Como superar a fase de testes com IA? Veja 3 aprendizados do Google

Podemos dizer que a fase de testes da inteligência artificial já ficou para trás. Ainda assim, muitos times de marketing continuam presos a um ciclo interminável de projetos-piloto. Essa hesitação foi alimentada, durante algum tempo, por um estudo do MIT de 2025, segundo o qual 95% dos pilotos de IA fracassam — uma manchete que gerou muito ruído no mercado.

No entanto, o estudo tinha uma limitação importante: ele só classificava um piloto como “bem-sucedido” se gerasse, de imediato, milhões de dólares.

Para um CMO, essa é uma forma limitada de medir valor. Ao se concentrar apenas em um ganho financeiro instantâneo, o estudo deixou de lado o processo: o trabalho árduo que é transformar a forma como as equipes realmente operam, para que a IA possa impulsionar crescimento em escala.

No Google, aprendemos que pilotos bem-sucedidos não são experimentos isolados. Eles são o primeiro passo para a evolução de toda a organização.

Por isso, acreditamos que um piloto que não dá certo não é um beco sem saída.

É uma ferramenta de diagnóstico, capaz de revelar lacunas operacionais. Ele só se torna um fracasso quando a empresa não consegue aprender com o processo e se adaptar para preencher essas lacunas.

Três passos para escalar pilotos de IA

Aqui no Google, nosso Marketing opera com um grande orçamento de mídia — e nós atuamos como nosso próprio cliente mais exigente. Na equipe do Media Lab, fazemos a ponte entre investimento em mídia e inovação em IA. Nosso time identifica desafios organizacionais e desenvolve processos e soluções para impulsionar a performance em escala global.

Ao longo desse período, muitos dos primeiros pilotos realmente “fracassaram”, mas trouxeram aprendizados úteis. Em vez de desistir, procuramos entender onde as coisas travavam e onde já havia sinais iniciais de potencial.

A seguir, reunimos três aprendizados do Media Lab do Google que CMOs podem usar para sair do limbo dos pilotos e alcançar uma performance mais significativa.

1. Encontre áreas com potencial de escala

Ao analisar os primeiros pilotos de IA, nossa equipe percebeu que o maior obstáculo não era o código, mas a espera pelo resultado perfeito. Em vez de buscar uma ferramenta que resolvesse tudo de uma vez, adotamos uma mentalidade de “V1” e passamos a focar nas oportunidades de ganho. Nossos primeiros grupos de teste, chamados de “green teams”, eram formados por profissionais de marketing com disposição para aprender e falhar ao longo do processo. Além disso, eles buscavam pontos de sucesso que comprovassem o potencial do modelo.

Essas primeiras vitórias trouxeram os aprendizados práticos necessários para aprimorar os testes em áreas mais complexas. Ao começar o quanto antes e testar diferentes tipos de resultado — vendas, leads e uso —, construímos uma compreensão profunda de onde a IA funcionava melhor. À medida que a tecnologia continua amadurecendo, o impulso organizacional já está estabelecido, o que nos permite escalar na mesma velocidade dos modelos.

2. Avalie a maturidade dos parceiros

Um primeiro ponto que percebemos tinha relação com o nível de preparo das nossas agências parceiras para trabalhar com a IA. Essa diferença impactava diretamente o potencial dos pilotos.

Por isso, desenvolvemos um check-list de maturidade de conhecimento em IA. Depois, avaliamos todo o nosso conjunto de parceiros com base em quatro características.

Maturidade tecnológica: eles têm um roadmap de IA de longo prazo, alinhado à nossa visão? Ou contam apenas com ferramentas pontuais e chamativas?

Estratégia de mensuração: eles conseguem identificar oportunidades de ganho mais imediato? Têm um plano claro para implementar ferramentas de mensuração? A responsabilização pelos resultados está incorporada ao processo?

KPIs concretos: eles conseguem demonstrar redução nos prazos de entrega, diminuição de fees e ganho de incrementalidade?

Escalabilidade e repetibilidade: o workflow pode ser replicado em todos os idiomas e países em que operamos?

O resultado? Consolidamos nosso roster de agências e centralizamos o processo de parceria. Com isso, transformamos um workflow fragmentado em um sistema escalável, no qual a IA poderia gerar impacto mensurável.

3. Teste as soluções com esses 4 filtros

Muitas ideias parecem promissoras quando analisadas isoladamente. Mas apenas uma parte delas tem a robustez técnica e legal necessárias para se tornar uma parte permanente do marketing stack. Para identificar soluções de IA viáveis e sustentáveis, aplicamos um teste rigoroso de quatro filtros, que CMOs também podem adotar em seus respectivos segmentos.

Compliance: as ferramentas usadas são seguras o suficiente para a sua infraestrutura central? Elas passam pelos critérios legais e regulatórios necessários?

Brand safety: é possível desativá-las? Antes de escalar qualquer iniciativa, é importante ter controle sobre ela. No Media Lab, temos trabalhado com nossas próprias equipes de produto para ajudar a oferecer mais controle a todos os anunciantes.

Transparência de mensuração: trata-se de uma caixa-preta, em que falta visibilidade sobre dados e resultados? Se você não consegue enxergar o “porquê” por trás da performance, não consegue otimizar.

Impacto: a solução entrega o resultado certo? Em campanhas de alcance em vídeo, descobrimos que um alcance eficiente otimizava custos, mas prejudicava a frequência. Por isso, passamos a trabalhar com frequência-alvo, alinhando a IA à nossa filosofia de marca, baseada em pesquisas que mostram que a frequência dos anúncios é um fator crítico para o brand lift.

O que importa para o CMO

O desafio da adoção da IA vai além da dimensão técnica. Ele passa, antes, por uma questão profundamente humana: a gestão da mudança. A tarefa da liderança é buscar parceiros com a mesma mentalidade, orientados à IA, que queiram testar, aprender e escalar junto com a organização. As primeiras vitórias oferecem os pontos de prova necessários para impulsionar o restante da empresa.

A era dos experimentos pontuais com IA acabou. Para sair dos pilotos e chegar à performance, é preciso mudar a mentalidade, e não apenas reforçar a tecnologia. O primeiro passo é formar um green team com profissionais de marketing orientados à IA, dispostos a enfrentar o atrito dos modelos V1.

Depois, submeta cada experimento ao teste dos quatro filtros: compliance, brand safety, transparência de mensuração e impacto. Em vez de perguntar se a IA funciona, comece a perguntar se os seus processos são sólidos o suficiente para lidar com ela.