Por Lorenzo Nicodemo, head of publisher acquisition da MGID para América Latina.
A publicidade digital passou boa parte de sua história tentando medir atenção com uma única métrica: o clique, ou “pageview”. O primeiro banner da web, em 1994, atingiu 44% de CTR. Em 2003, a taxa era de 0,6%. Hoje, menos de 0,1%. O modelo que transformava tráfego em receita perdeu sustentação, e a chegada da inteligência artificial acelerou essa ruptura. A IA já entrou na rotina da indústria editorial. Ela ajuda a produzir, revisar e distribuir conteúdo, analisar dados, identificar tendências e automatizar tarefas. Mas existe uma diferença importante entre utilizar inteligência artificial e reorganizar uma empresa a partir dela, resumida em dois conceitos: AI Enabled e AI Driven.
Uma empresa AI Enabled incorpora ferramentas de IA à operação para ganhar produtividade ou acelerar processos. Já uma companhia AI Driven parte de outra premissa: processos, dados, produtos, governança e modelos de receita passam a ser pensados considerando que a IA já faz parte do negócio. A tecnologia deixa de ser apenas uma ferramenta e passa a influenciar como a organização opera e cria valor.
Para a indústria editorial, essa diferença é especialmente relevante porque a IA não está apenas mudando a produção de conteúdo. Ela está alterando a relação entre conteúdo, audiência, distribuição e monetização. E, quando essa relação muda, surge uma pergunta fundamental: o que, exatamente, estamos vendendo?
Dados apresentados por Marcos Sanchez, CTO e CPO da Exame, durante a edição deste ano do MGID Publishers Day, ajudam a dimensionar a transformação. Levantamento feito pela SparkToro, com base em informações de clickstream da Similarweb, 68% das buscas no Google terminam sem um clique, enquanto a taxa de clique de uma resposta gerada por IA para a fonte seria de 4%, contra 19% na busca tradicional. Segundo o Relatório de Bots Maliciosos 2026 da Thales, 53% do tráfego da web é automatizado via bot). O que muda, portanto, não é apenas o volume de tráfego, mas a própria jornada de descoberta do conteúdo.
No ambiente generativo, existe uma camada adicional para fazer com que seu conteúdo seja reconhecido como fonte relevante e utilizado em uma resposta. É a lógica por trás do GEO, ou Generative Engine Optimization. Enquanto o SEO está relacionado a posicionamento, palavras-chave, links e tráfego, o GEO considera também capacidade de citação e visibilidade em ambientes de IA. A consequência vai além de uma nova disciplina de otimização: é uma transformação na economia da atenção.
Essa mudança exige compreender quem acessa o conteúdo, o que esse agente consome e qual é o valor daquela interação. Dependendo do caso, a resposta pode ser permitir o acesso, restringi-lo, licenciá-lo, otimizá-lo ou bloqueá-lo. E é nesse ponto que AI Enabled e AI Driven deixam de ser conceitos abstratos. Sanchez relatou, por exemplo, que a Exame identificou cerca de 180 ferramentas de IA utilizadas internamente. O número demonstra a velocidade de adoção, mas também evidencia o desafio de transformar iniciativas isoladas em processos estruturados.
Ao substituir o uso isolado de IA por uma operação organizada em três eixos sob governança: eficiência dos fluxos da redação e do negócio, integração de dados e novas receitas habilitadas por tecnologias, a Exame tornou-se um exemplo claro de Publisher AI Driven. Na esteira editorial, a IA passou a atuar da captação à monetização, com política de IA, LGPD, ferramentas homologadas e papéis claros.
Na experiência apresentada, a IA já aparece em diferentes etapas da operação editorial, do monitoramento de tendências à revisão, distribuição e análise de tráfego. O ponto mais relevante é que essa transformação não depende necessariamente de grandes estruturas de tecnologia. Publishers já possuem ativos que podem ser combinados de novas maneiras: conteúdo, audiência, conhecimento especializado, relacionamento com empresas, eventos, comunidades e propriedades digitais.
Para isso, entretanto, é necessário conectar os dados. Audiência, CRM, sistemas comerciais, dados editoriais e comportamento de consumo precisam conversar para que a organização identifique padrões e tome decisões. Na experiência da Exame, essa integração envolve ERP, CRM e Data Lake e permite uma visão mais ampla dos diferentes públicos e produtos.
Para a publicidade, isso pode significar uma mudança importante. Quanto melhor um publisher entende seus públicos e os contextos em que eles interagem com a marca, mais condições existem para desenvolver produtos comerciais que não dependam exclusivamente de volume de tráfego. O valor passa a estar também na qualidade do relacionamento e na capacidade de construir soluções relevantes para anunciantes.Há, ainda, uma condição para que essa transformação seja sustentável: governança. A adoção da IA tende a ser mais rápida do que a criação de regras para administrá-la. Quando cada área escolhe suas próprias ferramentas, surgem riscos relacionados a dados, segurança, qualidade e conformidade.
O case da Exame mostra que a resposta inclui política formal de IA, ferramentas aprovadas e regras para uso de dados e responsabilidades. O mesmo princípio vale para eficiência: antes de automatizar, é preciso entender o processo existente. Um baseline permite comparar custo, tempo, qualidade e resultado depois da implementação.
Essa é a diferença entre ser AI Enabled e ser AI Driven: aumentar a capacidade de fazer o que já fazemos ou repensar processos, conectar informações, criar produtos, estabelecer governança e redefinir onde o publisher pode gerar valor. Para uma indústria cuja sustentabilidade depende da capacidade de transformar conteúdo e relacionamento com a audiência em valor, fazer da inteligência artificial parte da arquitetura do negócio é o próximo passo dessa transformação. Para isso, é preciso entender que ser AI Driven não é sobre a IA, mas sobre a organização que se constrói em volta dela.