IA no marketing e vendas: até US$ 1,2 trilhão, diz McKinsey

A pesquisa mais citada sobre IA no marketing é a da McKinsey de junho de 2023, que estimou o valor da IA generativa em 63 casos de uso de 16 funções e chegou a um potencial de US$ 760 bilhões a US$ 1,2 trilhão por ano em marketing e vendas, a faixa mais alta entre as funções analisadas (McKinsey, 2023). O número mede produtividade potencial calculada por modelo, sem custo de implantação. Três anos depois, o Gartner mostra o orçamento indo atrás da promessa: os CMOs destinam em média 15,3% da verba de marketing a iniciativas de IA, e só 30% dizem ter capacidade madura para escalar essas iniciativas (Gartner, 2026). Os experimentos acadêmicos com consumidores e as regras publicadas pelo Google completam o quadro: o leitor aceita bem o texto feito com IA, desconfia quando sabe que uma mensagem emocional veio de uma máquina, e o buscador pune a escala sem valor, seja ela de gente ou de robô. Para o marketing B2B, a conclusão que eu tiro é que a IA paga a conta quando aumenta o pipeline, e nenhuma destas pesquisas mede isso.

Na Iasbeck&Co a gente implanta CRM e agentes de IA em operações B2B, e nas conversas com lideranças de marketing o número da McKinsey costuma aparecer para justificar orçamento, sem a frase que diz o que ele mede. Conferi cada número na fonte original e organizei o que as pesquisas dizem para a liderança de marketing, para vendas e CS e para o RH. O uso da IA no dia a dia do time está em IA no marketing B2B; aqui o assunto são os dados.

Quais pesquisas sobre IA no marketing valem a leitura?

Escolhi fontes que publicam método: uma estimativa econômica de consultoria, duas edições da pesquisa anual do Gartner com CMOs, três artigos revisados por pares e as declarações oficiais do Google. Os artigos acadêmicos têm amostras menores e desenho experimental, que separa causa de correlação.

Fonte	Ano	Amostra e método	Principal achado
McKinsey, The economic potential of generative AI	2023	Modelo econômico sobre 63 casos de uso em 16 funções, com bases de custo por função	US$ 760 bilhões a US$ 1,2 trilhão por ano em marketing e vendas; 5% a 15% do gasto total de marketing
Gartner, CMO Spend Survey 2026	2026	401 CMOs da América do Norte, Reino Unido e Europa, entre janeiro e março de 2026, a maioria em empresas com receita acima de US$ 1 bilhão	15,3% do orçamento de marketing vai para IA; só 30% têm capacidade madura para escalar
Gartner, CMO Spend Survey 2025	2025	402 CMOs das mesmas regiões, entre fevereiro e março de 2025	Retorno da IA generativa relatado em eficiência de tempo (49%), de custo (40%) e capacidade de produzir mais conteúdo (27%)
Zhang e Gosline, Judgment and Decision Making	2023	Experimento com 1.203 participantes avaliando anúncios e mensagens de campanha escritos por profissionais, pelo GPT-4 ou em parceria	Sem saber a origem, os participantes deram nota maior ao conteúdo feito pela IA; saber que um humano escreveu aumenta a nota
Kirk e Givi, Journal of Business Research	2025	Sete experimentos pré-registrados com mensagens de marketing emocionais	Quem acredita que a mensagem emocional foi escrita por IA recomenda menos a marca e mostra menos lealdade
Reisenbichler e coautores, Marketing Science	2022	Experimentos de campo em dois setores com textos de SEO gerados por máquina e revisados por editor	Os textos revisados ficaram melhores no ranking do buscador que os escritos por especialistas, com custo menor
Google Search Central, 2023 e Google, 2024	2023 e 2024	Diretriz oficial e balanço da própria empresa sobre a atualização de março de 2024	O uso adequado de IA não viola as diretrizes; conteúdo de baixa qualidade e sem originalidade caiu 45% nos resultados

Quanto vale a IA generativa no marketing e vendas, segundo a McKinsey?

A McKinsey mapeou 63 casos de uso em 16 funções de negócio e estimou, para o conjunto, entre US$ 2,6 trilhões e US$ 4,4 trilhões por ano. Quatro funções concentram cerca de 75% desse valor: operações de atendimento ao cliente, marketing e vendas, engenharia de software e pesquisa e desenvolvimento. No quadro que abre o valor por função, marketing e vendas aparece na frente, com a faixa de US$ 760 bilhões a US$ 1,2 trilhão, e o rodapé informa que a estimativa exclui custos de implantação, como treinamento e licenças.

Função	Impacto anual estimado (US$ bilhões)
Marketing e vendas	760 a 1.200
Engenharia de software	580 a 1.200
Operações de atendimento ao cliente	340 a 470
Cadeia de suprimentos e operações	290 a 550
P&D de produto	230 a 420
Risco e jurídico	180 a 260

Fonte: McKinsey (2023), quadro de impacto da IA generativa na produtividade por função.

De onde sai o número de marketing

O relatório separa as duas áreas. Em marketing, a consultoria estima que a IA generativa pode aumentar a produtividade com valor entre 5% e 15% do gasto total de marketing; em vendas, algo entre 3% e 5% do gasto global com vendas. Os exemplos são mensagens personalizadas pelo comportamento do cliente e primeiros rascunhos de anúncio, título, slogan, post e descrição de produto. O relatório também alerta para risco de plágio e de violação de direito autoral.

O que a estimativa não diz

Os 5% a 15% descrevem quanto do gasto atual de marketing a empresa poderia economizar ou reaproveitar com a IA fazendo parte do trabalho. A conta não promete receita nova, não desconta o custo de implantação e foi feita antes dos agentes conectados ao CRM que as plataformas lançaram entre 2025 e 2026. Quando alguém leva o trilhão para a reunião de orçamento, pergunte quanto do gasto de marketing da sua empresa está em texto, imagem e personalização, a base sobre a qual a faixa da McKinsey se aplica. Os relatórios que medem o uso real, como a pesquisa anual da própria McKinsey, estão em estado da IA nas empresas.

Quanto os CMOs investem em IA, segundo o Gartner?

A pesquisa anual do Gartner com CMOs mostra o orçamento de marketing parado e a fatia da IA crescendo dentro dele. Em 2026, a verba de marketing ficou em 7,8% da receita das empresas, contra 7,7% em 2025, e 56% dos CMOs disseram não ter orçamento suficiente para executar a estratégia do ano. Dentro desse orçamento estável, 15,3% vão para iniciativas de IA, e o Gartner descreve esse movimento como realocação de recursos de outras linhas.

A edição de 2025 mostra de onde vem o dinheiro. Na época, 39% dos CMOs planejavam cortar verba de agência, 39% queriam reduzir gastos com pessoal, e 22% disseram que a IA generativa diminuiu a dependência de agências externas para criação e estratégia (Gartner, 2025). Quando o Gartner perguntou onde a IA generativa entregava retorno, os CMOs citaram eficiência de tempo (49%), eficiência de custo (40%) e capacidade de produzir mais conteúdo ou atender mais negócios (27%). Nenhuma das três respostas mede receita, oportunidade ou conversão.

A distância entre ambição e preparo

Em 2026, 70% dos CMOs disseram que tornar o marketing uma referência em IA é meta crítica do ano, e os mesmos 70% admitiram que os processos internos ainda não estão maduros para implantar e escalar a tecnologia. O grupo com capacidade madura destina 21,3% da verba à IA e tem orçamento de marketing de 8,9% da receita, acima da média. A pesquisa mostra associação: empresas com mais orçamento podem investir mais em IA e em processo ao mesmo tempo, sem que uma coisa cause a outra. Para o Gartner, o risco está em comprar ferramenta mais rápido do que a empresa constrói dados, processos, governança e pessoas para usá-la.

Indicador	2025	2026
Orçamento de marketing como % da receita	7,7%	7,8%
CMOs sem orçamento suficiente para a estratégia	59%	56%
Fatia do orçamento de marketing destinada à IA	Não informada	15,3%
CMOs com capacidade madura para escalar IA	Não informada	30%

Fonte: Gartner, CMO Spend Survey 2025 e 2026.

O consumidor rejeita conteúdo gerado por IA?

Os experimentos dizem que depende do que o consumidor sabe e do tipo de mensagem. Yunhao Zhang e Renée Gosline, do MIT Sloan, pediram a profissionais de conteúdo de uma grande consultoria e ao GPT-4 que escrevessem anúncios de produtos e mensagens de campanha em quatro arranjos: só humano, só IA, humano finalizando a partir do rascunho da IA e IA finalizando a partir do texto humano (Zhang e Gosline, 2023). Entre os 1.203 participantes, os que avaliaram o material sem saber a origem deram nota maior ao conteúdo em que a IA escreveu sozinha ou deu a palavra final. Revelar a origem reduziu a diferença sem invertê-la, e o efeito veio do lado humano: saber que um especialista escreveu aumentou a nota, e saber que a IA participou não a diminuiu.

Colleen Kirk e Julian Givi chegaram a um resultado que parece contrário e mede outra coisa. Em sete experimentos pré-registrados, quem acreditava que uma mensagem de marketing emocional tinha sido escrita por IA mostrou menos disposição a recomendar a marca e menos lealdade (Kirk e Givi, 2025). O efeito passa por percepção de autenticidade e por um sentimento que os autores chamam de repulsa moral. Ele enfraquece quando a mensagem é factual, quando a IA só edita o texto, quando a própria IA assina e quando o consumidor acredita que quase todo marketing já sai de máquina.

Lidos juntos, os dois estudos separam o que a IA escreve bem do que ela não deve assinar. Anúncio, descrição de produto e texto informativo passam no teste, e mensagem que vende proximidade, como o agradecimento do fundador, perde valor quando o cliente descobre que ninguém a escreveu.

O Google penaliza conteúdo feito com IA?

O Google avalia qualidade e propósito, sem olhar a origem do texto. Em fevereiro de 2023, a equipe de qualidade de busca do Google publicou que os sistemas de ranqueamento recompensam conteúdo original e de qualidade, seja qual for a forma de produção, e que o uso adequado de IA ou de automação não viola as diretrizes (Google Search Central, 2023). A violação está em gerar conteúdo com o objetivo principal de manipular o ranking. Em março de 2024, o Google ampliou a política contra abuso de conteúdo em escala para cobrir textos produzidos para subir no ranking por automação, por pessoas ou pela combinação das duas, e informou em abril que a atualização reduziu em 45% o conteúdo de baixa qualidade e sem originalidade nos resultados, acima dos 40% esperados (Google, 2024).

O estudo de campo mais citado sobre o tema é anterior ao ChatGPT. Martin Reisenbichler e coautores usaram geração de linguagem natural para redigir textos de landing pages voltados a SEO, com um editor humano revisando cada peça, e testaram o resultado em experimentos de campo em dois setores (Reisenbichler e coautores, 2022). Os textos revisados ficaram quase indistinguíveis dos escritos por especialistas em SEO nas dimensões de percepção avaliadas, superaram os textos humanos no ranking do buscador e custaram menos para produzir. Os autores registram que o papel do editor humano continuou essencial. Somado à política do Google, o estudo indica que a revisão humana decide se a página feita com IA chega a ser útil.

O que esses números significam para o marketing B2B?

As pesquisas falam de grandes empresas, em boa parte de consumo, e de mercados fora do Brasil. Mesmo assim, quatro leituras valem para a operação B2B que eu acompanho.

Escala de conteúdo sem perder a voz

O experimento de Zhang e Gosline mostra que o texto feito com IA costuma passar no teste de redação. Em B2B, o risco aparece quando o time inteiro pede ao mesmo modelo os mesmos temas e publica peças corretas e parecidas com as do concorrente, assunto que os experimentos de produtividade também registram em IA generativa e produtividade. O ganho de 5% a 15% sobre o gasto de marketing estimado pela McKinsey só aparece se o tempo liberado for para o que a máquina não faz sozinha, como entrevista com cliente, dado proprietário e ponto de vista da empresa.

Revisão proporcional ao risco

O estudo de SEO e a política do Google dizem que a revisão é a parte do processo que separa conteúdo útil de conteúdo em escala. O de Kirk e Givi acrescenta uma regra para a liderança: mensagens de relacionamento que dependem de autenticidade, como as que saem em nome do diretor ou do executivo de contas, precisam de autor de verdade, mesmo que a IA ajude na edição.

Dados do CRM para personalizar

A personalização é o primeiro exemplo que a McKinsey cita, e ela depende do que a empresa sabe sobre o contato. Sem histórico de interação, cargo atualizado e estágio da conta no CRM, a IA personaliza com o nome e a empresa, o que o comprador reconhece de longe. Os números que medem o efeito da personalização estão em personalização em dados.

Medir em pipeline em vez de volume

Os CMOs do Gartner relatam retorno da IA em tempo, custo e volume de conteúdo. São as três medidas mais fáceis de inflar com IA e as três mais distantes da receita. No marketing B2B, eu peço à liderança que acompanhe oportunidades geradas e influenciadas, conversão de MQL em SQL e receita por canal no CRM, com a atribuição que eu descrevo em atribuição de marketing, e que some o custo da IA nessa conta, como em ROI de IA.

O que esses dados não dizem

A estimativa da McKinsey é uma projeção feita em 2023, por modelo, sobre o gasto global de cada função. Ela mede produtividade potencial, exclui custo de implantação e não abre o valor de marketing por país nem por porte de empresa.

As duas pesquisas do Gartner ouvem CMOs da América do Norte, do Reino Unido e da Europa, quase todos de empresas com receita acima de US$ 1 bilhão, que respondem sobre o próprio trabalho. O comunicado não detalha o que entra em “iniciativas de IA”, e o grupo de alta maturidade mostra correlação entre orçamento e preparo, sem provar que mais verba de IA gere resultado.

Os experimentos acadêmicos usam participantes de painéis online avaliando peças de consumo, e nenhum deles testou um comprador B2B lendo uma proposta ou um e-mail de nutrição dentro de um processo de compra de meses. O estudo de SEO usou geração de texto anterior aos modelos atuais e cobre dois setores. Os 45% do Google vêm da avaliação interna da própria empresa, sem auditoria independente, e o comunicado não informa quanto do conteúdo removido foi produzido com IA.

Nenhuma das fontes mede o efeito da IA no pipeline de uma operação B2B. Esse número a sua empresa produz, com linha de base antes do piloto.

O que a liderança faz com esses números

Este é o roteiro que eu proponho para a liderança de marketing que vai discutir orçamento de IA com essas pesquisas na mesa.

1. Calcule a base sobre a qual a McKinsey se aplica. Some o gasto de marketing em produção de texto, imagem, variações de anúncio e personalização, incluindo agência. A faixa de 5% a 15% vale sobre essa base, e o número costuma ficar bem menor que o slide do trilhão.
2. Compare a sua fatia de IA com os 15,3% do Gartner. Liste licenças, créditos, consumo de agentes e horas de implantação. Se a fatia estiver perto da média e o processo não estiver pronto, o investimento seguinte vai para dados e formação.
3. Troque eficiência por pipeline no painel de IA. Tempo e custo de produção ficam como indicadores de operação, e oportunidades geradas, conversão de MQL em SQL e receita por canal viram os de resultado.
4. Separe o que a IA escreve do que ela não assina. Libere a IA para conteúdo informativo, variações e descrições, com revisão por amostra, e mantenha autor humano nas mensagens de relacionamento enviadas em nome de pessoas.
5. Audite o conteúdo publicado contra a política do Google. Revise as páginas criadas em volume nos últimos 12 meses e retire as que não respondem a uma pergunta real do comprador.
6. Escreva a política de divulgação. Decida com o jurídico quando a empresa informa o uso de IA, lembrando que, no experimento de Kirk e Givi, o efeito negativo diminuiu quando a mensagem vinha assinada pela própria IA.

O que o RH e o T&D precisam tirar dessas pesquisas

O Gartner aponta a falta de processos, governança e talento como o que separa os 30% preparados dos outros 70%, e a McKinsey exclui treinamento da conta do potencial, o que deixa esse custo para a empresa somar. Para o RH, a necessidade de formação aparece quando o marketing produz mais peças e a conversão em oportunidade não sobe. A trilha que funciona junta liderança de marketing, analistas e representantes de vendas, porque a definição de lead e a métrica de pipeline são compartilhadas. O efeito do treinamento se mede no comportamento das semanas seguintes, como percentual de peças aprovadas sem reescrita e evolução do MQL aceito por vendas.

As pesquisas mostram potencial grande, orçamento crescendo e pouca gente preparada para levar o ganho de produção até o pipeline. Esse é o trabalho do treinamento in company de IA aplicada, montado sobre o processo e o CRM da empresa, com turmas de marketing, vendas e CS. Ele entrega a biblioteca de prompts por área e a arquitetura de agentes, com o que cada agente lê, o que executa sozinho e quem aprova o restante.

Perguntas frequentes

Quanto a IA generativa pode gerar em marketing e vendas?

A McKinsey estimou em 2023 um potencial de US$ 760 bilhões a US$ 1,2 trilhão por ano em marketing e vendas, a faixa mais alta entre as 16 funções analisadas. Em marketing, isso equivale a 5% a 15% do gasto total da função. É uma projeção de produtividade, sem custo de implantação, e não uma medição de resultado.

Quanto os CMOs investem em IA em 2026?

Na pesquisa do Gartner com 401 CMOs da América do Norte, do Reino Unido e da Europa, a média foi de 15,3% do orçamento de marketing destinado a iniciativas de IA. O orçamento total ficou em 7,8% da receita, e só 30% dos CMOs disseram ter capacidade madura para escalar a IA.

O consumidor confia em conteúdo gerado por IA?

Num experimento com 1.203 participantes, anúncios escritos pela IA receberam nota maior quando a origem não era revelada, e saber que a IA participou não reduziu a nota. Outro conjunto de sete experimentos mostrou queda em recomendação e lealdade quando o consumidor acredita que uma mensagem emocional foi escrita por IA.

O Google penaliza textos escritos com IA?

O Google declara que o uso adequado de IA não viola as diretrizes e que os sistemas recompensam conteúdo útil, seja qual for a forma de produção. A penalidade recai sobre conteúdo produzido em escala para manipular o ranking, por máquina ou por pessoas, e a atualização de 2024 reduziu em 45% o conteúdo de baixa qualidade e sem originalidade nos resultados, segundo a própria empresa.

Como medir o resultado da IA no marketing B2B?

Use tempo e custo de produção como indicadores de operação e meça o resultado no CRM, com oportunidades geradas, conversão de MQL em SQL e receita por canal, contra uma linha de base registrada antes do piloto. Some licenças, créditos e implantação no custo.

Como preparar o time de marketing para usar IA?

Comece pela liderança, que define os usos, quem revisa cada tipo de peça e os indicadores de pipeline. Depois treine analistas com o contexto da empresa e o histórico do CRM, com vendas presente nas sessões de critério de lead, e acompanhe o comportamento nas semanas seguintes.