Machine Learning (ML) tem sido cada vez mais aplicado em diversos domínios do conhecimento humano. Em projetos de ML supervisionado, é necessário que haja uma base de dados para treinamento do modelo de ML. Sistemas de rotulagem de dados são frequentemente utilizados para apoiar o desenvolvimento desse tipo de ML quando a gestão dessa base de dados é crítica para o sucesso do projeto. Contudo, a elicitação de requisitos desses sistemas apresenta desafios relacionados à interação dos usuários com grande volume de dados. Há a necessidade de entender os requisitos específicos desses sistemas para elaborar um software de qualidade. Este trabalho relata uma experiência de engenharia de requisitos em um sistema de rotulagem de dados para ML. Esse sistema tem como objetivo atuar na inspeção de rotulagem de milhões de produtos para fiscalização de impostos pelas Secretarias da Fazenda dos Estados Federativos do Brasil. A partir dos requisitos iniciais, foi realizado um processo evolutivo de prototipagem de interfaces. O processo incluiu três iterações, envolvendo o gerente de produto e a equipe de desenvolvimento. Os protótipos auxiliaram a refinar os requisitos a partir da análise de cada iteração, além de possibilitar a avaliação dos requisitos atendidos.