A adoção de IA generativa dentro das empresas avançou mais rápido do que a permissão simbólica dada pelos consumidores. Ferramentas entraram em criação, personalização, atendimento e pesquisa antes que marcas definissem uma resposta simples para uma pergunta básica: em quais situações o público aceita que uma máquina participe da experiência?
Uma pesquisa da Gartner tornou esse descompasso mais concreto. Entre 1.539 consumidores americanos ouvidos em outubro de 2025, 50% afirmaram preferir marcas que não usam IA generativa em conteúdo voltado ao consumidor. O resultado foi divulgado pela Gartner em março de 2026 e repercutido pela Retail Dive.
O número não deve ser transformado em proibição geral. A amostra é americana, registra uma resposta declarada e reúne usos muito diferentes sob o rótulo de conteúdo. Ainda assim, ela invalida uma premissa confortável: eficiência interna não equivale a legitimidade externa.
O público não avalia tecnologia de forma abstrata
Consumidores raramente encontram “IA generativa” de forma isolada. Eles encontram uma resposta de atendimento, uma imagem publicitária, uma recomendação de produto ou um texto que parece ter sido escrito por alguém. A reação depende da tarefa e da expectativa criada.
Automatizar uma descrição técnica pode ser percebido como ganho operacional, desde que o conteúdo esteja correto. Usar uma voz sintética numa mensagem sobre luto, saúde ou conflito pode parecer uma retirada de responsabilidade humana. Entre esses extremos existe uma grande área de julgamento.
Dividir a discussão entre ser a favor ou contra IA ajuda pouco. Marcas precisam mapear momentos em que autoria, empatia, precisão e responsabilidade influenciam confiança. O mesmo consumidor pode aceitar automação para comparar características e rejeitá-la quando espera escuta ou originalidade.
A resistência cresce quando a marca esconde a troca
Boa parte do desconforto nasce menos da máquina e mais da sensação de substituição não declarada. Se uma peça usa rostos, vozes ou histórias que sugerem experiência humana, descobrir depois que foram fabricados altera a leitura e quebra o contrato de interpretação, com consequências que ultrapassam a estética.
Transparência, porém, não se resume a colocar um aviso em tudo. Um rótulo genérico pode transferir ao público uma informação que a própria empresa ainda não sabe explicar. A marca precisa definir o que foi gerado, qual revisão ocorreu e por que esse uso não compromete a promessa feita.
Em conteúdos de baixo risco, a transparência pode aparecer em políticas acessíveis e processos de qualidade. Em situações sensíveis, deve acompanhar a própria interação. O critério é a relevância da participação da IA para a decisão do consumidor.
O risco de escala também cresce
IA generativa reduz custo marginal de produzir variações. Essa vantagem incentiva mais conteúdo, mais rápido e para mais segmentos. Se a governança for fraca, a empresa também escala erros, estereótipos, incoerências e afirmações sem fonte.
O volume pode criar outro problema: uma presença de marca que parece abundante e pouco específica. Quando toda mensagem segue a mesma fluência genérica, consumidores não encontram um ponto de vista, apenas a aparência de comunicação. A perda de confiança pode ocorrer sem crise visível, na forma de indiferença.
Revisão humana precisa ir além de corrigir gramática. Ela deve testar precisão, adequação cultural, originalidade, responsabilidade e alinhamento com a situação. Aprovar centenas de peças por amostragem pode ser suficiente para alguns usos e irresponsável para outros.
A política deveria ser organizada por risco
Uma política única para todos os usos tende a ser permissiva demais ou impraticável. Um modelo mais útil divide aplicações por consequência.
Tarefas internas, como síntese de documentos e exploração de ideias, podem operar com controles de dados e verificação. Conteúdos factuais exigem fonte, revisão e rastreabilidade, enquanto comunicação emocional e atendimento sensível pedem participação humana clara. Representações de pessoas, depoimentos e promessas de desempenho exigem padrões ainda mais altos.
Essa hierarquia permite que a empresa capture eficiência sem tratar confiança como obstáculo. Também dá às equipes uma resposta operacional: quem pode usar, em qual etapa, com quais dados e sob qual aprovação.
A confiança precisa entrar na medição
Se a empresa mede apenas velocidade, custo e conversão, a IA sempre parecerá vantajosa no curto prazo. Efeitos sobre credibilidade, diferenciação e disposição para compartilhar dados aparecem depois e são mais difíceis de atribuir.
Marcas deveriam testar versões com e sem assistência de IA, observar percepção de autenticidade e acompanhar reclamações relacionadas a erro, repetição e falta de humanidade. A declaração de uso também pode ser testada. Em alguns contextos ela aumenta confiança; em outros revela que o conteúdo não entrega valor suficiente para justificar a automação.
O objetivo não é provar que consumidores “não percebem”. É entender quando a participação tecnológica altera a avaliação da experiência.
O que o sinal exige das lideranças
Marketing não pode decidir sozinho sobre essas aplicações, pois tecnologia conhece os modelos, jurídico avalia exposição, atendimento observa consequências e marca entende a promessa pública. A governança precisa reunir essas perspectivas antes que um caso problemático force a discussão.
Também é necessário distinguir economia real de custo transferido. Um conteúdo barato que exige retrabalho, revisão excessiva ou reparação reputacional não é eficiente. Uma automação que reduz contato humano em pontos críticos pode aumentar escalonamentos e perda de clientes.
O estudo da Gartner oferece um alerta, não um veredito. Metade da amostra declarou preferência por marcas que evitam IA generativa em conteúdo. A outra metade não declarou a mesma preferência. O mercado não está dividido entre adoção e recusa. Está avaliando usos concretos com níveis diferentes de tolerância.
A decisão estratégica por trás do sinal
Marcas não precisam pedir licença abstrata para cada ferramenta, mas precisam merecer confiança em cada aplicação. Isso exige clareza sobre o benefício para o consumidor, não apenas para a operação.
Quando a IA melhora acesso, precisão ou conveniência, seu valor pode ser demonstrado. Quando serve somente para produzir mais peças com menos gente, o público recebe pouco em troca. A resistência registrada pela Gartner expõe essa assimetria.
A vantagem não será usar IA em toda parte nem transformar a recusa em posicionamento. Será reconhecer onde a tecnologia fortalece a experiência e onde a presença humana faz parte do próprio produto que a marca promete entregar.