Antes de escolher uma ferramenta de IA, encontre o gargalo

Marketing não precisa de mais uma ferramenta de IA, pelo menos não antes de entender o que está dificultando o trabalho. A oferta de ferramentas cresce todas as semanas, e a demonstração de cada uma costuma ser convincente. O que a demonstração não mostra é se o problema que ela resolve é o problema que a equipe tem.

Dois problemas que parecem iguais

Considere duas situações comuns.

Na primeira, um conteúdo volta várias vezes para revisão porque ninguém combinou com clareza o público e a mensagem antes da produção. Uma ferramenta que gera a primeira versão mais rápido não resolve isso. Ela apenas antecipa o retrabalho, e pode até aumentá-lo, porque agora há mais versões para discutir.

Na segunda, uma informação precisa ser copiada manualmente entre dois sistemas todos os dias. Aqui existe uma tarefa bem delimitada, repetitiva e com resultado fácil de conferir. É o tipo de situação em que automatizar tende a funcionar.

São problemas diferentes. O primeiro é de alinhamento e processo. O segundo é de execução repetitiva. Tratar os dois com a mesma solução costuma frustrar as expectativas nos dois casos.

O que as pesquisas indicam sobre valor

A pesquisa anual da McKinsey sobre IA nas empresas oferece um dado útil nessa discussão. Na edição de março de 2025, entre 25 atributos testados, a reformulação dos fluxos de trabalho foi o fator com maior efeito na capacidade de uma organização obter impacto financeiro com IA generativa. Ao mesmo tempo, apenas 21% dos respondentes disseram que suas organizações haviam redesenhado fundamentalmente ao menos parte dos fluxos (McKinsey, The state of AI, 2025).

A pesquisa trata de organizações grandes e de resultados agregados, e não deve ser lida como receita. A indicação, porém, é coerente com a experiência cotidiana: o ganho vem menos da ferramenta isolada e mais de como o trabalho é reorganizado em torno dela.

Três observações antes de comparar ferramentas

Antes de comparar opções, eu começaria observando o trabalho como ele acontece hoje.

Onde a entrega fica parada? Mapear as etapas de uma entrega e anotar onde ela espera, e por quanto tempo, costuma revelar que o gargalo não está na produção. Pode estar na aprovação, na falta de informação ou em uma dependência entre áreas.

O que precisa ser repetido? Tarefas que se repetem com o mesmo formato e a mesma regra são boas candidatas à automação. Tarefas que se repetem porque algo foi mal definido antes são candidatas a ajuste de processo.

Quem consegue dizer se o resultado está correto? Se ninguém consegue avaliar a saída com segurança, automatizar aquela etapa transfere o risco sem reduzir o trabalho.

A solução pode não ser uma ferramenta nova

Só depois dessas observações eu compararia ferramentas, e incluiria na comparação alternativas que não são produtos de IA. Um modelo de briefing pode resolver o retrabalho causado por falta de alinhamento. Uma planilha bem estruturada pode resolver uma tarefa de consolidação. Um ajuste em um processo que já existe pode eliminar a etapa que parecia exigir automação.

Nada disso impede o uso de IA. Muitas vezes, a IA entra depois, com uma tarefa mais bem definida e, por isso, com mais chance de funcionar. Escrevi sobre essa passagem em Do teste ao uso recorrente.

Uma justificativa que sobreviva à demonstração

Tenho interesse em experimentar tecnologia e gosto de testar ferramentas novas. O que procuro é que a escolha venha acompanhada de uma justificativa que continue fazendo sentido depois da demonstração. Três perguntas ajudam a verificar isso: qual tarefa melhora, quem mantém a solução funcionando e como o trabalho segue quando ela falha. Se essas respostas não estiverem claras, o problema provavelmente ainda não foi descrito o suficiente para escolher qualquer ferramenta.

Referências

• McKinsey & Company. The state of AI: How organizations are rewiring to capture value. 12/03/2025. Link