Existe uma sensação cada vez mais comum ao abrir um artigo, um post no LinkedIn ou até um e-mail de uma empresa: você lê duas ou três linhas e pensa “isso parece IA”.
Não necessariamente porque o conteúdo está errado. Muitas vezes ele está gramaticalmente correto, organizado, cheio de subtítulos e até otimizado para busca. O problema é outro, e é bem mais difícil de resolver: aquele texto poderia ter sido publicado por aquela empresa, pela concorrente ou por uma marca de um segmento completamente diferente.
Em 30 de julho de 2026, o LinkedIn resolveu dar nome a essa sensação coletiva com o lançamento do botão chamado “seems like AI slop”, que chegou ao Brasil como “parece lixo de IA”.
Vale prestar atenção nisso: uma plataforma do tamanho do LinkedIn dificilmente criaria um botão específico para sinalizar “lixo de IA” se essa percepção estivesse restrita a meia dúzia de usuários.
Se o conteúdo gerado por máquina já ficou reconhecível a ponto de virar uma categoria de feedback, é porque a questão ganhou grande proporção. E antes de discutir por que tantos textos começaram a soar iguais, existe uma pergunta ainda mais básica, e cada vez mais difícil de responder: afinal, quem está escrevendo o que a gente lê?
Quanto do que você lê hoje foi escrito por uma máquina?
A Pangram passou pouco mais de um milhão de publicações pelo crivo entre abril e junho de 2026, usando uma extensão de navegador que analisa em tempo real aquilo em que os usuários de fato param para ler. O resultado: 41% dos posts longos e 30% dos posts curtos do LinkedIn escritos por IA.
E tem um número ali que diz ainda mais. Do total de conteúdo artificial detectado no estudo, 62% são do LinkedIn, mesmo com a rede representando apenas um terço das publicações analisadas. Em outras palavras, a rede profissional virou o endereço preferido do lixo de IA.
A Originality.ai, que acompanha o LinkedIn desde 2024, chegou a um número que ajuda a dimensionar o problema: em amostra de 5 mil publicações longas coletadas em julho de 2026, 81,2% foram classificadas como provavelmente geradas por IA.
Os dois números estão longe um do outro, mas medem coisas diferentes. Um considera conteúdos identificados como inteiramente escritos por IA; o outro inclui publicações que apresentam sinais de uso de IA na produção. Ainda assim, ambos ajudam a dimensionar o mesmo fenômeno: a participação da inteligência artificial na criação de conteúdo já ocupa uma parcela relevante do que circula na plataforma.
Até aqui, porém, estamos falando de quantidade. E presença, por si só, não diz se esses conteúdos conseguem sustentar atenção e engajamento.
Quando olhamos para esse segundo ponto, os dados começam a mostrar uma diferença. Segundo a mesma Originality.ai, publicações identificadas como geradas por IA recebem, em média, 45% menos engajamento do que aquelas classificadas como escritas por pessoas.
Guarde esse número, porque ele é o que conecta este assunto ao caixa da empresa.
As plataformas decidiram dedurar
Aquele botão do LinkedIn não é uma iniciativa isolada. É a ponta mais visível de um movimento que uma reportagem do g1 mapeou em agosto, e que envolve praticamente todas as grandes empresas de tecnologia.
Comecemos pelo LinkedIn, porque é onde o público B2B vive. A denúncia não gera punição pública nem marcação visível no post. Ela alimenta uma nova geração de classificadores, como explicou o diretor de produto da empresa, Hari Srinivasan, ao dizer que o objetivo é “reduzir a quantidade de conteúdo de IA” que aparece em recomendações e fora da rede direta do usuário.
Traduzindo para o que importa: a rede está treinando um sistema para diminuir o alcance desse tipo de publicação.
E os outros movimentos são igualmente relevantes:
-
O Substack lançou uma ferramenta, em parceria com a própria Pangram, que estima em porcentagem quanto de um texto foi escrito por IA. O leitor vê se aquilo foi feito 100% por pessoas, se teve ajuda da tecnologia ou se saiu inteiro da máquina.
-
O YouTube retirou a monetização de vídeos genéricos, com histórias repetitivas de IA que não se diferenciam nem de outros conteúdos já publicados pelo mesmo canal.
-
O Snapchat parou de recomendar publicações totalmente geradas por IA no Spotlight, seu feed de vídeos curtos.
-
O Claude anunciou que passaria a identificar textos e imagens criados com sua tecnologia. O Google ampliou o SynthID, sistema de marcação que agora tem OpenAI, Kakao e ElevenLabs entre as parceiras. TikTok e Instagram já permitem que o autor sinalize o uso de IA na própria publicação.
O que está por trás dessas mudanças
Há três pressões principais por trás desse movimento.
A primeira é regulatória. Em 2 de agosto de 2026 entrou em vigor o artigo 50 do AI Act, que exige identificação clara de conteúdos gerados ou manipulados por IA. Na reportagem do g1, Edney Souza, professor da ESPM, chama atenção para a proximidade entre essa data e a sequência de anúncios das plataformas.
A segunda é financeira, e é provavelmente a mais fácil de entender.
“As plataformas entendem que, quando o feed enche de conteúdo genérico, a assinatura paga pelo usuário perde valor.”
– Edney Souza, professor da ESPM, ao g1
A terceira é reputacional. Quanto mais conteúdo ruim circula, maior o risco de essas ferramentas e plataformas serem associadas a um ambiente de baixa qualidade.
No fim, a lógica é simples: as plataformas não estão reagindo ao conteúdo genérico por princípio. Estão reagindo porque ele reduz confiança, piora a experiência e corrói o valor do produto que vendem.
Agora troque a palavra “plataforma” por “sua empresa” e leia de novo.
E não afeta só as redes sociais
Seria confortável tratar isso como um problema de feed, restrito ao LinkedIn ou ao excesso de publicações nas redes. Só que a lógica é a mesma em qualquer lugar, e é aqui que o assunto encontra o seu negócio.
Com a IA, a barreira para produzir conteúdo caiu. Ficou mais fácil criar textos, imagens, apresentações, e-mails, páginas de produto, cases e materiais comerciais em pouco tempo.
O efeito colateral é que muita coisa começou a parecer igual.
Quando um comprador encontra um texto genérico, uma imagem com estética previsível ou uma apresentação com a mesma estrutura que já viu dezenas de vezes, ele pode identificar esse padrão em segundos. E o problema nem sempre aparece como rejeição explícita. Muitas vezes, ele simplesmente perde o interesse e segue adiante.
Esse tipo de desinteresse é difícil de medir porque não aparece como crítica, comentário ou reclamação. Ele só reduz atenção, confiança e, consequentemente, a perda de uma venda.
A IA trouxe escala de produção, mas também aumentou o risco de produzir mais e marcar menos as pessoas que você quer alcançar.
Para uma empresa, publicar quatro vezes mais tem pouco valor se o conteúdo que chega ao decisor parece intercambiável com o de qualquer concorrente.
O ponto que quase todo mundo lê errado
Antes de concluir que as plataformas estão “contra a IA”, vale olhar melhor para o que elas próprias dizem.
Ao anunciar que deixaria de recomendar publicações totalmente geradas por IA, o Snapchat resumiu a posição com uma frase clara: “Não se trata de rejeitar IA.” Conteúdos editados ou aprimorados com a tecnologia continuam elegíveis para recomendação, desde que haja transparência sobre o uso.
O LinkedIn segue a mesma linha. Para a plataforma, usar IA e produzir conteúdo de baixa qualidade são coisas diferentes. A tecnologia pode ajudar a organizar ideias, revisar textos ou destravar a escrita. O problema começa quando o resultado parece genérico, repetitivo e intercambiável.
É aí que a diferença aparece.
Um conteúdo assistido por IA ainda pode carregar opinião, experiência, repertório e exemplos próprios. Outro pode estar correto, bem escrito e bem estruturado, mas não ter nenhum traço que o conecte de forma clara à empresa que o publicou.
Essa é a régua que também aparece no YouTube: o problema declarado não foi a presença de IA, mas a repetição de conteúdos pouco distintos entre si.
Por isso, a discussão não deveria girar em torno de “parecer humano”. Detectores mudam, modelos evoluem e esse jogo técnico ainda vai continuar por muito tempo. A aposta mais consistente é outra: produzir algo que tenha autoria, contexto e uma voz que faça sentido para aquela empresa.
A discussão amadureceu
A inteligência artificial já faz parte da rotina de marketing.Segundo o AI Index Report 2026, da Universidade Stanford, 88% das organizações pesquisadas usavam IA em pelo menos uma função do negócio em 2025, e 70% já utilizavam IA generativa.
O ganho de escala é evidente: equipes conseguem estruturar pautas, adaptar campanhas, resumir pesquisas e testar variações em menos tempo.
Para CMOs e lideranças de marketing, o desafio passa a ser outro: como aproveitar essa velocidade sem produzir uma comunicação que poderia pertencer a qualquer concorrente?
Não deixe de conferir também o nosso artigo: AI-washing em marketing: como separar projetos de IA que geram vantagem competitiva de teatro de inovação
A IA acelerou a produção e também acelerou a mesmice
Existe uma razão para tantos conteúdos produzidos com IA soarem familiares: modelos de linguagem trabalham a partir de padrões e tendem a oferecer respostas próximas daquilo que aparece com maior frequência nos dados e contextos disponíveis.
Em junho de 2026, o Harvard Business School AI Institute discutiu esse efeito ao analisar pesquisas sobre criatividade em modelos de linguagem. Em uma das simulações, um método convencional de geração chegou a 35 grupos conceituais diferentes, enquanto uma técnica criada para estimular maior diversidade alcançou 244.
Um experimento anterior ajuda a mostrar o que isso significa no ambiente de trabalho. Em 2023, o Boston Consulting Group testou o uso do GPT-4 com 758 consultores em tarefas semelhantes às que executavam no dia a dia. Nas atividades de inovação, os participantes que utilizaram IA produziram resultados cerca de 40% melhores em qualidade, segundo a análise da Harvard Business School. Ao mesmo tempo, a diversidade das ideias caiu 41% em relação ao grupo que trabalhou sem IA. O experimento também foi detalhado pelo BCG.
Esse contraste resume bem o desafio para marketing. A IA pode ajudar cada profissional a chegar mais rápido a uma boa resposta. Quando muitas empresas recorrem às mesmas ferramentas, porém, aumenta a chance de boas respostas começarem a se parecer entre si.
O ganho de qualidade pode acontecer individualmente, enquanto a diferenciação diminui no conjunto.
É daí que surge a homogeneização algorítmica.
Bem-vindos ao inferno da mesmice
Nesse ponto da discussão, existe uma ideia que vem muito à tona, e ela não nasceu no marketing.
No livro “A agonia de Eros”, o filósofo sul-coreano Byung-Chul Han fala sobre o “inferno do igual”: uma cultura em que o diferente vai sendo substituído pela repetição do que já é familiar. O resultado é o tédio diante da mesmice, quando nada surpreende porque quase tudo parece o mesmo.
Com certeza, Han não estava escrevendo sobre a nova era das IA ‘s, branding ou marketing B2B. Ainda assim, a comparação ajuda a entender o que acontece com boa parte do conteúdo atual.
Faça o teste. Abra alguns sites do mesmo setor. Compare páginas de produto. Passe alguns minutos pelo LinkedIn. Veja apresentações institucionais, e-mails de prospecção, cases, banners ou vídeos de lançamento.
Os padrões aparecem rápido.
Nenhuma dessas peças precisa estar errada para ser esquecível. Basta que pareça intercambiável com o que os concorrentes já produzem.
A IA amplia esse risco porque acelera uma lógica que muitas vezes já era genérica. Se o ponto de partida não tem identidade, produzir mais rápido só multiplica a semelhança.
Por isso, a homogeneização começa quando a empresa deixa de colocar na comunicação aquilo que só ela pode oferecer: opinião, repertório, dados próprios, experiências, linguagem e visão de mercado.
Por que pessoas se conectam com pessoas, e não com “robôs”?
Todo conteúdo de uma empresa, seja um artigo, uma página de produto, um e-mail, uma apresentação ou um post, precisa fazer sentido para quem está do outro lado da tela.
Quando a comunicação começa a seguir os mesmos padrões, usar as mesmas estruturas e repetir as mesmas ideias, o efeito aparece rápido: menos atenção, menos conexão e menos confiança.
Hoje, o público está mais acostumado a reconhecer textos e imagens produzidos com IA. E, quando um material parece automático, genérico ou previsível demais, cresce a sensação de distância. A pessoa lê, mas não sente que existe alguém de fato falando com ela.
Os estudos sobre credibilidade reforçam essa percepção. Em um experimento do Instituto de Nuremberg para Decisões de Mercado, o NIM, anúncios idênticos foram avaliados de forma mais crítica quando apareciam identificados como gerados por IA, sendo percebidos como menos naturais e menos úteis.
Uma revisão sistemática de 492 estudos sobre credibilidade e IA também encontrou diferenças de confiança conforme a participação da tecnologia era apresentada.
Isso ajuda a explicar por que a mesmice pesa tanto. Quando o conteúdo parece impessoal demais, o público tende a se envolver menos e a desconfiar mais.
A IA pode participar do processo, mas a comunicação ainda precisa carregar contexto, intenção, repertório e uma forma de dizer que pareça pensada para pessoas reais.
Então como usar IA sem apagar a personalidade da marca?
Abandonar IA seria desperdiçar uma ferramenta que economiza tempo, amplia a capacidade de análise e ajuda equipes menores a executar tarefas antes muito mais operacionais. E definitivamente não é isso que queremos propor aqui.
O ponto é decidir o que vale acelerar e o que ainda precisa nascer dentro da empresa.
Uma boa governança de IA para marketing começa justamente por essa divisão.
1. Antes do prompt, dê repertório
Um erro comum começa com um pedido genérico: “escreva um artigo sobre X para o público Y”.
Se a ferramenta recebe apenas tema e persona, tende a responder com o repertório que já possui sobre aquele assunto. O resultado pode ser correto, mas dificilmente terá a identidade da empresa.
Para chegar mais perto da marca, a IA precisa receber materiais próprios: posicionamento, guia de linguagem, argumentos comerciais, entrevistas com especialistas, objeções de clientes, cases, pesquisas internas, conteúdos anteriores e opiniões que a empresa sustenta sobre o mercado.
O Gartner encontrou um contraste interessante. Em uma pesquisa com 418 profissionais de marketing, 77% disseram explorar IA generativa, mas apenas 44% relatavam benefícios relevantes. Entre os desafios estavam justamente a produção de materiais alinhados à marca e prontos para publicação em escala.
Talvez o ganho de qualidade não venha de aprender dezenas de novos truques de prompt, mas de melhorar aquilo que colocamos dentro dele.
2. Pare de pedir somente respostas e use a IA para encontrar o que está faltando
Se várias empresas perguntarem “quais são as principais tendências de marketing para 2027?”, é provável que recebam respostas com muita sobreposição.
A ferramenta fica mais interessante quando muda de função.
Em vez de pedir apenas uma resposta, ela pode ajudar a descobrir:
-
quais argumentos aparecem em praticamente todos os conteúdos;
-
quais consequências estão sendo pouco discutidas;
-
onde entrevistas com clientes contradizem o discurso mais comum do mercado;
-
quais lacunas existem nas pesquisas e materiais já reunidos.
É essa diferença que aparece também nas discussões do Harvard Business School AI Institute sobre criatividade. Em problemas abertos, modelos tendem a seguir caminhos de alta probabilidade. Quanto mais contexto, restrições, referências e provocações entram no processo, menor a chance de a resposta simplesmente reproduzir a média.
Para marketing, isso abre usos mais interessantes do que “escreva um post”. A IA pode ajudar a mapear lacunas, testar contrapontos, cruzar entrevistas, organizar pesquisas e explorar diferentes linhas de raciocínio antes da versão final.
3. Crie um human-in-the-loop que faça diferença de verdade
O conceito de human-in-the-loop, ou humano inserido no processo de decisão da IA, já virou parte do vocabulário corporativo. Na prática, porém, existe uma diferença grande entre revisar e realmente editar.
Trocar palavras, corrigir vírgulas e remover frases estranhas dificilmente muda um conteúdo que nasceu sem uma ideia própria. A participação humana precisa acontecer também antes da geração.
Quem define a tese? Quais fontes entram? Que conhecimento interno vale ser usado? Existe uma opinião que a empresa realmente sustenta? Que exemplo só aquela organização poderia dar?
Depois da geração, a revisão continua:
-
isso parece algo que nossa empresa diria?
-
poderia estar no site de qualquer concorrente?
-
os exemplos são reais?
-
os dados foram verificados?
-
estamos acrescentando algo ou apenas reorganizando o que já existe?
Uma pesquisa da McKinsey mostrou que apenas 27% dos profissionais de organizações que utilizavam IA generativa afirmavam revisar todo o conteúdo produzido antes do uso. Uma proporção semelhante dizia revisar 20% ou menos das saídas.
Para empresas que publicam em nome próprio, revisão humana precisa ir além de caça-erros. Ela participa da construção da comunicação.
4. Coloque seus próprios dados no processo
Existe uma forma bastante prática de escapar da pasteurização: colocar na produção algo a que os concorrentes não têm acesso.
A IA conhece o que está disponível publicamente. Ela não conhece, por padrão, as dúvidas recorrentes dos seus clientes, os aprendizados dos projetos, os dados internos, os padrões percebidos pela equipe ou a visão dos especialistas da empresa.
Esse repertório ajuda a produzir materiais mais específicos, porque não vem da média da internet.
O próprio Google recomenda conteúdo com perspectivas próprias, experiência em primeira mão e informações que acrescentem algo ao que já existe online.
Ter a mesma IA que todo mundo não é um diferencial. Ter melhores inputs, sim.
Para empresas de B2B High Ticket, aliás, esse acervo costuma estar mais acessível do que parece. Ele já existe dentro dos projetos entregues. O que falta, em geral, é o processo de transformar aquilo em conteúdo publicável.
Leia também: Como preparar seu marketing B2B para agentes de IA que compram por você (antes do time de vendas saber)
5. Crie um guia de IA da marca, não uma lista infinita de proibições
As empresas precisam ter um documento simples que organize como a IA pode ser usada na produção de conteúdo e comunicação.
Esse guia pode definir:
-
onde a IA pode trabalhar com mais autonomia;
-
quais materiais exigem revisão humana mais cuidadosa;
-
quais informações devem sempre entrar no contexto;
-
quais fontes e dados precisam ser validados;
-
quais características de tom, linguagem e posicionamento devem ser preservadas;
-
quais sinais indicam que o resultado ainda está genérico.
Não precisa ser um manual enorme. O objetivo é criar um padrão para que diferentes pessoas da equipe usem IA sem perder coerência, qualidade e personalidade na comunicação.
Com o tempo, esse documento também pode incorporar bons exemplos, erros recorrentes e aprendizados da própria operação.
Do “parece lixo de IA” ao conteúdo que vende
Conteúdo que vende não precisa empurrar uma oferta a cada parágrafo. Ele funciona quando faz o público perceber que existe conhecimento, experiência e uma visão própria por trás daquela empresa.
No B2B de alto valor, isso costuma aparecer em elementos difíceis de copiar: resultados, dados com contexto, opiniões que alguém está disposto a sustentar e informações que o comprador não encontraria em qualquer concorrente.
A IA pode ajudar a organizar tudo isso. O que ela não consegue fazer sozinha é criar o repertório que torna esse conteúdo particular.
Essa talvez seja a escolha mais importante para as equipes de marketing agora. Usar IA apenas para produzir mais tende a aumentar o volume daquilo que já existe. Usá-la para reduzir o trabalho operacional pode abrir espaço para pesquisa, análise, criatividade e conhecimento próprio.
E, conforme as ferramentas ficam melhores e mais acessíveis, a tecnologia usada tende a diferenciar cada vez menos. O que cada empresa coloca dentro dela, cada vez mais.
Talvez a melhor forma de blindar uma marca contra o lixo de IA seja simples de explicar, ainda que dê trabalho para executar: use a inteligência artificial para acelerar aquilo que pode ser acelerado, e preserve dentro da empresa aquilo que não deveria ser terceirizado. O que ela sabe, o que ela viveu, o que ela pensa e o que tem coragem de dizer.
Porque no fim das contas, do outro lado da tela continua tendo uma pessoa decidindo se confia em você. E pessoas se conectam com pessoas.
💬 Faz sentido para o seu mercado?
Se você quer estruturar uma operação de conteúdo que usa IA sem perder diferenciação, fale com a gente. Esse diagnóstico é o ponto de partida de todo trabalho que fazemos aqui.
Perguntas frequentes
1. Usar IA na produção de conteúdo prejudica o SEO? Não pelo uso em si. As orientações do Google indicam que a IA generativa pode apoiar pesquisa e estruturação de conteúdo original. O risco aparece quando a ferramenta é usada para gerar grande volume de páginas sem acrescentar valor, situação que se enquadra nas políticas contra abuso de conteúdo em escala.
2. O LinkedIn penaliza conteúdo feito com IA? Não pela ferramenta, e sim pelo resultado. A política anunciada em maio de 2026 prevê redução de distribuição para conteúdo classificado como genérico, repetitivo ou produzido com pouca participação humana. A rede também liberou uma opção para o usuário sinalizar publicações que parecem geradas por máquina.
3. Conteúdo gerado por IA tem pior desempenho? Sim. Segundo a Originality.ai, publicações identificadas como geradas por IA recebem em média 45% menos engajamento do que as escritas por pessoas. O efeito varia por setor e se refere a conteúdo sem intervenção humana relevante.
4. As pessoas confiam menos em conteúdo feito por IA?
Quando sabem a origem, sim. Um estudo do NIM mostrou que anúncios idênticos foram avaliados como menos naturais e menos úteis apenas por trazerem o rótulo de gerados por IA. E uma revisão sistemática de 492 estudos encontrou que o conteúdo apresentado como influenciado por IA, com participação humana declarada, foi percebido como o mais confiável de todos, acima do puramente gerado por máquina.
5. A IA reduz a criatividade da equipe?
Depende muito de como é usada. No experimento do Boston Consulting Group com 758 consultores, apoiado por pesquisadores de Harvard Business School, MIT Sloan, Wharton e University of Warwick, o uso de IA elevou a qualidade individual em cerca de 40% e, ao mesmo tempo, reduziu a diversidade das ideias do grupo em 41%.
6. Como manter originalidade usando IA na produção? A defesa mais durável é o material que o concorrente não pode replicar: dado proprietário, caso de cliente com número, aprendizado de projeto e revisão por especialista da própria casa. A IA ajuda a estruturar esse conteúdo, e não consegue produzi-lo sozinha.
