Usar IA de forma responsável no marketing se resume a seis práticas que dá para auditar: avisar o público quando a peça foi gerada ou alterada por IA e isso não for evidente, revisar tudo com uma pessoa antes de publicar, não colocar dado pessoal de cliente em ferramenta sem base legal na LGPD, checar cada fato que a ferramenta escreveu, pedir autorização para usar imagem ou voz de alguém e registrar quem aprovou cada peça.
A checagem de fatos pesa mais do que parece. Modelos de linguagem (LLMs, sistemas que geram texto prevendo a palavra mais provável) às vezes produzem alucinações, afirmações falsas escritas com a mesma segurança das verdadeiras. Uma alucinação publicada no site da marca vira fonte: outros assistentes podem lê-la, repeti-la e atribuí-la à empresa.
“Ética em IA no marketing começa pela rastreabilidade: todo conteúdo otimizado para os modelos precisa ser verificável na origem. Sem governança transparente, a marca arrisca virar fonte de alucinação em vez de fonte de verdade.”
— Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI), Founder da Brasil GEO, cofundador da NAIA, cofundador da AI Brasil e ex-CMO da Semantix (Nasdaq)
A governança de dados deve garantir que os modelos utilizados pela empresa operem sob diretrizes de transparência. Isso significa que todo conteúdo gerado ou otimizado para GEO precisa ser rastreável. Autor identificado, data de publicação e de revisão e fontes com link, inclusive na marcação de dados estruturados (Schema Markup, o código que descreve a página para as máquinas), permitem que os motores generativos reconheçam quem responde pelo conteúdo. Ao fornecer uma base de conhecimento sólida e eticamente estruturada, o profissional de marketing reduz as chances de o modelo de busca distorcer a mensagem da marca durante a síntese de uma resposta.
Marshall Miller, da Wikimedia Foundation, cobra das plataformas o mesmo princípio: deixar claro de onde a informação vem e facilitar a visita às fontes. No marketing, a parte que cabe à marca nesse acordo é o conteúdo rastreável, porque o motor só consegue creditar a autoria que está declarada.
“Para que as pessoas confiem na informação compartilhada na internet, as plataformas deveriam deixar claro de onde a informação vem e ampliar as oportunidades de visitar essas fontes e participar delas.”
Marshall Miller, Senior Director of Product, Core Experiences, da Wikimedia Foundation, em New User Trends on Wikipedia (2025). Tradução livre.
A exigência de transparência tem base na opinião pública brasileira. De acordo com o estudo da KPMG e da Universidade de Melbourne, a parcela de brasileiros que veem mais benefícios do que riscos na IA caiu de 71% em 2022 para 44% em 2024, enquanto a preocupação subiu de 50% para 75%. Marca que usa IA sem explicar como está falando com um público cada vez mais desconfiado.
Quais pilares sustentam o uso ético de IA no marketing?
Resumo comparativo: o texto organiza a ética no uso de IA no marketing em pilares técnicos complementares e no que cada um assegura.
| Pilar técnico | O que assegura |
|---|---|
| Auditabilidade de algoritmos | Camadas de revisão humana no processo para mitigar vieses algorítmicos |
| Transparência conversacional | O usuário sabe quando interage com uma entidade sintética |
| Rastreabilidade na origem | Todo conteúdo otimizado para os modelos permanece verificável na fonte |
| Governança de dados | Diretrizes de transparência com metadados e marcação legíveis pela IA |
A tabela resume quatro pilares; na operação diária, três deles viram regra de processo dentro da equipe de marketing:
- Auditabilidade de Algoritmos: Implementar camadas de revisão humana (Human-in-the-loop) em todos os processos de geração de conteúdo para mitigar vieses algorítmicos que podem alienar segmentos do público ou ferir diretrizes de diversidade e inclusão.
- Transparência Conversacional: Em interfaces de chat e agentes autônomos, é mandatório que o usuário saiba quando está interagindo com uma entidade sintética. A clareza na comunicação constrói o ativo mais escasso da era atual: a lealdade do consumidor.
- Dados com base legal: Priorizar dados próprios (first-party, coletados pela empresa na relação com o cliente) e dados declarados pelo próprio cliente (zero-party), sempre com uma das bases legais do artigo 7º da LGPD. Colar lista de clientes, conversa de atendimento ou planilha de CRM numa ferramenta de IA pública é tratamento de dado pessoal e exige o mesmo cuidado de qualquer outro.
Princípio sem procedimento não muda o dia a dia. O checklist abaixo transforma os pilares em perguntas de sim ou não, para a equipe responder antes de cada publicação ou campanha que use IA.
Checklist de uso responsável de IA no marketing
| Pergunta antes de publicar | Como cumprir | Base |
|---|---|---|
| A peça foi gerada ou alterada por IA de um jeito que o público não perceberia? | Avisar na legenda, no rodapé ou na descrição | Transparência como princípio ético, nos termos da decisão do Conar de 22/08/2023 |
| Uma pessoa leu e aprovou o texto final? | Revisor nomeado, com registro da aprovação | Responsabilidade editorial da marca |
| Algum dado pessoal de cliente entrou na ferramenta? | Usar dado anonimizado ou ferramenta com contrato que proíba treino com os dados da empresa | LGPD, art. 7º |
| A IA decide algo sobre o cliente, como oferta, crédito ou perfil? | Explicar os critérios quando o cliente pedir e permitir revisão | LGPD, art. 20 |
| Cada número, nome e data do texto tem fonte? | Conferir na fonte original e pôr o link | Prevenção de alucinação |
| A peça usa rosto, voz ou estilo de uma pessoa real? | Autorização por escrito da pessoa ou dos herdeiros | Direito de imagem; consentimento pesou no caso do Conar |
| O atendimento é feito por robô? | Dizer ao cliente que ele fala com um assistente automático e oferecer caminho para uma pessoa | Transparência conversacional |
Os dois artigos da LGPD citados na tabela cobrem situações distintas. O artigo 7º lista as bases legais que autorizam usar dado pessoal, e vale para qualquer ferramenta, com ou sem IA. O artigo 20 dá ao titular o direito de pedir revisão de decisões tomadas unicamente por tratamento automatizado que afetem seus interesses, incluindo as que definem perfil de consumo e de crédito, e obriga a empresa a informar, quando solicitada, os critérios usados, conforme o texto compilado da lei no Planalto (consulta em 10/10/2026).
O que o caso Elis Regina no Conar ensina ao marketing?
O caso brasileiro de referência é o comercial dos 70 anos da Volkswagen no Brasil, que recriou Elis Regina com IA ao lado da filha, Maria Rita. Em 22/08/2023, o Conselho de Ética do Conar (Conselho Nacional de Autorregulamentação Publicitária) arquivou a representação, segundo o Poder360 (consulta em 10/10/2026). Sobre o respeito à artista, a decisão foi unânime, porque a imagem foi usada com consentimento dos herdeiros; sobre a falta de aviso do uso de IA, o placar foi de 13 a 7, com o entendimento de que a transparência é princípio ético fundamental e foi respeitada porque o uso da ferramenta era evidente na peça.
Duas lições saem do caso para quem anuncia. A primeira é que o consentimento de quem detém o direito de imagem decidiu a parte unânime do julgamento. A segunda é que o aviso só foi dispensado porque a recriação era óbvia; numa peça em que o público não percebe a IA, como uma foto de produto retocada ou uma voz sintética parecida com a de um locutor real, o mesmo raciocínio pede o aviso. O Conar também aprovou uma moção para acompanhar e discutir casos de IA, e os conselheiros registraram a ausência de regulamentação específica.
Quando a IA é treinada ou ajustada com dados da própria empresa, entram outras perguntas, como quem autorizou o uso de cada base e o que acontece com o que o modelo aprendeu. Esse lado do problema está no artigo sobre ética no treinamento de inteligência artificial com dados corporativos.
Como medir se a IA descreve a marca com exatidão?
Ética também se mede do lado de fora: o que os assistentes dizem sobre a empresa mostra se as informações que ela publica estão claras e corretas. A pergunta útil é se a descrição que a IA faz da marca bate com os fatos, e não apenas quantas vezes ela aparece.
Quais métricas aferem autoridade em motores generativos?
Uma lista fixa de perguntas, feita todo mês ao ChatGPT, ao Gemini e ao Perplexity, basta para começar; ferramentas de AEO (Answer Engine Optimization, a otimização para mecanismos que respondem em vez de listar links) automatizam o processo quando o volume cresce. Quatro indicadores organizam a leitura:
- Citação de Fonte Única vs. Múltipla: Avalia se a IA utiliza sua marca como a fonte primária para uma resposta ou se você é apenas um dos links de referência. A citação direta no corpo do texto gerado indica uma autoridade máxima no tópico.
- Análise de Sentimento das Respostas Sintetizadas: Utilizar ferramentas que processam as respostas do Gemini e ChatGPT para identificar se a narrativa construída pela IA sobre sua marca é positiva, neutra ou negativa.
- Frequência de Recomendação em Consultas Transacionais: Medir quantas vezes sua solução aparece em prompts do tipo “qual o melhor produto para X”. Este é o novo funil de conversão.
- Índice de Alucinação Associada: Monitorar se os modelos estão atribuindo informações falsas à sua marca, o que exige uma ação imediata de correção na base de dados pública (SEO/GEO).
O quarto indicador conversa direto com o checklist: quando um assistente atribui à marca um preço, um produto ou uma política que ela não tem, a correção começa por publicar o fato certo, com data, no site e nos perfis oficiais.
A confiança, porém, ainda está em disputa e pode ser conquistada. Segundo a mesma pesquisa da KPMG com a Universidade de Melbourne (2025), 55% dos brasileiros disseram estar dispostos a confiar em IA e 86% aceitam ou aprovam seu uso. O espaço existe para quem mostra como usa a tecnologia, e fecha para quem esconde.
Por onde começar na próxima semana?
O primeiro passo é escrever a política em uma página: quais ferramentas de IA a equipe pode usar, com quais dados, quem revisa e quando a peça leva aviso. Em seguida, imprima o checklist acima, aplique-o às campanhas que estão no ar e anote o que precisaria mudar. A revisão das peças em veiculação costuma revelar os dois problemas mais comuns: imagem gerada sem aviso e dado de cliente colado em ferramenta pública. Corrigidos esses dois, o restante vira rotina de aprovação.
Leia também: como o ChatGPT está mudando a forma como buscamos informação na internet.
Nos acompanhe em nossas Redes Sociais!
Gostou? Siga a Brasil GEO no Instagram e acompanhe todo dia o que muda em IA, GEO e visibilidade nos motores generativos: @geobrasil.ai
Leitura essencial sobre o tema no blog: Marketing 6.0: Quando o seu cliente não é mais (apenas) um humano.
Leitura essencial sobre o tema no blog: A Nova Estrutura do Time de Marketing: O papel do Analista de GEO..
