O Paradigma de Agentes de IA: o que isso significa para o futuro da publicidade

Os agentes de IA estão começando a influenciar praticamente todas as áreas do setor de publicidade, desde como as campanhas são desenvolvidas e direcionadas até como o desempenho é medido e otimizado. Não se trata apenas de mudar a forma como os recursos criativos são produzidos, mas sim de transformar todo o fluxo de trabalho ao longo do tempo, desde a pesquisa de público e o planejamento de mídia até o direcionamento e a personalização em tempo real.

Na publicidade, timing e relevância são os fatores mais importantes para otimizar – e é exatamente aí que a IA Generativa agrega valor. Ela pode ajudar a personalizar as mensagens para usuários individuais com base no comportamento, contexto e preferências. Pode gerar múltiplas variações de texto ou recursos visuais e influenciar campanhas para se adequarem a diferentes pontos de contato na jornada do cliente. Isso, combinado com modelos de machine learning que preveem a intenção ou o engajamento do usuário, permite uma publicidade mais adaptável e responsiva.

À medida que as ferramentas de IA Generativa se tornam mais integradas aos fluxos de trabalho diários de publicidade, o ecossistema é forçado a repensar o que significam eficiência, escala e relevância. Eficiência significa automatizar as decisões de marketing, acelerar os ciclos de iteração e aumentar as tarefas humanas. A escala inclui a capacidade de gerar milhares de variações de conteúdo personalizadas e adaptadas a diferentes públicos, regiões e contextos, sem aumentos lineares no custo. Relevância é sobre usar mais dados para criar mensagens que se alinhem à intenção e ao comportamento atuais de uma pessoa.

Dito isso, implantar IA Generativa em grande escala na publicidade não é apenas sobre conectar um LLM ou uma ferramenta criativa — requer planejamento cuidadoso, infraestrutura e alinhamento operacional. Isso envolve:

1. Definir os casos de uso estratégicos que terão um impacto claro e de alto valor para sua organização.

2. Estabelecer a infraestrutura certa – esta base segura é fundamental para garantir o suporte tanto aos fluxos de experimentação quanto aos de produção:

3. Estabelecer uma base de dados, pois são os dados que tornam a GenAI útil e fundamentada.

4. Criar ou conectar-se a recursos modulares para dividir a GenAI em recursos reutilizáveis e combináveis em todo o ciclo de vida do anúncio/conteúdo.

5. Implantar agentes para automatizar tarefas, especialmente para workflows de várias etapas e lógica incorporada para adaptação contextual.

6. Configurar a avaliação que medirá a acurácia dos outputs e ter maneiras de melhorar as respostas do agente.

7. Configurar governança e proteções: Defina como e quando a IA Generativa é usada entre as equipes.

No entanto, com a estrutura certa e um processo iterativo, isso pode trazer vários benefícios para as organizações que buscam tomar decisões mais inteligentes e orientadas por dados, especialmente ao entregar a mensagem certa para a pessoa certa na hora certa. Ela pode otimizar diversos casos de uso, desde produção de criativos, automação do fluxo de trabalho de campanhas, mensagens hiperpersonalizadas, posicionamento de conteúdo sensível ao contexto, correspondência entre palavra-chave e criativo, segmentação robusta de público, até mensuração de campanhas em andamento & otimização dinâmica de orçamento. Os casos de uso só aumentam à medida que as organizações continuam a adotar e aprender.

Como o Databricks viabiliza a GenAI na publicidade?

• Plataforma de dados unificada (Arquitetura Lakehouse) - Os anunciantes podem reunir dados primários (por exemplo, CRM, comportamentais, de desempenho de campanha), dados de terceiros, metadados de conteúdo etc., de forma limpa e governada, e usar esses mesmos dados para treinar, fazer o ajuste fino ou consultar LLMs.
• Parcerias no ecossistema de publicidade - A Databricks trabalha com uma ampla gama de parceiros de tecnologia e soluções. Além dos dados 1PD, os anunciantes podem colaborar em dados de segunda e terceira parte por meio de uma Databricks Clean Room ou adicionar fontes de dados adicionais pelo Databricks marketplace ou por delta shares diretos.
• Conectividade do Ecossistema de IA - O Databricks também se integra a ferramentas como o LangChain e permite fluxos de trabalho híbridos usando modelos de IA comerciais e abertos. O Gateway de IA do Databricks atua como uma camada de proxy que fica entre suas aplicações do Databricks e as APIs de LLM externas que você queira chamar. A Databricks também tem parcerias com OpenAI, Anthropic, Google, Meta, etc., o que permite que seus modelos sejam disponibilizados nativamente na Databricks.
• Acesso e personalização de LLMs - As equipes de publicidade geralmente precisam de modelos ajustados às suas necessidades específicas. A Databricks permite que você comece com modelos de IA existentes e, em seguida, faça o ajuste fino com seus próprios dados. Esta é a base da “Data Intelligence”.
• Geração Aumentada por Recuperação (RAG) e Busca Vetorial - O Databricks oferece suporte a ferramentas de busca vetorial e recuperação para que seu modelo de IA tenha acesso a conteúdo ou dados relevantes e recentes.
• Disponibilização e Operacionalização de Modelos (LLMOps, Monitoramento, Governança) - A Databricks oferece endpoints de disponibilização de modelos, monitoramento integrado e ferramentas como o MLflow para acompanhar experimentos e desempenho de modelos, permitindo garantir saídas seguras para aderir a regulamentos e diretrizes rigorosos.
• Frameworks de agentes e ferramentas - O Framework de Agentes permite criar agentes que podem orquestrar a extração de dados, chamar modelos, aplicar ferramentas, injetar lógica e garantir que as políticas sejam aplicadas. Isso ajuda as equipes de publicidade a automatizar uma parte maior do processo de ponta a ponta.
• Funções de SQL + IA para usuários de negócios - O suporte a funções de IA permite que os usuários de SQL incorporem chamadas de modelo ou tarefas de geração diretamente nos fluxos de trabalho SQL — por exemplo, resumir textos, fazer análise de sentimento e correspondência de similaridade no SQL. Isso reduz a barreira para analistas de marketing ou de operações de campanha.

Em blogs futuros, colocaremos isso em prática, destacando duas soluções principais criadas por nossa equipe de Field Engineering da Databricks: uma que utiliza agentes de IA para potencializar o conteúdo contextual & o posicionamento de anúncios e outra que utiliza agentes de IA e RAG multimodal para viabilizar a personalização avançada de anúncios & criativos de alta qualidade em escala. Ambos são casos de uso extremamente relevantes para o setor, pois estão diretamente ligados à experiência do cliente.

(This blog post has been translated using AI-powered tools) Original Post