2025: O Ano em que o Marketing Digital Virou Ciência da Computação

A Semana que Mudou Tudo

Entre 20 e 22 de maio de 2025, o Google realizou seus dois eventos mais importantes do ano: Google I/O (terça e quarta) e Google Marketing Live (quarta). Mais de 130 anúncios. De modelos fundamentais a features de produto. De infraestrutura de AI a formatos de anúncio.

Eu cobri os dois eventos em detalhe nos artigos anteriores desta série. Este terceiro artigo não é sobre o que foi anunciado — é sobre o que esses anúncios significam juntos.

Porque vistos isoladamente, cada um parece uma atualização incremental. Vistos em conjunto, contam a história de uma mudança de paradigma que aconteceu em 72 horas.

A Tese Central: O Marketing Está sendo Reescrito como um Problema de Engenharia

O Google não está "adicionando AI ao marketing". O Google está reescrevendo marketing como um problema de ciência da computação — e vendendo a solução como produto.

Pense nisso:

AI Max não é "um novo tipo de campanha" — é um algoritmo de matching entre intenção do usuário e conteúdo do anunciante, otimizado por reinforcement learning
Smart Bidding Exploration não é "um novo ajuste de lance" — é um algoritmo de exploração vs. explotação clássico da teoria da aprendizagem
Asset Studio não é "um editor de criativos" — é um pipeline de geração de conteúdo onde o prompt é a matéria-prima e o modelo é a fábrica
Marketing Advisor não é "um chatbot de ajuda" — é um agente autônomo que navega pela web, diagnostica problemas e executa ações

Cada "produto" anunciado no GML é, na verdade, uma aplicação de pesquisa em AI/ML aplicada a um problema de marketing. O Google não está escondendo isso — está dobrando a aposta.

Os 3 Pilares da Nova Era

1. Targeting: De Palavras-chave a Embeddings

O targeting sempre foi baseado em símbolos discretos: palavras-chave, segmentos demográficos, listas de remarketing.

O novo paradigma é baseado em espaços contínuos de representação:

AI Max não encontra "pessoas que pesquisaram 'tênis de corrida'" — encontra pessoas cuja intenção de busca está semanticamente próxima do seu conteúdo
AI Mode não segmenta por "homens de 25-34" — segmenta por contexto de navegação em tempo real
Smart Bidding Exploration não otimiza para "conversões com ROAS > 3" — otimiza para valor esperado em um espaço de ação contínuo

Implicação prática: Profissionais que pensam em targeting como "escolher keywords" estão usando um modelo mental de 2005. O targeting de 2025 é um problema de alinhamento embedding-usuário, não de correspondência termo-documento.

2. Criativos: De Arte Final a Generative Pipeline

A produção de criativos sempre foi um gargalo humano: um designer faz, o copy revisa, o gestor aprova, e depois de 3 dias o anúncio vai ao ar.

Com Asset Studio, Veo no Google Ads, e Product Studio no Merchant Center, o pipeline muda para:

Estratégia criativa definida por humanos
Execução gerada por modelos (centenas de variações em minutos)
Teste A/B contínuo orquestrado por AI
Otimização dinâmica baseada em performance em tempo real

O papel do profissional de criação não desaparece — mas migra de "fazer" para "definir o espaço de busca". Você não cria o anúncio final. Você cria os parâmetros dentro dos quais a AI gera e testa.

Isso é análogo ao que aconteceu na engenharia de software com a arrival de código gerado por AI: o programador não escreve mais cada linha — ele revisa, valida e orquestra.

3. Mensuração: De Último Clique a Atribuição Bayesiana

A mensuração sempre foi sobre atribuir crédito. Último clique, first click, linear, time decay — todas são heurísticas para um problema fundamentalmente insolúvel (atribuição causal em sistemas complexos).

O Google está migrando para:

Incrementality Testing com abordagem bayesiana
Modeled Measurement: substituição de dados perdidos (pós-cookies) por estimativas probabilísticas
Primeira-party data como sinal de bidding: seus dados viram features do modelo de leilão

O que não muda: a necessidade de setup de tracking correto. Se seu tracking é poroso, seus dados de conversão são ruído — e modelos treinados em ruído produzem decisões ruins, não importa o quão sofisticados sejam.

O Profissional Highticket em AI Ops

Se você está lendo este artigo e pensa "isso é sobre ferramentas, não sobre mim", você está perdendo o ponto. Este artigo é diretamente sobre você.

O profissional de marketing que vai prosperar nos próximos 5 anos não é o que entende de funil ou de branding. É o que entende de sistemas.

O que um profissional de AI Ops precisa saber agora:

Engenharia (mínimo):

Como modelos de embedding funcionam (o suficiente para entender AI Max)
Como agentes de IA são orquestrados (o suficiente para entender Marketing Advisor)
Como pipelines de dados são estruturados (o suficiente para auditar tracking)

Estratégia:

Como definir objetivos que modelos podem otimizar (reward functions)
Como desenhar experimentos que geram aprendizado (não apenas "testar A vs. B")
Como comunicar resultados de sistemas black-box para stakeholders

Liderança:

Como orquestrar times híbridos (humanos + agentes)
Como definir processos que equilibram autonomia da AI com supervisão humana
Como construir confiança em sistemas que você não controla totalmente

O profissional que domina esses três eixos não será substituído por AI. Será o orquestrador da AI.

O Risco Real: Falso Otimismo

Não quero soar ufanista. Há riscos reais que precisam ser nomeados.

Risco 1 — Caixa-preta demais. AI Mode, AI Max, Smart Bidding — todos são sistemas que o Google controla completamente. O advertiser fornece input e recebe output, sem visibilidade do que acontece no meio. Isso é aceitável enquanto a performance sobe. Quando cai, você não tem ferramentas para diagnosticar.

Risco 2 — Dependência de plataforma. Quanto mais você migra para PMax + AI Max + Demand Gen, mais seus dados e sua performance ficam reféns do ecossistema Google. Diversificar canais (Meta, TikTok, Amazon, Linkedin) não é opcional — é hedge estratégico.

Risco 3 — Commoditização da função. Se AI Max gera targeting automaticamente, Asset Studio gera criativos automaticamente, e Google Ads Expert otimiza lances automaticamente, qual é o valor do profissional de mídia? A resposta está no parágrafo anterior: orquestração, estratégia e validação. Mas se você ainda está no nível operacional (criar campanha, ajustar keyword, baixar report), você precisa subir de nível rápido.

Risco 4 — Privacidade e regulação. Com o Google usando mais dados first-party e sinais comportamentais para alimentar modelos de bidding, o escrutínio regulatório vai aumentar. A Europa já está de olho. O Brasil (LGPD) não fica atrás. Profissionais que ignoram compliance vão queimar budgets e reputações.

O Framework para Decisões nos Próximos 12 Meses

Curto Prazo (Q3 2025)

Ative AI Max em pelo menos uma campanha de Search para benchmark
Configure channel reporting no PMax para entender onde seu budget está indo
Teste Asset Studio para variações de criativos em escala
Revise tracking: dados first-party organizados são pré-requisito para tudo que vem
Mapeie dependências: quanto do seu budget está em canais não-Google?

Médio Prazo (Q4 2025 — Q1 2026)

Estruture teste de Smart Bidding Exploration com ROAS flexível
Prepare produção de vídeo como asset core (não mais "extra")
Avalie agentes do Google Ads para automatizar reports e diagnósticos
Construa dashboard que cruza dados de múltiplos canais (para mitigar risco 2)
Desenhe processo de revisão de decisões tomadas por AI (human-in-the-loop)

Longo Prazo (2026+)

Defina estratégia de marketing multi-agente (Google + Meta + TikTok + Search orgânico)
Invista em diferenciação por qualidade de conteúdo (para performar em AI Overviews posições orgânicas)
Construa time com perfil híbrido (marketing + engenharia)
Desenvolva frameworks próprios de atribuição que não dependam 100% de dados do Google

O Fechamento

O Google I/O e o Google Marketing Live de 2025 não foram sobre o Google. Foram sobre um sinal.

O sinal de que a indústria de marketing digital está sendo reescrita de baixo para cima. Não por novas ferramentas, mas por um novo modelo mental: o de que marketing é um problema de otimização em sistemas complexos, e que a AI é o motor de computação que torna essa otimização possível em tempo real.

Os profissionais que entenderem isso — não no nível do discurso, mas no nível da prática diária — vão liderar a próxima década.

Os que esperarem para ver "no que dá" vão acordar em 2027 perguntando "o que aconteceu?".

A resposta vai ser: aconteceu em maio de 2025. Você só não percebeu.

Marcos Luciano é AI Lead na V4 Company. Esta é a terceira parte de uma série especial sobre Google I/O e Google Marketing Live 2025. Parte 1: Google I/O 2025 — O Despertar da IA Universal. Parte 2: Google Marketing Live 2025 — O Search que Você Conhecia Mudou.