A indústria de publicidade avançou rapidamente em 2025 com uma adoção acelerada de automação: a LiveRamp lançou a orquestração agentic em 1º de outubro, a Adobe introduziu agentes de IA em 9 de outubro, e a Amazon revelou o Ads Agent em 11 de novembro. O investimento em IA agentic atingiu 1, 1 bilhão de dólares em 2024, e as vagas de emprego cresceram 985% ano após ano, destacando um impulso sem precedentes. No entanto, em 29 de dezembro, o empresário de marketing Dan Koe questionou essa corrida, afirmando: “Quando todos têm uma vantagem, ela deixa de ser vantagem. Com IA permitindo criação instantânea, a verdadeira vantagem vem de desacelerar, focar na habilidade, fazer trabalho manual e adquirir conhecimentos tão específicos que a IA não consegue replicar. ” Echoando isso, Luiza Jarovsky, PhD, co-fundadora do aitechprivacy. com, destacou que a excelência humana requer tempo, esforço e disciplina — e a ampla disponibilidade de IA barata e expertise falsificada elevou o padrão para a verdadeira expertise. Esses insights refletem uma intuição crescente entre os profissionais de marketing de que a velocidade está se tornando uma commodity. A IA acelera universalmente a execução, corroendo a velocidade como vantagem competitiva. Em vez disso, a diferenciação surge da desaceleração intencional: optar por não automatizar tudo, investir esforço na compreensão nuançada dos problemas e aplicar um trabalho manual cuidadoso. Esse paradoxo é evidente na publicidade digital. As plataformas prometem ganhos via automação, mas os resultados decrescentes mostram que apenas a velocidade não sustenta vantagem. A automação Advantage+ do Meta e seu motor de busca Andromeda, lançados em dezembro de 2024 com uma melhoria de 6% na recuperação e aumento de 8% na qualidade dos anúncios, exemplificam essa tensão. No entanto, especialistas do setor, como Bram Van der Hallen, criticaram o hype de consolidação de campanhas, aconselhando cautela e testes graduais ao invés de adoção total de automação. Os desafios também derivam de algoritmos de caixa preta sem transparência, tornando difícil identificar as causas do desempenho — seja fadiga criativa, saturação do público ou mudanças nos algoritmos. Os anunciantes lutam para avaliar o valor incremental real versus as vitórias fáceis. Pesquisas da Harvard Business School destacam armadilhas na automação de marketing por IA: culpar erroneamente a IA, erosão da confiança após falhas, ceticismo quanto às capacidades exageradas, julgamento mais severo de IA humanizada e indignação com práticas enganosas. Essas condições validam o argumento de Koe: sem transparência, velocidade não oferece vantagem estratégica. Os profissionais de marketing precisam investir na compreensão dos mecanismos causais subjacentes, realizar testes sistemáticos e acumular insights específicos do negócio — esforços manuais essenciais para estratégias superiores. As dificuldades de medição agravam a questão. Uma pesquisa de outubro de 2025 da TransUnion e EMARKETER com 196 profissionais de marketing revelou que 54, 1% não perceberam aumento na confiança na precisão das métricas em relação ao ano anterior; 14, 3% relataram declínios. Embora 61, 7% mantenham confiança, o crescimento estagnou apesar do aumento nos dados disponíveis. Fontes fragmentadas (49, 5%), problemas na deduplicação entre canais (48%) e limitações nos relatórios de ambientes fechados (40, 8%) foram os principais fatores. Além disso, uma pesquisa de dezembro de 2025 da Funnel e Ravn mostrou que 86% dos profissionais de marketing internos e 79% das agências têm dificuldades em discernir o impacto em nível de canal, apesar das análises avançadas. Essa quantidade de dados cria uma contradição: fluxos de informações abundantes, mas percepção acionável escassa. Assim, a velocidade na coleta de dados não traz vantagem quando a síntese e interpretação atrasam. Os profissionais de marketing devem desacelerar, integrar dados fragmentados, reconciliar evidências conflitantes e construir estruturas para entender o desempenho — esforços resistentes à automação. Complementando, uma pesquisa de setembro de 2025 com 200 CMOs revelou que 45% dos dados de marketing utilizados para decisões são incompletos, imprecisos ou desatualizados; nenhum deles considerou seus dados com confiabilidade superior a 75%. Melhorias na qualidade dos dados figuraram como prioridade número um (30%), acima de automação (22%) e democratização (21%), reforçando que uma base de qualidade supera a complexidade da automação — uma ideia que Koe defende ao promover validação e reconciliação manual dos dados. A economia da criação de conteúdo mostra tendências semelhantes. Plataformas como TikTok incentivam uma vasta produção de vídeos por IA via fundos para criadores que pagam de US$ 0, 02 a US$ 0, 04 por mil visualizações, gerando uma epidemia de “contenção por IA”— conteúdo de baixa qualidade, produzido em massa, focado em engajamento e não em autenticidade. Um segmento do HBO “Last Week Tonight” de junho de 2025 afirmou: “Nem todo conteúdo de IA é spam, mas, neste momento, todo spam é conteúdo de IA. ” A velocidade impulsionada por IA saturas feeds, reduzindo a visibilidade e deteriorando a confiança do público. Uma pesquisa de julho de 2025 da Raptive mostrou que conteúdo suspeito de IA reduz a confiança dos leitores em quase 50% e diminui o interesse na compra e a disposição a pagar prêmios em 14%. Alarmantemente, as percepções se deterioram independentemente da origem real da IA, indicando problemas profundos de autenticidade. Essa erosão de confiança confirma a defesa de Koe pelo trabalho manual: produção rápida por IA oferece nenhuma vantagem se for percebida como inautêntica. Em vez disso, os profissionais de marketing devem investir em desenvolvimento de conteúdo deliberado—pesquisa original, cultivo de uma voz autêntica, refinamento de qualidade—que resista à compressão pela automação. Desafios operacionais reforçam os benefícios de desacelerar.

Uma auditoria do especialista em marketing digital John Ho em campanhas do Meta detectou problemas persistentes, como miniaturas borradas e geradas automaticamente, que prejudicam as taxas de clique. A seleção manual de visuais claros e focados no produto melhorou os resultados, demonstrando o impacto superior do curation manual deliberado sobre a velocidade da automação. Estudos sobre maturidade de mídia de comércio, de novembro de 2025, com 788 decisores, mostraram que 42% consideram suas operações formalizadas ou avançadas, mas apenas 13% podem ser considerados “pioneiros”, com destaque em estratégia, tecnologia, medição e operações. Muitas redes ainda dependem de aprovações criativas manuais em meio a stacks tecnológicos desconectados; apenas 12% conseguem ativar e medir campanhas de forma integrada e fluida entre canais. Essa lacuna mostra que acelerar a automação sem bases sólidas gera apenas ilusões de sofisticação, com vantagem limitada. Desacelerar para construir integrações, frameworks de medição e capacidades operacionais produz resultados superiores — reforçando o conselho de Koe de “focar na sua habilidade”, enfatizando o trabalho de base, que é essencial para uma automação eficiente. O framework de medição de incrementalidade da IAB de novembro de 2025 reforça ainda mais essa ideia. Ele premia experimentos controlados aleatórios como o padrão ouro para determinar o efeito causal, mas observa que eles levam semanas ou meses para serem bem executados. Métodos híbridos mais rápidos oferecem insights rápidos, porém com confiabilidade limitada e potencial viés. Os profissionais de marketing enfrentam uma escolha: velocidade com métricas pouco confiáveis ou testes mais lentos, rigorosos e capazes de gerar uma compreensão acionável, alinhada à recomendação de Koe de uma estratégia manual, baseada na habilidade. A prescrição de Koe de trabalho manual também se aplica ao planejamento estratégico. Quando as ferramentas de IA estão acessíveis a todos, a diferenciação vem de formular perguntas melhores, desenvolver hipóteses sofisticadas e cultivar uma expertise contextual baseada em experiência direta. A IA não substitui o conhecimento desenvolvido ao longo do tempo pela interação aprofundada com setores específicos, comportamentos de clientes, dinâmicas de plataformas e nuances da concorrência. Por exemplo, dominar a modelagem de atribuição para negócios de assinatura exige observar comportamentos de coorte, fatores de retenção, efeitos sazonais e impacto de preços — complexidades que predições de IA sozinhas não podem substituir. Essa expertise requer um aprendizado devagar, iterativo, envolvendo observação, análise, testes, falhas, correções e reconhecimento de padrões além do alcance da IA. Crises de autenticidade também evidenciam essa necessidade. Revisões de produtos geradas por IA dispararam de 0, 51% em 2022 para 6, 61% em 2024 para a Shein, e de 0, 75% para 10, 90% para a Temu em 2025 — refletindo a ascensão da IA generativa após o lançamento do ChatGPT em 2022. Essa proliferação dilui a confiabilidade das revisões essencial para decisões de compra e marketing baseado na defesa do cliente. A solução exige desacelerar: realizar pesquisas genuínas com clientes, coletar feedback autêntico via questionários, analisar dados comportamentais reais e desenvolver insights baseados em experiências verdadeiras — e não em aproximações de IA. Essa pesquisa manual garante autenticidade e diferenciação competitiva que a automação dificilmente consegue alcançar. A atualização de política do YouTube de julho de 2025 distinguiu “conteúdo inautêntico” de criações assistidas por IA aceitáveis, permitindo o uso de IA para apoiar criadores autênticos, mas proibindo spam em massa. Essa distinção está alinhada ao framework de Koe: as ferramentas de IA aumentam a criatividade deliberada, mas não substituem o julgamento humano sobre o que deve ser criado, estruturado, direcionado ao público e atenção dedicada. Velocidade só traz valor quando combinada com uma reflexão estratégica desenvolvida por observação lenta. A principal orientação de Koe—“Quando todos podem aprender e criar qualquer coisa ao clicar de um botão, sua vantagem vem de desacelerar, focar na sua habilidade e fazer as coisas certas manualmente”—contraria os incentivos das plataformas por velocidade e volume. Ainda assim, a estagnação na confiança de medições, a crise na qualidade de dados, as lacunas operacionais e a erosão da confiança do consumidor validam continuamente a desaceleração como verdadeira vantagem estratégica. Investir tempo na compreensão dos mecanismos causais constrói um julgamento que a IA não consegue replicar. Quem desacelera para construir infraestruturas sólidas de medição obtém insights que poucos conseguem, enquanto os que aceleram com automação podem apenas criar ilusões de sofisticação limitada. O conhecimento construído por meio de engajamento constante — observação de padrões, testes de hipóteses, aprendizado com falhas e reconhecimento de nuances — é exclusivamente humano e inatingível por mensuração por IA. Essa expertise exemplifica a “conhecimento tão específico que ninguém consegue gerar com IA” de Koe. Jarovsky concorda, observando que o acesso barato à IA eleva o padrão: profissionais precisam demonstrar uma verdadeira expertise além de fachadas criadas por IA. A maestria autêntica se revela por meio de análises profundas, estruturas sofisticadas, previsões precisas de efeitos secundários e compreensão de contextos sutis — qualidades que só se constroem com esforço lento e deliberado. A corrida por automação na publicidade em 2025 criou um cenário onde todos têm acesso às mesmas ferramentas de IA. Como disse Koe, “quando todos têm vantagem, ela deixa de existir. ” Assim, a verdadeira diferenciação passa de acesso à tecnologia e velocidade para julgamento de qualidade, sofisticação estratégica e trabalho manual. A convergência das observações de Koe e Jarovsky em 29 de dezembro de 2025 cristaliza a implicação da democratização da IA: velocidade é uma commodity, e o sucesso agora depende de uma desaceleração deliberada. — Destaques da linha do tempo: - Nov 2022: Lançamento do ChatGPT desencadeia boom de conteúdo por IA - Jun 2025: HBO denuncia problemas na qualidade de conteúdo impulsionado por IA - Jul 2025: YouTube aplica regras contra conteúdo inautêntico; Raptive aponta impacto negativo na confiança - Set 2025: Preocupações sérias com a qualidade e completude dos dados surgem - Out 2025: LiveRamp e Adobe lançam ferramentas avançadas de marketing por IA; confiança na medição de marketing estagna - Nov 2025: Amazon lança agente de IA; IAB publica framework de incrementalidade; pesquisas sobre maturidade de mídia de comércio revelam lacunas - Nov-Dez 2025: Meta enfrenta críticas pela automação; pesquisas da Funnel destacam dificuldades na medição; avaliações de conteúdo gerado por IA aumentam exponencialmente - 29 de dezembro de 2025: Koe e Jarovsky publicam análises influentes defendendo a desaceleração — Resumo: Em 29 de dezembro de 2025, Dan Koe, co-fundador da Kortex (criador da tela Eden AI), e Luiza Jarovsky, PhD, co-fundadora do aitechprivacy. com, articulam de forma independente uma conclusão crucial para os profissionais de marketing diante da adoção generalizada de IA: à medida que as ferramentas de IA democratizam velocidade e execução, a verdadeira vantagem competitiva está em desacelerar. Concentrando-se na habilidade manual, na melhoria rigorosa da qualidade dos dados, no desenvolvimento de expertise autêntica e na compreensão nuançada, os profissionais podem se destacar mesmo com o acesso universal à IA. Seus apontamentos surgem em um contexto de grande automação por plataformas como Meta, Amazon, Adobe e LiveRamp, estagnação ou queda na confiança de medições, fragmentação de dados, erosão da confiança dos consumidores na IA gerada automaticamente e desafios na maturidade operacional. As perspectivas de Koe e Jarovsky contrariam drasticamente as tendências de aceleração do setor, reforçando que desacelerar deliberadamente é essencial para construir conhecimentos inafastáveis, específicos de contexto e estratégias de marketing autênticas em um ambiente saturado de IA.