A IA não está proporcionando eficiência de marketing, está repetindo a promessa quebrada da programática
Há oito anos, ministrei um curso chamado Fundamentos de Compra Programática. A proposta, logo no título do curso, era que os dados e a tecnologia poderiam fornecer anúncios altamente relevantes, eficazes e mensuráveis em grande escala. Leia a nova coluna Growth Memo de Kevin Indig sobre as horas ocultas enterradas nos fluxos de trabalho de marketing de IA e você reconhecerá o lado negro do meu antigo argumento de venda. A promessa de eficiência foi quebrada naquela época e agora também.
Esse reconhecimento não é uma afirmação de que “já vi esse filme antes”. É um alerta sobre onde o argumento da eficiência das ferramentas de marketing de IA provavelmente falhará, porque já falhou uma vez, em uma disciplina que ensinei durante anos.
A promessa que eu costumava ensinar
A Programmatic Buy Foundations orientou os profissionais de marketing em um fluxo de trabalho de cinco etapas:
- Organize as percepções do seu público.
- Projete criativos atraentes.
- Execute com tecnologia integrada.
- Alcance públicos em todas as telas.
- Meça o impacto.
Cada etapa veio envolvida em estudos de caso de marcas como Mondelez, Campbell’s e Ford India, mostrando que o fluxo de trabalho valeu a pena. O enquadramento sempre foi a eficiência em primeiro lugar, com a suposição de que a automatização da compra arrastaria consigo a eficácia e a mensurabilidade como subproduto.
Aqui está a parte que fica de fora quando as pessoas ficam nostálgicas com a era de ouro da programática. O mesmo curso tinha uma seção completa sobre fraude publicitária e segurança de marca, e outra sobre GDPR, porque ambos se tornaram problemas reais para o público exato para o qual o discurso de eficiência foi feito. Foi dito aos anunciantes que a automação tornaria sua segmentação mais precisa. Eles também tiveram que aprender, no mesmo currículo, como detectar inventários fraudulentos, como a “falta de transparência” era classificada como uma das principais preocupações da área e como as novas regras de privacidade tornaram as conversões de visualização e entre dispositivos mais difíceis de confiar do que os painéis sugeriam. A ferramenta que deveria tornar a medição mais confiável veio com uma unidade completa sobre por que a medição estava ficando menos confiável.
Veja também: Relatando incertezas sem perder credibilidade
A mesma rachadura, aparecendo no marketing de IA
O argumento da Indig é que a IA não eliminou o trabalho de marketing. Isso mudou. Seus números comprovam isso com mais precisão do que a programática jamais conseguiu. O METR colocou 16 desenvolvedores experientes para trabalhar em 246 tarefas do mundo real, uma parte com assistência de IA e outra sem. Os desenvolvedores esperavam que a IA os acelerasse em cerca de um quarto. Em vez disso, eles terminaram cerca de um quinto mais devagar e ainda acreditaram que isso os havia acelerado.
O marketing tem sua própria versão dessa lacuna. Uma pesquisa da BetterUp Labs e de Stanford com mais de mil trabalhadores descobriu que o “workslop” gerado pela IA, conteúdo que parece acabado, mas não está, levava em média quase duas horas para ser corrigido cada vez que alguém o recebia, um custo que ultrapassa US$ 9 milhões por ano em uma grande empresa. A pesquisa da Workday também quantifica o retorno, já que para cada 10 horas economizadas pela IA, cerca de quatro acabam sendo gastas refazendo resultados fracos. A Upwork, que entrevistou 2.500 líderes e trabalhadores, reduz ainda mais esse tempo recuperado, com grande parte dele destinado à verificação e correção dos resultados da IA, ao aprendizado das próprias ferramentas ou simplesmente à realização de mais trabalho do que antes.
Os dados da HubSpot mostram por que isso é importante em grande escala. A grande maioria dos líderes de marketing relata que as suas equipas já utilizam IA, e uma grande maioria afirma que a sua empresa está a construir ferramentas internas de IA em vez de as comprar. O que Indig quer dizer é que esse prédio interno não desaparece quando a ferramenta é enviada. Torna-se um trabalho de manutenção permanente e quase invisível, e alguém tem que ser o proprietário dele. Quando o proprietário tira férias, o fluxo de trabalho volta a ser manual até que ele retorne.
Eu deveria ter percebido isso há uma década. A Programática prometeu que a automação substituiria o trabalho manual de compra de mídia. O que realmente fez foi converter o trabalho manual de compra em trabalho de monitoramento de fraudes, trabalho de segurança de marca e trabalho de conformidade, nenhum dos quais apareceu na apresentação original. As ferramentas de marketing de IA estão apresentando discurso idêntico. O trabalho de estimular, construir e manter não desaparece. É reclassificado como algo que não parece “trabalho real” num plano de projeto, até que uma parte interessada pergunta por que a produção de conteúdo em escala ainda não valeu a pena.
Minha opinião franca é que esta não é exatamente uma história sobre a IA sendo vendida em excesso. É uma história sobre reivindicações de eficiência na tecnologia de marketing sendo medidas consistentemente no lado errado do livro-razão, as horas economizadas na tarefa visível, nunca as horas gastas na configuração e na babá do sistema que as salva. Isso foi verdade para a programática em 2018. É verdade para os fluxos de trabalho de IA de homebrew em 2026. A tecnologia mudou. O erro contábil não.
Veja também: Por que os fundamentos de relações públicas digitais superam as táticas de IA: em que os líderes de marketing devem se concentrar
O que fazer sobre isso
Se você gerencia ou trabalha dentro de uma equipe de marketing construindo suas próprias ferramentas de IA, três movimentos surgem diretamente do manual programático e dos dados do Indig.
1. Coloque um nome e uma data de encerramento em cada ferramenta interna de IA. O problema de fraude publicitária da Programática foi parcialmente resolvido por meio do ads.txt, um padrão do setor que tornou a responsabilidade estrutural em vez de opcional. Seus fluxos de trabalho de IA homebrew precisam da mesma disciplina. Cada ferramenta recebe um proprietário e uma data de revisão, ou torna-se um número de funcionários permanentemente invisível.
2. Acompanhe as horas que ninguém está contando, não apenas as horas economizadas. Pergunte à sua equipe não “esse fluxo de trabalho de IA economizou seu tempo”, mas “quantas horas este mês foram gastas para construir, consertar ou manter uma ferramenta de IA em vez de fazer o trabalho que deveria acelerar”. O estudo METR mostra que as pessoas responderão errado à primeira pergunta, mesmo quando forem honestas.
3. Proteja o lento retorno do investimento trabalhando propositalmente. Profundidade de conteúdo, relações públicas digitais e as menções que realmente são citadas nas respostas de IA são exatamente o trabalho que os profissionais de marketing da era programática sob pressão de tempo semelhante deixaram escapar primeiro, porque não mostram resultados por meses. Reserve uma parcela fixa do tempo de sua equipe para isso antes que as ferramentas de IA reivindiquem o restante por padrão.
Ensinei o discurso de eficiência uma vez. Também ensinei, no mesmo curso, uma unidade inteira sobre por que isso não funcionava sozinho. Se sua equipe de marketing está buscando a eficiência da IA sem perguntar para onde foram as horas que ela não está contando, então você não está diante de um novo problema. Você está olhando meu antigo plano de estudos com uma nova capa.
Mais recursos:
Imagem em destaque: HobbitArt/Shutterstock
