Social Rocket
Os agentes de IA assumem no mercado publicitário fatias cada vez maiores do planeamento, da compra e da otimização, com orçamento real. Os sistemas ainda estão longe de um media buying totalmente autónomo, mas projetos atuais mostram que o setor já está a passar da assistência para a execução.
Os primeiros orçamentos reais passam por agentes
A ADWEEK relata que a Apostra processou nos últimos três meses cerca de 1,2 milhões de dólares americanos em media buys automatizados para grandes marcas. Os agentes podem assumir tarefas como descoberta, negociação, aprovação e execução em vários canais.
Um exemplo concreto de desempenho vem da PubMatic. Segundo a ADWEEK, a marca de bem-estar Rouge Care investiu 25.000 dólares americanos numa campanha CTV e terá gerado mais de 125.000 dólares americanos em receitas atribuíveis. A compra decorreu através do AgenticOS da PubMatic.
Assim, a evolução torna-se mais concreta do que já vimos no IAB Europe sobre media buying agêntico. Aí, 58 por cento dos inquiridos esperavam que os sistemas agênticos estivessem em uso operacional ou em larga escala dentro de um ano.
A Monks deixa agentes trabalhar de forma autónoma durante 36 a 48 horas
Também do lado das agências a forma de trabalhar está a mudar. A S4 Capital Monks deixa agentes de IA trabalhar em tarefas internas de software, segundo o Chief AI and Revenue Officer Wesley ter Haar, durante 36 a 48 horas sem supervisão humana contínua.
Estas execuções autónomas prolongadas afetam, para já, sobretudo o desenvolvimento de código. A Monks, no entanto, já transpõe o princípio para o marketing de redes sociais e de performance. Aí, os agentes devem reagir a sinais, como tendências, volume de comentários ou publicações que perdem alcance.
Para o início de 2027, a Monks planeia, segundo a Digiday, um primeiro fluxo de trabalho para clientes que, desde a análise de insights até à gestão de comunidades, deverá funcionar sobre esta arquitetura agêntica.
Os custos de tokens passam a fazer parte do orçamento de talento
Ter Haar descreve os custos de computação e de modelos como parte do orçamento de talento. As equipas têm, por isso, de decidir que tarefas exigem um modelo topo de gama caro e onde bastam modelos mais económicos.
Isto altera o cálculo clássico do trabalho de agência. Além das horas de trabalho, surgem custos contínuos com agentes, modelos e utilização de ferramentas. Em simultâneo, o tempo necessário para determinadas tarefas diminui. A Monks descreve ciclos internos de trabalho que passaram de duas semanas para dois dias.
A questão de controlo está também por detrás da nossa visão geral sobre IA no media buying e automação de plataformas.
Padrões para media buying agêntico
O IAB Tech Lab apresentou em setembro o AAMP 3.0. A especificação OpenProposal pretende transpor o caminho, até agora muito manual, desde o RFP até à promessa de compra para um formato legível por agentes.
Assim, os agentes do comprador e do vendedor podem trocar e comparar propostas de forma estruturada. Ao mesmo tempo, governação e interoperabilidade continuam a ser temas centrais, porque vários protocolos e plataformas surgem em paralelo.
A Apostra é um exemplo desta nova camada de coordenação. A empresa, anteriormente Scope3, orienta agora o seu modelo de negócio de forma deliberada para o media buying agêntico. Mais detalhes no nosso contexto sobre Scope3 e Apostra.
O que os profissionais de marketing devem ter em conta agora
O media buying agêntico ainda não funciona sozinho. A ADWEEK refere dados da Gartner, segundo os quais aplicações altamente autónomas 2025 representavam menos de cinco por cento dos casos de uso de marketing. Para 2028 são esperados 15 por cento.
Para as empresas, três pontos são, por isso, mais importantes do que a autonomia máxima: limites orçamentais claros, decisões rastreáveis e um modelo de escalonamento humano definido. Quanto mais um agente puder reafetar, comprar ou publicar por conta própria, mais importante se torna a questão de quem responde pelas decisões erradas.