Marketing
October 09, 2026
Bitcoin ou pets: o que a Inteligência Artificial não veria
Um caso real de consumer intelligence mostra o que fica fora do briefing
Há alguns anos, uma seguradora americana contratou uma empresa especializada em consumer intelligence para responder a três perguntas:
- Como nossos produtos são comparados aos dos concorrentes?
- Como os consumidores falam dos nossos produtos?
- O que podemos melhorar em nossa estratégia de marketing para o próximo trimestre?
A seguradora também avaliava lançar seguros pagos em bitcoin. Na época, o processo de trabalho da consultoria funcionava assim: o analista criava uma query (conjunto de palavras e regras que diz a uma ferramenta quais conversas encontrar e quais ignorar para buscar, filtrar e coletar informações relevantes para uma pesquisa). Depois, elaborava a segmentação e, a partir dela, um software usava processamento de linguagem natural para agrupar as conversas em três ou quatro temas principais. A partir dali, o analista lia os dados e determinava em que direção a pesquisa seguiria.
Depois de analisar mais de 300 mil publicações e conversas espontâneas de usuários em redes sociais e outras fontes digitais, identificadas por meio da query, as perguntas do cliente foram respondidas. O seguro de vida era bem-visto pelos segurados, o plano de aposentadoria não se diferenciava da concorrência e o seguro de saúde concentrava reclamações sobre cláusulas mal explicadas para internações longas e reembolso.
Hoje, as mesmas perguntas seriam enviadas a uma ferramenta de inteligência artificial. Com um prompt bem escrito, seria possível pedir uma raspagem de dados (data scraping), criar um agente responsável pela segmentação dos dados e outro para encontrar os insights e preparar a apresentação.
A infraestrutura inteira, da coleta de dados ao resultado, levaria menos tempo. A busca seria mais rápida, e os achados viriam com exemplos que os sustentariam. Por fim, a apresentação sairia em menos de dez minutos e no formato que o cliente preferisse.
Porém, um analista experiente sabe que falta um detalhe importante. Uma ferramenta responde às perguntas definidas, mas não descobre perguntas que não foram feitas. Além disso, o problema não é apenas o que a ferramenta não faz.
É que, quando ela responde bem, paramos de procurar o que não foi perguntado. Não é por falta de curiosidade. O briefing determina o trabalho e as horas são cobradas contra o que foi acordado. A automação tornou a busca mais barata, mas ela continua fora do escopo de quase todos os projetos.
Um estudo da Microsoft Research com a Universidade Carnegie Mellon ouviu 319 profissionais que usam IA ao menos uma vez por semana em 2025. A conclusão do estudo mostrou que, quanto maior a confiança na ferramenta, menor o pensamento crítico aplicado ao resultado. Quem confiava nas próprias habilidades questionava mais.
Fora do briefing
Durante a análise da seguradora mencionada acima, observou-se que o volume de publicações e conversas espontâneas sobre seguro de saúde para animais de estimação aumentou em cerca de mil ocorrências em comparação com o trimestre anterior. Esse crescimento correspondia a um aumento de volume de publicações espontâneas identificado pela ferramenta de social listening.
A audiência era majoritariamente integrante da geração do milênio, e as dúvidas que compartilhavam em redes sociais e no Reddit eram sobre custos de vacinas, emergências e despesas em geral com consultas ao veterinário. O assunto não apareceu entre os temas agrupados pela consultoria, porque não fazia parte da segmentação pedida pelo cliente.
O tema ganhou força depois da pandemia de Covid-19, com o aumento na aquisição de pets e a alta nos custos veterinários. Em fóruns e blogs, os consumidores compartilhavam casos, procuravam empresas que já ofereciam o serviço e debatiam o que gostariam de ver numa apólice para seus animais.
Enquanto a seguradora discutia bitcoin, seus possíveis clientes conversavam sobre como proteger seus animais. Eles tinham interesse em economizar com internações, tratamentos de acupuntura e até alimentação equilibrada.
Durante a apresentação dos resultados, a equipe de marketing tomou notas. Um seguro de pets já havia sido debatido na seguradora, mas a ideia nunca havia avançado por falta de dados. Agora, uma nova opção de produto poderia ser explorada.
Se o analista tivesse se limitado ao briefing do cliente, a conversa continuaria acontecendo sem que a seguradora percebesse uma oportunidade que emergia dos próprios dados. Sem esse olhar para além do briefing, o primeiro concorrente a identificar essa demanda poderia se antecipar e oferecer esse produto. A seguradora só perceberia a oportunidade quando a necessidade já estivesse atendida por outra empresa e parte do mercado já tivesse sido perdida.
Uma ferramenta de IA poderia ter sinalizado este pico de conversação. O que ela não faria seria decidir que ele interessaria a uma seguradora que não perguntou sobre ele. Foi a segmentação feita pelo analista, sem que ninguém pedisse, que transformou o tema em oportunidade de negócio.
O que fazer nas horas ganhas
O uso correto da inteligência artificial acelera o trabalho do analista de consumer intelligence. Na minha experiência, análises que levavam 120 horas hoje podem ser feitas em apenas 40. Mas reduzir o tempo de trabalho não significa agregar valor. A pergunta que empresas e profissionais deveriam fazer é o que farão com as horas ganhas.
Parte delas pode voltar para o que a ferramenta não faz. Com centenas de milhares de publicações e conversas, é inviável revisar tudo, mas dá para olhar os picos antes de segmentar e criar ao menos uma segmentação que ninguém pediu. Tratar a primeira análise como um rascunho, e não como resposta final. Quem quiser usar a própria IA nisso pode criar um agente com uma única função: perguntar o que ficou de fora. Um agente que desafia cada entrega.
O seguro para pets não estava no briefing, mas também não era uma ideia nova dentro da empresa. Estava nos dados, esperando alguém que soubesse olhar além do que foi pedido. A IA responde às perguntas que fazemos. Encontrar evidências do que ninguém pediu para medir ainda é trabalho nosso.
Who wrote this column
Marcelli D’Andrea
