Quais métricas de IA uma agência deve mostrar aos clientes? Não as que a maioria das agências mais se orgulha de ter. Licenças contratadas, agentes implantados e ativos gerados descrevem o seu esforço. Os clientes pagam por resultados: quanto custa cada peça de trabalho, com que rapidez ela chega, com que frequência ela erra e o que ela faz pelo lucro. Meça isso e a sua história de IA se torna uma história comercial.
A pressão pela mudança agora vem do contrato. Segundo a Campaign US, um estudo da WFA e da Agency Mania Solutions com 69 multinacionais, que somam US$ 147 bilhões em investimento, constatou que a remuneração de agências baseada em mão de obra caiu de 54% em 2011 para 17% em 2026. Cerca de 58% das marcas esperam mais remuneração por performance. Até agora, apenas 20% mudaram seu modelo por causa da IA, mas 61% pretendem mudar.
Por que os clientes estão perguntando o que a sua IA de fato entrega?
Porque o tempo está perdendo valor como medida de valor. Se um relatório que levava um dia agora leva uma hora, cobrar o dia parece estranho e cobrar a hora parece um corte de salário. O estudo da WFA cita a IA como fator que torna o tempo uma medida cada vez mais fraca do valor de uma agência.
Mesmo assim, a mudança parou no meio do caminho. A Adweek noticiou este mês que as marcas demoram a adotar a remuneração baseada em resultado, mesmo com a IA corroendo a receita de agências baseada em FTE. Bob Lord, presidente da Horizon Media Holdings, chamou a cobrança por FTE de “sistema antigo” e questionou se ela pode ser rompida “sem algum tipo de força externa”.
Esse impasse é uma oportunidade para as independentes. Se o modelo antigo precisa de uma força externa, uma agência que chega com números de resultado confiáveis pode ser essa força, em vez de esperar que a área de compras imponha uma. Mas só se os números forem os certos.
O que conta como métrica de vaidade na IA de uma agência?
O fundador de uma agência de Singapura, que passou 18 meses tentando tornar sua agência de cerca de 20 pessoas nativa em IA, resumiu isso em um único slide em uma sessão sobre adoção de IA nesta semana: o que contamos versus o que importa. Como mostra o diagrama, a coluna da esquerda é o material que enche um deck de reunião geral interna: usuários de IA, tarefas automatizadas, agentes implantados, ativos gerados. A coluna da direita está ligada a resultados de negócio: custo por entrega, tempo até a entrega, qualidade/taxa de erro e impacto no lucro.
O argumento dele foi direto. O cliente não se importa se você usou IA. Ele se importa se a entrega é boa. Ninguém renova um retainer porque a agência tem 40 licenças ativas.
Aqui vai uma forma de traduzir cada número de vaidade em algo que o cliente sente.
| O que contávamos | Por que lisonjeia | O que importa em vez disso | A pergunta do cliente que responde |
|---|---|---|---|
| Usuários de IA | Mede licenças, não trabalho útil | Custo por entrega | “Estamos pagando menos por cada relatório, edição ou ativo?” |
| Tarefas automatizadas | Conta tentativas e ignora o retrabalho | Tempo até a entrega | “Recebemos o trabalho mais cedo?” |
| Agentes implantados | Premia construir, não resultados | Qualidade / taxa de erro | “Podemos confiar no que chega à nossa caixa de entrada?” |
| Ativos gerados | Volume é barato, e a maior parte nunca é usada | Impacto no lucro | “Isso mexeu em vendas, margem ou eficiência?” |
Os pareamentos são nossos, não uma lei da natureza. O princípio vale de qualquer forma: todo número que você reporta deve sobreviver ao cliente perguntando “e daí?”
Por que o resultado de IA “bom o bastante” sai tão caro?
A ideia mais útil da palestra foi sobre taxas de aceitação. Digamos que um fluxo de IA redija dez respostas a clientes, legendas ou resumos de relatório, e seis sejam aceitos como estão. A maioria das equipes comemora os seis e conserta à mão, em silêncio, os outros quatro. O argumento do fundador: construa um ciclo fechado que realimente o sistema com cada correção, para que seis virem sete, depois oito, depois nove.
O perigo é o oposto. Um resultado que funciona 60–70% das vezes passa batido como “bom o bastante”, e a mediocridade vira o padrão da casa. Ninguém decidiu baixar a barra. Ela simplesmente foi baixando.
Em termos de agência, essa deriva se parece com um time de social passando a tarde de sexta reescrevendo legendas da IA que não economizaram nada, ou com uma agência de CRM cuja segmentação acerta na maior parte do tempo e envergonha no resto. O tempo economizado no papel é comido pela edição, e o cliente vê os erros, não a média.
A taxa de aceitação é uma métrica de qualidade que você pode acompanhar desde o primeiro dia. Aceitação em alta significa que o ciclo está funcionando. Aceitação estagnada significa que você comprou uma assinatura, não uma capacidade.
Por que as agências continuam reportando os números de IA errados?
A Teoria da Percepção de Valor explica de forma simples: as pessoas julgam o valor pelo benefício que experimentam em relação ao que abrem mão, não pelo que o vendedor investiu. Os insumos são visíveis para a agência e invisíveis para o cliente. “Agentes implantados” é um insumo. Um relatório que chega dois dias antes e não precisa de correções é um benefício.
As agências recorrem por padrão às métricas de insumo porque são fáceis de contar e fazem o time parecer ocupado. As holdings treinaram o mercado a falar de plataformas proprietárias do mesmo jeito. Mas o cliente não sente a sua stack. Ele sente o prazo de entrega, a precisão e se o trabalho mexeu nos números dele.
É também por isso que a cobrança por tempo está em apuros. Horas também são um insumo.
Como montar um scorecard de IA pelo qual os clientes paguem?
Comece pequeno: um fluxo de trabalho, um cliente, um trimestre. Depois expanda.
- Escolha um fluxo de trabalho que o cliente já sinta. Relatórios mensais, auditorias de concorrentes, redimensionamento de ativos ou QA de campanhas. Se o cliente não notaria uma melhora, é o lugar errado para começar.
- Meça o baseline com honestidade. Horas, custo por entrega e correções por entrega antes de qualquer IA entrar. Sem baseline, toda melhoria é anedota.
- Defina a meta em termos de resultado. “Relatório entregue em um dia em vez de três, sem nenhuma correção do cliente” vale mais do que “usar IA em relatórios”.
- Conte o custo total. Inclua o tempo que as pessoas gastam conferindo e editando os resultados da IA. Um fluxo que economiza quatro horas e acrescenta quatro horas de correção não economizou nada.
- Acompanhe a taxa de aceitação toda semana. Registre o que foi aceito, o que foi editado e por quê. Realimente prompts, templates e exemplos com as edições para que a taxa suba.
- Reporte na linguagem do cliente. Custo por entrega, tempo até a entrega, taxa de erro e, quando for possível relacionar, o efeito sobre vendas ou margem. Deixe a contagem de licenças para o deck interno.
- Leve a evidência para a conversa comercial. Dois trimestres de dados de resultado dão a base para um honorário vinculado a entrega ou a performance, a direção que, segundo o estudo da WFA, a maioria das marcas espera.
Onde o criativo se encaixa nas métricas de resultado?
Os criativos se preocupam, com razão, que as métricas de resultado reduzam as ideias a planilhas. Não precisa ser assim. O objetivo é fechar a distância entre um conceito criativo e um resultado mensurável antes que o dinheiro de mídia saia, e não deixar a planilha escrever a ideia.
Isso significa trazer evidências cedo: a quais tensões da audiência o trabalho responde, como os concorrentes da categoria estão se comunicando e qual a probabilidade de um criativo conquistar o clique. Na plataforma da Defy, as previsões de criativos são validadas com a performance real dos anúncios, então a conversa sobre resultados com o cliente parte de evidências, e não de gosto. O gosto ainda decide o que é feito. A evidência decide o que é defendido.
A mesma lógica vale para a entrega. A SAMY, agência global de influenciadores, adotou os Defy Agents para agilizar os relatórios de performance e reduziu três dias de trabalho para um. Esse é um número de tempo até a entrega que o cliente sente, e esse é todo o ponto.
