IA no marketing: o guia prático por área

Quase nove em cada dez organizações já usam IA em ao menos uma função de negócio, segundo a pesquisa global da McKinsey, The state of AI in 2026 (1.719 participantes em 97 países, coleta de 4 de maio a 8 de junho de 2026). No Brasil, o retrato é mais modesto: o TIC Empresas 2025, do Cetic.br registra 17% das empresas com mais de dez pessoas ocupadas usando IA, contra 13% em 2024 (4.174 empresas entrevistadas, coleta de fevereiro de 2025 a janeiro de 2026).

A distância entre usar e obter resultado é o ponto central. Na mesma pesquisa da McKinsey, 37% das organizações atribuem algum impacto no EBIT (lucro antes de juros e impostos) à IA, e as receitas adicionais aparecem com mais frequência em marketing e vendas. O marketing é, portanto, uma das áreas onde a IA mais tende a pagar a conta, desde que seja aplicada ao problema certo.

Este guia percorre sete áreas: conteúdo, mídia paga, CRM, atendimento, análise de dados, criativos e pesquisa. Para cada uma, mostra onde a IA ajuda, o que automatizar, o que manter humano, o risco, a métrica e uma conta com números. No final, há um método para começar em 30 dias, a fórmula de ROI e a governança mínima.

IA generativa, agentes, automação e chatbot: quatro coisas diferentes

Misturar os termos leva a comprar a ferramenta errada. As definições abaixo são de trabalho, não acadêmicas.

• Automação: regras fixas do tipo “se acontecer X, faça Y”. Não interpreta texto nem decide. É previsível e barata.
• IA generativa: modelo que produz texto, imagem, áudio ou código a partir de uma instrução. Gera uma saída; não executa ações por conta própria.
• Chatbot: interface de conversa. Pode ser baseado em regras (árvore de opções) ou em IA generativa. O que o define é o canal, não a inteligência por trás.
• Agente de IA: sistema em que o modelo decide os próximos passos e usa ferramentas (consultar o CRM, enviar mensagem, abrir um chamado) para cumprir um objetivo.

A Anthropic, em seu guia Building effective agents, separa dois desenhos: workflows, em que modelos e ferramentas seguem caminhos de código predefinidos, e agentes, em que o próprio modelo dirige o processo e o uso de ferramentas. O guia recomenda buscar a solução mais simples possível e aumentar a complexidade só quando necessário, porque agentes custam mais em latência e em dinheiro.

Na prática de marketing, a regra da Analytikos é esta: se o caminho é conhecido, use automação com um passo de IA; se o caminho varia a cada caso e o erro é barato, considere um agente com supervisão.

Conceito	Decide sozinho?	Exemplo em marketing	Risco principal
Automação	Não	Enviar e-mail 1 hora após o carrinho abandonado	Regra desatualizada dispara errado em escala
IA generativa	Não (gera uma saída)	Rascunhar 5 variações de assunto de e-mail	Texto plausível e incorreto
Chatbot	Depende do desenho	Responder status do pedido no WhatsApp	Conversa sem saída para um humano
Agente	Sim, dentro de limites	Qualificar lead e atualizar o CRM	Ação errada executada sem revisão

Em resumo: a maior parte do ganho inicial vem de automação com um passo de IA, não de agentes autônomos.

Onde a IA ajuda de verdade: a visão por área

Os números dos exemplos a seguir são hipotéticos, elaborados pela Analytikos para mostrar a conta. Substitua-os pelos da sua operação. O custo da hora varia conforme o perfil do profissional (de R$ 70 a R$ 90) e também é uma suposição de trabalho.

Conteúdo, SEO e GEO

GEO (Generative Engine Optimization) é a otimização para ser citado por respostas geradas por IA, como ChatGPT, Gemini e Perplexity. Detalhamos o método em como aparecer no ChatGPT, Gemini e Perplexity.

• Casos de uso: pesquisa de pauta, agrupamento de palavras-chave, rascunho de estrutura, revisão de clareza, meta descrições, dados estruturados e atualização de conteúdo antigo.
• Automatizar: primeiros rascunhos, resumos, variações de títulos, checagem de consistência.
• Manter humano: ângulo editorial, dados próprios, exemplos de cliente, checagem de fatos e assinatura do autor.
• Risco: conteúdo em escala sem valor para o leitor.

O Google afirma, na orientação sobre conteúdo gerado por IA, que gerar muitas páginas sem agregar valor ao usuário pode violar a política contra spam, e que é preciso verificar manualmente os fatos do que a IA produz, inclusive títulos, descrições, dados estruturados e texto alternativo. Para recursos de busca com IA, a documentação de recursos de IA no Google Search informa que não há requisitos adicionais nem otimizações especiais além das boas práticas de SEO.

Isso reforça o critério de qualidade que já vale para qualquer texto: experiência, autoridade e confiança (E-E-A-T). Quem escreve sobre o tema precisa ter algo a dizer que o modelo não tem.

Conta: um time publica 20 artigos por mês. Antes, cada um levava 6 h (20 x 6 = 120 h). Com rascunho por IA e revisão humana obrigatória, passa a 4 h (20 x 4 = 80 h). Economia: 40 h x R$ 80 = R$ 3.200. Com ferramenta a R$ 600 por mês, o ganho líquido é R$ 2.600.

Métrica: horas por artigo, cliques orgânicos por página e taxa de correções feitas pelo editor (se o editor reescreve mais de metade, o processo não está funcionando).

Mídia paga

• Casos de uso: geração e teste de variações de anúncio, análise de termos de pesquisa, segmentação por sinais de primeira parte, relatórios de desempenho e orçamento adaptativo.
• Automatizar: produção de variações, exclusão de termos irrelevantes sugeridos, alertas de anomalia de custo.
• Manter humano: estratégia de funil, regras de orçamento, metas de CPA (custo por aquisição) e aprovação de mensagens.
• Risco: algoritmo otimizando um evento de conversão mal configurado.

Conta: verba de R$ 50.000 por mês com CPA de R$ 100 gera 500 conversões (50.000 / 100). Se o teste sistemático de criativos reduzir o CPA em 10% (para R$ 90), a mesma verba gera cerca de 556 conversões (50.000 / 90 = 555,6). Ganho: 56 conversões. Com ticket de R$ 250, isso é R$ 14.000 de receita adicional (56 x 250).

Métrica: CPA, ROAS (retorno sobre o gasto em anúncios) e taxa de aprovação de criativos. Antes de otimizar, valide se a conversão está medida corretamente.

CRM e automação de marketing

• Casos de uso: personalização de mensagens, qualificação de leads, resumo de histórico do contato, previsão de recompra, limpeza e enriquecimento de cadastro.
• Automatizar: atualização de campos, classificação de intenção, rascunho de mensagens de régua.
• Manter humano: oferta, desconto, tom da marca e qualquer mensagem sobre dívida, saúde ou dado sensível.
• Risco: uso de dados pessoais sem base legal e envio fora do contexto.

Conta: 1.000 carrinhos abandonados por mês, com recuperação de 5% na mensagem padrão (50 pedidos). Com mensagem personalizada por produto e momento, a recuperação sobe para 7% (70 pedidos). Ganho: 20 pedidos x R$ 200 de ticket = R$ 4.000 por mês.

Métrica: taxa de recuperação, receita por contato, taxa de descadastro e reclamações. No WhatsApp, acompanhe também bloqueios e denúncias, que prejudicam a qualidade do número.

Atendimento

• Casos de uso: respostas a perguntas frequentes, triagem, status de pedido e troca, resumo de conversa para o agente, sugestão de resposta.
• Automatizar: consultas com resposta objetiva e baseada em dados do sistema.
• Manter humano: reclamações, cancelamentos, exceções, cliente irritado e qualquer caso com risco jurídico.
• Risco: o cliente fica preso no robô.

Esse último ponto é o que mais corrói a retenção. Analisamos o mecanismo em atendimento com IA e a passagem para o humano.

Conta: 3.000 atendimentos por mês e 40% resolvidos pela IA, ou seja, 1.200 (3.000 x 0,40). Com custo de R$ 6 por atendimento humano, a economia bruta é de R$ 7.200 (1.200 x 6). Descontada a plataforma de R$ 2.500, o ganho líquido é R$ 4.700.

Métrica: taxa de resolução sem humano, CSAT (satisfação do cliente) e taxa de reabertura. Se o CSAT cair, a economia é aparente.

Análise de dados e GA4

• Casos de uso: consultas em linguagem natural a bases de dados, resumo de relatórios, detecção de anomalias, explicação de variações e rascunho de consultas SQL.
• Automatizar: relatório recorrente, alertas e primeiras hipóteses.
• Manter humano: definição de eventos, validação do dado, interpretação de causa e decisão.
• Risco: uma resposta bem escrita sobre um dado errado.

A IA não corrige uma coleta falha; ela explica com fluência o que foi coletado. Por isso, o plano de medição e a validação do GA4 (Google Analytics 4) vêm antes. Ferramentas como a análise conversacional do Google permitem perguntar em linguagem natural; verifique na documentação oficial a disponibilidade e as regras do seu plano.

Conta: o relatório semanal leva 8 h e passa a 3 h com resumo automático e revisão humana. Economia: 5 h por semana x 4 semanas = 20 h por mês. A R$ 90 por hora, são R$ 1.800.

Métrica: horas de relatório, divergência entre o número da IA e o da fonte (meta: zero em amostra revisada) e tempo até a decisão.

Criativos: imagem e vídeo

• Casos de uso: variações de formato e tamanho, fundos de produto, roteiros, legendas, rascunhos de vídeo curto e adaptação para canais.
• Automatizar: redimensionamento, versões e testes de abertura.
• Manter humano: conceito, identidade visual, rostos reais, afirmações sobre o produto e aprovação final.
• Risco: imagem que mostra algo que o produto não é, e dúvidas de direito autoral.

Em e-commerce, o Google informa que o Merchant Center exige metadados IPTC em imagens geradas por IA e rotulagem de títulos e descrições gerados por IA, conforme a página de orientação sobre conteúdo gerado por IA. Confirme a regra vigente antes de publicar o catálogo.

Conta: 48 peças por mês, a 3 h cada (144 h). Com IA, 1,5 h por peça (72 h). Economia: 72 h x R$ 70 = R$ 5.040.

Métrica: tempo por peça, CTR (taxa de cliques) e taxa de reprovação interna.

Pesquisa de mercado e de cliente

• Casos de uso: síntese de entrevistas, agrupamento de comentários e avaliações, análise de concorrência pública, perguntas para roteiros.
• Automatizar: transcrição, codificação inicial de temas, resumos.
• Manter humano: escolha de quem entrevistar, leitura de nuances, decisão sobre o que muda no produto.
• Risco: tratar a síntese como se fosse o dado original.

Conta: 20 entrevistas, com 1,5 h de síntese cada (30 h). Com IA e conferência por amostra, 0,5 h cada (10 h). Economia: 20 h x R$ 90 = R$ 1.800.

Métrica: tempo de síntese e percentual de afirmações da síntese que se confirmam ao voltar à fonte.

Tabela-resumo: área, caso de uso, risco e métrica

A tabela reúne o essencial de cada área em uma visão para priorização.

Área	Caso de uso principal	Risco	Métrica de sucesso
Conteúdo, SEO e GEO	Rascunho e atualização de artigos	Conteúdo em escala sem valor	Horas por artigo; cliques orgânicos
Mídia paga	Variações de criativo e análise de termos	Otimizar conversão mal medida	CPA e ROAS
CRM e automação	Personalização e qualificação	Dado pessoal sem base legal	Taxa de recuperação; descadastro
Atendimento	Perguntas frequentes e triagem	Cliente preso no robô	Resolução sem humano; CSAT
Análise e GA4	Resumo e consulta em linguagem natural	Resposta fluente sobre dado errado	Horas de relatório; divergência
Criativos	Variações de formato e roteiro	Imagem enganosa; direitos	Tempo por peça; CTR
Pesquisa	Síntese de entrevistas e avaliações	Síntese tratada como dado	Tempo de síntese; fidelidade

O padrão se repete: a IA acelera a primeira versão, e o risco está em publicar ou decidir sem conferir.

Como começar: impacto x esforço e piloto de 30 dias

Matriz de impacto x esforço

Pontue cada caso de uso de 1 a 5 em impacto (receita ou horas) e em esforço (dados, integração, aprovação). Priorize alto impacto com baixo esforço.

Quadrante	Característica	Exemplos de partida
Alto impacto, baixo esforço	Comece aqui	Resumo de relatórios; variações de assunto e anúncio; rascunho de conteúdo
Alto impacto, alto esforço	Planeje para o segundo trimestre	Qualificação de leads integrada ao CRM; atendimento com IA no WhatsApp
Baixo impacto, baixo esforço	Faça se sobrar tempo	Legendas, resumos de reunião
Baixo impacto, alto esforço	Evite	Agentes autônomos sem caso claro

Uma lição recorrente é que o gargalo costuma ser a implementação, não o modelo, tema de IA nas empresas: o gargalo virou a implementação. Para PMEs, o foco em receita é discutido em IA na PME: pare de economizar tempo e comece a vender.

Piloto de 30 dias

O piloto responde a uma pergunta só: com a revisão humana incluída, o resultado supera o custo? Sem linha de base medida antes, a resposta é opinião.

Como medir o ROI de IA em marketing

Use a fórmula: ROI = (ganho total − custo total) / custo total. O ganho soma horas economizadas (horas x custo da hora) e a margem do resultado incremental. O custo soma ferramenta, horas de implantação e revisão. O tema das horas invisíveis é tratado em as horas de IA que seu time de marketing não conta.

Exemplo (hipotético): custo do piloto = ferramentas R$ 1.500 + 20 h de implantação x R$ 80 (R$ 1.600) = R$ 3.100. Ganho = 40 h x R$ 80 (R$ 3.200) + R$ 4.000 de receita adicional com margem de 30% (R$ 1.200) = R$ 4.400. ROI = (4.400 − 3.100) / 3.100 = 1.300 / 3.100 = 0,42, ou 42%. Retorno do investimento em cerca de 21 dias (3.100 / 4.400 = 0,70 mês).

Se o ganho depende de a equipe usar o resultado, meça também a adoção. Hora economizada que não vira outra atividade não gera caixa.

Governança mínima: LGPD, revisão humana, dados sensíveis e direitos autorais

Esta seção é orientação geral de boas práticas, não aconselhamento jurídico. Casos específicos devem passar pelo jurídico ou pelo encarregado (DPO) da empresa.

• LGPD (Lei Geral de Proteção de Dados): a Lei 13.709/2018 exige finalidade específica e informada (art. 6, I), mínimo necessário (art. 6, III) e base legal para o tratamento (art. 7), como consentimento ou legítimo interesse.
• Decisões automatizadas: o art. 20 prevê o direito do titular de pedir a revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses, inclusive perfis de consumo.
• Dados sensíveis: dados de saúde, origem racial, convicção religiosa, entre outros (art. 5, II), não devem ir a ferramentas sem contrato e controles adequados. Na dúvida, anonimize.
• Revisão humana: defina quem aprova o que sai para o público e registre a aprovação.
• Direitos autorais: a situação jurídica de obras geradas por IA e do material usado em treinamento está em discussão. Use ativos licenciados, não peça imitação de artistas ou marcas e guarde o registro de como cada peça foi criada.
• Fornecedores: leia os termos do plano sobre uso dos seus dados para treinar modelos, retenção e local de armazenamento.

A ANPD (Autoridade Nacional de Proteção de Dados) mantém um sandbox regulatório em IA e proteção de dados, o que mostra que o tema segue em evolução. Acompanhe a página oficial.

Os incidentes não são raros: 78% das empresas já tiveram incidentes de IA, segundo o levantamento analisado em DigiCert AI Trust Outlook. Uma política curta, aplicada, vale mais que um manual extenso.

Erros comuns

Os erros abaixo aparecem em quase todo piloto de IA em marketing. Para cada um, explicamos o que acontece, por que o resultado piora e o que fazer no lugar. O que vem de documentação oficial está com a fonte; o restante é leitura da Analytikos.

1. Começar pela ferramenta, e não pelo processo e pela métrica

Comprar a ferramenta antes de definir o problema faz o projeto medir uso, e não resultado. Sem um processo claro e uma métrica de sucesso, ninguém sabe dizer se a IA ajudou. O guia da Anthropic sobre agentes recomenda buscar a solução mais simples possível e só aumentar a complexidade quando necessário. O que fazer: escolha um processo, uma métrica e um responsável antes de testar qualquer plataforma. O gargalo costuma estar na implementação, como mostramos em IA nas empresas: o gargalo virou a implementação.

2. Publicar sem revisão humana e sem checagem de fatos

Segundo a orientação do Google sobre conteúdo gerado por IA, gerar muitas páginas sem agregar valor ao usuário pode violar a política contra spam, e é preciso verificar manualmente os fatos, inclusive títulos, descrições, dados estruturados e texto alternativo. O erro é tratar o rascunho como produto final: o modelo escreve com segurança mesmo quando erra. O que fazer: defina quem revisa, o que é checado (dados, nomes, links) e registre a aprovação. Se o editor reescreve mais da metade do texto, o processo não está funcionando. O critério de qualidade é o mesmo de E-E-A-T: quem escreve precisa ter algo a dizer que o modelo não tem.

3. Não medir a linha de base

Sem a medição antes, qualquer melhora vira opinião. No exemplo de análise de dados deste guia, o relatório semanal leva 8 horas e passa a 3; só é possível afirmar a economia de 5 horas porque as 8 horas foram cronometradas antes. Quem pula essa etapa descobre, no fim do piloto, que não consegue provar o ganho nem decidir se amplia. O que fazer: meça o processo por pelo menos 2 a 4 semanas antes de ligar a IA, com a mesma métrica que será usada depois.

4. Contar só a economia de tempo e ignorar o custo de revisão

A conta de ROI precisa somar ferramenta, horas de implantação e horas de revisão. Se o texto sai em minutos, mas a revisão leva horas, o ganho aparente desaparece. No exemplo de conteúdo, o artigo cai de 6 para 4 horas justamente porque a revisão humana está dentro das 4. Contar só o tempo de rascunho inflaria a economia. Além disso, hora economizada que não vira outra atividade não gera caixa. O tema é aprofundado em as horas de IA que seu time de marketing não conta.

5. Colar dados pessoais de clientes em ferramentas sem contrato adequado

A LGPD exige finalidade específica e informada (art. 6, I), o mínimo necessário (art. 6, III) e base legal para o tratamento (art. 7). Copiar uma planilha de clientes em uma ferramenta pública de IA pode ferir esses princípios e expor os dados a uso fora do que foi autorizado. O risco não é teórico: o levantamento analisado em DigiCert AI Trust Outlook indica que 78% das empresas já tiveram incidentes de IA. O que fazer: liste os dados permitidos e proibidos, leia os termos do fornecedor sobre treinamento, retenção e armazenamento e, na dúvida, anonimize. Esta é orientação geral e não substitui o jurídico ou o encarregado (DPO).

6. Colocar um agente autônomo onde uma automação simples resolveria

O guia da Anthropic aponta que agentes custam mais em latência e em dinheiro que workflows de caminho predefinido. Em marketing, a maior parte do caminho é conhecida, como enviar um e-mail uma hora após o carrinho abandonado. Nesses casos, uma automação com um passo de IA entrega o resultado com menos custo e menos risco. Um agente se justifica quando o caminho varia a cada caso e o erro é barato, sempre com supervisão. É por isso que agentes autônomos sem caso claro ficam no quadrante de baixo impacto e alto esforço da matriz.

7. Atendimento sem caminho claro para um humano

O cliente que fica preso no robô é o risco que mais corrói a retenção. Quando o caminho para uma pessoa não existe, ou quando o contexto não acompanha a transferência, o cliente repete o problema e a economia de atendimento vira perda de relacionamento. Como mostramos em handoff de IA para humano e em atendimento com IA e a passagem para o humano, a transferência precisa levar o histórico. O que fazer: ofereça uma saída explícita para reclamações, cancelamentos e exceções e acompanhe CSAT e taxa de reabertura. Se o CSAT cair, a economia é aparente.

8. Aceitar a resposta do modelo sobre dados sem conferir a fonte

A IA explica com fluência o que foi coletado, mesmo quando a coleta está errada. Uma análise bem escrita sobre um dado incorreto parece confiável e leva a decisões erradas. O que fazer: valide o plano de medição e o GA4 antes de pedir análise, compare os números da IA com os da fonte em uma amostra revisada e trate qualquer divergência como defeito do processo. A meta do guia para a divergência em amostra revisada é zero.

Checklist de implantação

• Um processo escolhido, com dono e métrica de sucesso.
• Linha de base medida por pelo menos 2 a 4 semanas.
• Lista de dados permitidos e proibidos para a ferramenta.
• Responsável pela revisão e critério de aprovação definidos.
• Contrato e política de dados do fornecedor lidos.
• Registro de uso e de erros durante o piloto.
• ROI calculado com a fórmula, incluindo horas de revisão.
• Decisão ao final dos 30 dias: ampliar, ajustar ou encerrar.

Perguntas frequentes

O que é IA no marketing?

É o uso de modelos de IA para apoiar tarefas como produção de conteúdo, análise de dados, personalização de mensagens, atendimento e criação de criativos. Em geral, a IA gera a primeira versão e uma pessoa revisa e decide.

Por onde começar com IA no marketing?

Escolha um processo repetitivo, com métrica clara e baixo risco, como relatórios ou variações de anúncio. Meça a linha de base, rode um piloto de 30 dias com revisão humana e calcule o ROI antes de ampliar.

Qual a diferença entre chatbot e agente de IA?

Chatbot é um canal de conversa, que pode seguir regras fixas ou usar IA. Agente é um sistema em que o modelo decide os próximos passos e usa ferramentas, como consultar o CRM ou enviar uma mensagem. Agentes exigem mais supervisão.

O Google penaliza conteúdo feito com IA?

A orientação do Google não proíbe o uso de IA. Ela alerta que gerar muitas páginas sem valor para o usuário pode violar a política contra spam e que o conteúdo deve ser verificado manualmente. O critério é a qualidade e a utilidade, não a ferramenta.

Como calcular o ROI de uma ferramenta de IA?

ROI = (ganho total − custo total) / custo total. Some no ganho as horas economizadas e a margem do resultado incremental. No custo, inclua a ferramenta, a implantação e o tempo de revisão.

Posso usar dados de clientes em ferramentas de IA?

Depende da base legal, da finalidade e do contrato com o fornecedor. A LGPD pede finalidade específica e uso do mínimo necessário. Evite dados sensíveis e consulte o jurídico ou o encarregado de dados da empresa.

A IA vai substituir a equipe de marketing?

Nos dados da McKinsey, 39% esperam redução de pessoal no próximo ano, mas apenas 14% relataram queda real ligada à IA no último ano. Na prática de marketing, o ganho está em redistribuir tempo para estratégia, dados próprios e revisão.

Quantas empresas brasileiras usam IA?

Segundo o TIC Empresas 2025, do Cetic.br, 17% das empresas brasileiras com mais de dez pessoas ocupadas usaram IA, contra 13% em 2024. O estudo cobre empresas do Brasil, com coleta de fevereiro de 2025 a janeiro de 2026.

Conteúdos Relacionados

• Como aparecer no ChatGPT, Gemini e Perplexity
• O que é Google E-E-A-T
• Agentes de IA entre o formulário e o CRM