Em conversas com executivos de marketing, é comum ouvir que a IA já está presente em diversas frentes das empresas. Ao detalhar os exemplos, os mais comuns são geração de imagens, escrita de textos e automação de relatórios. Observa-se assim que o uso permanece concentrado em ganhos de produtividade isolados, realizando tarefas já existentes mais rapidamente.
Esse ponto não é trivial. Como discutido em artigo anterior, publicado aqui na MIT Technology Review Brasil, esse tipo de uso individual da IA é um dos principais fatores por trás do fato de a maioria das empresas ainda não capturar retorno relevante com a tecnologia, “e o estudo do MIT dizendo que 95% das empresas não têm ROI com a IA generativa” fez tanto eco.
A tecnologia está presente. Mas a real transformação do marketing não necessariamente acontece. São observados incrementos marginais e pouco exponenciais.
Isso revela um problema mais profundo na adoção de IA: o marketing das empresas não está atrasado em ferramentas, está atrasado no tempo em que opera, e na forma para que isso aconteça.
O consumidor já mudou de tempo
Antes de olhar para dentro das empresas, vale observar o que aconteceu fora delas.
Consumidores já mudaram a forma como utilizam tecnologia. Ferramentas baseadas em LLMs passaram a mediar buscas, decisões e jornadas. Perguntas deixaram de ser consultas isoladas e passaram a ser interações contínuas. O usuário não navega mais entre links; ele resolve problemas conversando.
Segundo o Boston Consulting Group (BCG), esse comportamento pode ser entendido como a busca por “missões” (mission-based journeys). Um exemplo simples ilustra essa mudança: a preparação do quarto para a chegada de um bebê.
Antes, esse processo ocorria em etapas isoladas, conforme as necessidades surgiam. Primeiro a pintura, depois os móveis, depois os objetos, e apenas mais tarde itens como livros ou seguro de vida. Cada decisão era tomada em momentos diferentes. Quando, na última etapa, percebem que faltaram tomadas para o umidificador e a babá eletrônica, o processo precisa voltar para a obra. O que já estava pronto deixa de estar.
Com o uso de LLMs, essa lógica muda completamente. Ao entender a missão, “como montar o melhor quarto para um bebê”, o sistema recomenda, de forma integrada e em sequência, todos os elementos necessários, organizados em uma solução coerente e no tempo correto de execução. As decisões já nascem conectadas. A ordem muda, o retrabalho cai e as interdependências ficam explícitas.
A cor do papel de parede influencia os móveis, que influenciam os objetos decorativos e até os livros sugeridos. O que antes era decidido em etapas passa a ser definido como um sistema, em que decisões deixam de ser independentes e passam a existir em conjunto.
Tudo acontece ao mesmo tempo.
Isso melhora radicalmente a experiência do consumidor, e muda seu comportamento de busca. Dados recentes da Adobe mostram que, durante a Black Friday nos Estados Unidos, o tráfego originado por assistentes de IA generativa superou, em conversão, o tráfego proveniente de mecanismos de busca tradicionais, além de apresentar menor taxa de rejeição:
Pessoas versus Empresas
Os consumidores migraram para uma experiência melhor.
Os profissionais de marketing também querem uma experiência melhor. Mas na prática existe um problema estrutural das empresas.
No caso do consumidor, a “missão” conecta decisões que atravessam diferentes empresas, materiais de construção, móveis, eletrônicos e livros. Amarradas pelos LLMs.
Já dentro das empresas, o desafio é maior. Trata-se de conectar decisões que estão sob departamentos diferentes: mídia, site, CRM, pricing, produto, etc. Deveriam se conectar de acordo com a melhor jornada para o consumidor, para completar suas missões.
Enquanto os LLMs ajudam o consumidor a operar de forma integrada entre empresas, a maioria das organizações ainda não consegue operar nem o próprio sistema interno entre departamentos. O contraste deixa de ser técnico e passa a ser estratégico.
O resultado é previsível: aumento de CAC, perda de margem, saturação de canal. Não por falta de esforço, mas por falta de sistema. A lógica das “missões” expõe um problema antigo: o pensamento não sistêmico das empresas. Decisões são tratadas como independentes, quando na prática são interdependentes, conectadas por efeitos que aparecem ao longo do tempo.
O caso da Anthropic: sinal de mudança, não um manual de execução
Um exemplo recente ajuda a entender a direção dessa transformação.
A Anthropic, empresa por trás do Claude, publicou um artigo relatando o uso da IA na criação de peças de marketing.
O caso mostra ganhos expressivos de produtividade, como a redução do tempo de criação de peças de 30 minutos para cerca de 30 segundos. Mas há um ponto importante: o artigo mostra o resultado, não o mecanismo. Não detalha processo, arquitetura ou governança. Nesse sentido, funciona mais como prova de possibilidade do que como guia operacional.
Algumas pessoas replicaram este estudo nas redes sociais como se fosse o caso de troca de um departamento por uma pessoa, mas o estudo não revela isso.
Ainda assim, há um insight relevante: a conclusão de que o diferencial do marketing deve deixar de ser produção de bens e passar a ser desenho de workflows. Mais do que isso, o mesmo objetivo passa a ser executado por um workflow reprogramado.
System Dynamics: dando nome ao problema
Para entender melhor o desafio dos sistemas complexos, vale recorrer a um campo que já lidava com esse desafio há décadas: o System Dynamics, desenvolvido no MIT e formalizado no trabalho de John Sterman, autor de Business Dynamics.
No livro, Sterman descreve o caso da estratégia de leasing na indústria automotiva para mostrar como decisões de marketing e pricing geram efeitos entre si e ainda geram efeitos que aparecem depois. No próprio caso, ele observa que “Quando a demanda do setor cai, o fluxo de carros retornando do leasing não pode ser interrompido”, porque os veículos que saem do leasing continuam retornando ao sistema, pressionando preços e margens mais adiante.
É esse tipo de dinâmica que ajuda a entender por que o marketing não pode ser lido só por partes: o efeito de uma decisão hoje pode aparecer em outro ponto do sistema, semanas ou meses depois.
A visão de System Dynamics formaliza aquilo que já era realidade: marketing não é uma sequência de etapas, mas um sistema de feedbacks. Tudo influencia tudo. Como resume John Sterman, “Causa e efeito estão distantes no tempo e no espaço”.
É por isso que o marketing, operado em partes, parece funcionar no curto prazo, e falhar no longo.
Agentes de IA podem transformar o System Dynamics em ação.
Agentes de IA são capazes de democratizar aquilo que antes era apenas acadêmico nas rodas dos especialistas em dinâmica de sistemas. Eles conseguem analisar múltiplas variáveis, testar hipóteses e ajustar decisões continuamente. Isso permite operar o marketing como sistema, e não como sequência de etapas.
Na prática, nos habilita a sair do modelo sequencial, onde a mídia gera tráfego, o site converte e o CRM tenta recuperar, para um modelo de loops conectados. Mídia ajusta segmentação com base na conversão real. O site adapta a experiência conforme a origem do tráfego. O CRM ajusta a comunicação conforme comportamento e canal. O pricing responde à elasticidade observada.
Não há mais “próxima etapa”. Há um sistema em funcionamento contínuo.
Conclusão
A Inteligência Artificial não está apenas mudando as tarefas de marketing. Está mudando o tempo em que o marketing opera, através de sistemas operacionais.
Empresas que usam IA para acelerar tarefas tornam-se mais eficientes. Empresas que usam IA para integrar processos tornam-se mais rápidas. Mas empresas que usam IA para integrar decisões começam a operar em outro tempo, como indica o caso do Claude.
Nesse contexto, a visão de sistemas, como proposta pelo System Dynamics, é a que mais se aproxima da lógica necessária para operar com agentes de IA. Não como resposta definitiva, mas como um modelo capaz de lidar com interdependência, feedback e tempo.
Ainda não existe um “manual”. Os exemplos mostram a direção, mas não detalham o caminho. O que existe é um processo em andamento, de experimentação, aprendizado e ajuste.
Estamos, na prática, aprendendo a operar sistemas em tempo contínuo.
Como em toda transição, a diferença estará na tecnologia adotada e também na capacidade de redesenhar a forma de pensar e decidir.
Fernando Teixeira
