Eu atribuí o mesmo requisito de UI ao mesmo modelo 9 vezes: 3 vezes sem Skill, 3 vezes com apple-design e 3 vezes com ui-ux-pro-max.

Os resultados levaram-me a mudar a forma de avaliar: a mesma combinação de Skill pode correr muito bem uma vez e falhar na outra.

Depois de anonimizar os 9 resultados e de os entregar a duas pessoas para pontuarem de forma independente, as médias por grupo foram:
apple-design 91.3
ui-ux-pro-max 89.0
sem Skill 85.8

No entanto, em nenhum dos três grupos foi possível obter 3/3 sem defeitos.

apple-design e sem Skill tiveram, cada um, uma vez em que o botão principal na página de detalhes do telemóvel ficou espremido e ficou danificado; ui-ux-pro-max teve uma vez em que, num ecrã estreito de 375px, houve transbordo horizontal, e o conteúdo do lado direito ficou cortado. Em cada grupo, também foram falhados detalhes de acessibilidade: num caso não havia etiquetas nos formulários, noutro as botões de ícones não tinham nome.

Desta vez, o apple-design teve a média mais alta e o ui-ux-pro-max teve a menor variação. O que vou reutilizar são os métodos de aceitação posteriores.

No futuro, não vou usar uma captura de ecrã bonita para julgar Skill: vou correr 3 vezes primeiro e depois verificar o telemóvel, o teclado, reduzir os efeitos de animação e testar casos de falha. Para mim, Skill é mais um enviesamento para a conceção, não uma garantia de estabilidade.