Essa edição da newsletter é sobre AI decisioning, o que é e as oportunidades que traz para profissionais de CRM, Marketing s Afins!
Espero que vocês gostem.
Passei boa parte da minha carreira construindo "máquinas de envio de emails" muito boas. Régua de comunicação, deduplicação, supressão, entregabilidade, base unificada. Em um dos projetos, sete milhões de perfis de clientes em vinte mercados e oito idiomas, unificados para ativação. Com tudo aquilo rodando, se você me perguntasse o que a empresa deveria dizer para uma cliente específica numa terça de manhã, a resposta honesta seria: o que estivesse agendado para aquela semana.
Eu levei tempo para entender que isso não era limitação de ferramenta e nunca foi. Era uma camada inteira que ainda não tinha sido construída e sua falta nem foi notada porque a máquina de envio continuava entregando os números do mês.
A terça-feira de manhã
Uma cliente abandonou o carrinho no app quarenta minutos atrás, na etapa de pagamento. Agora ela manda uma mensagem no WhatsApp da marca. Nessa única tela existem seis coisas que a marca poderia fazer: responder a dúvida que ela mandou, retomar o carrinho com o item guardado, empurrar a campanha da semana, avisar que o cashback expira em três dias, pedir avaliação da compra anterior, ou não fazer nada.
Acaba ganhando a campanha da semana, ou a jornada que já estava construída com automação if/then. Mas, muitas vezes, ninguém comparou as seis opções, e ninguém escolheu entre elas naquele momento. A escolha foi feita meses antes, por alguém que, de repente nem estava pensando nessa terça. O pessoal da newsletter MarTech Square chama isso de default decisions, as escolhas que seus sistemas tomam por inércia e que valem como decisão quer alguém as trate assim ou não.
O que decisioning é (e o que não é)
Decisioning é a camada que escolhe. Ela fica entre o dado (CDP, data warehouse, base de CRM) e o canal (e-mail, push, app, WhatsApp, atendente humano). A pergunta que ela resolve tem quatro partes, e todas as quatro precisam estar preenchidas para que exista decisão: uma pessoa identificada, um momento com contexto, um conjunto de ações que competem entre si, e um objetivo declarado que define qual delas vence.
Faça o teste com qualquer coisa que sua operação está rodando hoje. Se falta a pessoa identificada, você tem um segmento. Se falta o momento, você tem um calendário. Se falta a competição entre ações, você tem uma campanha com mecanismo de entrega. Se falta o objetivo, você tem atividade.
A diferença estrutural em relação a tudo que a gente já faz está no que fica fixo e no que varia. Na campanha, a mensagem é "fixa" e o público é a variável, e você acerta encontrando as pessoas certas para algo que já decidiu enviar. Na decisão, o cliente e o momento são fixos e a ação é a variável, e você acerta escolhendo dinamicamente entre opções que não pré-selecionou. Qualquer operação madura de CRM no Brasil consegue disparar em massa numa data marcada. Poucas conseguem responder o que dizer para um consumidor cujo comportamento fica fora desse calendário.
Vale separar decisioning de quatro coisas com que ele é confundido o tempo todo. Segmentação é uma foto do banco de dados atualizada periodicamente, e a lógica dela é histórica, não situacional. Personalização, na prática de mercado, costuma ser segmentação bem vestida: mensagens diferentes para baldes diferentes de gente. Orquestração de jornada coordena os pontos de contato, mas continua pressupondo uma jornada desenhada antes do cliente aparecer. Automação de campanha automatiza o calendário, e não a escolha. Nenhuma das quatro é degrau para decisioning.
Por que os programas travam
O primeiro obstáculo é que o sinal chega incompleto. Scott Brinker resume bem: não importa quão sofisticado seja o modelo, se os eventos são incompletos, atrasados ou inconsistentes, você está entregando um retrato parcial para a IA e esperando decisão completa. Some a isso identidade fragmentada. Num episódio do podcast Making Sense of Martech, Juan Mendoza relata ter conversado num evento com um profissional cuja empresa rodava seis identidades diferentes entre ambiente logado, CRM e CDP. Embora isso seja apenas um relato e não um levantamento, eu acredito que isso ainda assim descreva uma situação (ainda) comun.
O segundo é estrutural, e na minha experiência é o que mais mata projetos. A decisão não tem dono. Marketing é dono das mensagens e das ofertas, produto é dono das propostas e da economia delas, risco é dono da elegibilidade, analytics é dono dos modelos e tecnologia é dona dos sistemas. Todo ingrediente tem um responsável com nome e sobrenome, e a decisão em si não tem nenhum. Por isso o programa fica preso em fórum de governança e as vezes é resolvido por senioridade dentro da empresa, e não por valor para o cliente.
O terceiro aparece agora, com agentes de IA no atendimento. Allen Martinez descreve bem o buraco: o CDP consegue dizer ao agente quem é o cliente, e não consegue dizer o que aquele agente está autorizado a se comprometer em nome da empresa (pensando em compras B2B, por exemplo). A proposta dele é uma camada de autorização, rodando antes de qualquer ação chegar ao cliente, com três categorias de regra. Permissões, o que o agente pode fazer sozinho e sob quais condições. Obrigações, o que ele sempre precisa fazer quando certo gatilho acontece. Proibições, o que ele nunca faz, independente de pressão por resultado.
O quarto é onde o Brasil se distingue, e não para melhor. Oitenta e três por cento das marcas brasileiras tratam IA como um complemento plugado em base legada, e apenas dezessete por cento construíram um motor nativo de decisão em tempo real. Oitenta e sete por cento ainda revisam manualmente todo resultado que a IA produz, a maior taxa de supervisão humana entre todas as regiões pesquisadas. A gente adotou IA em massa e continuou pagando o custo operacional inteiro na mão.
Por que o Brasil pode ser um bom lugar para resolver isso
O consumidor brasileiro parece ser bem receptivo. Setenta e um por cento dos consumidores no país valorizam muito ofertas personalizadas e recomendações, e quarenta e nove por cento querem recompensa integrada à carteira digital, num mercado que lidera a adoção de carteira e PIX no mundo. A receptividade não é o problema, mas a (falta) da camada de escolhe é.
E existe prova local de que funciona. A Lu do Magalu, com cérebro próprio de voz, imagem e texto rodando nativamente no WhatsApp, atendeu 4,5 milhões de usuários únicos em cinco meses e gerou R$ 28 milhões em vendas com mais de 96 mil transações em 150 dias, com taxa de conversão três vezes maior que a do app nativo da própria empresa.
E sobre IA e decisioning, vale um contrapeso. O Stanford AI Index, citado por Rio Longacre, mostra que a implantação real de agentes de IA segue na casa de um dígito em quase toda função corporativa. Quase ninguém executou ainda.
Metodologia para ajudar com decisioning
Você pode usar 4 pontos da minha metodologia pode ajudar a criar a camada de decisão que pode ajudar:
- Explore: Mapeie onde as decisões estão sendo tomadas hoje, sem o filtro do que você gostaria que fosse verdade. Quem escolhe o que aparece na home do app, na resposta do WhatsApp, no e-mail da semana. Liste as escolhas que estão congeladas há meses e ninguém revisou.
- Engage: Resolva o vazio de dono. Sente marketing, produto, risco, analytics e tecnologia na mesma mesa e saia de lá com uma pessoa responsável pela decisão em si, não pelos ingredientes dela.
- Exchange:Trate identidade, consentimento e LGPD como trabalho de marketing. Defina o que o motor tem permissão de usar e o que um agente está autorizado a prometer, com rastreabilidade. Sem essa camada, escala vira exposição.
- Evolve: Construa competência portátil. Como eu já disse, quem se torna certificado numa plataforma em vez de formado na disciplina pode perder o capital intelectual inteiro na próxima migração. A lógica de decisão que você entende é sua.
O que muda na terça-feira
Comece com um dos passos acima, ou cubra todos eles. Voltando ao cenário fictício acima, aquela mesma cliente recebe a resposta da dúvida dela, e o carrinho volta depois, quando o atrito que a travou já foi resolvido. A campanha da semana continua existindo, e passa a competir com as outras opções em vez de vencer por ausência de concorrência.
O que mudou não foi a ferramenta. Foi quem decide, e o fato de existir alguém decidindo.
Essa é a parte que me interessa mais no assunto, e é por isso que eu acho que decisioning é uma competência de arquitetura de marketing daqui pra frente. E não é sobre configurar melhor, mas sim sobre desenhar a lógica que a organização inteira consulta antes de falar com alguém. E quem melhor do que um profissional de CRM, Marketing e Afins pra isso?
Me conta qual dos quarto Es está travando mais por aí. É só responder este e-mail.
Referências
- MarTech Square, What Is a Customer Decision?, 17 de agosto de 2026 (publicação original no Customer Decisioning Guild em 15 de agosto de 2026), customerdecisioningguild.com.
- Scott Brinker, em declaração a Shana Haynie, The Data Reality Check: AI is only as smart as the signals behind it, MoEngage Customer Engagement Magazine, Issue 1, julho de 2026.
- Juan Mendoza, Making Sense of Martech (série Office Hours), episódio Dirty Data Everywhere, 20 de abril de 2026. Relato de terceiro colhido em evento, não pesquisa.
- MarTech Square, What Is a Customer Decision?, agosto de 2026. No original: "Every ingredient has an owner. The decision has none."
- Allen Martinez, Delegated authority is the missing layer in the AI martech stack, MarTech.org, abril de 2026. Framework POP (Permissions, Obligations, Prohibitions).
- MoEngage, State of AI in Customer Engagement in LATAM, 2026.
- Tudo Sobre Incentivos e Vertem, Tendências de fidelização e engajamento 2025, com dados Comarch, p. 160.
- PHDX e WARC, From Abundance to Agents, julho de 2026, pp. 85 e 88.
- Stanford AI Index, citado por Rio Longacre em We Passed the Turing Test and Went Back to Work, Signal & Noise, 2026, signalandnoise.ai.
- MarTech Square, 10 de novembro de 2025 e 19 de janeiro de 2026.[14] MarTech Square, The Customer Decisioning Vacuum. A série completa Customer Decisioning Blueprint, de Pawan Deshpande e Satya Upadhyaya, saiu em sete partes entre 17 de novembro de 2025 e 5 de janeiro de 2026.
Você recebeu este email porque se inscreveu no meu site sobre CDP para profissionais de CRM ou através da minha newsletter The Experimental Marketer. Para se descadastrar dessa newsletter, use o link abaixo.
