IA no planejamento de mídia: onde ajuda e onde erra com o OOH

A IA já presta, e muito, quando o trabalho é organizar informação e testar cenários, mas atrapalha quando o dado de base é fraco, e esse é o caso de boa parte do OOH. O modelo raramente é o gargalo. O que pesa é o material que a gente entrega para ele ler.

As tarefas em que a IA já funciona no planejamento

O ganho mais claro está no trabalho braçal: juntar relatórios de fontes diferentes, padronizar planilhas, resumir estudos de audiência e montar versões de um plano com verbas distintas. O planejador continua decidindo, mas chega à decisão com mais material e menos cansaço.

Há exemplo no próprio mercado exterior. Em 1º de julho de 2026, a OOH Brasil lançou o OOH BrAIn, plataforma construída pela equipe de marketing da empresa. Ela funciona como um analista comercial virtual: cruza histórico de desempenho, inventário, estudos de audiência e pesquisas próprias de neurociência com variáveis externas, como concorrência do setor, calendário sazonal e fluxo urbano. A ferramenta também lê no CRM o histórico de investimento de cada anunciante para sugerir rotas e telas.

Segundo a empresa, auditorias internas apontam redução de até 90% no tempo de montagem de uma proposta, de horas para minutos. O número não foi verificado por ninguém de fora. Cerca de 30 profissionais de marketing e novos negócios usam a plataforma todos os dias em Belo Horizonte, Rio de Janeiro, Recife e Fortaleza. A abertura para agências e anunciantes está nos planos, sem data.

O detalhe que importa é a base. A IA trabalha sobre histórico próprio, com campanhas e dados de clientes que a empresa já organizou. Isso pesa mais que qualquer promessa de velocidade.

Onde a IA inventa e simplifica demais

Modelos de linguagem produzem texto plausível, e plausível não quer dizer verdadeiro. Um estudo da Stanford divulgado em janeiro de 2024, ainda como preprint, testou GPT-3.5, Llama 2 e PaLM 2 com mais de 200 mil consultas jurídicas específicas por modelo e encontrou taxas de alucinação entre 69% e 88%. Os autores também apontaram excesso de confiança e tendência a aceitar premissas falsas.

O campo era o direito e os modelos de hoje são outros, mas o mecanismo se repete: pergunta específica com base escassa recebe uma resposta tão segura quanto a de quando está certa.

No planejamento isso aparece de duas formas. A primeira é o número inventado, uma audiência, um alcance ou uma tarifa que parece razoável e não vem de lugar nenhum. A segunda é a simplificação excessiva, quando o modelo trata como equivalentes duas praças com públicos, fluxos e concorrência bem diferentes.

Contexto também é ponto fraco. A IA não sabe que o cliente tem restrição política com determinado exibidor, que a verba foi combinada com a diretoria em outro formato ou que a sazonalidade da categoria mudou. É isso que separa um plano bom de um plano apenas coerente.

Como o dado de OOH atrapalha a IA

Um modelo só é tão bom quanto o dado que alimenta o raciocínio, e o OOH tem histórico de dado fragmentado. Em 30 de abril de 2026, a ABOOH apresentou o Padrão ABOOH de Métricas. Ele funciona como uma camada de harmonização: integra tecnologias de medição diferentes, como dados de celular, Wi-Fi, visão computacional e pesquisas amostrais, em métricas comparáveis e auditáveis, sem impor uma única metodologia. Cada exibidor também registra uma Declaração Confidencial de Metodologia, que permite auditar o processo sem expor segredo comercial.

O material cita como problemas a fragmentação histórica, a opacidade e o superdimensionamento de audiência. Entre os primeiros aderentes estão Eletromidia, JCDecaux, Kallas, Neooh e Helloo, além de empresas de medição e de DOOH. É um passo na direção certa. Só que padrão novo não apaga o legado: inventário descrito de formas diferentes por cada exibidor, métricas com metodologias distintas e histórico de campanha nunca estruturado seguem sendo a matéria-prima de muita ferramenta.

Lá fora o diagnóstico é parecido. Em agosto de 2026, a billups descreveu o setor como rico em dados e pobre em insights, com sistemas separados de audiência, inventário e mensuração e uma conexão entre eles que ainda exige esforço manual. Vale lembrar que a billups vende uma solução de IA para OOH e que o texto não traz números nem casos. Uso o diagnóstico e deixo a promessa de lado.

O resultado prático: a IA tende a ser mais confiável em meios com dado digital abundante e menos em meios físicos. Num painel de rua, a fonte do número importa, e o modelo não costuma avisar quando está improvisando.

Um teste de uma tarde antes de confiar na ferramenta

Antes de colocar qualquer ferramenta no fluxo, eu faria um teste simples, que cabe numa tarde:

1. Escolha uma campanha de OOH que já rodou e da qual você tem relatório de entrega.
2. Entregue à ferramenta o mesmo briefing, sem contar o que aconteceu.
3. Compare praças, formatos e alcance sugeridos com o que foi comprado e entregue.
4. Para cada número apresentado, peça a origem e confira no documento original.
5. Anote onde ela errou: audiência, tarifa, sazonalidade ou contexto do cliente.

O mapa de erros que sai daí diz onde a ferramenta serve e onde não serve. Ele também expõe um segundo risco, o da confiança. O texto da billups aponta a confiança e a transparência como os principais obstáculos: planejadores e clientes precisam entender por que a IA recomenda determinado mercado. Recomendação sem explicação não passa em reunião de verba.

Como usar IA no planejamento sem terceirizar o julgamento

Minha regra tem seis pontos.

• Separar tarefa de decisão. A IA organiza, resume e simula; quem assina o plano escolhe.
• Exigir a origem de todo número. Se a ferramenta não aponta a fonte, o dado não entra no plano até alguém conferir no relatório original ou com o exibidor.
• Alimentar a ferramenta com base própria e limpa. Planilha organizada, nomenclatura única de praças e formatos e histórico bem registrado rendem mais que qualquer prompt engenhoso.
• Pedir que ela diga o que não sabe. Peça que marque o que é dado, o que é estimativa e o que está faltando. Lacuna declarada custa menos que número inventado.
• Registrar fonte e data de cada premissa. Plano sem registro não se audita, nem por você daqui a seis meses.
• Testar a IA contra um caso que você já conhece. Onde ela errar mostra onde não confiar.

A billups defende que a IA deve reforçar o julgamento humano, e não competir com ele. Concordo, com uma ressalva: o julgamento precisa continuar existindo para ser reforçado. Quem delega a leitura do plano à máquina deixa de saber o que está comprando.

Na minha leitura, a vantagem de 2026 vai para quem organizar os próprios dados antes de comprar a ferramenta. O mercado ainda trata IA como atalho, e o atalho só funciona em estrada que alguém já pavimentou.

Leia também:

• DOOH programático: como funciona a compra automatizada de telas
• Como medir a audiência do OOH no Brasil
• Cenp, Ibope, IAB e OOH: o que cada fonte de dados realmente mede

Acompanhe o Portal Meteoro para mais análises do mercado.

Fontes

• Hallucinating Law: Legal Mistakes with Large Language Models Are Pervasive
• Padronização de métricas reposiciona OOH no mercado publicitário orientado por dados
• The Intelligence Behind Better OOH Decisions
• OOH Brasil lança plataforma de IA que reduz em até 90% tempo de produção de planos de mídia
• OOH Brasil lança plataforma de inteligência artificial para otimizar planejamento de mídia OOH