As Vitórias de IA Agêntica da Bayer e da Zoom Ainda Precisam de Comprovação

A Bayer e a Zoom levaram o marketing agêntico ao Google News, apesar de uma lacuna crescente entre pilotos promissores e resultados de negócios verificados de forma independente. Seus ganhos relatados se concentram em tarefas operacionais pouco glamorosas, incluindo revisões de conformidade, atualizações de CRM, lances de campanha e coordenação com parceiros.

Esse foco importa porque desafia a versão mais ruidosa da promessa da IA agêntica. Essas empresas não estão entregando departamentos inteiros de marketing a sistemas autônomos. Elas estão aplicando agentes a processos delimitados, nos quais entradas, permissões e resultados esperados podem ser definidos.

Portanto, a principal disputa não é entre humanos e máquinas. É entre automação controlada de fluxos de trabalho e a promessa do marketing autônomo. Bayer e Zoom sugerem que a primeira abordagem já está gerando valor, enquanto a segunda continua mais difícil de validar em escala empresarial.

O Que Bayer e Zoom Realmente Mudaram

A mudança notável é sair do uso da IA para criar conteúdo e passar a permitir que ela mova o trabalho por sistemas operacionais.

O relato da ADWEEK sobre marketing agêntico no Cannes Lions descreveu as marcas como mais cautelosas do que agências, empresas de mídia e fornecedores de tecnologia publicitária. Enquanto fornecedores promoviam lançamentos ambiciosos de agentes, as marcas concentravam-se em fluxos de trabalho internos com gargalos mensuráveis.

A publicação afirmou que a Zoom estava usando agentes para automatizar atualizações de CRM. Isso permite que profissionais de marketing dediquem mais tempo à estratégia e às decisões criativas, segundo um resumo sobre IA agêntica compartilhado pela ADWEEK.

A automação de CRM é um caso de uso restrito, mas relevante. Um CRM, ou sistema de gestão de relacionamento com clientes, registra interações com potenciais clientes e clientes. Seu valor diminui quando funcionários deixam registros incompletos, atrasados ou inconsistentes.

Um agente pode extrair detalhes relevantes de uma reunião, classificar a interação e propor uma atualização. Também pode conectar a conversa a tarefas de acompanhamento. O fluxo de trabalho se torna agêntico quando o software avalia o contexto e toma ações permitidas entre sistemas, em vez de apenas gerar texto.

O caso de uso relatado da Bayer aborda uma fonte diferente de atrito. A empresa está aplicando agentes a aprovações de marketing com forte exigência de conformidade e ao alinhamento de indicadores de desempenho com parceiros externos de mídia.

Esse trabalho envolve riscos maiores do que redigir uma publicação para redes sociais. Promoções farmacêuticas e relacionadas à saúde passam por revisões jurídicas, regulatórias, médicas, de marca e de mercado. Uma alegação omitida ou um requisito desatualizado pode gerar consequências que vão além do desempenho da campanha.

O valor potencial do agente vem da coordenação dessas verificações. Ele pode identificar informações ausentes, encaminhar ativos ao revisor correto, comparar materiais com regras estabelecidas e manter um registro das decisões.

Nenhum dos casos representa uma operação de marketing totalmente autônoma. Humanos ainda definem as regras, mantêm controles de acesso, revisam exceções e permanecem responsáveis pelo trabalho publicado.

Essa limitação também é a descoberta mais importante. Bayer e Zoom estão relatando valor onde os agentes operam dentro de fluxos de trabalho delimitados. Elas não apresentam evidências de que um sistema de IA possa definir estratégia de forma independente, criar uma campanha, aprová-la, implantá-la e avaliar seus efeitos mais amplos sobre a marca.

A distinção frequentemente desaparece nas manchetes do Google News porque “agêntico” pode descrever vários níveis de autonomia. Um sistema que recomenda uma entrada de CRM e aguarda aprovação difere significativamente de outro que edita registros de clientes sem revisão.

O mesmo se aplica à Bayer. Uma ferramenta que reúne evidências de conformidade não equivale a um agente autorizado a aprovar uma alegação de saúde.

Essas implementações ainda importam. Elas deslocam a IA de uma assistente opcional nas margens do trabalho para o caminho operacional que determina se o trabalho será concluído. No entanto, também mostram que a adoção empresarial começa com ações rigorosamente governadas.

Por Que o Atrito nos Fluxos de Trabalho se Tornou o Primeiro Alvo

As equipes de marketing estão adotando agentes onde os custos de coordenação são visíveis, repetitivos e caros o bastante para justificar o trabalho de integração.

Campanhas modernas passam por muitos sistemas especializados. As equipes usam aplicações separadas para registros de clientes, compra de mídia, análises, gestão de conteúdo, aprovações e relatórios. As informações precisam circular entre essas aplicações antes que uma campanha alcance o público.

Essa fragmentação cria um ambiente favorável para agentes. Um agente pode interpretar informações menos estruturadas, decidir qual etapa vem a seguir e acionar uma ferramenta aprovada. A automação tradicional frequentemente falha quando uma entrada varia ou uma decisão exige contexto.

A oportunidade atraiu empresas que desenvolvem camadas de orquestração sobre softwares de marketing existentes. A Gradial, por exemplo, descreve seu produto como um sistema operacional por meio do qual agentes executam trabalho em plataformas como Adobe, Salesforce, ServiceNow e Databricks.

Em junho de 2026, a Gradial anunciou uma rodada de financiamento vinculada a esse modelo. A Axios informou que os clientes da empresa incluem AWS, Prudential, T-Mobile, Vanguard, Kaiser Permanente e U.S. Bank.

A reportagem também citou uma alegação particularmente forte de um cliente. A T-Mobile afirmou ter reduzido o tempo de execução de campanhas em 80% a 90%, com uma taxa de precisão relatada de 99%, usando a tecnologia da Gradial. Esses números vêm das empresas envolvidas e exigem a mesma cautela aplicável a outros estudos de caso de fornecedores.

Ainda assim, o modelo de fluxo de trabalho de marketing ajuda a explicar por que empresas regulamentadas parecem estar entre as primeiras adotantes. Seus fluxos de trabalho incluem muitas regras, aprovações e exigências de documentação. Essas restrições dão a um agente limites mais claros do que uma estratégia de marca aberta.

O processo de aprovação da Bayer se encaixa nesse padrão. Seus agentes podem potencialmente aplicar políticas conhecidas de forma repetida, enquanto escalam casos ambíguos. A empresa pode examinar se o sistema reduziu o tempo de revisão ou evitou omissões sem afirmar que a IA substituiu o julgamento humano.

A Bayer já vinha construindo uma operação criativa mais mensurável antes da mais recente discussão sobre agentes. A empresa usa CreativeX para avaliar ativos digitais em relação a práticas definidas e compartilhar os resultados com agências.

Segundo a Digiday, a Bayer elevou a participação de criativos digitais cobertos por sua medição de qualidade de cerca de 20% para 70% em aproximadamente um ano. A empresa também instruiu mercados e marcas a atingir 80% de seu padrão estabelecido de melhores práticas.

Esses são números relatados pela empresa, não provas independentes de crescimento das vendas. Ainda assim, eles mostram a base operacional necessária para fluxos de trabalho agênticos. Os agentes precisam de padrões documentados e feedback estruturado antes de poderem tomar decisões úteis.

Os líderes de marketing da Bayer também analisam painéis que conectam a qualidade criativa ao investimento em mídia. O processo sinaliza casos em que gastos substanciais sustentam materiais de menor qualidade.

Essa base torna a adoção de agentes menos misteriosa. A Bayer não está pedindo a um chatbot genérico que compreenda todas as dimensões da publicidade na área da saúde. Ela está inserindo IA em um sistema de pontuações, políticas, revisões e responsáveis que já existe.

A Zoom tem uma vantagem semelhante porque as conversas já ocorrem dentro de sua plataforma. Reuniões fornecem transcrições, participantes, carimbos de data e hora, decisões e tarefas atribuídas. Esse contexto pode apoiar atualizações de CRM e ações de acompanhamento sem obrigar usuários a copiar dados entre ferramentas.

A Zoom também expandiu o AI Companion com recursos agênticos. A empresa afirma que o sistema pode usar o contexto das reuniões para concluir tarefas no Zoom Workplace e em aplicações conectadas.

Seu roteiro de IA agêntica descreve uma progressão de resumos para ações. Isso cria uma rota direta entre uma conversa com o cliente e uma tarefa registrada de vendas ou marketing.

A pressão de curto prazo recai sobre fornecedores de software de marketing e agências que dependem de coordenação manual. Se as marcas conseguirem codificar decisões rotineiras e preservar registros de aprovação, elas esperarão que parceiros se integrem a esses fluxos de trabalho.

Elas também podem questionar modelos de serviço baseados em horas de trabalho gastas movendo informações entre sistemas. O agente não precisa substituir o trabalho estratégico para desafiar a economia da execução repetitiva.

O Google News Está Ampliando uma Vitória Mais Limitada da IA

A história das manchetes é o marketing autônomo, mas a realidade operacional é uma automação supervisionada estruturada em torno de transferências específicas.

O Google News pode fazer experimentos corporativos distintos parecerem evidência de uma transição ampla. Bayer, Zoom, agências de mídia e fornecedores de software usam o termo “agêntico”, mas seus sistemas não necessariamente compartilham as mesmas capacidades.

Uma definição útil é restrita. IA agêntica refere-se a software que consegue interpretar um objetivo, selecionar etapas e tomar ações permitidas com supervisão limitada. A quantidade de supervisão e o escopo da permissão determinam quanta autonomia o sistema realmente possui.

O exemplo de CRM da Zoom parece estar mais próximo de uma assistência orientada à ação do que de uma gestão de marketing independente. O sistema pode reduzir o esforço administrativo após conversas, mas os profissionais de marketing continuam responsáveis por decisões de público, posicionamento, julgamento criativo e relacionamentos com clientes.

O caso da Bayer é igualmente delimitado. Os agentes podem acelerar o encaminhamento de aprovações e comparar materiais com requisitos documentados. Eles não podem eliminar a necessidade de especialistas responsáveis quando a linguagem promocional envolve julgamento clínico, regulatório ou reputacional.

Esses limites não diminuem os projetos. Eles explicam por que os projetos têm um caminho plausível para a produção.

Agentes abertos enfrentam um problema de avaliação maior. Uma campanha pode melhorar uma métrica enquanto prejudica outra. Custos menores de aquisição podem vir acompanhados de menor qualidade de leads, frequência excessiva de mensagens ou queda na confiança de longo prazo na marca.

Um fluxo de trabalho operacional oferece testes mais claros. O agente preencheu os campos corretos do CRM? Enviou o ativo aos revisores adequados? Preservou a documentação exigida? Uma pessoa autorizada aprovou a ação final?

Essas perguntas produzem resultados observáveis. A estratégia de marca raramente oferece rótulos tão claros.

A experiência da Zoom com otimização de publicidade ilustra o apelo das decisões delimitadas. Metadados indicam que a Zoom usou seu Bid Agent para otimizar publicidade no LinkedIn e relatou uma redução de 77% no custo por clique, além de um retorno sobre investimento três vezes maior.

O caso de automação de lances foi publicado pelo fornecedor da tecnologia. Portanto, os resultados devem ser tratados como um estudo de caso de cliente, não como uma comparação controlada.

Ainda assim, os lances são bem adequados à assistência por máquina. O sistema recebe dados estruturados de campanha, opera dentro dos limites de orçamento e da plataforma e pode ser avaliado em relação a medidas de desempenho estabelecidas.

O risco é supor que o sucesso nos lances seja transferido diretamente para o restante do marketing. A otimização de mídia não resolve se uma mensagem é verdadeira, distinta, culturalmente apropriada ou útil para um cliente.

A experiência da Bayer torna essa tensão visível. A IA generativa aumenta a oferta de conteúdo, mas mais conteúdo não garante uma comunicação melhor.

A Digiday informou que a Bayer se preocupava em preservar uma dimensão humana à medida que a produção automatizada se expandia. Celine Baudin, da empresa, afirmou que a IA facilitou a criação de conteúdo, ao mesmo tempo que tornou mais difícil distinguir materiais relevantes.

A Bayer também citou dados da CreativeX que indicam que cerca de 45% dos anúncios de criadores na Meta não exibiam marca visível nos primeiros três segundos. Esse problema demonstra como a automação pode aumentar o volume de produção sem cumprir objetivos básicos de comunicação.

As conclusões sobre qualidade criativa apontam para um papel diferente dos agentes. Em vez de maximizar a produção, um agente pode inspecionar ativos, identificar lacunas de política ou qualidade e priorizar materiais para revisão humana.

Essa é a inversão central por trás da matéria do Google News. O marketing agentivo está se tornando crível ao restringir sua ambição.

Os sistemas mais defensáveis não afirmam substituir o profissional de marketing. Eles reduzem a carga de coordenação em torno das decisões que profissionais de marketing, equipes jurídicas, revisores médicos e líderes empresariais ainda precisam tomar.

Os Números Ainda Não Comprovam o Marketing Autônomo

A maior parte das evidências públicas vem de fornecedores e empresas participantes, enquanto medidas padronizadas do desempenho dos agentes continuam escassas.

Os estudos de caso disponíveis oferecem sinais encorajadores, mas não estabelecem que o marketing agentivo funcione de forma consistente entre organizações. Cada empresa tem qualidade de dados, permissões, processos, canais e definições de sucesso diferentes.

Os ganhos publicitários relatados pela Zoom vieram de um fluxo de trabalho específico de lances. Os números de cobertura criativa da Bayer refletem a expansão de um programa interno de medição. Os ganhos de execução relatados pela T-Mobile envolvem outro fornecedor e outro ambiente operacional.

Esses resultados não podem ser combinados em uma estimativa universal de retorno. Eles respondem a perguntas mais restritas sobre implementações individuais.

A atribuição cria outro problema. Quando uma campanha tem melhor desempenho após a introdução de um agente, várias variáveis podem ter mudado. As equipes também podem revisar orçamentos, segmentação, peças criativas, regras de aprovação ou práticas de relatório durante a implementação.

Sem uma linha de base apropriada, o agente pode receber crédito por melhorias produzidas em outro lugar. Um estudo de caso de fornecedor pode relatar com precisão a mudança observada, mas ainda ser incapaz de isolar sua causa.

A palavra “agente” também dificulta a comparação. Um produto pode fazer uma recomendação que uma pessoa aprova. Outro pode executar mudanças automaticamente dentro de limites definidos. Um terceiro pode coordenar vários modelos especializados e aplicações empresariais.

Chamar os três sistemas de agentivos oculta diferenças importantes em autonomia e risco. Compradores empresariais precisam perguntar o que o software pode ler, o que pode alterar e quando deve parar.

A auditabilidade é especialmente importante para a Bayer. Um sistema de aprovação precisa mostrar qual regra o agente aplicou, quais evidências revisou, qual versão de um ativo processou e quem autorizou a publicação.

Um resultado aparentemente correto não basta quando uma empresa precisa reconstruir o processo posteriormente. As equipes de marketing precisam de registros compreensíveis para as partes interessadas das áreas jurídica, de segurança, regulatória e de negócios.

A automação de CRM levanta suas próprias questões de governança. A transcrição de uma reunião pode conter informações confidenciais de clientes, dados pessoais, planos estratégicos ou declarações imprecisas. O acesso do agente deve corresponder à autorização do funcionário e à finalidade para a qual as informações foram coletadas.

Erros também podem se propagar. Uma classificação equivocada no CRM pode disparar um e-mail incorreto, alterar uma previsão ou influenciar a forma como outro funcionário trata o cliente.

A revisão humana continua valiosa quando um erro tem alto custo posterior. A questão prática de design não é se deve haver uma pessoa em cada ciclo. É onde a aprovação humana gera mais valor do que o atraso que provoca.

As equipes podem responder a essa questão classificando as ações de acordo com sua reversibilidade e consequência. Elaborar um resumo interno apresenta menos risco do que publicar uma alegação médica. Sugerir uma atualização no CRM é diferente de excluir ou sobrescrever um registro de cliente.

Os sistemas mais seguros concedem permissões restritas aos agentes, validam resultados antes da execução e escalam casos incertos. Eles também monitoram os resultados após a implementação, porque fluxos de trabalho, dados e regras externas mudam.

Essa carga de governança enfraquece a ideia de que os agentes simplesmente eliminam trabalho. Eles transferem parte do esforço da execução repetitiva para o design do sistema, a avaliação, o tratamento de exceções e a responsabilização.

Isso ainda pode ser uma boa troca. No entanto, os compradores devem incluir essas responsabilidades ao medir a eficiência.

A própria experiência da Bayer sugere que a mudança organizacional pode ser mais difícil do que a tecnologia. Seus líderes descreveram esforços para criar responsabilidade compartilhada entre equipes fragmentadas. Um agente não consegue corrigir, por si só, uma responsabilização pouco clara.

Se diferentes departamentos discordam sobre a definição de uma alegação válida, um lead qualificado ou uma campanha bem-sucedida, a automação pode executar essa discordância mais rapidamente. A organização precisa definir a regra antes de esperar que um agente confiável a aplique.

A qualidade do conhecimento, portanto, torna-se um insumo competitivo. As equipes precisam de políticas, exemplos, decisões e registros de desempenho atualizados que pessoas e agentes possam recuperar.

Uma base de conhecimento pesquisável pode apoiar esse trabalho ao tornar o material-fonte mais fácil de inspecionar. Ela não substitui a governança nem a aprovação de especialistas.

A cobertura do Google News deve ser lida tendo em mente essa lacuna de evidências. Bayer e Zoom identificaram usos operacionais críveis. O registro público ainda não demonstra agentes autônomos executando funções completas de marketing com resultados consistentes e medidos de forma independente.

O Que os Profissionais de Marketing Devem Observar em Seguida

A próxima fase será definida por trilhas de auditoria, adoção sustentada e resultados que resistam ao escrutínio independente.

O primeiro sinal é um uso mais profundo em produção. As empresas devem divulgar se os agentes permanecem limitados a projetos-piloto ou se se tornam partes padrão dos fluxos de trabalho de CRM, aprovação e campanhas.

O uso importa mais do que um anúncio. Uma ferramenta pode ter bom desempenho em uma demonstração, mas falhar quando os funcionários encontram dados incomuns, instruções conflitantes ou permissões ausentes.

Para a Zoom, a questão-chave é se as ações orientadas por conversas se tornam rotineiras entre as equipes que lidam com clientes. A adoção deve produzir registros consistentes no CRM e acompanhamentos concluídos sem aumentar o trabalho de correção.

A estratégia mais ampla de IA da empresa lhe dá uma vantagem de distribuição. As reuniões já contêm o contexto necessário para a ação. No entanto, a Zoom precisa demonstrar que os usuários confiam o suficiente no sistema para conectar aplicações empresariais sensíveis.

O segundo sinal é a qualidade das evidências. Os compradores devem buscar medições que separem os efeitos dos agentes de outras mudanças nas campanhas e relatem taxas de erro juntamente com ganhos de tempo ou desempenho.

Uma avaliação crível deve definir a linha de base, a amostra, o processo de revisão e o período abrangido. Ela também deve divulgar com que frequência os humanos corrigiram, rejeitaram ou reverteram o trabalho do agente.

As alegações de precisão tornam-se mais úteis quando as empresas explicam o que foi considerado correto. Uma ação de sistema tecnicamente válida ainda pode não apoiar o objetivo do cliente ou da campanha.

Períodos de medição mais longos também importam. Um agente pode melhorar uma métrica de curto prazo selecionando públicos cada vez mais restritos ou repetindo táticas que, com o tempo, perdem eficácia.

O terceiro sinal é a governança sob pressão. O fluxo de trabalho de conformidade da Bayer será mais persuasivo se lidar com mudanças de política, alegações incomuns e diferenças entre mercados, mantendo registros claros.

O verdadeiro teste chega quando um agente enfrenta ambiguidade. Um sistema confiável deve reconhecer a incerteza e escalar a decisão, em vez de produzir uma resposta confiante sem respaldo na política.

Os fornecedores responderão adicionando controles de aprovação, painéis de avaliação, gestão de permissões e históricos de ações rastreáveis. Esses recursos podem se mostrar mais importantes para a adoção empresarial do que a capacidade de gerar mais um conceito de campanha.

As agências também enfrentam uma escolha estratégica. Elas podem defender a coordenação manual como parte de seu serviço ou redesenhar os contratos em torno de resultados, julgamento e supervisão.

Os sistemas agentivos tornarão mais fácil inspecionar transferências rotineiras. Os clientes podem perguntar por que uma atualização simples exigiu várias reuniões, e-mails e horas faturáveis.

Ao mesmo tempo, as marcas ainda precisam de uma perspectiva externa. Um sistema interno eficiente pode reforçar premissas se ninguém questionar seus objetivos, dados-fonte ou direção criativa.

A posição mais forte para as agências combinará automação com julgamento independente. As agências podem ajudar os clientes a definir padrões de avaliação, testar agentes em casos difíceis e identificar consequências que um fluxo de trabalho interno não percebe.

Os profissionais de marketing devem resistir a usar “agentivo” como atalho de compras. O rótulo não responde se um sistema se encaixa no processo real da organização.

Uma avaliação útil começa com um fluxo de trabalho delimitado. Antes de selecionar uma tecnologia, as equipes devem documentar suas entradas, decisões, permissões, custos de falha e resultado desejado.

Em seguida, devem comparar o agente com o processo atual. A comparação precisa incluir tempo de revisão, trabalho de correção, manutenção de integração, controles de segurança e a qualidade do resultado final para o negócio.

Se Bayer e Zoom publicarem evidências mais robustas, seus projetos apoiarão uma conclusão mais ampla sobre o marketing empresarial. Se as divulgações continuarem limitadas a métricas de sucesso selecionadas, prevalecerá a interpretação mais cautelosa.

Por enquanto, a narrativa do Google News é importante em sua direção, mas mais restrita do que a manchete sugere. Os agentes estão encontrando trabalho real dentro das operações de marketing, especialmente onde regras e transferências já são visíveis.

A oportunidade não é um departamento de marketing que funciona sozinho. É uma camada operacional melhor para o trabalho que atualmente se perde entre conversas, sistemas, parceiros e aprovações.

Antes de adotar essa camada, escolha um gargalo recorrente e defina como é uma ação correta. Em seguida, pergunte se um agente pode concluí-la com segurança, explicar suas escolhas e conquistar uso sustentado. Esse teste revelará mais do que outra promessa ampla sobre marketing autônomo.