Workflow de IA para desenho científico: da foto do quadro branco à figura publicável

Domingo à noite antes do prazo das figuras. Seu orientador desenhou o modelo no quadro branco durante uma reunião de 30 minutos e você tirou uma foto com o celular. A foto está borrada, duas setas poderiam ir em qualquer direção e você não faz ideia se aquele loop em cima era feedback ou degradação. Adivinha e arrisca uma figura errada, ou manda email e perde a noite.

Um workflow de IA para desenho científico não substitui anotar a reunião com clareza. Ele tira o redesenho — o pixel-pushing no Illustrator às 23h. Este guia é o workflow que pesquisadores usam de verdade: foto ou rascunho na entrada, prompt estruturado no meio, SVG editável na saída.

Erros comuns que transformam o workflow em retrabalho

• Tratar a saída da IA como figura final. O modelo entrega uma imagem polida que parece pronta; as relações científicas dentro continuam sob sua responsabilidade. Sempre exportar para SVG para manter rótulos e setas editáveis.
• Mandar uma foto sem descrição. Modelos image-to-image redesenham o que veem, o que normalmente significa inventar conexões parecidas com pixels borrados. A ciência precisa vir em palavras junto da foto.
• "Faz estilo Nature." Isso gera decoração, não clareza. Defina as relações estruturais primeiro.
• Perder a direcionalidade. Rascunhos usam setas de forma solta — "isso afeta aquilo". Uma figura científica precisa distinguir visualmente ativação, inibição, translocação e direção temporal. Tem que escrever explicitamente.
• Pular a verificação. Figuras geradas por IA inventam regularmente rótulos e componentes que nunca estiveram no rascunho. Sempre compare a saída com o original antes de exportar.

Prompt ruim vs. prompt melhor

Antes/depois real numa foto de quadro branco de uma cascata de kinases:

Curto demais — gera um cartoon estilizado mas inverificável:

Turn this whiteboard photo into a clean scientific figure.

Reestruturado — gera uma figura editável e confiável:

Convert the attached whiteboard photo into a clean schematic of a kinase signaling cascade.
The sequence is: extracellular ligand → membrane receptor → MAPKKK → MAPKK → MAPK → nuclear transcription factor → target gene.
Use right-arrows for phosphorylation steps, dashed arrows for translocation across the nuclear membrane, and a separate panel for the inhibitor (small molecule blocking MAPKK).
Preserve the exact node names from the photo: do not invent additional proteins or substrates.
Style: clean vector schematic, white background, room for editable labels, no 3D rendering.
Output as a layered SVG so I can correct labels in Illustrator.

O prompt estruturado faz duas coisas que o curto não faz: nomeia cada nó (modelo não pode inventar) e específica o que cada tipo de seta significa (modelo não pode adivinhar).

O que a IA pode inferir vs. o que você precisa especificar

A decisão central do workflow é quanto você descreve em palavras. Uma divisão útil:

Tudo da coluna direita precisa estar no prompt, mesmo que esteja também na foto. Modelos não leem estrutura científica de um rascunho borrado de forma confiável.

Imagem de exemplo

O exemplo mostra as três etapas explicitamente: rascunho cru, esboço IA, figura editável. O conteúdo científico permanece igual; a gramática visual fica mais limpa em cada etapa. O esboço IA não é o final — a camada editável é.

Modelos prontos para colar por tipo de material fonte

Substitua o texto entre colchetes pelo seu estudo.

1. Limpeza de foto de quadro branco

Convert the attached whiteboard photo into a clean scientific schematic of [topic].
The components are: [list every node visible in the photo, in order].
The connections are: [for each arrow, state source → target and what it means (activation, inhibition, translocation, conversion, transport)].
Preserve exact labels from the photo: do not invent additional components.
Style: clean vector schematic, white background, editable labels, no 3D rendering.
Output as a layered SVG.

2. Figura de métodos a partir de notas de protocolo

Create a methods figure from the following protocol notes: [paste protocol].
Group steps into four blocks: [sample preparation], [treatment], [measurement], and [analysis].
Use a horizontal workflow with numbered steps. Keep labels short enough to fit a single-column methods figure.
Show the instrument or assay icon at the measurement step; use a simple bar chart or table icon at the analysis step (no real numbers).
Do not invent missing protocol steps. If a step is unclear in the notes, leave it as a labeled placeholder I can fill in later.

3. Desenho conceitual para palestra ou grant

Draw a conceptual scientific figure explaining [idea or hypothesis].
Components to show: [main actor], [process they undergo], [output or readout], and [feedback or downstream effect].
This is for a [grant panel / department seminar / public talk]. Keep labels readable from 2 meters away.
Use schematic style, not photorealism. No real data values. No journal logos.

4. Captura ou figura de paper como referência de layout

Use the attached figure from a published paper as a layout reference only.
Recreate the structure for our own study on [topic]: keep the panel arrangement and arrow style, but replace [their component] with [our component], and update labels to: [list of labels].
Do not copy the exact illustrations. The output must be original and not infringe the source figure.
Style: editable vector, consistent with our previous figures.

Como cada perfil deve usar este workflow

• Aluno de pós-graduação no primeiro ano: comece pelo modelo 2 (métodos a partir de notas). Seu caderno de laboratório já é um prompt estruturado — basta reformatar.
• PI revisando a figura de um aluno: peça o rascunho e o esboço IA e o SVG editável. Se só há o esboço IA, a verificação foi pulada.
• Postdoc preparando uma talk: o modelo 3 é seu amigo. Uma figura conceitual para uma talk de 10 minutos deve ter no máximo 4 componentes na tela.
• Lab manager ou PI com cultura de quadro branco: fotografe o quadro no fim de cada reunião e use o modelo 1 na mesma semana. Quanto mais demora, mais drift de interpretação entra na figura.

Workflow realista no SciDraw AI

1. Capture limpo: foto do celular do rascunho ou quadro, bem iluminada, todos os componentes visíveis. Não corte antes que a IA tenha visto o todo.
2. Escreva o prompt junto da imagem: abra um arquivo de notas e liste cada nó e cada seta. Isso te força a verificar a ciência antes do modelo.
3. Gere uma variante estruturada primeiro: compare-a com seu prompt — não com seu gosto estético. O modelo preservou cada nó? Cada seta aponta para o lado certo?
4. Itere no prompt, não na imagem: se a figura está errada, conserte o prompt. Regerar com o mesmo prompt errado é o caminho mais rápido para queimar créditos.
5. Exporte para SVG e edite os rótulos: use vectorize image se a saída é raster. Edições finais de rótulos acontecem no Illustrator, Inkscape ou PowerPoint.
6. Verifique contra a fonte: coloque o rascunho original e a figura final lado a lado. Cada nó e cada seta devem bater.

Checklist antes de exportar

• Todo componente na figura estava no rascunho original ou foi adicionado explicitamente no prompt.
• Cada tipo de seta tem um significado consistente.
• Sem números inventados, sem logos de revistas falsos, sem intervalos de confiança fabricados.
• Rótulos legíveis no tamanho em que a figura será exibida (coluna, pôster, slide).
• A saída é editável (SVG, PDF em camadas, .ai), não raster achatado.
• Se a figura toca conteúdo clínico ou químico, um especialista do domínio aprovou.

Workflows SciDraw AI relacionados

Scientific Drawing · Scientific Figure Maker · AI Scientific Illustration · Vectorize Image

Perguntas frequentes

O rascunho precisa estar limpo para este workflow funcionar?

Não. O rascunho pode ser uma foto de celular de um desenho a marcador. O que importa é que você entenda cada componente e cada seta. A IA não te salva da sua própria ambiguidade.

O que nunca deve ser deixado para a IA?

Estruturas moleculares exatas, afirmações clínicas, valores quantitativos, símbolos específicos de disciplina (letras gregas em matemática, estruturas IUPAC em química, referências anatômicas em medicina). Sempre verificação manual.

Por que exportar para SVG em vez de usar a saída IA direto?

Porque os revisores pedem mudanças de rótulos, e rótulos são a parte mais frágil de uma figura IA. SVG os mantém como texto editável em vez de pixels.

Como sei se a IA inventou algo?

Compare a saída com a fonte. Percorra cada nó e cada seta da saída e confirme que vêm do rascunho ou do prompt. Tudo que não rastreia é alucinação.

Posso usar para figuras clínicas ou cirúrgicas?

Para o rascunho sim, nunca para a versão final. Figuras clínicas precisam passar por revisão clínica antes de publicar ou distribuir a pacientes. A IA é uma ferramenta de rascunho, não uma autoridade clínica.

O que fazer se o modelo continua adicionando elementos não pedidos?

Adicione uma restrição negativa ao prompt: "Do not include any components other than the ones listed above." Modelos respeitam restrições negativas explícitas melhor do que pedidos implícitos de minimalismo.