Os profissionais de marketing desconfiam dos insights de IA porque não conseguem ver de onde veio uma conclusão e porque agir com base em um erro confiante custa caro. Em uma pesquisa da GWI com mais de 450 profissionais de marketing no Reino Unido, nos EUA e em Cingapura, publicada em setembro de 2026, 72% disseram que sua organização havia tomado uma decisão significativa sobre insights gerados por IA que mais tarde se mostrou errada, mas apenas 37% verificam os insights de IA na maioria das vezes. A solução é tornar cada conclusão da IA rastreável à sua amostra, à sua evidência e ao seu raciocínio, para que uma pessoa possa verificá-la antes que alguém aja de acordo.
Principais conclusões
- A desconfiança é parcialmente conquistada: a maioria das equipes de marketing na pesquisa da GWI já agiu com base em um insight de IA que se revelou errado, e a verificação ainda é a exceção.
- O excesso de confiança também é comum: no estudo da KPMG e da Universidade de Melbourne realizado em 47 países, 66% dos funcionários confiam nos resultados da IA no trabalho sem avaliá-los.
- Pesquisas sobre confiança na automação apontam para uma confiança calibrada, e as pessoas aceitam algoritmos imperfeitos quando podem inspecioná-los e ajustá-los.
- Um insight de IA é verificável quando declara sua amostra, vincula cada afirmação às evidências por trás dela, nomeia seu mecanismo e rotula o que o modelo inferiu.
- Auditamos um dos insights de IA do próprio SOMIN abaixo; as verificações detectaram ruído nas evidências e uma mudança na audiência que teria enganado um briefing.
Por que os profissionais de marketing desconfiam dos insights de IA?
Três razões surgem repetidamente: o insight chega como uma caixa preta, seus erros são entregues com a mesma confiança que seus fatos e o custo de uma chamada errada recai sobre o profissional de marketing, e não sobre a ferramenta.
O custo não é mais hipotético. Na pesquisa GWI, 37% dos profissionais de marketing disseram que um insight errado de IA levou a perdas financeiras, 35% a reclamações de clientes e 32% a danos à reputação, e 44% refizeram o trabalho devido a resultados imprecisos. A GWI vende dados de pesquisas para uso em ferramentas de IA, por isso tem interesse na resposta, mas o padrão corresponde a pesquisas mais amplas.
KPMG e a Universidade de Melbourne entrevistaram 48,000 pessoas em 47 países para seu estudo global 2025 sobre confiança em IA. Pouco mais da metade (54%) disse ter medo de confiar na IA, e 56% dos funcionários disseram que cometeram erros no trabalho por causa disso.
A psicologia acrescenta uma reviravolta. Em cinco estudos, Berkeley Dietvorst, Joseph Simmons e Cade Massey descobriram que as pessoas perdem a confiança em um algoritmo mais rapidamente do que em um ser humano depois de verem ambos cometerem o mesmo erro, mesmo quando o algoritmo era mais preciso em geral. Eles chamaram isso de aversão ao algoritmo. Um erro visível em um insight de IA pode afundar uma ferramenta inteira nos olhos de uma equipe.
A desconfiança é um problema ou uma reação sensata?
Ambos, dependendo do que isso leva. O objetivo não é mais confiança, mas a quantidade certa. A revisão 2004 de John Lee e Katrina See em Human Factors enquadrou o problema como confiança apropriada: a automação dá errado quando as pessoas não confiam nela de maneira adequada, confiando nela mais ou menos do que suas capacidades justificam.
O marketing mostra as duas falhas ao mesmo tempo. O estudo da KPMG descobriu que 66% dos funcionários confiam nos resultados da IA no trabalho sem avaliá-los ou validá-los, enquanto os dados da GWI mostram que a maioria dos profissionais de marketing não verifica rotineiramente os insights da IA. As equipes oscilam entre pegar um gráfico pelo valor nominal e descartar uma ferramenta após uma decisão errada.
Os mesmos pesquisadores também encontraram uma saída. Em um acompanhamento 2018 em Management Science, as pessoas estavam muito mais dispostas a usar um algoritmo de previsão imperfeito quando podiam modificar seu resultado, mesmo que ligeiramente, e suas previsões melhoraram. A confiança aumentou com o controle. Para ter uma ideia, o controle começa com a visualização das evidências e a capacidade de editar a conclusão.
O que os próprios dados da SOMIN dizem sobre a desconfiança na automação?
O mecanismo de insights do SOMIN trouxe à tona o mesmo tema da categoria de pesquisa de público. Em um estudo de julho 2026 de 229 itens pagos da GWI, Nielsen, Milieu e Euromonitor, datado de 8 de abril a 6 de julho de 2026, ele agrupou 51 em uma tensão intitulada "Navegando pela complexidade das percepções do consumidor em um Mercado Digitalmente Orientado": as empresas lutam para obter insights acionáveis a partir de dados esmagadores, apoiam-se em amplos rótulos geracionais e temem que as imprecisões da IA prejudiquem a sua compreensão do mercado. A partir dessa tensão construiu esta corrente:
- Persona: o estrategista perspicaz, um profissional de análise de mercado e estratégia de negócios que prioriza conhecimento e decisões baseadas em dados, construído a partir de 63 itens no mesmo estudo, 46 deles anúncios GWI.
- Ângulo: Desconfiança na automação, que o modelo da SOMIN apresentou sob a teoria da confiança: a confiança é construída por meio de consistência e transparência, e a IA usada sem uma comunicação clara a corrói. Na literatura de pesquisa, este é o campo da confiança na automação revisado por Lee e See.
- Insight: "A confiança é gerada no solo da conversa, não nos dados dos algoritmos."
O marketing da própria categoria vende contra o mesmo medo. Os anúncios da GWI para o Agent Spark, que traz dados de pesquisas da GWI para assistentes de IA, prometem insights verificados de consumidores reais em vez de conteúdo extraído da web. Nos canais orgânicos da GWI, as 23 postagens marcadas com um tópico de IA tiveram em média 83 engajamentos, quase três vezes a média geral da GWI de 29, entre 18 de outubro de 2025 e 17 de outubro de 2026. Nossos estudo de como as empresas de pesquisa de audiência comercializam seus dados tem uma visão mais ampla.
Quando a SOMIN combinou o insight com seu próprio produto, as proposições basearam-se em uma propriedade e não em um recurso: cada conclusão da IA pode ser verificada em relação às postagens por trás dela, e as tags de conceito rastreiam as postagens específicas que as evidenciam. Esse é o padrão que o restante deste artigo aplica, inclusive ao SOMIN.
O que torna um insight de IA verificável?
Um insight de IA é verificável quando um colega cético consegue rastreá-lo desde a conclusão até a evidência em poucos minutos. O NIST AI Risk Management Framework fornece palavras úteis para as partes: a transparência responde ao que aconteceu, a explicabilidade responde como um resultado foi alcançado e a interpretabilidade responde por quê. O NIST lista a responsabilidade e a transparência, e a explicabilidade e a interpretabilidade, entre as características da IA confiável.
Para uma visão de marketing, isso significa quatro camadas visíveis:
- A amostra: fontes, marcas, plataformas, intervalo de datas e tamanho.
- A evidência: links para as postagens, anúncios ou linhas reais por trás de cada reivindicação, com contagens.
- O raciocínio: o mecanismo, nomeado, com fonte para a teoria.
- O status: um rótulo simples separando o que foi observado do que o modelo inferiu.
Em SOMIN Strategy, cada persona e tensão se abrem para a biblioteca de conteúdo filtrada para as postagens ou anúncios por trás dela. Esse link é o que tornou possível a auditoria abaixo.
Como você audita um insight de IA na prática?
Analisamos o insight "A confiança é gerada no solo da conversa" por meio dessas camadas em outubro de 2026.
| Verificação | O que encontramos | Veredicto |
|---|---|---|
| Amostra declarada | 229 itens pagos das bibliotecas de anúncios da GWI, Nielsen, Milieu e Euromonitor, 8 de abril a 6 de julho 2026 | Passar |
| Evidências vinculadas | A tensão se abre para os 51 itens atrás dela na biblioteca de conteúdo | Passar |
| Evidências sobre o tema | Alguns itens eram anúncios da Nielsen recrutando membros para seu painel de computadores e dispositivos móveis, que nada dizem sobre confiança em insights | Algum ruído: deixe itens fora do tópico antes do briefing |
| Concentração | 31 dos 51 itens vieram da GWI | A mensagem de um anunciante domina |
| O ângulo corresponde à evidência | O ângulo descreve consumidores que desconfiam de marcas que usam IA; a evidência são empresas de pesquisa que vendem para profissionais de marketing | Mudança de público: reescrever o ângulo para um comprador empresarial |
| Teoria verificada | “Teoria da confiança” é um rótulo amplo; a pesquisa estabelecida é sobre confiança na automação e aversão a algoritmos | Recite a pesquisa primária |
O veredicto: o insight é uma leitura justa de como a categoria de pesquisa de audiência vende, baseada principalmente nos anúncios de uma empresa, e uma hipótese sobre os compradores, em vez de uma atitude medida. Ele pode ser usado quando o ângulo for reescrito para os profissionais de marketing e os itens fora do tópico forem removidos. Sem a auditoria, poderia facilmente ter sido resumido como uma conclusão sobre os consumidores. Para saber como as tensões e os ângulos se ajustam, consulte , o que é uma tensão do consumidor .
O que uma lista de verificação de insights de IA deve incluir?
Dez cheques cobrem a maior parte. Execute os cinco primeiros em cada insight e todos os dez antes de uma decisão que altere o orçamento.
- Indique a amostra em uma linha: fontes, marcas, plataformas, datas e número de itens.
- Ligue cada número à sua evidência, e mostre o denominador: 51 de 229 diz mais do que "um tema importante".
- Abra uma amostra aleatória das evidências, dez a vinte itens e conte aqueles que estão fora do tópico.
- Verifique a concentração. Se uma marca ou conta fornecer a maior parte das evidências, diga-o.
- Rotule o que é gerado pelo modelo. Personas, tensões e insights produzidos pela IA são hipóteses até serem verificadas.
- Compare a teoria com uma fonte primária. Elimine nomes que você não consegue encontrar na literatura de pesquisa.
- Verifique o público. As evidências vêm das mesmas pessoas de quem a conclusão fala?
- Salve as evidências quando a análise for executada: IDs de postagem, links e capturas de tela, porque as postagens são excluídas e os anúncios param de ser exibidos.
- Verifique grandes chamadas com uma fonte independente,, como uma pesquisa, dados de vendas ou um pequeno teste.
- Permita que o proprietário edite a conclusão, e registre quem a alterou, quem a assinou e quando.
Esses são os gêmeos em nível de insight das verificações de cópia em nosso guia para Alucinações de IA em marketing. IA explicável para marketing também é uma questão de pesquisa para nós: o Prof. Aleks Farseev e a equipe SOMIN publicaram sobre isso na ACM Multimedia e The Web Conference, e os artigos estão listados na página SOMIN research.
FAQ
Por que os profissionais de marketing não confiam nos insights gerados pela IA?
Principalmente porque não conseguem ver a evidência por trás de uma conclusão e foram queimados por erros confiantes. Na pesquisa 2026 da GWI, 72% dos profissionais de marketing disseram que suas organizações tomaram uma decisão significativa com base em um insight de IA que mais tarde se mostrou errado.
O que é aversão ao algoritmo?
É a tendência de perder a fé num algoritmo mais rapidamente do que num ser humano depois de o ver cometer um erro, descrita por Dietvorst, Simmons e Massey em 2015. O seu trabalho posterior descobriu que deixar as pessoas ajustarem a saída de um algoritmo reduz o efeito.
Como posso verificar se um insight de IA é preciso?
Peça a amostra, abra uma seleção aleatória de postagens ou linhas atrás dela, conte as que não são do tópico e verifique se a evidência vem do público que o insight descreve. Em seguida, confirme as grandes decisões contra uma fonte independente.
Qual é a diferença entre IA explicável e verificável?
A IA explicável informa como um resultado foi alcançado. Um insight verificável vai além: permite que você mesmo inspecione as evidências e chegue ao seu próprio ponto de vista, para que você não confie apenas na explicação.
Os profissionais de marketing deveriam parar de usar IA para obter insights sobre o público?
Não. A IA é boa em agrupar grandes volumes de conteúdo e propor tensões rapidamente. Trate seu resultado como uma hipótese com registro em papel e mantenha uma pessoa responsável por verificá-lo e assiná-lo.
Fontes
- GWI: Os profissionais de marketing dizem que o insight errado de IA já custou caro à sua organização (setembro 2026)
- KPMG e a Universidade de Melbourne: Confiança, atitudes e uso de inteligência artificial, um estudo global 2025 (resumo executivo)
- Dietvorst, Simmons e Massey (2015), Aversão a algoritmos: as pessoas evitam algoritmos erroneamente depois de vê-los errar, Journal of Experimental Psychology: General 144 (1)
- Dietvorst, Simmons e Massey (2018), Superando a aversão ao algoritmo, Management Science 64 (3)
- Lee e See (2004), Confiança na automação: projetando para confiança apropriada, Fatores Humanos 46(1)
- NIST AI Resource Center: riscos e confiabilidade da IA
