A indústria AdTech lança-se à Agentic AI, mas poderá estar a resolver o problema errado
Enquanto grande parte da indústria AdTech discute como devem comunicar entre si os agentes de inteligência artificial, permanece uma questão fundamental por responder: o que devem, afinal, esses agentes otimizar? Esta é a tese defendida por Alanna Laforet, CEO da Laforet Productions, num artigo publicado pela ExchangeWire, onde alerta que o setor poderá estar a concentrar-se na infraestrutura antes de definir o propósito.
Nos últimos meses, o setor AdTech apresentou duas das suas apostas tecnológicas mais ambiciosas dos últimos anos. Por um lado, o Advertising Context Protocol, impulsionado em outubro de 2025 por uma coligação de mais de vinte empresas — entre as quais Yahoo, PubMatic, Scope3 e Magnite — com o objetivo de criar um standard aberto que permita aos agentes de IA declarar, negociar e executar transações publicitárias de forma programática, sem intervenção humana. Pouco depois, o IAB Tech Lab apresentou a sua própria proposta com o Agentic RTB Framework, uma arquitetura baseada em contentores que permite que a lógica de compra e venda seja executada diretamente na infraestrutura da contraparte. A promessa técnica é clara: decisões automatizadas mais próximas dos dados, menor latência, maior eficiência e uma interoperabilidade significativamente superior entre plataformas. Num cenário verdadeiramente agentic, os sistemas de IA poderiam tomar decisões de licitação, segmentação ou enriquecimento de dados em tempo real, sem necessidade de transferir grandes volumes de informação entre servidores.
O problema, como sublinha Laforet, é que toda esta sofisticação tecnológica ainda não responde à questão que mais preocupa os CMOs: que resultados devem estes agentes otimizar — e com base em que critérios. O debate atual centra-se no “como”, quando deveria começar pelo “para quê”. Sem uma definição clara de objetivos — sejam eles performance, qualidade do contexto, impacto de marca ou sustentabilidade do ecossistema — até a infraestrutura mais avançada corre o risco de amplificar problemas que o setor tenta resolver há anos.
Esta lacuna é agravada por quem está a definir estes standards. A coligação por detrás do AdCP é composta maioritariamente por fornecedores do ecossistema: SSPs, publishers, empresas de dados, plataformas de conteúdo contextual e serviços de streaming. Já o lado da procura está sub-representado. Grandes grupos de agências como WPP, Publicis Groupe, Interpublic Group, Omnicom Group, Dentsu ou Havas não integram esta iniciativa. Tampouco os grandes anunciantes, cujo investimento sustenta, em última instância, todo o ecossistema.
Para Laforet, este desequilíbrio é crítico. As entidades que estão a definir como os agentes de IA irão negociar e transacionar em nome dos anunciantes não são, na sua maioria, os próprios anunciantes nem os seus representantes diretos — o que influencia inevitavelmente os critérios de otimização destes sistemas. O mesmo padrão repete-se no caso do Agentic RTB Framework. Apesar do apoio institucional de empresas como Netflix, Paramount, The Trade Desk ou Yahoo, o debate continua a ser dominado por engenheiros e fornecedores de infraestrutura. As vozes dos responsáveis de marketing — que financiam o sistema — mantêm um papel essencialmente consultivo.
Segundo Laforet, o AdCP funciona como uma linguagem comum que permite a comunicação entre agentes de IA em diferentes plataformas, à semelhança do impacto que o OpenRTB teve na transformação da compra programática há uma década. Embora não substitua o OpenRTB, complementa-o, permitindo que um agente que representa um buyer interaja com outro que representa um publisher, negoceie termos e execute transações sem intervenção humana. Já o Agentic RTB Framework redefine o fluxo de comunicação no ecossistema programático, encapsulando a arquitetura de forma a que o código de uma empresa opere como um agente integral do sistema, capaz de detetar problemas mais rapidamente do que qualquer processo humano.
Laforet alerta que estas mudanças não são incrementais — são estruturais. No entanto, sublinha que a infraestrutura é, por natureza, neutra: apenas acelera e amplifica aquilo que nela é introduzido.
Os agentes de IA são altamente eficazes a otimizar métricas como clicks, ROAS ou conversões, mas, como refere, “uma marca não é um número”. Estes sistemas podem colocar anúncios junto de conteúdos inadequados que um planeador humano teria excluído. Ferramentas como a Content Taxonomy do IAB Tech Lab ajudam a organizar e classificar conteúdos, mas não capturam identidade, valores ou reputação de marca. E permanece uma questão crítica: quem é responsável quando um agente cumpre todas as especificações técnicas, mas causa dano reputacional?
A pressão para adotar fluxos automatizados está também a comprometer o posicionamento de marca ao longo de toda a supply chain. As agências são incentivadas a implementar agentes de IA sem uma definição clara de sucesso para além dos KPIs, sendo simultaneamente responsabilizadas por questões de brand safety sem diretrizes sólidas. Acresce que os grandes anunciantes não participaram na criação de protocolos como o AdCP ou o ARTF, o que faz com que estes standards reflitam sobretudo as prioridades dos fornecedores — e não o custo reputacional de uma má colocação publicitária.
Segundo Laforet, o setor corre o risco de repetir erros do passado: os sistemas programáticos que originaram crises de brand safety há uma década também foram desenvolvidos com participação insuficiente dos anunciantes. A diferença é que, agora, os agentes operam a uma escala e velocidade muito superiores.
A competição entre plataformas para integrar Agentic AI está ainda a reduzir a diferenciação estratégica. Quando todas prometem mais alcance, melhores dados e maior ROAS, a decisão tende a resumir-se ao preço — o que fragiliza o mercado. Em paralelo, exige-se aos publishers que adaptem o seu inventário a linguagens interpretáveis por agentes de IA, otimizando conteúdos para influenciar as respostas de modelos de linguagem.
Laforet propõe três princípios para uma adoção eficaz da publicidade na era agentic.
Primeiro, definir a marca como um input operacional — indo além de mood boards ou listas de exclusão — e traduzindo claramente quais os contextos adequados ou prejudiciais.
Segundo, integrar mecanismos de responsabilização desde o início: cada agente deve ter um propósito definido, histórico de versões e registos auditáveis.
Terceiro, separar a otimização de performance da gestão de marca — reconhecendo que, apesar da eficiência dos agentes, a supervisão humana continua a ser indispensável para proteger reputação, garantir uso responsável de dados e suportar decisões estratégicas.
Embora reconheça que o AdCP e o ARTF representam avanços relevantes na interoperabilidade entre agentes de IA num ecossistema fragmentado, Laforet deixa um alerta: a questão mais difícil continua por resolver — para onde devem estes agentes otimizar e quem assume a responsabilidade quando acertam tecnicamente, mas falham estrategicamente. Na sua perspetiva, as empresas que irão destacar-se não serão as que acumularem mais integrações ou transações por segundo, mas sim aquelas capazes de justificar, de forma clara, cada decisão tomada. A estratégia, conclui, deve anteceder a infraestrutura: “Os agentes estão prontos. A indústria não.”
