A equipe de marca pode lançar um piloto de conteúdo generativo. A equipe de shopper marketing pode estar criando segmentos de público com apoio de IA para uma campanha de mídia de varejo. Em outro departamento, uma equipe mais avançada digitalmente testa um novo caso de uso de comércio ou previsão. Cada iniciativa parece um avanço e, de fato, é. Mas, com frequência, um ano depois, o que se tem é um punhado de bons experimentos que, infelizmente, nunca se tornaram capacidades organizacionais.
A Adobe trabalhou com a Incisiv para realizar uma pesquisa com 5.633 executivos em 12 setores e 11 mercados, incluindo 521 de bens de consumo. O principal aprendizado para os profissionais de marketing líderes em bens de consumo: a restrição raramente está no modelo. O que compromete um bom caso de uso é exatamente o momento em que ele precisa de algo além da equipe que o criou.
Você não controla a linha de chegada.
61% dos entrevistados de bens de consumo se enquadram no que a pesquisa chama de “Frozen Middle”: a IA está ativa em funções individuais, mas a coordenação necessária para replicar esse sucesso entre equipes ainda não acompanhou o ritmo. Todos os outros setores neste estudo apresentam alguma versão dessa lacuna. Os bens de consumo têm uma lacuna ainda maior, pois grande parte do valor está além dos muros da própria marca.
Considere um caso de uso de mídia de varejo. Ele envolve líderes de marca e portfólio, comércio eletrônico, equipes de shopper marketing e mídia de varejo, vendas e dados e tecnologia internamente, além de editores de mídia, parceiros varejistas, distribuidores e marketplaces externamente. Nenhum deles opera os mesmos sistemas, reporta ao mesmo P&L ou trabalha no mesmo ritmo. Um fluxo de trabalho que funciona perfeitamente dentro da empresa trava no momento em que precisa de uma aprovação de compartilhamento de dados de um varejista em um prazo que não está sob seu controle. Isso não é um problema de implantação. É um problema de design, e a maioria das organizações de bens de consumo embalados ainda não se preparou para isso
Ninguém segura as rédeas.
Apenas 16% dos entrevistados de bens de consumo nomearam um responsável por IA formal, com título real e autoridade orçamentária. No restante, há um comitê, uma responsabilidade definida projeto a projeto ou simplesmente nenhum responsável. Comitês são úteis para coletar opiniões. Mas são péssimos na única coisa que um caso de uso entre parceiros realmente precisa: alguém que possa tomar uma decisão definitiva quando marketing, jurídico, privacidade, segurança e a equipe de dados de um varejista querem algo ligeiramente diferente.
O funil de aprovação revela o custo. De cada 100 casos de uso de IA propostos em bens de consumo, apenas 15 chegam à produção. A maior perda absoluta ocorre logo na etapa de avaliação de TI. O maior desgaste proporcional vem depois, à medida que as ideias percorrem as etapas de integração, orçamento e prontidão para produção. A pesquisa não explica por que cada caso de uso foi descartado, mas o padrão expõe o custo de descobrir questões de viabilidade e dependência tarde demais. Nenhum dos padrões é argumento para uma revisão mais superficial. Ambos são argumentos para identificar os dados, as permissões e o responsável antes que uma proposta gaste três meses provando que não é viável.
O hábito de passar a bola.
76% dos entrevistados de bens de consumo ainda gerenciam o relacionamento entre negócios e TI de forma isolada, transacional ou consultiva. O negócio detém o resultado; a TI recebe a solicitação ou presta assessoria. O que geralmente não acontece é ambos assumirem o resultado juntos.
Esse modelo foi construído para ciclos de planejamento mais longos. A IA não tem paciência para esperar. As questões de acesso a dados, integração, governança e mensuração surgem ao mesmo tempo e precisam de respostas em conjunto. Orientações ajudam, mas a responsabilidade compartilhada funciona de outra forma.
Medir depois dos fatos só gera ruído.
Apenas 12% dos entrevistados de bens de consumo medem o retorno da IA de forma abrangente. A maioria rastreia o que é mais fácil: horas economizadas, volume de conteúdo ou públicos-alvo criados. Útil, mas nenhuma dessas métricas revela se um caso de uso impactou a penetração domiciliar, a taxa de compra ou o lucro bruto. Quando um fluxo de trabalho entra em operação, os preços mudam, as promoções rodam, a distribuição se reorganiza e as campanhas de mídia encerram, tornando quase impossível isolar a contribuição da IA de todo esse cenário. As organizações capazes de tomar decisões de investimento fundamentadas definem a linha de base antes do lançamento, não depois.
O que os 6% melhores realmente fazem.
O estudo identificou 342 Líderes em todos os 12 setores, representando os 6% dos entrevistados ativos com maior maturidade do modelo operacional e estágio de implementação. Isso não é uma coorte de bens de consumo, e a pesquisa não afirma que esses comportamentos causaram a escalabilidade. Mas o contraste é esclarecedor. Cinco comportamentos aparecem com muito mais frequência entre os Líderes:
- Responsabilidade real. Os Líderes têm 5,8 vezes mais chances de contar com um responsável por IA formal, com título e autoridade orçamentária, do que as organizações de bens de consumo, onde apenas 16% nomearam alguém para esse papel.
- Mensuração desde o primeiro dia. 44% dos Líderes medem o ROI de forma abrangente, ante 12% em bens de consumo, porque definem o sucesso antes de o fluxo de trabalho entrar em operação, não depois.
- Parceria genuína. 81% dos Líderes operam com as áreas de negócios e TI em nível colaborativo ou integrado, ante 24% em bens de consumo embalados, com OKRs compartilhados substituindo as transferências de bastão.
- Cultura de aprendizado. Menos de 1% dos Líderes apresentam padrões de falha destrutivos, como atribuição de culpa e repetição de erros, ante 28% em bens de consumo.
- Defensores internos empoderados. 42% dos Líderes apontam encontrar e apoiar defensores internos como o movimento cultural de maior impacto que realizaram, à frente de qualquer outro fator mensurado.
Nenhuma dessas é uma compra de tecnologia. São decisões organizacionais que se reforçam mutuamente: um responsável com autoridade real é o que torna um OKR compartilhado possível, um OKR compartilhado é o que transforma a mensuração desde o primeiro dia em uma responsabilidade conjunta, e não em algo pensado depois, e um defensor que mostra a um colega como um fluxo de trabalho realmente funciona acelera a adoção com mais eficácia do que qualquer reunião geral.
Estruture a organização antes que os casos de uso se multipliquem.
Os bens de consumo ainda estão em um estágio inicial, e há tempo para acertar.
A experimentação com IA vai se expandir. Mais equipes de marca vão usar IA generativa. Mais equipes de comércio, comprador, mídia, insights e operações vão encontrar aplicações que valem a pena explorar. A questão é se cada novo caso de uso terá de resolver do zero as questões de responsabilidade, acesso a dados, mensuração, governança e coordenação com parceiros.
As organizações que respondem a essas perguntas agora têm a oportunidade de tornar a próxima onda de adoção de IA muito diferente da primeira.
O modelo vai mudar. Os casos de uso vão mudar. O que não vai mudar são as perguntas que precisam ser respondidas: quem é o responsável pelo resultado? Como vamos medi-lo? Quais equipes e parceiros precisam estar envolvidos desde o início? E o que precisa estar claro antes de isso ir além de um experimento?
É aí que a prontidão para IA em bens de consumo realmente começa.
Leia o relatório completo para saber onde as organizações de bens de consumo estão e o que os Líderes fizeram de diferente.
Recomendado para você
https://business.adobe.com/fragments/resources/cards/thank-you-collections/consumer-goods