13 de outubro de 2023 - 6h00

É verdade que as entregas da IA Generativa parecem magia. Você faz um comando (prompt) e surge uma foto. Outro comando, e aparece o texto de um release. Mais um, e temos à mão um vídeo curto para o TikTok. Mas, parafraseando um comercial famoso dos anos 90, não se trata de magia, mas de tecnologia. E essa tecnologia é totalmente baseada em dados.

A expressão “garbage in, garbage out” tem se popularizado nos ambientes que trabalham com IA Generativa. Ela quer dizer “lixo entra, lixo sai”, ou seja, se uma aplicação de Inteligência Artificial recebe dados de baixa qualidade, seu output também terá baixa qualidade. Isso mostra a importância da gestão dos dados para que se possa usar o poder da IA Gen na sua totalidade.

Segundo pesquisa da McKinsey, a IA Generativa deve agregar ao menos US$ 2,6 trilhões à economia nos próximos anos. Para a indústria de marketing, o impacto positivo deve ser de ao menos US$ 470 bilhões, ao possibilitar, por exemplo, a hiper personalização de conteúdos. Para acessar esse valor, as empresas e departamentos de marketing precisam aprimorar suas estruturas de dados. Fazendo um paralelo, da mesma forma que, para criar uma campanha, profissionais precisam de informações como manual de marca, diferenciais, histórico de campanhas, perfis de público etc, os algoritmos de IA precisam de dados para gerar seus outputs. Uma campanha mal brifada tende a ser uma campanha ruim, da mesma forma que um sistema incrível de IA Gen alimentado com dados pobres também deve gerar entregáveis ruins.

A que as lideranças de marketing devem se atentar para que os dados estejam prontos para a IA Generativa? Vale observar ao menos estes 3 pilares:
1 – Fonte dos dados
A IA Generativa trabalha com Big Data, expressão que se refere não só ao volume de dados, mas também à flexibilidade de formato. Isso quer dizer que são úteis tanto dados que estejam numa planilha, como dados soltos de gravações de ligações, comentários de redes sociais, vídeos-review de um produto etc. É muito importante identificar onde podem estar os dados que serão úteis para as ações de marketing que usem IA. As fontes estão tanto dentro da Organização (como frequência de compra de um cliente e histórico de interação num chat), como fora (comentários na página de compra de um produto, publicações de um influencer no Instagram etc).

2 – Arquitetura de Dados
A hiper personalização demanda atuação em uma grande escala e altíssima velocidade. É fundamental ter uma arquitetura de dados que possa ser consumida no ritmo necessário. Neste momento, o trabalho da pessoa no cargo de CMO se toca com o de seu par no cargo de CIO: o marketing deve ter a liderança de tecnologia como aliada, garantindo a estrutura e o pessoal necessário para as suas demandas.

3 – Governança de dados
Como tudo na vida, a IA Generativa traz oportunidades e riscos. Um dos riscos está no vazamento de dados sensíveis e pessoais. Como as aplicações de IA têm acesso a data lakes imensos, se não houver um cuidado na definição das regras e garantias de sigilos dos dados, alguma informação pode ser vazada num dos outputs. Isso pode causar um problema de imagem, mas também um problema legal de infração de alguma das legislações de privacidade. Por isso, a definição da governança dos dados que alimentarão a IA é fundamental.

Explorar o poder da Inteligência Artificial de maneira efetiva, sustentável e original é menos simples do que gostaríamos. As novas possibilidades trazidas pela IA trazem, também, novas demandas de cuidado e estruturação. A tendência nos próximos anos é que a aproximação entre marketing e tecnologia se aprofunde ainda mais, aumentando o valor dos dados que cada organização consegue usar. Se, nos últimos 20 anos, floresceram as empresas que melhor gerenciaram seus ativos de dados, nos próximos 20 isso será ainda mais intenso, e se atentar a estes 3 pilares é um caminho para atuar neste ambiente de maneira segura.