As agências travam o hype e mostram desconfiança em relação aos “AI agents” na compra programática

A infraestrutura técnica da compra programática está a ser reescrita para acomodar agentes de IA capazes de operar sobre o RTB. No entanto, uma coisa é o standard… e outra bem diferente é aquilo que as agências estão dispostas a aceitar hoje. Essa distância ficou evidente no Programmatic Marketing Summit da Digiday, realizado em Nova Orleães, onde vários responsáveis de trading e produto convergiram no mesmo diagnóstico: sim à IA como ferramenta de apoio, não à delegação da activação e optimização de campanhas de alto risco a agentes autónomos.

Christopher Francia, director de Product Development & Client Performance na Attention Arc, resumiu a posição de forma inequívoca no podcast da Digiday: “Há um papel para a IA em muitas áreas, mas nas activações programáticas não estamos a confiar isso a agentes baseados em modelos de linguagem”. O principal motivo tem um nome conhecido: alucinação.

Num ambiente em que um erro de uma décima numa puja ou uma segmentação mal configurada pode traduzir-se em milhares — ou milhões — de euros desperdiçados (e em responsabilidades muito humanas), a ideia de permitir que um agente autónomo tome decisões complexas em tempo real continua a ser, para muitos, difícil de aceitar.

O risco financeiro — e profissional — de delegar

O argumento central contra os agentes de IA na compra programática é simples: há demasiadas variáveis, demasiadas condicionantes e demasiado dinheiro em jogo.

Francia explicou-o de forma directa: não faz sentido dizer a um chatbot “configura e activa esta campanha, escolhe o melhor targeting”, porque, por definição, os modelos de linguagem funcionam melhor em tarefas bem delimitadas e contextos controlados. À medida que a complexidade aumenta — regras de marca, requisitos legais, restrições por país, acordos com publishers, limites de frequência, objectivos dinâmicos — a probabilidade de erro cresce exponencialmente.

Se um agente “alucinar” uma condição ou interpretar mal um parâmetro, o impacto pode ser grave: orçamento desperdiçado, objectivos falhados e, no limite, consequências profissionais para as equipas responsáveis. E, para já, quem assina os pedidos de compra e responde perante o cliente continua a ser uma pessoa, não uma IA.

A linha vermelha criativa: rejeição clara a criatividades alteradas em tempo real

Outro ponto particularmente sensível para os anunciantes é o uso de IA para modificar criatividades em tempo real no bidstream. Em teoria, a proposta é atractiva: anúncios personalizados instantaneamente, mensagens adaptadas ao contexto e ao utilizador, máxima relevância.

Na prática, muitos brand owners vêem isto como uma linha vermelha. Francia foi categórico: “Se falamos de IA a modificar criatividades em tempo real no bidstream, isso vai tornar-se um enorme ‘não’ para muitas marcas”.

Segundo relatou, já receberam propostas comerciais assentes nesse princípio e a resposta tem sido consistente: nenhuma marca com reputação consolidada está disposta a colocar a sua identidade nas mãos de um sistema que não controla a 100%, sobretudo num ambiente tão opaco e fragmentado como o da licitação em tempo real.

Porque é que os agentes não entram no bidstream

Para além do risco de marca, existe um limite técnico que, hoje, joga contra os agentes de IA a operar directamente nas subastas: o tempo. No RTB, um DSP dispõe, em média, de cerca de 100 milissegundos para receber o pedido, avaliar a impressão, decidir se licita, calcular o valor e devolver a resposta. Trata-se de uma janela extremamente curta, onde vários processos estão optimizados ao milésimo.

A ideia de que um LLM possa “conversar” com um DSP, ponderar opções e tomar decisões dentro desse mesmo intervalo colide com a realidade técnica. “Nem o teu LLM mais rápido se aproxima disso”, sublinha Francia. Por essa razão, quando se fala de IA “no bidstream”, está-se, na prática, a falar de IA a interagir com DSPs fora da subasta em si.

Iniciativas como o Agentic RTB Framework (ARTF) do IAB Tech Lab procuram precisamente definir uma camada standard que permita aos agentes orquestrar decisões acima do RTB actual, reduzindo fricção e acelerando fluxos. Ainda assim, será necessária uma adopção ampla, tanto do lado da compra como da venda, para que essa promessa se traduza em soluções reais à escala.

Onde a IA já faz sentido hoje: insights, ideação e tarefas repetitivas

O cepticismo em relação a agentes autónomos não significa rejeição da IA. Pelo contrário: existe consenso de que a IA já acrescenta valor significativo nas operações diárias das agências, sobretudo em tarefas de menor risco, onde um erro não compromete uma conta nem um orçamento milionário.

Entre os casos de uso destacados por Francia estão:

• Geração de insights e ideação de audiências: partir de um insight comportamental e perguntar à IA que segmentos potenciais podem fazer sentido. Nem sempre acerta, mas acelera o processo criativo e abre novas hipóteses de trabalho que depois são validadas pelas equipas.

• Síntese e análise: resumir resultados de campanhas, comparar períodos ou identificar padrões relevantes para preparar apresentações, relatórios pós-campanha ou QBRs.

• Automatização de tarefas mecânicas: replicar estruturas de campanha com pequenas variações, renomear criatividades, criar grupos de anúncios ou limpar e normalizar dados para análise posterior.

Em todos estes cenários, o humano mantém-se no centro: valida, corrige, interpreta e decide. A IA funciona como uma camada de produtividade, não como substituto do trader. O que emerge deste debate é a procura de um equilíbrio: tirar partido da IA como copiloto, sem lhe entregar, para já, o controlo total.

Na prática, isso traduz-se em:

• Utilizar agentes de IA para preparar activações — recomendações de audiências, estruturas de campanha, propostas de testes A/B — mas não para carregar no “go” sem supervisão.

• Integrar IA em camadas onde o impacto do erro é controlável (documentação, reporting, geração de hipóteses), mantendo controlo humano rigoroso sobre orçamento, estratégias de puja e criatividade.

• Explorar standards como o ARTF que, a médio prazo, poderão permitir maior autonomia machine-to-machine, desde que acompanhada por governação, rastreabilidade e limites claros.

Por agora, o argumento contra os AI agents na compra programática à escala não é uma rejeição da tecnologia, mas sim da ideia de substituir critério e responsabilidade humana numa das áreas mais sensíveis do media buying.

A IA já faz parte do stack programático e o seu peso continuará a crescer. Mas, se algo ficou claro entre os traders reunidos em Nova Orleães, é que a passagem de copiloto a piloto automático não acontecerá nem depressa, nem às cegas, nem sem antes resolver três frentes críticas: fiabilidade, velocidade… e Brand Safety.