demanda por pesquisadores capazes de integrar rigor científico com formulação de problemas relevantes.

Design Thinking contribui para a pesquisa aplicada ao:

O conceito de pesquisa translacional — a aceleração do caminho da bancada à beira do leito ou ao campo (bench-to-bedside, bench-to-field) — é estruturalmente compatível com o Design Thinking: ambos tratam a trajetória da descoberta científica à aplicação real como um problema de design que exige investigação, prototipagem e validação iterativa.