Opinião
O que desenvolvi após o SXSW
Um framework para implementar IA no marketing
Um framework para implementar IA no marketing
29 de maio de 2024 - 6h00
Em março de 2024, embarquei para o South by Southwest (SXSW), em Austin, Texas, com um foco específico: imergir na trilha de conteúdo sobre Inteligência Artificial (IA). Esta decisão evitou o FOMO de não saber se estava na melhor palestra/painel/apresentação/reunião/show/encontro em cada momento do Festival (afinal, ao focar numa trilha, reduzi acentuadamente o leque de possibilidades do que assistir), e, principalmente, foi um blowmind sobre o tema da IA e suas aplicações em diversas áreas, especialmente no marketing.
Ainda durante o festival, tive uma sessão de mentoria individual com Hellen Todd, fundadora da Creativity Squad, que me apontou sobre a falta de modelos que auxiliem as empresas a gerar valor usando a Inteligência Artificial.
Ao retornar ao Brasil, ativei meu lado acadêmico e fiz uma profunda pesquisa bibliográfica sobre o tema. Um dos trabalhos mais relevantes que encontrei foi o artigo “A strategic framework for artificial intelligence in marketing“, de Huang e Rust (2020), de Taiwan e EUA, respectivamente. Neste trabalho, os autores subdividem a IA em 3 tipos (mecânica, cognitiva e sensível) e apresentam como aplicá-los na área de marketing: a mecânica, para automatizar funções repetitivas; a cognitiva, para análise de dados e tomada de decisões; e a sensível, para interpretar interações e emoções humanas.
Analisando relatórios recentes, como o “GenAI in Advertising“, do EMARKETER, constatei que a vontade de usar IA na área existe, mas os resultados estão aquém do esperado. Em parte, por receios individuais (da substituição do próprio trabalho ou de pasteurização das entregas), em parte por uma priorização em investir em ferramentas; mas, também, pela falta de um modelo para usar Inteligência Artificial na prática.
Então, fiz um benchmark sobre como consultorias, agências e anunciantes estão usando IA. Entre os modelos mais estruturados, me agradou a forma como trabalha a Signal and Cypher, de Ian Beacraft, que foi palestrante no SXSW neste ano.
A partir de tudo isso, desenvolvi um framework próprio, baseado nos princípios de que a IA pode realizar tarefas de cognição, execução e percepção. Este modelo se estrutura nas seguintes etapas:
1. Definição de Problema: Identificar claramente qual caso de uso será realizado e o que se espera resolver com o uso da IA.
2. Mapeamento de Recursos e Skills: Levantar os dados, acessos, conhecimentos e pessoas que precisam se envolver para que se chegue numa solução funcional.
3. Modelagem de Soluções: usar os recursos da inteligência artificial para prototipar e testar de maneira rápida possíveis soluções, colhendo feedbacks dos stakeholders envolvidos.
4. Implementação: esta etapa envolve não só aspectos tecnológicos, mas especialmente de envolvimento e treinamento das pessoas que passarão a lidar com a nova solução.
5. Governança e Rotina de Aprimoramento: Definição clara de papéis e regras para minorar os riscos do uso da IA (vieses, alucinação, infração legal etc) e criar rituais de revisão contínua e otimização das soluções de IA.
Este framework não é apenas um guia para a implementação, mas uma estratégia integrada que coloca o ser humano no centro da inovação tecnológica, garantindo que as soluções de IA em marketing não apenas respondam a desafios empresariais, mas também se conectem e engajem profundamente com as necessidades humanas.
A jornada do SXSW à formulação deste framework mostra que Inteligência Artificial não é algo “plug and play”. Para fazer usos efetivos é preciso método, pensamento e trabalho humano. A IA não se realiza sozinha, ela precisa das pessoas para trazerem suas possibilidades para a realidade. Este framework que apresentei vem para oferecer um mapa para que os profissionais de marketing possam usar todo o potencial da IA para além de um uso pontual ou experimental.
Compartilhe
Veja também
Como a NFL utiliza IA para aprimorar desempenho de atletas
Competição investe no aprimoramento de dados a partir do uso de inteligência artificial e machine learning para gerar mais informações durante os jogos
Agtechs: como o agronegócio tem abraçado a tecnologia?
Em razão das responsabilidades e resultados, o agronegócio busca startups em tecnologia para otimizar colheitas e reduzir os desperdícios