Casos de uso de IA em marketing: O que funciona hoje e o que podemos esperar para 2027

Se você está avaliando soluções de IA para marketing, provavelmente já conhece a lista de opções. Todos os principais fornecedores oferecem IA agêntica que abrange segmentação preditiva, conteúdo generativo, otimização do horário de envio e alguma forma de orquestração da jornada do cliente. No entanto, há uma pergunta que diferencia essas soluções e que a maioria dos frameworks de avaliação não inclui: a quais dados operacionais os agentes de IA realmente têm acesso?

Geralmente, as soluções de IA para marketing operam com uma visão parcial do cliente. A maioria das ferramentas de IA para marketing tem acesso a dados comportamentais, como cliques, aberturas de mensagens e sessões de navegação na web. Elas não têm acesso a informações como o que o cliente realmente comprou, o que devolveu, se o pedido foi enviado com atraso ou em qual nível ele está no programa de fidelidade.

O resultado são previsões superficiais, personalização erra o alvo e a orquestração da jornada do cliente que você configurou continua enviando e-mails de carrinho abandonado para alguém que comprou o produto na loja física dois dias atrás.

Os casos de uso de IA em marketing que geram ganhos mensuráveis de receita têm um aspecto em comum: acesso a dados operacionais provenientes de sistemas de comércio, pedidos, estoque, processamento de pedidos e atendimento.

Vejamos como essa convergência funciona na prática, quais resultados de negócios podem ser obtidos e como avaliar se a pilha atual de tecnologia é capaz de fazer isso.

O marketing com IA aplica a inteligência artificial para entender os clientes, criar e personalizar experiências, automatizar decisões e gerar resultados de negócios. Contudo, quando você trata a “IA” como uma capacidade única, acaba ficando com projetos-piloto desconectados que não evoluem de forma cumulativa.

O estudo The Future of Customer Engagement: 4 Shifts Defining the Next Era (O futuro do engajamento do cliente: quatro mudanças que definem a próxima era) mapeia quatro camadas distintas. Saber em qual delas sua empresa se encontra é o caminho mais rápido para uma estratégia coerente:

• Cálculos avançados. Testes A/B, atribuição de receita, insights sobre o ciclo de vida. É a camada de base, que mostra o que está funcionando.
• IA direcionada. Machine Learning aplicado à definição da próxima melhor ação, otimização do horário de envio e previsão de desistência do cliente. É o estágio em que a maioria das equipes maduras opera atualmente.
• IA generativa. Criação de conteúdo, tradução e aceleração de campanhas. É a camada que a maioria das equipes está testando ativamente.
• IA agêntica. É a IA que trabalha rumo a um objetivo de marketing e coordena ações entre sistemas sem exigir intervenção humana a cada etapa – a próxima fronteira.

Equipes que usam IA generativa sem uma base de IA direcionada aceleram a produção de conteúdo, mas não sabem quem deve recebê-lo. Já as equipes que testam IA agêntica sem dados conectados automatizam a tomada de decisões com base em uma visão incompleta do cliente.

Essa é a pergunta de avaliação que a maioria das comparações entre fornecedores ignora.

Um modelo de previsão de desistência do cliente treinado com dados de engajamento por e-mail consegue dizer quem parou de abrir seus e-mails.

No entanto, um modelo de previsão de desistência treinado com dados de engajamento por e-mail, histórico de compras, comportamento de devolução, status dos pedidos e interações com o serviço de atendimento consegue dizer quem está realmente deixando de ser cliente – e por quê.

Embora 53% das marcas considerem a integração entre CX e ERP uma prioridade, 59% afirmam que ainda não a implementaram (SAP and Foundry CIO Research, 2026). Essa lacuna explica por que tantos investimentos em IA para marketing estagnam: os modelos são sofisticados, mas os dados que os alimentam são limitados.

Ao avaliar casos de uso de IA em marketing, você constata que toda solução conta com IA. A pergunta que vale a pena fazer é: a quais dados essa IA tem acesso?

1. Prever o comportamento dos clientes com dados operacionais

Uma marca de beleza que vende diretamente ao consumidor (DTC) lança uma campanha de reconquista voltada a todos os clientes que não compram há 90 dias. Mesma oferta, mesmo timing, mesma mensagem para 400.000 pessoas. Como alguns desses clientes já estavam prestes a recomprar, o desconto simplesmente reduziu a margem. Outros se foram há três meses e não vão voltar.

Índices de probabilidade de compra, indicadores de propensão à desistência e modelos de afinidade com produtos substituem esse tipo de suposição. No entanto, a qualidade dessas previsões depende inteiramente dos dados que as alimentam.

Os recursos de previsão do SAP Engagement Cloud baseiam-se em dados operacionais dos clientes: o que cada pessoa comprou e devolveu, como interagiu com a marca nos canais de comércio, atendimento e fidelidade, seus padrões de recompra e o estágio em que está no ciclo de vida. É com base nesses dados que os recursos de identificação de público do Joule trabalham para criar segmentos preditivos.

A diferença tem impacto direto nos resultados comerciais. O Índice global de lealdade do cliente de 2025 constatou uma queda de 5 pontos percentuais na fidelidade real desde 2024, o maior declínio anual desde o início do índice, chegando aos atuais 29%. Além disso, 28% dos consumidores trocaram de marca por tédio. Uma campanha de reconquista acionada enquanto o cliente ainda se lembra de sua empresa gera conversões. Seis meses depois, vocês estarão competindo com desconhecidos.

2. Personalizar as experiências dos clientes para além dos cliques

O programa de e-mail de uma varejista de moda envia a mesma campanha de “novidades” para 2 milhões de assinantes toda terça-feira. O cliente que acabou de comprar um casaco de inverno recebe o mesmo e-mail enviado ao consumidor que está pesquisando modelos de tênis há uma semana.

A maioria dos mecanismos de personalização trabalha com dados comportamentais: em que a pessoa clicou, quais páginas visualizou, quanto tempo permaneceu nelas. Apesar de úteis, essas informações oferecem apenas uma visão parcial, sem levar em conta o que o usuário comprou e manteve, o que devolveu, como foi sua experiência com o atendimento e se o último pedido chegou no prazo.

A personalização do SAP Engagement Cloud abrange segmentação preditiva e dinâmica, recomendações de produtos baseadas em afinidade visual e histórico de compras, seleção dinâmica de conteúdo, ofertas personalizadas, próximas ações recomendadas, otimização do horário de envio e preferência de canal. Como os recursos de recomendação de produtos e personalização de conteúdo do Joule são alimentados por dados operacionais, tanto a recomendação quanto a mensagem refletem o relacionamento completo com o cliente.

O Global Engagement Index 2026 revelou que 58% dos consumidores consideram irrelevantes a maioria dos e-mails de marketing que recebem. A distância entre o que as marcas enviam e o que os clientes querem diminui quando a personalização é embasada no histórico de compras e não apenas no comportamento de navegação.

A Puma quintuplicou a receita gerada por e-mail em seis meses usando segmentação preditiva com IA por meio do SAP Engagement Cloud, além de registrar crescimento de 50% em sua base de dados ao conectar programas de indicação com IA integrada.

3. Gerar e otimizar conteúdo de marketing

Uma equipe de marketing de ciclo de vida precisa criar 47 versões de e-mail para o lançamento de um produto: três segmentos de ciclo de vida, quatro canais, versões em diferentes idiomas e variantes para testes A/B. A equipe conta com apenas duas pessoas. O lançamento acontecerá em três semanas.

A IA generativa cuida da produção: textos e linhas de assunto de e-mail adaptados aos segmentos, descrições de produtos e variações de conteúdo por público e canal, personalização de recursos visuais, localização e testes multivariados orientados por IA, em uma velocidade que nenhuma equipe conseguiria alcançar manualmente.

O AI in Retail Report (Relatório de IA no Varejo) da SAP aponta que 54% dos profissionais de marketing registram taxas de abertura mais altas quando as linhas de assunto dos e-mails são criadas por IA. Contudo, o impacto na receita aparece quando o conteúdo gerado por IA é combinado com públicos selecionados por IA e horários de envio otimizados por IA por meio de táticas predefinidas no SAP Engagement Cloud.

Veja a distinção prática para fins de avaliação: uma ferramenta de IA generativa independente cria conteúdo com mais rapidez. Já um recurso de IA generativa integrado a uma solução de automação de marketing cria conteúdo levando em conta quem vai recebê-lo, quando e o que essa pessoa já viu. Os recursos de conteúdo do Joule combinam insights sobre e-mails com a geração de conteúdo, permitindo que sua equipe refine a seleção de conteúdo com base nos dados de desempenho.

Um estudo da BCG e da SAP constatou aumento de 15% na receita por campanha e redução de 44% nas horas de trabalho (equivalentes a tempo integral) dedicadas à criação de conteúdo quando esses recursos são implementados em conjunto, e não como ferramentas isoladas.

4. Orquestrar jornadas de clientes com sinais do mundo real

Um cliente adiciona um par de botas ao carrinho na noite de sexta-feira. Na manhã de segunda-feira, já recebeu um e-mail de carrinho abandonado, uma notificação push, um SMS e um anúncio de retargeting. No entanto, ele comprou as botas na loja física no sábado.

Todas as mensagens enviadas após a compra foram ruído e cada uma delas custou à marca uma pequena parcela da confiança do cliente. O sistema de marketing não registrou a compra na loja física porque não tinha acesso aos dados de comércio e do ponto de venda.

A orquestração de jornadas baseada em IA determina quando interagir e quando aguardar, qual canal usar, qual conteúdo ou oferta enviar, se é necessário algum incentivo e como limitar a frequência e suspender mensagens em tempo real. Vale ressaltar que a qualidade dessas decisões depende diretamente da qualidade dos dados em que são fundamentadas.

O SAP Engagement Cloud se conecta a dados de comércio, pedidos, estoque, processamento de pedidos e atendimento ao cliente. Os recursos de orquestração de jornadas do Joule coordenam essas fontes de dados em tempo real, para que suas campanhas reajam ao que aconteceu em cada ponto de contato, inclusive naqueles que estão fora do alcance do sistema de marketing.

Essa mesma pesquisa da SAP e da Foundry constatou que 74% das marcas afirmam que a visibilidade e a alocação de estoque são o maior entrave à execução de CX (experiência do cliente). Campanhas acionadas por condições climáticas, notificações de produto novamente disponível baseadas em dados reais de estoque e suspensão de mensagens em uma jornada após a confirmação da compra dependem de um único fator: que o sistema de marketing tenha acesso aos sinais operacionais.

A Molton Brown alcançou aumento de 22% nas conversões em relação ao ano anterior durante campanhas importantes, graças a uma estratégia de engajamento personalizado e impulsionado por IA, fundamentada em dados unificados entre o SAP Commerce Cloud e o SAP Engagement Cloud.

5. Evoluir da automação aos agentes de IA

Sua equipe de marketing se reúne para a análise semanal de desempenho. As taxas de abertura estão em um dashboard, as taxas de cliques em outro e os dados de conversão ainda não foram sincronizados. Todos estão analisando as campanhas da semana passada a posteriori. Quando alguém percebe que o e-mail promocional de sexta-feira teve desempenho abaixo do esperado, 200.000 clientes já receberam a mensagem e o e-mail de acompanhamento já foi enviado.

O Joule viabiliza agentes de IA que trabalham para atingir os objetivos de marketing definidos, sempre dentro das permissões estabelecidas pela equipe responsável. Os profissionais de marketing descrevem o que querem alcançar e o Joule coordena a execução. Para uma visão mais aprofundada de como funciona o marketing agêntico e o que ele significa para as equipes responsáveis, consulte o artigo What Is Agentic Marketing? A Guide for Marketers (O que é marketing agêntico? Um guia para profissionais de marketing).

Na prática, isso significa:

• Identificação de públicos que cria e aprimora segmentos com base nos objetivos das campanhas e nos sinais de desempenho
• Ativação de campanhas que executa ações nos diferentes canais com base nas decisões coordenadas pela IA quanto ao público, ao timing e ao conteúdo
• Personalização de conteúdo e recursos visuais que ajusta textos, imagens e ofertas no momento do envio
• Insights sobre e-mails que identificam padrões de desempenho e recomendam ações enquanto as campanhas ainda estão em andamento
• Orquestração de jornadas que redireciona os clientes entre os pontos de contato com base em sinais comportamentais e operacionais em tempo real

Esses recursos fazem parte da suíte de negócios da SAP e estão conectados a pedidos, estoque, processamento de pedidos, fidelidade e atendimento ao cliente. É essa conexão que diferencia o marketing agêntico integrado de ferramentas de IA incorporadas à solução, que podem gerar conteúdo, mas não têm acesso à realidade operacional por trás de cada cliente.

A parceria entre SAP e Google Cloud amplia ainda mais essas possibilidades: a integração com o Google BigQuery permite que dados externos (como condições climáticas e sinais de demanda regional) acionem workflows automatizados de campanhas em tempo real. O Playbook de Personalização apresenta casos de uso específicos, incluindo campanhas acionadas por condições climáticas e notificações de produto novamente disponível baseadas em dados de estoque do ERP em tempo real.

Novos recursos de agentes serão disponibilizados ao longo do quarto trimestre de 2026 e no primeiro trimestre de 2027. As unidades de IA adquiridas hoje serão aplicadas automaticamente aos novos recursos à medida que forem lançados.

O que muda em 2027: a transição vai de tarefas executadas por um único agente para a coordenação entre vários agentes. Hoje, os agentes do Joule lidam com a identificação de públicos ou a geração de conteúdo como recursos independentes. Ao longo de 2027, os agentes passarão a coordenar essas tarefas em sequência: identificar um público, gerar o conteúdo para esse público, selecionar o canal e o momento do envio, ativar a campanha e fazer ajustes com base no desempenho – tudo em um único workflow.

Para os profissionais de marketing, isso significa que o intervalo entre “definir o objetivo” e “ter a campanha ativa e em processo de otimização” diminui de dias para horas. Para as organizações que usam o SAP ERP, os agentes terão acesso a sinais operacionais que nenhuma ferramenta de marketing independente consegue alcançar, ou seja, desde o início, as campanhas coordenadas por eles serão fundamentadas em dados de estoque, de pedidos e de processamento de pedidos.

O San Jose Sharks, organização esportiva e de entretenimento com diversas propriedades, alcançou uma taxa de renovação de 87% entre os detentores de ingressos para a temporada e um crescimento de 30% na receita ao conectar soluções SAP de vendas, engajamento, comércio, CDP e funções analíticas, proporcionando engajamento de torcedores impulsionado por IA ao longo de todo o ciclo de vida do cliente.

A escolha de um caso de uso de IA em marketing começa com uma questão de dados. Veja como analisá-la:

Faça uma auditoria dos dados aos quais seu sistema de marketing realmente tem acesso.

• Compras concluídas
• Devoluções
• Transações em lojas físicas
• Solicitações de serviços
• Status no programa de fidelidade

Se a sua IA trabalha apenas com cliques em e-mails e sessões no site, as previsões e a personalização vão estagnar, por mais sofisticados que sejam os modelos. A pesquisa State of AI 2025 da McKinsey constatou que apenas 39% das organizações conseguiram atribuir à IA algum impacto no lucro corporativo e a maioria estimou esse impacto em menos de 5%. A distância entre a adoção da IA e o respectivo impacto na receita é o ponto em que a maioria das equipes de marketing está presa atualmente.

Avalie o atual nível de maturidade em IA da sua empresa em relação às quatro camadas. A maioria das equipes já usa cálculos avançados e está testando a IA generativa. A lacuna geralmente está na IA direcionada (previsões, próxima melhor ação) e na infraestrutura de dados que a sustenta.

Organize os casos de uso de acordo com a prontidão dos dados. Uma priorização prática:

• Comece por aqui: conteúdo gerado por IA (Camada 3). Menor dependência em relação aos dados e maior rapidez na criação de valor. Geração de linhas de assunto, variações de conteúdo e localização.
• Avance para: segmentação preditiva e personalização (Camada 2). Esses casos de uso demandam dados de compras e de ciclo de vida conectados. Causam maior impacto na receita, mas somente quando a base de dados está consolidada.
• Amplie para: orquestração de jornadas e IA agêntica (Camadas 2-4). Exigem dados operacionais em tempo real de comércio, pedidos e atendimento. São os casos de uso de maior valor, mas também os que mais dependem de dados.

Comece pelo caso de uso que tenha a linha de base de medição mais clara. Compare as abordagens assistidas por IA com as já existentes, em termos de receita, conversão e retenção. Acompanhe a receita incremental gerada pelas campanhas impulsionadas por IA, e não apenas as métricas de adoção dessa tecnologia.

Questione seu fornecedor quanto aos dados operacionais. A solução consegue acessar nativamente dados de ERP, comércio, estoque e atendimento? Ou exige uma camada de integração separada que agrega latência e complexidade? Essa diferença determina se o seu marketing com IA vai operar com uma visão completa ou apenas parcial do cliente.

O uso de IA em marketing traz riscos reais que aumentam conforme a adoção cresce:

• Qualidade dos dados. A IA amplia tudo o que existe nos dados, inclusive erros e lacunas. 92% das marcas afirmam que melhorar a qualidade dos dados é a maneira mais eficaz de reduzir o custo total de propriedade relacionado à CX (SAP and Foundry CIO Research, 2026).
• Privacidade, consentimento e regulamentação. O estudo AI in Retail Report 2024 constatou que 70% dos consumidores se preocupam com o uso de seus dados pessoais pela IA durante as compras e apenas 11% afirmam ter um alto nível de confiança nos serviços de varejo baseados em IA. O GDPR, o Regulamento de IA da UE (EU AI Act) e as regulamentações regionais em constante evolução estabelecem requisitos específicos sobre como a IA processa dados de clientes, como as decisões automatizadas devem ser comunicadas e quais mecanismos de consentimento são necessários. Governança e gestão de consentimento são obrigações regulatórias, não recursos opcionais.
• Viés. Modelos preditivos treinados com dados históricos podem reproduzir e reforçar vieses já existentes na segmentação e no engajamento.
• Alucinações. A IA generativa produz conteúdo plausível que pode conter erros factuais. Toda afirmação gerada por IA precisa de verificação humana.
• Consistência da marca. Conteúdo gerado por IA em larga escala pode se desviar da voz da marca se não houver diretrizes de controle. O Global Engagement Index 2026 constatou que 85% das marcas consolidadas já contam com diretrizes claras para o uso de IA.
• Automação excessiva. Automatizar decisões que o cliente espera que sejam tomadas por uma pessoa prejudica o relacionamento. Estratégia, discernimento e voz da marca continuam sendo atribuições humanas.