Resumo Executivo

Nathália Lourenço Alves Gonçalves; Camila Alves Cruz Ortega

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

A ascensão da inteligência artificial tem revolucionado a forma como as organizações interagem com os consumidores, transformando a personalização da experiência em um pilar central das estratégias de negócios contemporâneas. A capacidade de processar grandes volumes de dados, identificar padrões complexos e prever comportamentos futuros permite a criação de jornadas altamente individualizadas, que buscam atender às necessidades e preferências específicas de cada indivíduo. Conforme aponta a Accenture (2025), a generalização dessa tecnologia nas estruturas organizacionais proporciona uma nova era de autonomia, na qual sistemas inteligentes aprendem continuamente com os dados coletados para aprimorar as operações. Essa transformação não apenas eleva os níveis de satisfação, mas também atua como um motor para a fidelização e o crescimento sustentável das empresas em mercados competitivos.

A personalização da experiência, impulsionada por algoritmos avançados, representa uma mudança de paradigma significativa no mercado global. Segundo Kotler e Keller (2018), a era do marketing de massa está cedendo espaço definitivo para o marketing individualizado, onde a relevância e a customização são elementos cruciais para o êxito comercial. A inteligência artificial permite que as marcas alcancem esse nível de detalhamento, oferecendo produtos, serviços e comunicações sob medida. A demanda por tais experiências tem crescido de forma exponencial, motivada pela busca incessante por conveniência. Um estudo conduzido pela McKinsey (2021) revela que 71% dos consumidores esperam que as empresas ofereçam interações personalizadas, enquanto 76% manifestam frustração quando essa expectativa não é atendida. Nesse cenário, a tecnologia desempenha papel fundamental ao permitir a análise de dados em tempo real para a oferta de recomendações precisas.

Adicionalmente, de acordo com dados da Euromonitor (2025), observa-se um interesse crescente em experiências filtradas, que visam reduzir o tempo e o esforço gastos na busca por itens de consumo. O relatório indica que 42% dos consumidores realizaram compras via transmissões ao vivo devido à clareza na apresentação, evidenciando que a personalização auxilia diretamente na tomada de decisão. A inteligência artificial, com sua capacidade analítica, torna-se a chave para fornecer essas experiências otimizadas. Além do impacto direto no consumidor, a gestão empresarial é beneficiada pela otimização de processos. Davenport e Ronanki (2018) afirmam que a automação de tarefas repetitivas e a análise preditiva antecipam demandas, traduzindo-se em um atendimento mais ágil e eficiente, com soluções desenhadas para problemas específicos.

Entretanto, a implementação dessas ferramentas na personalização também desperta desafios éticos e questionamentos sobre a confiança. A preocupação com o uso responsável da tecnologia é crescente, conforme discutido por O’Neil (2016), que alerta para os riscos de algoritmos enviesados e a falta de transparência, fatores que podem resultar em decisões injustas ou discriminatórias. É imperativo que as organizações adotem práticas transparentes, garantindo a proteção de dados e a equidade nas interações digitais. A personalização excessiva pode, inclusive, levar a uma percepção de perda de privacidade e vigilância constante. Zuboff (2019) argumenta que a coleta invasiva de informações pessoais pode transformar a experiência de consumo em um mecanismo de manipulação. Portanto, o equilíbrio entre a oferta de conveniência e o respeito à privacidade é o ponto central para a manutenção de relacionamentos saudáveis entre marcas e público. O objetivo deste estudo é investigar o impacto da inteligência artificial na personalização da experiência, analisando como as empresas utilizam essa tecnologia para transformar interações e quais são os benefícios e desafios percebidos pelos consumidores nesse processo.

Para a consecução deste estudo, optou-se por uma pesquisa aplicada, de natureza descritiva, fundamentada em uma abordagem qualitativa. O método de levantamento escolhido foi o survey, que se caracteriza pela coleta de informações junto a uma amostra de indivíduos para analisar opiniões e comportamentos. Conforme define Malhotra (2019), o survey permite obter dados estruturados que refletem as atitudes dos respondentes diante de fenômenos específicos. A coleta de dados ocorreu em maio de 2025, utilizando um questionário eletrônico estruturado, composto por 14 questões que mesclaram perguntas abertas e fechadas, além de escalas de concordância. O instrumento foi elaborado com base em escalas validadas na literatura acadêmica, visando garantir a robustez das percepções coletadas sobre o impacto da tecnologia na jornada de compra.

A amostragem utilizada foi do tipo não probabilística por conveniência, selecionando participantes com base na acessibilidade e disponibilidade. Segundo Marconi e Lakatos (2021), esse modelo de amostragem é adequado quando o foco não é a generalização estatística para toda a população, mas sim a obtenção de insights profundos sobre um grupo específico de interesse. No caso desta investigação, o público-alvo consistiu em consumidores ativos em plataformas digitais, familiarizados com compras online e interações mediadas por sistemas inteligentes. O processo operacional envolveu o envio do link do questionário via redes sociais e aplicativos de mensagens, garantindo o anonimato dos respondentes e a voluntariedade da participação.

O detalhamento do instrumento de coleta incluiu questões demográficas para caracterizar a amostra, seguidas por perguntas sobre a frequência de consumo online e a valorização de experiências customizadas. Para medir a percepção tecnológica, os participantes foram questionados se identificavam o uso de inteligência artificial em suas interações com marcas e por quais canais essa percepção era mais nítida, como anúncios, e-mails ou sugestões de produtos. A profundidade da análise foi garantida pela inclusão de uma escala de 1 a 10, na qual os respondentes avaliaram afirmações sobre facilitação de escolha, satisfação, confiança, preocupação com privacidade, invasividade e a necessidade de transparência corporativa.

Os dados coletados foram submetidos à técnica de análise de conteúdo, seguindo a metodologia proposta por Bardin (2016). Esse processo envolveu a pré-análise, a exploração do material e o tratamento dos resultados por meio de inferência e interpretação. As respostas foram organizadas em categorias temáticas, permitindo identificar padrões recorrentes e contradições nas percepções dos consumidores. A análise buscou conectar os dados quantitativos das escalas com as justificativas qualitativas, proporcionando uma visão holística sobre como a inteligência artificial molda as expectativas modernas. O rigor metodológico na descrição de cada etapa operacional assegura a replicabilidade do estudo e a fidedignidade das conclusões apresentadas.

A investigação obteve 108 respostas válidas de indivíduos que realizam compras online com regularidade. A caracterização da amostra revelou uma predominância do público feminino, representando aproximadamente 60% dos participantes, enquanto o público masculino correspondeu a cerca de 40%. No que tange à faixa etária, observou-se um perfil majoritariamente jovem e adulto, com 34,26% dos respondentes situados entre 25 e 34 anos, seguidos por 33,33% na faixa de 35 a 44 anos. Os grupos de 45 a 54 anos e de 18 a 24 anos representaram 17,59% e 10,19%, respectivamente, enquanto apenas 4,63% possuíam 55 anos ou mais. Esse perfil demográfico indica uma amostra composta por nativos ou adotantes digitais precoces, o que é fundamental para a análise de tecnologias emergentes.

Quanto ao comportamento de consumo, mais de 90% dos participantes afirmaram realizar compras online com frequência moderada a alta. Especificamente, 40,74% compram frequentemente, 25,93% sempre e 25,93% às vezes. Apenas uma minoria de 7,41% declarou comprar raramente ou nunca. Esses dados confirmam a consolidação do comércio eletrônico como canal prioritário, configurando um terreno fértil para a aplicação de algoritmos que captam dados de navegação. Esse movimento acompanha as tendências apontadas por Kotler et al. (2021), que descrevem o marketing atual como um sistema preditivo e aumentado, onde a análise de dados assume papel central na jornada do cliente. A recorrência das compras online reforça a necessidade de ecossistemas de dados robustos para sustentar experiências individualizadas.

A valorização das experiências personalizadas foi confirmada por 75% dos respondentes, que consideram positiva a customização de produtos e comunicações. Em contrapartida, 20,37% mostraram-se indiferentes e apenas 4,63% não valorizam tal abordagem. Esses resultados dialogam com estudos que apontam a personalização como uma forma de reduzir a sobrecarga cognitiva do consumidor. No entanto, a percepção do uso da inteligência artificial é nítida para a grande maioria: 83,33% afirmaram perceber a tecnologia em suas interações. As formas mais citadas de percepção foram os anúncios direcionados, identificados por 72% da amostra, e as sugestões de produtos ou serviços, notadas por 70%. O atendimento automatizado e os e-mails personalizados foram percebidos por 42% e 36%, respectivamente.

No que diz respeito ao impacto na experiência global, 45,37% dos participantes afirmaram que a inteligência artificial melhorou muito suas interações, enquanto 39,81% indicaram uma melhora moderada. Assim, mais de 85% da amostra percebe efeitos positivos na personalização digital. Apenas 3,7% acreditaram que a tecnologia prejudicou a experiência. Esse dado corrobora a tese de Hoyer et al. (2020), que defendem que a experiência do consumidor resulta da soma de todas as interações, e a tecnologia amplia a capacidade das empresas de integrar essas etapas em jornadas coesas. Ameen et al. (2021) também enfatizam que a personalização gera maior envolvimento emocional, o que foi refletido na propensão à fidelidade: 55,56% dos respondentes sentem-se mais propensos a serem fiéis a marcas que oferecem experiências sob medida. Conforme Grewal et al. (2023), a lealdade está intrinsecamente ligada à consistência da personalização, tornando-a uma vantagem competitiva sustentável.

A análise das médias de concordância em uma escala de 1 a 10 trouxe nuances importantes. A afirmação de que a personalização facilita as escolhas de compra obteve média 7,38, enquanto a satisfação ao receber ofertas personalizadas alcançou 7,37. Esses valores confirmam que a tecnologia simplifica a jornada decisória e gera valor percebido. Bilal et al. (2024) reforçam que ofertas customizadas contribuem significativamente para o engajamento emocional. Contudo, a confiança na marca apresentou uma média inferior, de 6,34, sugerindo que a personalização por si só não garante credibilidade, dependendo de fatores como transparência e ética.

O tema da privacidade emergiu como o ponto de maior tensão. A preocupação com os dados pessoais ao interagir com sistemas de inteligência artificial obteve média 8,02, e a percepção de que a personalização excessiva pode ser invasiva atingiu 7,67. Esse fenômeno ilustra o paradoxo identificado por Canhoto, Keegan e Ryzhikh (2023), no qual os consumidores valorizam a relevância, mas resistem à exposição excessiva de dados. O consenso sobre a necessidade de transparência foi quase unânime, com média 9,29 para a afirmação de que as empresas devem ser mais claras sobre o uso das informações. Tais evidências revelam que a confiança é condição indispensável para o sucesso da personalização. A dualidade entre conveniência e vigilância, discutida por Zuboff (2019), mostra que o desafio das organizações vai além da entrega técnica, exigindo uma postura ética e respeitosa à autonomia do indivíduo.

A comparação com mercados internacionais sugere que, embora o Brasil apresente crescimento nessas práticas, o nível de maturidade ainda é desigual entre setores. Grandes varejistas lideram a adoção de mecanismos sofisticados, enquanto pequenas empresas enfrentam barreiras financeiras. A percepção dos consumidores brasileiros ainda se concentra em formatos tradicionais, como anúncios e e-mails, indicando espaço para a expansão de experiências imersivas e personalização contextual em tempo real. Além disso, a dimensão geracional deve ser considerada; a amostra jovem deste estudo mostra-se aberta à tecnologia, mas Kotler et al. (2021) alertam para o abismo entre gerações, onde consumidores mais velhos podem resistir ao uso intensivo de algoritmos. Portanto, as empresas devem equilibrar a sofisticação técnica com uma abordagem humana e empática.

Os resultados reforçam que a inteligência artificial é percebida como um elemento capaz de potencializar a relevância da experiência. Entretanto, a sustentabilidade desse impacto a longo prazo depende da governança de dados e da clareza comunicacional. A personalização deve ser compreendida como uma ferramenta de criação de valor que exige responsabilidade. Limitações deste estudo incluem a concentração em uma amostra jovem e urbana, sugerindo que pesquisas futuras explorem o impacto da tecnologia em segmentos demográficos distintos e em organizações de menor porte, a fim de ampliar a compreensão sobre os limites da transformação digital no marketing.

Conclui-se que o objetivo foi atingido, uma vez que o estudo demonstrou que a inteligência artificial impacta positivamente a personalização da experiência do consumidor ao ampliar a conveniência e facilitar a tomada de decisão, resultando em maiores níveis de satisfação e propensão à fidelidade para a maioria dos usuários. No entanto, identificou-se que esse benefício é acompanhado por uma elevada preocupação com a privacidade e uma demanda crítica por transparência ética, evidenciando que a eficácia da tecnologia está condicionada à construção de uma relação de confiança institucional. As empresas que equilibram a sofisticação algorítmica com políticas claras de proteção de dados e responsabilidade comunicacional estarão melhor posicionadas para transformar a personalização em um diferencial competitivo sustentável no cenário digital contemporâneo.

Referências Bibliográficas:

Accenture. 2025. AI: A Declaration of Autonomy. Disponível em: <https://www.accenture.com/us-en/insights>. Acesso em: 16 mar. 2025.

Ameen, N., Tarhini, A., Reppel, A., & Anand, A. 2021. Customer experiences in the age of artificial intelligence. Computers in Human Behavior, 114, 106548. Disponível em: <https://doi.org/10.1016/j.chb.2020.106548>. Acesso em: 08 jun. 2025.

Bardin, L. 2016. Análise de conteúdo. Edições 70. São Paulo, SP, Brasil.

Bilal, M., Zhang, Y., Cai, S., Akram, U., & Halibas, A. 2024. Artificial intelligence is the magic wand making customer-centric a reality!. Journal of Retailing and Consumer Services, 77, 103674. Disponível em: <https://doi.org/10.1016/j.jretconser.2023.103674>. Acesso em: 08 jun. 2025.

Canhoto, A. I., Keegan, B. J., & Ryzhikh, M. 2023. Snakes and Ladders: unpacking the personalization-privacy paradox in AI-enabled personalization. Information Systems Frontiers. Disponível em: <https://doi.org/10.1007/s10796-023-10369-7>. Acesso em: 08 jun. 2025.

Davenport, T. H., & Ronanki, R. 2018. Artificial Intelligence for the Real World. Disponível em: <https://hbr.org/>. Acesso em: 30 mar. 2025.

Euromonitor International [EUROMONITOR]. 2025. Consumer Trends and the Role of Artificial Intelligence. Disponível em: <https://www.euromonitor.com/>. Acesso em: 16 mar. 2025.

Grewal, D., Benoit, S., Noble, S. M., Guha, A., Ahlbom, C. P., & Nordfält, J. 2023. Leveraging In-Store Technology and AI: Increasing Customer and Employee Efficiency and Enhancing their Experiences. Journal of Retailing. Disponível em: <https://doi.org/10.1016/j.jretai.2023.10.002>. Acesso em: 08 jun. 2025.

Hoyer, W. D., Kroschke, M., Schmitt, B., Kraume, K., & Shankar, V. 2020. Transforming the Customer Experience Through New Technologies. Journal of Interactive Marketing, 51, 57–71. Disponível em: <https://doi.org/10.1016/j.intmar.2020.04.001>. Acesso em: 08 jun. 2025.

Kotler, P.; Kartajaya, H.; Setiawan, I. 2021. Marketing 5.0. 1ed. Rio de Janeiro, RJ, Brasil.

Kotler, P.; Keller, K.L.; Chang, S.J. 2021. Marketing Management. 16ed. São Paulo, SP, Brasil.

Malhotra, N.K. 2019. Pesquisa de marketing: uma orientação aplicada. 7ed. Bookman, Porto Alegre, RS, Brasil. Disponível em: <https://integrada.minhabiblioteca.com.br/books/9788582605103>. Acesso em: 30 mar. 2025.

Marconi, M. D. A.; Lakatos, E. M. 2021. Fundamentos de metodologia científica. 9ed. Atlas, São Paulo, SP, Brasil. Disponível em: <https://integrada.minhabiblioteca.com.br/books/9788597026580>. Acesso em: 30 mar. 2025.

McKinsey. 2021. The value of getting personalization right—or wrong—is multiplying. Disponível em: <https://www.mckinsey.com/>. Acesso em: 30 mar. 2025.

O’Neil, C. 2016. Weapons of math destruction: How big data increases inequality and threatens democracy. Crown. Nova York, NY, Estados Unidos.

Zuboff, S. 2019. The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.

Resumo executivo oriundo de Trabalho de Conclusão de Curso da Especialização em Marketing do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy