IA no marketing é baixa prioridade mas lidera em investimento

A McKinsey ouviu 500 líderes de marketing na França, Alemanha, Itália, Espanha e Reino Unido para o estudo State of Marketing Europe 2026, e o resultado sobre IA generativa merece atenção. Entre os 20 temas de marketing avaliados para 2026, IA generativa e agentes ficaram em 17º lugar em importância. No mesmo estudo, o marketing habilitado por IA generativa apareceu em 1º lugar na intenção de aumento de investimento, citado por metade dos respondentes entre as três prioridades de gasto.

Esses dois números medem coisas distintas. Um mede o quanto a IA generativa importa hoje na percepção dos líderes, já outro aponta para onde o orçamento novo deve ir. A combinação parece incoerente, mas descreve um mercado que investiu, não colheu o que esperava e ainda assim aposta que o retorno virá. O estudo é europeu, mas o padrão descreve qualquer operação de marketing que testou IA generativa sem preparar a base para ela. Este texto usa os dados da pesquisa para responder cinco perguntas sobre o uso de IA generativa no marketing.

POR QUE A IA NO MARKETING LIDERA O INVESTIMENTO E NÃO A PRIORIDADE

O 17º lugar na pesquisa da McKinsey é uma média, e essa média reúne dois grupos com posições distintas. As empresas com alta maturidade em IA generativa, 6% da amostra, colocam o tema entre as cinco maiores prioridades e relatam ganho médio de 22% em eficiência de marketing nos últimos dois anos. As demais, que testaram sem os mesmos resultados, empurram o tema para o fim da lista. A posição baixa no ranking geral reflete a frustração da maioria, não um veredito técnico sobre a tecnologia.

A intenção de investimento em 1º lugar tem três explicações que a própria pesquisa sugere. A McKinsey pondera que o gasto atual com IA generativa ainda é baixo, o que torna qualquer aumento proporcionalmente grande. As empresas que já colhem ganho reinvestem parte dele e planejam elevar o investimento. E as retardatárias mantêm a ambição de alcançar quem avançou primeiro, mesmo sem resultado até aqui. O dinheiro segue para a IA generativa porque poucos acreditam que o problema esteja na tecnologia.

POR QUE OS PRIMEIROS INVESTIMENTOS NÃO TROUXERAM RETORNO

Entre as empresas retardatárias, 89% não materializaram ganho de eficiência com IA generativa, ou materializaram muito pouco. As barreiras que elas citam não têm a ver com o modelo de IA. Infraestrutura aparece para 81%, adoção e escala para 65%, e ausência de estratégia definida para 51%. São problemas de base. O piloto de IA rodou sobre dados fragmentados e sistemas que não conversam entre si, e o resultado ficou aquém porque a estrutura não atendeu o que a tecnologia prometia.

O padrão que a pesquisa descreve é o do piloto isolado. Uma iniciativa nasce em uma área, mostra potencial em uma demonstração, e não escala porque falta a base de dados e tecnologia que a sustente. A McKinsey identifica dois temas como habilitadores diretos: marketing orientado por dados e a infraestrutura de martech e adtech. Sem dado próprio confiável, identidade consentida e medição moderna, o modelo não recebe o sinal de que precisa para gerar resultado consistente.

Os líderes enfrentam obstáculos de outra tipo. Para quem já resolveu infraestrutura e adoção, restam a estratégia, citada por 47%, e o modelo operacional, por 37%. A discussão deles agora é sobre como coordenar times, processos e decisão em torno da IA, um problema que só aparece depois que a base está pronta. Os dois grupos partem do mesmo acesso à tecnologia. A distância entre eles se formou antes, no preparo que a maioria não fez: dados organizados, sistemas conectados e uma direção definida para o uso da IA.

A conclusão da pesquisa é que o retorno não veio para a maioria porque o investimento foi aplicado sobre uma base que não estava pronta.

O QUE AS EMPRESAS QUE CONSEGUEM RESULTADO COM IA TÊM EM COMUM

Há uma diferença de comportamento que separa os dois grupos antes de qualquer discussão sobre tecnologia. As retardatárias concentram a IA generativa em tarefas internas: automação de atividades não criativas é o principal uso para 62% delas. As líderes foram para o cliente. Criação de conteúdo personalizado em escala é citada por 80% das líderes, contra 22% das retardatárias; descoberta de produto, por 57% contra 32%. O uso que gera receita está no contato com o cliente, e as líderes chegaram lá porque a base permitia sustentar esse tipo de aplicação.

Chegar a esse ponto exigiu ordem. Enquanto as retardatárias ainda lidam com infraestrutura e adoção, as líderes já resolveram esses pontos e hoje discutem estratégia e modelo operacional. Dados organizados e sistemas conectados vieram antes da expansão para usos mais complexos, não depois. Some-se a isso o traço financeiro que a McKinsey identifica: as líderes aumentaram o gasto de marketing no último ano e planejam continuar, sinal de investimento contínuo e não de aposta pontual.

O time humano permanece no centro em todas elas. A pesquisa registra que 62% dos respondentes consideram as equipes criativas humanas insubstituíveis para produzir conteúdo de alta qualidade, mesmo com a IA como parte essencial do processo. O ganho de 22% em eficiência que as líderes relatam não vem da tecnologia sozinha, vem de um uso que soma pessoas e máquina, e esse ganho volta para a operação, reinvestido em crescimento ou usado para reduzir custo.

QUE BASE DE DADOS A IA NO MARKETING EXIGE

A IA generativa responde ao que enxerga, e o que ela enxerga é a base de dados da empresa. A McKinsey apontad dois habilitadores diretos do resultado: marketing orientado por dados e a infraestrutura de martech e adtech. O modelo precisa de dado próprio de qualidade, identidade de cliente consentida e medição moderna. Sem esse insumo, a saída fica genérica, por mais avançado que seja o modelo por trás dela.

O obstáculo mais comum é a fragmentação. Informação espalhada entre CRM, ERP, plataforma de produto e planilhas faz cada time enxergar apenas um pedaço da jornada, e a IA treinada sobre esse cenário reproduz a divisão que deveria corrigir. A infraestrutura de martech e adtech existe para integrar ferramentas e fluxos, de modo que a IA seja aplicada de forma consistente entre canais e casos de uso. Estruturar a informação sem duplicidade nem perda de contexto é o que faz a decisão automatizada refletir a operação inteira, e não um evento isolado de um único sistema. Personalização em escala, o uso de maior potencial segundo as líderes, não se sustenta sem isso.

COMO TRANSFORMAR EXPERIMENTOS ISOLADOS EM GANHO SUSTENTADO

Depois que a base existe, a pergunta muda de "como conectar os dados" para "o que medir e como fazer a IA entrar no trabalho". E aqui a pesquisa é enfática em dois pontos que não têm a ver com dado.

O primeiro é o critério de sucesso. A recomendação dos líderes ouvidos pela McKinsey é focar em eficácia, não em eficiência. Reduzir o tempo de produção de um conteúdo é relativamente simples de obter e fácil de medir. Mais difícil, e mais decisivo, é elevar a eficácia: o quanto aquela ação gera engajamento e conversão. Uma operação que mede só economia de custo declara vitória cedo e não enxerga o que a IA generativa poderia entregar em desempenho.

O segundo é a adoção. A tecnologia funciona melhor quando integra o fluxo de trabalho, no lugar de existir como um acessório à parte, e isso exige rever processos, envolver as áreas desde o desenho da solução e ter a liderança à frente da mudança. Nas empresas que avançaram, as pessoas passaram de executoras a curadoras dos sistemas automatizados. É uma mudança de postura, e a tecnologia sozinha não a entrega. A McKinsey resume o resto em uma frase: apostas pequenas dificilmente geram ganho grande, e fechar a distância para os líderes depende de investimento escalável em casos de alto valor.

POR ONDE SEU MARKETING PODE COMEÇAR

A pesquisa mostra um mercado que investiu na IA generativa e colheu abaixo do esperado, e aponta a base de dados e a integração como a condição para obter resultado. É nesse ponto que a Amber atua. Integramos as plataformas de marketing e atendimento às fontes de dados da operação, CRM, ERP e sistemas legados, e estruturamos a informação de forma unificada e governável, condição para que qualquer iniciativa de IA gere resultado consistente. Conectamos soluções como Salesforce (com Agentforce), Oracle (com AI Agent Studio), MoEngage e MariaDB ao contexto de cada operação, do diagnóstico à sustentação, para que a tecnologia acompanhe o crescimento do negócio. Se a sua empresa avalia onde investir em IA generativa no marketing, o primeiro passo é preparar a base que sustenta esse investimento. Fale com a Amber para desenhar essa fundação de IA e dados.