Se você trabalha com marketing, provavelmente já tentou usar inteligência artificial para automatizar alguma tarefa do seu dia a dia. E talvez tenha acontecido o contrário do que você esperava: você passou mais tempo aprendendo a usar a ferramenta, escrevendo prompts, corrigindo respostas e refinando outputs do que realmente economizou usando a tecnologia.
A boa notícia é que, se você se reconhece nesse loop, este material pode te ajudar a sair dele.
A ideia aqui não é apresentar mais uma lista de ferramentas de IA ou ensinar você a escrever o prompt perfeito, mas sim te ajudar a entender onde a inteligência artificial realmente pode melhorar o trabalho de marketing, e onde insistir em automatizá-lo pode ser justamente o problema.
Infelizmente (ou felizmente), com IA também precisamos saber escolher as nossas batalhas.
A tecnologia está tornando as tarefas cada vez mais baratas, rápidas e acessíveis. Quando isso acontece, aquilo que antes era um diferencial acaba virando commodity.
Uma vez que qualquer pessoa ou máquina consegue produzir um texto, uma imagem, uma apresentação ou dezenas de variações de uma campanha em poucos minutos, a produção deixa de ser necessariamente o principal diferencial, e daí nasce um novo questionamento:
“Se podemos entregar tudo à tecnologia, o que ainda escolhemos preservar em nós enquanto profissionais (e humanos)?”
Falar sobre inteligência artificial pode parecer técnico demais para quem trabalha com marketing. Mas entender, ainda que superficialmente, como um modelo de linguagem funciona ajuda a explicar por que você pode estar obtendo resultados "ruins". E sim, existe uma explicação para isso, e ela é mais óbvia do que você imagina.
Um modelo de linguagem (LLM) aprende a partir de uma enorme quantidade de textos produzidos pelos seres humanos. Com isso, ele aprende padrões de como as pessoas escrevem e se comunicam. Quando você faz uma pergunta, ele usa o que aprendeu para prever, palavra por palavra, qual seria a resposta mais provável para aquele contexto.
Isso não significa que o modelo simplesmente repita frases que já viu. Ele aprendeu representações complexas e consegue recombinar padrões, relacionar conceitos e produzir respostas que não existiam literalmente no treinamento. Mas o princípio continua importante: o modelo trabalha a partir de padrões e probabilidades.
Diante disso, seria raso demais afirmar que probabilidade e criatividade são simplesmente opostos, apesar de antagônicos. A questão, porém, vai um pouco além: um modelo até pode produzir algo considerado criativo, porque ele reconhece e combina padrões extraordinariamente bem.
Entretanto, existe um risco ao solicitar 'crie uma campanha inovadora para uma empresa de varejo' sem fornecer nenhum contexto. A resposta vai ser tecnicamente excelente e parecer cirúrgica, mas isso não significa que ela seja necessariamente criativa, afinal, é o contexto que ajuda a definir o que faz sentido. Quanto melhor esse contexto (objetivo, público, dados, restrições, referências, histórico e critérios de avaliação), maior a possibilidade de a IA trabalhar de maneira útil.
Ainda sim, apesar disso, a tecnologia não possui uma experiência vivida no mundo: uma biografia, desejos próprios ou uma intenção cultural (elementos esses que, quando combinados, conferem a determinada produção um selo de autenticidade).
O que pode fazer a IA parecer criativa é a precisão com que consegue construir, desenvolver e argumentar ideias. Ao ler o resultado, a construção é muitas vezes tão coerente e bem articulada que sua precisão quase se confunde com criatividade. A resposta parece ter direção e uma compreensão clara daquilo que está tentando dizer quando, na realidade, o que existe é uma capacidade sofisticada de reconhecer padrões, estabelecer relações e organizar informações de maneira convincente.
Uma pesquisa publicada pela Harvard Business Review em agosto de 2026 investiga problemas de inovação que a IA não consegue resolver sozinha. A ideia é especialmente relevante para marketing: equipes com acesso a tecnologias semelhantes podem obter resultados muito diferentes porque a IA atua sobre entraves humanos mais profundos e enraizados.
| Tropeços (humanos) | Consequências |
|---|---|
| Problema mal definido | A IA otimiza uma tarefa que talvez nem fosse a prioridade. |
| Contexto insuficiente | A resposta é genérica porque a IA não recebeu informação suficiente. |
| Dados ruins ou insuficientes | A análise parece sofisticada, mas não tem base para sustentar a conclusão. |
| Critério de avaliação fraco | A equipe não sabe diferenciar uma resposta cirúrgica de uma resposta apenas plausível e bem construída. |
| Julgamento ausente | Uma resposta coerente é confundida com uma decisão correta. |
"Saber usar IA" costuma ser tratado como sinônimo de saber escrever bons prompts, contudo isso ainda é pouco. Um bom prompt é, na prática, uma boa especificação do problema. E especificar bem um problema pressupõe, antes de tudo, a capacidade humana de identificá-lo e compreender o contexto real em que ele está inserido. Muitas vezes, um humano terá maior precisão e contexto para responder perguntas como:
A conclusão é que identificar qual problema deve ser resolvido exige, em geral, uma análise estratégica e um processo que, pela sua complexidade e dependência de contexto, ainda é melhor conduzido por humanos.
Quanto mais uma organização pretende automatizar decisões, mais precisa saber quais informações são importantes para conduzir essas decisões, processo este que ainda deve ser executado por humanos e antecede o uso da IA. Não basta ter dados, é preciso ter informações relevantes, organizadas e associadas entre si e ao resultado que se deseja entender ou otimizar.
A experiência recente da China em inteligência artificial ajuda a ilustrar o papel estratégico de escala, infraestrutura e disponibilidade de informações. O país detém cerca de 17% da população mundial, fato este que contribui para a produção de um volume gigantesco de dados.
Isso não significa que uma população maior, isoladamente, produza modelos melhores. Significa que disponibilidade, escala, governança e capacidade de transformar dados em infraestrutura podem se tornar vantagens competitivas para se obter melhores resultados oriundos da tecnologia.
Essa preparação é vista menos como um projeto de tecnologia e mais como um projeto de inteligência organizacional. Antes de perguntar "onde podemos usar IA?", a empresa precisa responder "quais decisões queremos melhorar, com quais informações e com qual objetivo?". No fim das contas, a IA tende a amplificar aquilo que já existe. Portanto, se os dados estão fragmentados, pouco confiáveis ou desconectados dos objetivos do negócio, a tecnologia pode apenas acelerar decisões ruins.
Algumas perguntas que podem contribuir para esse direcionamento, tanto na definição do caminho a seguir quanto na identificação da existência de dados suficientes para viabilizar a automatização do processo:
Além disso, um dos pontos cruciais, e que muitas vezes é negligenciado na adoção de IA, é preservar o conhecimento humano como parte integrante da estrutura dos dados. Muitas informações importantes de uma empresa não estão originalmente em bancos de dados, mas sim na experiência dos vendedores, no atendimento ao cliente, nas decisões dos gestores e até nas exceções que os funcionários aprenderam a reconhecer ao longo dos anos. Mais um caso que a IA não consegue substituir, e não deve.
Preparar a empresa para IA significa, portanto, transformar parte desse conhecimento tácito em processos, critérios, registros e relações que possam ser compreendidos e utilizados pelos sistemas. Não se trata de substituir a experiência humana, mas de torná-la mais estruturada e escalável.
Durante uma entrevista, perguntaram a Boris Cherny, criador do Claude Code, como ele imagina o profissional do futuro. Ao responder, ele descreveu o perfil do "builder": alguém que não precisa ser especialista em uma área ou tarefa específica, mas que consegue transitar entre diferentes áreas, conectar conhecimentos e, principalmente, construir algo a partir deles.
Mais do que acumular ou conectar conhecimentos, esse profissional é capaz de transformá-los em algo concreto: uma ideia, uma solução, um produto.
Embora Cherny faça essa análise no contexto de startups de tecnologia, é interessante perceber como esse perfil está sendo valorizado à medida que a IA avança. No marketing, isso não é diferente.
Durante muito tempo, a área foi dividida entre dois perfis: de um lado, o profissional analítico, mais próximo de dados, mídia, métricas, CRM, pesquisa e performance. Do outro, o profissional criativo, dedicado a conceito, narrativa, cultura, branding e comunicação. A inteligência artificial começa a reduzir o custo de transitar entre esses dois mundos. O profissional com perfil criativo mais aflorado pode explorar dados e identificar padrões com mais autonomia, enquanto o profissional analítico pode gerar alternativas, testar ideias e visualizar hipóteses sem precisar dominar todas as ferramentas de produção.
A inteligência artificial passa a executar ou facilitar uma parte cada vez maior do trabalho que antes dependia de habilidades técnicas específicas. Isso não torna as hard skills irrelevantes, mas muda o seu peso relativo. Se antes saber produzir uma análise, construir uma apresentação ou desenvolver determinado tipo de conteúdo poderia ser um diferencial importante, a IA reduz o custo e o tempo necessários para realizar parte dessas tarefas.
Nesse cenário, ganham importância outras capacidades: saber fazer boas perguntas, entender o contexto do negócio, conversar com diferentes áreas e clientes, interpretar necessidades, identificar informações relevantes e conectá-las para construir uma solução.
O profissional de marketing passa a precisar transitar entre mundos que historicamente estavam mais segregados. Agora é necessário ter know how para conversar com vendas para entender as objeções e necessidades dos clientes, com tecnologia para compreender as possibilidades e limitações dos produtos e dados, com o cliente para captar problemas que nem sempre aparecem nos dashboards, e com criação e comunicação para transformar essas informações em matéria e conteúdos relevantes.
É justamente essa capacidade de transitar e conectar que torna o profissional diferenciado. Ele não precisa dominar profundamente todas essas áreas, mas precisa ter repertório suficiente para compreender suas linguagens, fazer boas perguntas e conectar o conhecimento de uma área ao problema de outra.
Nesse sentido, a IA pode ampliar a importância de uma característica que sempre esteve presente em um bom (e completo) profissional de marketing, mas que passa a ganhar ainda mais valor: a capacidade de síntese. Em um ambiente em que é possível acessar mais dados, gerar mais ideias e produzir mais alternativas, o diferencial está menos em produzir informação e mais em reconhecer o que é relevante, estabelecer relações entre informações aparentemente desconectadas e transformá-las em uma direção.
O novo profissional de marketing, portanto, não é necessariamente aquele que sabe fazer tudo. É aquele que consegue entender diferentes contextos, conversar com diferentes pessoas, utilizar diferentes ferramentas e conectar tudo isso a um objetivo comum. Algo, inclusive, que já era esperado da profissão, mas que se tornou ainda mais relevante com o avanço da tecnologia.
Nesse contexto, é interessante analisar a "contradição" gerada pela IA: é esperado que ela substitua competências humanas quando, na verdade, ela torna várias delas ainda mais importantes e indispensáveis.
Por fim, a IA reduz o custo da execução. Por isso, o valor do profissional tende a migrar cada vez mais para sua capacidade de dar direção, fazer conexões e exercer julgamento.
“No fim das contas, IA não transforma todo profissional em especialista em tudo. Ela reduz o custo de atravessar fronteiras entre especialidades e aumenta o valor de quem consegue conectar essas fronteiras.”
Existe uma maneira de olhar para a criatividade que vai além da associação tradicional com arte, comunicação ou expressão: a criatividade também é uma forma de resolver problemas.
Uma pessoa criativa pode ter facilidade para encontrar soluções não óbvias para problemas porque consegue enxergar e considerar possibilidades que não aparecem imediatamente para outras pessoas, e ampliar o espaço de possibilidades frente a um problema pode ser uma vantagem muito valiosa.
Por exemplo: existe um número para dizer o quanto uma empresa vendeu no último mês, da mesma forma que existe uma fórmula para calcular taxa de conversão, CAC, ROI e outros KPIs. Contudo, boa parte das respostas relevantes para uma organização não funciona dessa maneira. Apesar do número ser um bom indicativo, e muito importante por sinal, perguntas como "por que estamos perdendo relevância?", "como podemos crescer?" ou "como podemos tornar nosso produto mais desejável?" vão muito além de números e podem carregar respostas contra-intuitivas e muitas nuances. É como se o número fosse o destino, mas muitas vezes a trajetória tem muito mais a ensinar do que a linha de chegada.
Neste contexto, ser criativo significa conseguir olhar para questões como essas por diferentes ângulos, fazer associações pouco óbvias e considerar alternativas que inicialmente poderiam parecer improváveis, ou até mais arriscadas.
Isto posto, vale considerar um caminho contrário ao que as pessoas que usam IA no trabalho costumam seguir. Geralmente, diante de um problema, você pergunta à IA como resolver ou quais são as possíveis opções para solucioná-lo. Entretanto, vale reiterar que a IA tende a ser previsível. Ela pode, sim, apresentar possíveis caminhos para lidar com os seus problemas, mas não necessariamente os mais criativos.
Para um profissional de marketing, que muitas vezes tem na criatividade um de seus principais diferenciais, isso pode ser um tiro no pé.
Como resolver isso?
Continue exercitando a sua criatividade e recorrendo aos exercícios tradicionais para estimulá-la: brainstorm, mapa mental, palavra-puxa-palavra e, principalmente, aquele que a IA pouco pode ajudar ou substituir: conversar com outras pessoas.
Leia, pesquise, teste e, depois de você mesmo julgar quais possibilidades são mais relevantes, recorra à IA para refiná-las, avaliar se fazem sentido e até mesmo ampliá-las.
É isso que grandes empresas querem dizer quando afirmam que o objetivo da IA é potencializar o trabalho humano, e não substituí-lo, e é assim que máquinas e humanos devem trabalhar juntos. Essa dinâmica, muitas vezes, dá errado porque acabamos fazendo justamente o caminho inverso: deixamos a IA pensar primeiro e o humano apenas refinar o que ela produziu.
Por fim, é aqui que o artigo do Harvard Business Review se torna particularmente interessante. Uma vez que a IA oferece uma primeira resposta e solução plausível e nós a aceitamos imediatamente, ela pode se limitar ao próprio espaço de solução proposto.
Uma boa alternativa é usar a ferramenta para gerar alternativas e desafiar tecnologia.
O objetivo deste texto não é ser mais um guia prático de como usar IA para automatizar X, Y ou Z. É uma opinião sincera de alguém que é apaixonado por tecnologia e trabalha com IA há três anos, mas que também sempre foi apaixonado por comunicação e pela criatividade humana, características essas que, inclusive, guiaram a escolha da minha profissão.
Agora que esses dois universos colidiram, sinto que é uma missão pessoal não deixar que seus papéis se confundam.
Dito isso, o principal objetivo deste texto é explicar como a IA funciona na prática, com algumas conclusões acerca de delegação de tarefas e pensamentos. Deixo aqui as minhas considerações para que, a partir delas, você possa construir as suas.
“As machines become more and more efficient and perfect, so it will become clear that imperfection is the greatness of man.”Ernst Fischer
fim da edição
A máquina vai sempre no mais provável. O trabalho que sobra para nós é justamente o outro.
Vitória Cardozo
ensaio nº 01 · texto de Vitória Cardozo · colagens geradas, assinadas como tais
esta edição é livre: leia, compartilhe, mande para quem precisa
a newsletter e os próximos ensaios em vitoriacardozo.com