A qualidade visual da inteligência artificial avançou mais rápido do que a capacidade do público de identificar sua origem. Para o marketing, o desafio deixa de ser provar que a máquina sabe criar e passa a ser usar automação sem comprometer relevância, transparência e identidade.
O teste visual deixou de ser suficiente
Durante os primeiros anos da IA generativa, identificar uma imagem artificial parecia simples. Mãos deformadas, textos ilegíveis, sombras incoerentes e rostos excessivamente perfeitos denunciavam a origem do material. Essa fase está ficando para trás. Modelos mais sofisticados já produzem peças convincentes em segundos, adaptam formatos e criam variações para públicos, canais e momentos diferentes.
Um estudo promovido pela plataforma de publicidade COOL Company, repercutido pela Fast Company, ajuda a dimensionar essa mudança. Mais de 500 consumidores receberam dez anúncios e tentaram apontar qual deles havia sido gerado por IA. Apenas 17% acertaram. Em outras palavras, 83% não conseguiram identificar a peça artificial.
O desenho do teste exige cautela: havia somente uma resposta correta entre dez alternativas. Portanto, o resultado não prova que toda criação automatizada é indistinguível. Ainda assim, revela algo importante para o mercado: a aparência já não é uma forma confiável de separar trabalho humano e produção sintética.
Essa constatação muda a pergunta estratégica. O ponto não é mais saber se a IA consegue criar um anúncio bonito. É entender se a marca consegue usar a tecnologia para gerar valor sem transformar comunicação em uma sequência de peças genéricas, opacas e desconectadas da experiência real do cliente.
A confiança não acompanha a qualidade visual
O mesmo levantamento encontrou uma tensão que deveria entrar no radar dos CMOs. Para 73% dos respondentes, a relevância do anúncio importa mais do que sua origem humana ou artificial. Ao mesmo tempo, 40% afirmaram que saber do uso de IA reduziria sua confiança na marca; outros 40% disseram que isso não faria diferença e 20% enxergariam o uso da tecnologia de maneira positiva.
Os dados mostram que eficiência criativa e confiança são dimensões diferentes. Uma campanha pode parecer profissional e, ainda assim, provocar rejeição quando o público percebe manipulação, falta de transparência ou incoerência entre promessa e entrega.
Isso ocorre porque o consumidor não avalia somente a peça. Ele avalia o histórico da empresa, a sensibilidade do tema, o contexto da mensagem e o risco de ser enganado. Uma imagem sintética usada para ambientar uma oferta tem implicações diferentes de um depoimento fabricado, da simulação de resultados de um produto ou da reprodução não autorizada da identidade de uma pessoa.
O problema não é criar mais. É decidir melhor
A IA reduz o custo marginal de produzir novas versões. Uma campanha que antes exigia dias pode gerar dezenas de alternativas em poucas horas. Essa abundância, porém, cria um novo gargalo: selecionar o que merece chegar ao público.
Sem uma estratégia de dados, a automação apenas multiplica hipóteses. Com dados fragmentados ou consentimento mal administrado, a marca pode personalizar a peça para o segmento errado, repetir ofertas para quem já comprou ou insistir em um canal que o cliente evita. O resultado é uma comunicação visualmente sofisticada, mas pouco inteligente.
É nesse ponto que CDPs, plataformas de customer engagement, analytics e processos de experimentação ganham importância. A criação precisa responder a sinais confiáveis: estágio da jornada, comportamento recente, preferência de canal, propensão, contexto e frequência de exposição. A peça deixa de ser o produto final do marketing e passa a ser uma decisão dentro de uma jornada mensurável.
Da personalização cosmética à relevância real
Trocar uma imagem, uma cor ou uma frase não significa personalizar a experiência. A personalização real conecta conteúdo e necessidade. Ela sabe quando não enviar uma mensagem, reconhece que uma conversão ocorreu em outro canal e evita usar informações sensíveis fora de contexto.
Para avançar, as empresas precisam combinar quatro capacidades. A primeira é uma base de dados governada, capaz de formar perfis confiáveis e respeitar consentimentos. A segunda é um sistema de decisão que escolha audiência, oferta, canal e momento. A terceira é uma operação criativa preparada para produzir e revisar variações. A quarta é uma mensuração que compare impacto incremental, e não apenas cliques ou volume de peças.
Nesse modelo, a IA pode acelerar briefing, redação, adaptação, tradução, composição visual e análise. Mas critérios de marca, limites éticos e aprovação humana continuam necessários, principalmente em setores regulados, campanhas com crianças, saúde, finanças, política ou uso de pessoas reais.
Transparência precisa ser proporcional ao risco
Nem toda aplicação exige o mesmo tipo de aviso. Uma política madura diferencia ajustes operacionais de usos que alteram materialmente o entendimento do público. Gerar uma textura de fundo não equivale a simular uma pessoa recomendando um produto. Traduzir uma peça não equivale a inventar uma demonstração de desempenho.
Uma boa governança pode classificar casos por risco e definir quando a origem sintética deve ser informada, quais ferramentas são aprovadas, que dados podem alimentar os modelos e quem responde pela decisão final. Também deve preservar registros de prompts, versões, fontes e aprovações.
No Brasil, a discussão se conecta ao Código de Defesa do Consumidor, às regras setoriais, à autorregulação publicitária e à LGPD. Mesmo quando não existe uma obrigação específica para cada formato, princípios de identificação publicitária, veracidade, finalidade e transparência continuam relevantes.
O papel humano muda, mas não desaparece
Quando produzir se torna fácil, curadoria, repertório e responsabilidade valem mais. Profissionais de marketing passam a dedicar menos energia à execução repetitiva e mais à definição do problema, à qualidade dos dados, ao desenho dos testes e à avaliação do impacto cultural da mensagem.
A vantagem competitiva também muda. Se qualquer anunciante pode acessar modelos semelhantes, a diferenciação não estará apenas na ferramenta. Estará na combinação de dados próprios, conhecimento do cliente, identidade de marca, velocidade de aprendizado e capacidade de manter coerência em todos os pontos de contato.
O dado de que 83% dos participantes não identificaram o anúncio artificial chama atenção, mas não deveria ser tratado como uma autorização para ocultar o uso da tecnologia. A principal conclusão é outra: a IA já consegue atravessar o filtro visual. Por isso, marcas precisam construir filtros melhores — de relevância, governança e confiança.
Fontes consultadas
- Fast Company: Think you can spot an AI-generated ad? 83% of consumers got it wrong
- COOL AI Challenge
- Federal Trade Commission: Advertising and Marketing
Menos teoria, mais aplicação real. Siga o Tudo Sobre CDP no LinkedIn.
Leia também:
