IA para anúncios: o que dá para confiar e o que exige gestor

A produção do anúncio deixou de ser o seu gargalo. O julgamento sobre o que o anúncio promete continua sendo, e é ali que a verba se perde.

Isso não é previsão de roadmap. O Google colocou o Imagen 4 dentro do Asset Studio em 10 de setembro de 2025. A ferramenta gera imagem de estilo de vida a partir de uma única foto de produto, e gera vídeo a partir de imagem, logotipo e descrição de texto. A Meta reportou run-rate combinado de US$ 10 bilhões nas ferramentas de geração de vídeo dela no quarto trimestre de 2025. O crescimento trimestre a trimestre foi quase 3 vezes mais rápido que o da receita total de anúncios. A camada de produção está resolvida para o padrão de e-commerce brasileiro.

Uma ressalva antes de seguir. Existe operação em que a produção é o gargalo real: catálogo pequeno, uma pessoa fazendo tudo, dois criativos novos por mês porque não há quem edite. Ali a geração automática destrava produção de verdade e este texto não se aplica a você. Ele se aplica a quem já publica dezenas de peças por mês e mesmo assim não escala.

O que o gestor acha que está travando

A leitura mais comum é que falta criativo. Subiu 8 anúncios, 2 andaram, 6 morreram, e a conclusão é que o problema é volume de peça. Dentro do gerenciador o sintoma parece exatamente esse: as peças antigas perdem alcance, o custo por resultado sobe, e a resposta natural é produzir mais.

Essa leitura tem lógica e muita gente boa opera assim, incluindo quem trabalha com mídia há anos. Criativo cansa mesmo. O problema é que a ação que ela recomenda hoje custa quase nada. Produzir 40 variações virou tarefa de uma tarde. Se produzir mais fosse a resposta, a sua conta já teria escalado sozinha nos últimos doze meses.

O que a máquina resolveu de verdade

A IA generativa resolveu a forma do anúncio. Ela não resolveu o que o anúncio diz.

Forma é enquadramento, corte, fundo, ritmo, proporção, doze versões do mesmo título com a mesma promessa. Trabalho de execução, e a máquina executa melhor, mais rápido e mais barato que qualquer editor humano em volume. Repare no que o Asset Studio pede de entrada: a foto do produto, um texto descrevendo a cena e imagens de referência da marca como base de estilo. Tudo que entra é decisão sua. O modelo multiplica o que recebe e não tem como descobrir que a instrução estava errada.

A camada de leilão, distribuição de verba e expansão de público é outra conversa, tratada em o que a IA realmente automatiza em mídia paga. Aqui o recorte é o anúncio em si.

Existe ainda uma consequência editorial que poucos consideram. A Meta rotula como conteúdo de IA o anúncio criado ou editado de forma significativa pelas ferramentas generativas dela, com a marcação aparecendo atrás do menu de três pontos ou ao lado do selo Patrocinado. Para categoria que vende confiança em prova real, como saúde e ticket alto, isso é decisão editorial, não detalhe técnico. O critério de quando a análise automática de criativo ajuda e quando é teatro está detalhado em análise de criativo com IA.

O que continua sendo decisão de gestor

Quatro coisas, e nenhuma delas cabe em prompt.

A oferta. Nenhum modelo sabe se o seu frete grátis acima de R$ 199 é competitivo na sua categoria nesta semana. Ele escreve a frase. Ele não avalia se ela vale alguma coisa contra o concorrente da aba ao lado.

O ângulo. Qual dor entra nos primeiros 3 segundos, qual objeção fica de fora, qual público é chamado pelo nome. A máquina produz 30 variações de um ângulo em minutos e não escolhe qual ângulo merece 30 variações. Essa escolha vem de conversa com quem vende, de leitura de comentário e de devolução, não de gerenciador.

O contexto do negócio. Estoque acabando, prazo de entrega estourado em uma região, aniversário do concorrente na mesma semana, produto que a operação não aguenta entregar em volume. Nada disso aparece no painel e tudo isso decide o que deve ir para o ar. A fronteira entre automação de plataforma e controle humano está mapeada no pilar do cluster.

O corte. Uma peça vencedora que atrai cliente que devolve produto precisa sair do ar. A máquina não toma essa decisão, porque o dado que a sustenta não vive no gerenciador de anúncios.

Como reconhecer qual camada está travando você

Quatro sintomas observáveis. Cada um aponta para um lado da linha.

Todas as variações performam parecido. Se as suas 15 peças geradas ficam dentro de uma faixa estreita de retenção inicial e de CTR, produção não é o gargalo. Elas estão dizendo a mesma coisa com roupa diferente.

Volume subiu e o custo ficou igual. Você passou de 6 para 30 criativos no mês e o custo por compra não se moveu. A alavanca de produção já foi puxada até o fim.

Uma peça vence e ninguém sabe explicar por quê. Sinal de que o ângulo foi terceirizado junto com a produção. Sem hipótese escrita antes do teste, o resultado não vira aprendizado replicável e a próxima peça vencedora vai ser sorte de novo.

A peça nova sobe forte por 3 dias e desaba. Promessa que ganha clique e não sustenta a compra. Problema de oferta, não de edição.

Como agir nos próximos dias

Três checagens que cabem em uma semana.

1. Abra o Gerenciador de Anúncios da Meta, filtre os últimos 30 dias, agrupe por anúncio e adicione as colunas de reproduções de vídeo de 3 segundos e de impressões. Calcule a retenção inicial de cada peça. Se a diferença entre a melhor e a pior variação gerada por IA ficar abaixo de 20% em termos relativos, pare de gerar peça nova nesta semana e escreva 3 ângulos diferentes na mão. Faixa estreita significa ângulo único, e mais variação do mesmo ângulo não muda nada.

2. Pegue as últimas 10 peças que você subiu e marque quais tiveram a promessa principal, a frase dos primeiros 3 segundos ou o título, escrita pelo modelo e aprovada sem edição sua. Meta operacional: zero. A máquina entrega a forma, você escreve a promessa. Se mais de 3 das 10 tiverem promessa gerada e publicada sem revisão, o gargalo não está na ferramenta.

3. Antes do próximo lote, escreva a regra de corte: mínimo de impressões e de dias antes de matar um anúncio, e qual métrica decide. Uma linha em um documento resolve. Sem essa regra você corta por sensação e a geração automática repõe peça em velocidade infinita para um teste que nunca conclui nada. Os casos em que a automação piora ativamente a decisão estão documentados em quando a IA piora a decisão de mídia.

Uma nota sobre a régua desses números. Os 20% e os 3 ângulos são ponto de partida para conta de e-commerce com volume médio, não constante universal. Conta com menos de algumas dezenas de compras por semana não gera diferença estatística confiável entre variações, e ali a leitura correta é olhar mais tempo antes de concluir qualquer coisa. A definição operacional de cada camada está no glossário de IA para tráfego pago.

O teste que separa as duas camadas

Olhe a última peça vencedora da sua conta. Você consegue dizer, em uma frase, qual hipótese ela provou? Se a resposta for que a IA gerou dezenas e essa foi a que funcionou, o seu gargalo nunca foi produção.