Matheus Matsuda Marangoni
Na primeira parte desta série, publicada em “Quando a IA alucina, e quando é a empresa que alucina”, o argumento foi que a alucinação mais perigosa da inteligência artificial não está no modelo, mas em quem pergunta sem critério para julgar a resposta. O texto terminou com uma pergunta: e quando os dados estão corretos, o prompt é bom e a análise está certa, mas o plano mesmo assim não sai do papel? Esta segunda parte é sobre essa alucinação, que não é da máquina.
A cena agora é interna. A equipe de marketing de uma empresa de porte médio tem quatro pessoas. Numa segunda-feira, recebe do diretor o plano anual, gerado com inteligência artificial ao longo de uma tarde. O plano é bom. Tem calendário de conteúdo para cinco canais, três campanhas sazonais, um programa de relacionamento com réguas de comunicação por segmento e um painel de indicadores para acompanhar tudo. A equipe lê e reconhece cada item como correto. E percebe, na mesma leitura, que aquilo é o trabalho de quinze pessoas. O plano foi aprovado porque estava certo. Vai falhar porque estava certo para outra empresa.
Planos não executados existem desde antes da IA, e seria desonesto atribuir a ela um problema antigo. O que a IA fez foi remover um freio que ninguém sabia que existia. Quando o plano era escrito pela própria equipe, quem o escrevia sabia que teria de cumpri-lo, e dimensionava sem perceber: cortava o canal que não tinha quem operasse, adiava a campanha que não cabia no trimestre, deixava o programa de relacionamento para o ano seguinte. A ambição era filtrada pela autopreservação de quem faz. O modelo não vai executar nada e, portanto, não tem motivo para poupar ninguém. Ele entrega a versão completa, porque completa é o que foi pedido. E o plano chega à equipe já aprovado, com a autoridade de quem o encomendou, o que é bem mais difícil de contestar do que um rascunho próprio.
Os números de 2026 mostram que a cena não é exceção. Segundo a Gartner, 70% dos líderes de marketing consideram crítico tornar suas áreas líderes em IA, e os mesmos 70% admitem que seus processos não estão maduros o suficiente para implementá-la e escalá-la. O CMO Survey, da Universidade Duke, registra que a adoção de tecnologia vem ultrapassando a prontidão organizacional e que os resultados do marketing estão estagnados há dois anos. A pesquisa global da Comviva com diretores de marketing encontrou que apenas 12% das empresas conseguem isolar o impacto da IA na receita; as demais usam aproximações ou simplesmente não medem. E o relatório do MIT sobre IA generativa nas empresas trouxe o dado mais incômodo: mais da metade dos orçamentos vai para ferramentas de vendas e marketing, mas o retorno mensurável apareceu na automação de back-office. O dinheiro está onde o plano é bonito. O resultado está onde o processo é chato.
Há uma consequência desses números que costuma ficar fora da discussão. Um plano gerado por IA não tem autor. O diretor encomendou, a máquina escreveu, a equipe recebeu. Quando o plano falha, o único elo dessa cadeia que tem nome, cargo e avaliação de desempenho é a equipe. E como o plano estava certo no papel, a falha não pode ser do plano. Sobra ser de quem executou. A equipe passa a ser medida contra uma ficção, e o efeito não é apenas sobrecarga. É desmotivação de um tipo específico: a de trabalhar sabendo que o critério de sucesso foi escrito por algo que nunca precisará cumpri-lo. O dado da Comviva agrava o quadro. A equipe que não consegue medir o impacto do que faz também não consegue provar que está no limite, e o plano do ano seguinte chega maior.
Isso ajuda a entender um resultado do CMO Survey que parecia solto: quando os líderes de marketing avaliam suas áreas, a nota mais baixa não vai para as ferramentas, e sim para as pessoas. A leitura mais comum é que falta capacitação. Outra leitura possível é que as pessoas estão sendo avaliadas por planos que não foram feitos dentro da capacidade delas.
O que uma equipe pode fazer diante disso não é recusar a IA, que resolve de fato o problema da velocidade. É recolocar o freio que o processo perdeu, agora de forma deliberada. Antes de aceitar um plano gerado com IA, a equipe deveria conseguir responder três perguntas: quem executa cada frente, com quantas horas por semana, e o que será cortado para que o restante caiba. Se a resposta for ninguém, nenhuma e nada, o plano não é ambicioso. É uma alucinação de capacidade, e cabe à equipe dizer isso antes que o calendário diga por ela.
Esse artigo termina onde começou. A primeira alucinação é aceitar uma análise que não se sabe julgar. A segunda é aceitar um plano que não se pode executar. As duas têm a mesma origem, e a origem não é a máquina.
Fontes
Parte 1 desta série — https://notaalta.espm.br/fala-professor/quando-a-ia-alucina-e-quando-e-a-empresa-que-alucina-parte-1/
Gartner — 2026 CMO Spend Survey — https://www.gartner.com/en/newsroom/press-releases/2026-05-11-gartner-2026-cmo-spend-survey-finds-cmos-allocate-15-point-3-percent-of-marketing-budgets-to-ai-but-only-30-percent-are-ready-to-scale-ai-capabilities
MarketScale — 2026 CMO Survey (Duke University) — https://www.marketscale.com/industries/marketing-tech/cmos-are-shrinking-marketings-role-to-survive-short-term-pressure-the-2026-data-shows
Portada — CMO Survey: AI Growth Meets Marketing Headwinds 2026 — https://www.portada-online.com/latest-news/cmo-survey-ai-growth-marketing-headwinds-2026/
Comviva — Global CMO Survey Report 2026, “The AI Efficiency Divide” — https://www.comviva.com/resources/research/global-cmo-survey-report-2026/
Fortune — MIT report: 95% of generative AI pilots are failing (MIT NANDA, 2025) — https://www.fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo
