Diretor de Marketing Especialista em Tecnologia Partilha Como os Orçamentos e as Equipas de Marketing Devem Ser Reestruturados para a IA

Simone Morellato é um líder de marketing técnico e o responsável pelo marketing da vCluster. Começou a experimentar com IA numa função anterior e utiliza-a agora como um multiplicador de força na sua equipa de marketing.

Sentámo-nos com ele para compreender de que forma a IA está a alterar os seus fluxos de trabalho de marketing e os das suas equipas. Falou-nos sobre as novas funções e rubricas orçamentais indispensáveis.

Utilizar a IA como multiplicador do marketing

Sou um líder de marketing que construiu a sua carreira na interseção entre uma compreensão técnica profunda dos produtos tecnológicos e a sua execução de entrada no mercado, sobretudo nas áreas da infraestrutura, da nuvem e das plataformas para programadores. A minha jornada começou no lado da engenharia, onde estudei eletrónica e informática e trabalhei como engenheiro de software a desenvolver sistemas de redes de armazenamento. Essa base ajudou-me no marketing de produtos técnicos, porque sempre compreendi como funcionam, e não apenas como os posicionar.

Com o tempo, passei da engenharia para o marketing técnico de produtos na Cisco e, posteriormente, para funções de liderança em startups e empresas, incluindo a Riverbed, a Cloudian e a Apcera. O meu período na VMware foi um importante ponto de viragem na minha carreira e passei quase uma década a desenvolver o negócio Tanzu Kubernetes. Criei e liderei uma equipa global que abrangia o marketing de produtos, de programadores e de soluções, e ajudei a expandir o portefólio de um único projeto de código aberto para um conjunto de mais de 20 produtos. Durante esse período, comecei cedo a experimentar fluxos de trabalho baseados em IA, criando ferramentas internas de automatização para as relações com analistas que reduziram significativamente os tempos de execução e melhoraram a eficiência.

Atualmente, lidero o marketing na vCluster, criando uma estrutura completa de entrada no mercado nas áreas do crescimento, do marketing de produtos, da comunidade e da marca. Melhorámos a eficiência ao repensar a geração de procura, aumentando o reconhecimento de dezenas de milhares para milhões de impressões e melhorando significativamente a eficiência dos custos e a conversão do funil. Um dos principais focos tem sido desenvolver narrativas centradas nos programadores e ciclos de crescimento liderados pela comunidade, sobretudo no espaço do Kubernetes e da infraestrutura de IA.

Tudo aquilo em que trabalhei converge neste momento de transformação pela IA. A IA está agora a alterar fundamentalmente tanto a forma como o software é criado como a forma como é comercializado. Enquanto líder de marketing, concentro-me em ajudar as empresas a passar de mensagens de produto fragmentadas para narrativas de plataforma unificadas, utilizando a IA não apenas como um tema da história, mas como um multiplicador na forma como o marketing é executado.

Equilibrar a confiança dos programadores com a procura empresarial

Na vCluster, supervisiono uma função completa de entrada no mercado que abrange o crescimento, o marketing de produtos, a marca, a comunidade e os eventos. A equipa trabalha tanto com iniciativas de código aberto como empresariais, criando um mandato duplo: impulsionar uma adoção abrangente por parte dos programadores em grande escala e, simultaneamente, converter esse envolvimento num funil empresarial estruturado.

Do ponto de vista organizacional, a função opera como um sistema integrado, e não como disciplinas isoladas. O marketing de produtos e as relações com programadores trabalham em estreita colaboração para definir a narrativa e criar credibilidade técnica, enquanto o crescimento e os conteúdos se concentram na aquisição e distribuição escaláveis através de canais como as redes sociais, a otimização para motores de pesquisa, os meios pagos e os programas liderados pela comunidade. A marca e os eventos ampliam esse alcance ao envolvimento com o ecossistema, sobretudo nas comunidades do Kubernetes e da nuvem nativa.

A complexidade advém da dinâmica do público e do ecossistema. Fazemos marketing para perfis altamente técnicos, sobretudo engenheiros de DevOps e de plataformas, influenciando simultaneamente os decisores empresariais. Isso exige equilibrar a credibilidade técnica com uma explicação clara do valor empresarial. Ao mesmo tempo, operamos num espaço de infraestrutura em rápida evolução e influenciado pela IA, onde as definições das categorias ainda estão a formar-se. Consequentemente, uma parte significativa da função consiste em definir a narrativa, e não apenas amplificá-la.

O modelo é eficaz porque um ciclo unificado de aquisição, ativação e envolvimento liga tudo, apoiado por uma abordagem sólida e orientada por dados ao desempenho e por uma experimentação rápida.

Onde termina a IA e começa o discernimento

Utilizo a IA sobretudo para apoiar decisões e acelerar o trabalho em áreas de grande volume orientadas por padrões, ou em áreas que exigem a síntese rápida de grandes quantidades de informação não estruturada. Ao mesmo tempo, mantenho uma fronteira clara onde o discernimento humano continua a ser essencial, especialmente no que diz respeito ao contexto, à responsabilização e às implicações da marca a longo prazo.

Recorro intensivamente à IA em três áreas:

• Em primeiro lugar, desenvolvimento da narrativa e exploração da mensagem. Ao definir o posicionamento ou os temas de uma campanha, utilizo a IA para testar rapidamente variações, identificar lacunas na mensagem e testar rigorosamente a clareza junto de personas como programadores, engenheiros de plataformas e executivos. Isto comprime num ciclo muito mais rápido aquilo que anteriormente exigia várias iterações.
• Em segundo lugar, escalabilidade de conteúdos e campanhas. Atualmente, a IA produz o primeiro rascunho da maioria dos ativos de conteúdo, incluindo conteúdos para redes sociais, estruturas de artigos de blogue e variantes de campanhas. Também adapta contributos técnicos a uma linguagem específica para cada persona, o que é especialmente importante no marketing de infraestruturas e plataformas de IA, onde o mesmo conceito precisa de ser relevante para públicos diferentes de formas distintas.
• Em terceiro lugar, síntese do desempenho. Utilizo a IA para analisar sinais de desempenho das campanhas em vários canais e identificar padrões que, de outro modo, poderiam passar despercebidos, sobretudo quando se lida com dados fragmentados provenientes de canais orgânicos, pagos e comunitários.

As tarefas explicitamente humanas envolvem compromissos estratégicos e responsabilização. As decisões de posicionamento, a definição da categoria e a arquitetura central da mensagem continuam a ser totalmente lideradas por pessoas, porque exigem uma compreensão profunda do momento do mercado, da dinâmica competitiva e da ambição da empresa. O mesmo se aplica à decisão criativa final sobre a voz da marca e as campanhas de elevada visibilidade.

Também mantenho a responsabilidade humana pelas decisões de priorização. A IA pode apresentar opções e ideias, mas decidir o que não fazer continua a ser uma responsabilidade da liderança, sobretudo em categorias em rápida evolução, como as infraestruturas de IA, onde é fácil reagir de forma exagerada aos sinais.

Assim, a IA expande efetivamente o alcance do pensamento e da execução, mas não assume a responsabilidade pelos resultados. A liderança de marketing continua a tomar as decisões finais que equilibram velocidade, coerência e o valor da marca a longo prazo.

Como uma mudança estrutural levou as impressões de milhares a milhões

Mudei o nosso modelo de marketing, passando de uma produção de conteúdos centrada nas pessoas para uma geração de narrativas e ativos assistida por IA. Atualmente, as pessoas concentram-se na orientação, validação e distribuição, em vez de criarem tudo de raiz.

Na prática, introduzi um sistema de conteúdos orientado por IA. Utilizamos fluxos de trabalho baseados em LLM para transformar um único contributo técnico — como o lançamento de um produto, uma demonstração, uma perceção de um cliente ou uma narrativa de engenharia — em vários ativos de marketing subsequentes. Isto inclui publicações direcionadas para programadores, conteúdos longos, variações para redes sociais, mensagens de campanha e até rascunhos iniciais de posicionamento. Em vez de uma autoria separada para cada um, uma camada partilhada de instruções e estrutura gera, aperfeiçoa e alinha agora todos os ativos.

Simone Partilha

Em vez de uma autoria separada para cada um, uma camada partilhada de instruções e estrutura gera, aperfeiçoa e alinha agora todos os ativos.

A IA gera estes conteúdos em paralelo, com um nível de rascunho sólido, e não sequencialmente a partir do zero. Depois, acrescentamos revisão e aperfeiçoamento humanos, com o marketing de produto a garantir a integridade da narrativa, o crescimento a otimizar a distribuição e a marca a manter a voz e a consistência.

E passámos de um ciclo de produção baseado em campanhas para um sistema contínuo de conteúdos. A maioria das organizações de marketing continua a funcionar segundo uma mentalidade tradicional centrada em campanhas: define-se uma campanha, cria-se um conjunto de ativos, lança-se a campanha e passa-se depois à seguinte. Esse modelo foi criado para um mundo em que a produção de conteúdos era dispendiosa e lenta. Agora, executamos ciclos paralelos de geração e iteração. Isto reduz o tempo de ciclo e permite-nos responder muito mais rapidamente aos sinais do produto e do mercado.

Como a IA beneficia a eficiência da produção e a consistência da narrativa

No lado positivo, o impacto mais imediato da IA foi a escala e a eficiência. A introdução da IA nos fluxos de trabalho de produção de conteúdos e campanhas aumentou significativamente o volume produzido sem aumentar o número de colaboradores. Na vCluster, isto traduziu-se numa evolução de cerca de 36K para aproximadamente 7M de impressões mensais, ao mesmo tempo que reduziu o CPM de cerca de $5.58 para $0.29. Embora vários fatores tenham contribuído, um fator relevante foi a produção e iteração de conteúdos de forma muito mais rápida e consistente em todos os canais.

Também melhorámos a velocidade de execução. Os ciclos de conteúdo que anteriormente demoravam semanas — especialmente no caso de recursos multifuncionais que envolviam marketing de produto, marca e crescimento — foram reduzidos a dias. Isto permitiu-nos responder a lançamentos de produtos e sinais do mercado quase em tempo real, algo essencial num ecossistema de IA em rápida evolução.

Outro resultado positivo foi a consistência da narrativa. A IA ajudou a uniformizar a forma como transformamos dados técnicos em mensagens para diferentes canais, reduzindo a fragmentação entre conteúdos direcionados para programadores, capacitação de vendas e campanhas de geração de procura. Este alinhamento melhorou tanto a qualidade da interação como o desempenho subsequente do funil.

Em termos qualitativos, uma das maiores mudanças foi organizacional. A equipa de marketing passou de uma função principalmente centrada na execução para um papel mais focado na orquestração. Atualmente, as pessoas dedicam mais tempo à orientação, à estratégia e à validação, enquanto a IA trata da produção inicial e das variações. Isto melhorou o foco da equipa e reduziu os estrangulamentos operacionais.

A Simone partilha

Atualmente, as pessoas dedicam mais tempo à orientação, à estratégia e à validação, enquanto a IA trata da produção inicial e das variações.

Como a IA pode levar a uma geração excessiva

Também surgiram desafios. No início, observámos uma tendência para a geração excessiva. A IA produzia demasiadas variações sem restrições iniciais suficientes, criando ruído e obrigando-nos a criar camadas mais robustas de governação editorial e de instruções. Também gerimos ativamente o risco de diluição da mensagem, garantindo que a velocidade não comprometia um posicionamento claro nem a clareza da categoria.

Outra aprendizagem foi que a IA pode amplificar tanto os dados de entrada bons como os maus. Quando a narrativa subjacente ou o briefing são fracos, a IA amplifica rapidamente essa fragilidade. Isto obrigou-nos a investir mais na estratégia inicial e numa definição mais rigorosa dos dados de entrada antes de gerar qualquer conteúdo em escala.

De um modo geral, o resultado líquido tem sido claramente positivo, mas apenas depois de estabelecermos limites claros.

Porque é que a IA não consegue proporcionar diferenciação e posicionamento

A IA também ficou aquém das expectativas iniciais no que diz respeito à diferenciação estratégica e ao posicionamento.

Inicialmente, partíamos do princípio de que a IA poderia ajudar a criar narrativas de categoria mais fortes ou até identificar ângulos de posicionamento que nos conferissem uma vantagem. Na prática, descobrimos que, embora a IA seja excelente a recombinar padrões de mercado existentes, tem dificuldades em produzir um posicionamento verdadeiramente original ou defensável.

A tendência é convergir para a mediana do que já existe, precisamente o oposto do que se pretende quando se tenta destacar num mercado concorrido de infraestruturas ou plataformas de IA.

Porque é que os líderes de marketing têm de restringir primeiro a IA

Uma campanha inicial assistida por IA que realizámos para reposicionar uma plataforma técnica junto de um público mais abrangente de DevOps e engenharia de plataformas constitui um exemplo claro de onde a IA ficou aquém no fornecimento de diferenciação estratégica.

Utilizámos a IA para reposicionar a nossa plataforma junto de um público de nuvens emergentes. O resultado foi rápido e forneceu-nos várias direções: «simplificar as operações de Kubernetes», «melhorar a eficiência da plataforma», «acelerar a produtividade dos programadores».
Tudo parecia correto. Esse era precisamente o problema.

Nenhum destes ângulos nos diferenciava verdadeiramente. Quando os testámos rigorosamente face ao mercado, descobrimos que as ferramentas adjacentes já os utilizavam intensivamente no ecossistema de Kubernetes e nativo da nuvem. A IA amplificou efetivamente a linguagem comum do setor, em vez de nos ajudar a afastar-nos dela. Se tivéssemos avançado com o resultado gerado, a campanha teria ficado diluída na categoria, em vez de a moldar.

Reforçámos significativamente a fase de definição dos dados de entrada liderada por pessoas. Em vez de começarmos com instruções abrangentes sobre as capacidades do produto, impusemos restrições mais precisas em três áreas: a nossa vantagem arquitetural única, os compromissos que estávamos dispostos a assumir publicamente e os segmentos de público que queríamos explicitamente colocar em primeiro plano, e não apenas incluir.

Assim que voltámos a ancorar os dados de entrada nessas escolhas estratégicas, utilizámos a IA de forma diferente: não para inventar o posicionamento, mas para testar rigorosamente a clareza, adaptar a mensagem a diferentes personas e gerar variações ao nível da execução para conteúdos e campanhas.

O resultado foi uma narrativa muito mais clara, centrada num ângulo mais específico e defensável: a forma como as equipas de plataformas poderiam repensar a abstração da infraestrutura para cargas de trabalho modernas, em vez de se basearem em temas genéricos de eficiência ou produtividade. Essa mudança melhorou a qualidade da interação e tornou a mensagem mais memorável nas comunidades técnicas, especialmente entre os profissionais de Kubernetes, que são muito sensíveis a um posicionamento excessivamente genérico.

Assim, o estrangulamento já não está na qualidade ou na velocidade de produção; está na originalidade e na clareza do pensamento. Destacar-se agora exige uma perspetiva muito mais vincada, um posicionamento mais claro e a vontade de assumir compromissos explícitos. Sem isso, a IA tende a aproximar tudo da média do mercado.

Como a IA altera a estrutura das equipas de marketing

A IA transformou fundamentalmente a minha equipa de marketing, que deixou de estar organizada em silos funcionais para adotar um modelo de execução mais fluido e multifuncional.

Tradicionalmente, separávamos claramente as funções. Um profissional de marketing de conteúdos era responsável pela criação de conteúdos e depois entregava-os aos especialistas de distribuição para adaptação, enquanto o marketing de produto desenvolvia separadamente as mensagens e o posicionamento, que depois tinham de ser traduzidos para as campanhas. Cada etapa envolvia retrabalho e tradução entre funções.

Com a IA integrada no fluxo de trabalho, a estrutura mudou significativamente. Agora, cada membro da equipa pode trabalhar em várias partes do ciclo de vida dos conteúdos e das campanhas. Um profissional de marketing de conteúdos pode gerar não só o primeiro rascunho de um artigo, mas também as primeiras versões de variações para as redes sociais, textos para e-mails e até ângulos de posicionamento. Um profissional de marketing de crescimento pode pegar no mesmo conteúdo e gerar imediatamente variantes de campanha ou estruturas de teste. O marketing de produto pode passar de escrever tudo de raiz a aperfeiçoar a narrativa, garantir a precisão e alinhar as mensagens com a estratégia.

A principal mudança é que já não criamos o trabalho sequencialmente a partir do zero. Por defeito, a IA gera-o já numa fase de rascunho de alta qualidade e, em seguida, passamo-lo entre funções para aperfeiçoamento, validação e otimização. Isto reduziu significativamente a fricção entre as equipas e encurtou os ciclos de iteração.

Como resultado, os profissionais de marketing concentram-se agora mais no discernimento, na edição e na orientação estratégica do que na produção pura. A equipa é mais pequena em termos de dependência da execução manual, mas tem uma capacidade de produção muito maior.

A IA também tornou a colaboração mais dinâmica. Em vez de entregas rígidas entre equipas, funcionamos agora mais como um sistema partilhado de conhecimento, no qual podemos transformar qualquer informação em vários resultados para diferentes canais, cabendo depois ao especialista relevante aperfeiçoá-los.

Porque é que as equipas de marketing precisam de orçamentos descentralizados para ferramentas de IA

Se estivesse a começar de novo, investiria primeiro o orçamento de marketing não em despesas tradicionais de campanhas ou sequer em contratar pessoal, mas em dar a cada profissional de marketing acesso direto a um orçamento flexível e descentralizado para ferramentas de IA.

Atribuiria orçamentos individuais para que os profissionais de marketing pudessem adotar e experimentar ferramentas que melhorassem a sua produtividade diária, sem terem de esperar por ciclos centralizados de aquisição ou de aprovação por parte das TI. Isto inclui ferramentas de escrita com IA, assistentes de análise de dados, plataformas de geração criativa, ferramentas de automatização e utilitários especializados que surgem rapidamente no ecossistema da IA.

A razão é simples. Num ambiente orientado pela IA, a evolução das ferramentas é mais rápida do que os ciclos de aquisição empresarial. O acesso centralizado acaba inevitavelmente por uniformizar as equipas em torno de uma pilha tecnológica obsoleta, o que abranda a experimentação e cria uma lacuna entre aquilo que é possível e aquilo que é efetivamente utilizado na execução.

Vi isto em primeira mão ao introduzir a IA nos fluxos de trabalho de marketing. As equipas que tinham liberdade para testar e adotar ferramentas desde cedo avançaram significativamente mais depressa na produção de conteúdos, na iteração de campanhas e na análise de dados. As equipas limitadas por processos centralizados de aprovação voltavam frequentemente a fluxos de trabalho mais lentos e antigos, mesmo quando estavam disponíveis ferramentas melhores.

Em contrapartida, um orçamento distribuído para ferramentas cria uma dinâmica diferente. Transforma cada profissional de marketing num operador capaz de otimizar continuamente a sua própria pilha tecnológica. Também faz surgir inovação de forma orgânica, porque as melhores ferramentas se espalham naturalmente pela equipa através da utilização, em vez de serem impostas.

Em segundo lugar, daria prioridade à criação de uma camada de capacitação simples em torno dessa liberdade, incluindo boas práticas partilhadas, bibliotecas de prompts e fluxos de trabalho internos para impedir que a experimentação se transformasse em fragmentação.

O controlo central otimiza a consistência, mas a capacitação distribuída otimiza a adaptação. E é a adaptação que cria vantagem competitiva em ambientes de marketing em rápida evolução.

Como o Claude Cowork cria uma verdadeira alavancagem

Estou particularmente entusiasmada com uma funcionalidade de IA da Anthropic: o Claude CoWork.

Vai além da interface de conversação tradicional e parece um verdadeiro ambiente de trabalho para tarefas de conhecimento. Em vez de instruções isoladas, permite fluxos de trabalho mais estruturados e persistentes. É precisamente aqui que a IA oferece uma verdadeira vantagem.

Também aprecio a rapidez com que a Anthropic itera com base no comportamento real dos utilizadores. Prestam atenção ao que a comunidade cria e utiliza e, depois, integram esses padrões diretamente no produto principal. Isto faz-me lembrar a rapidez com que conceitos de projetos como o OpenClaw chegaram ao Claude CoWork. Esse ciclo de feedback é importante porque a ferramenta evolui para refletir a forma como as pessoas trabalham na realidade, e não apenas a forma como a equipa de produto imagina que deveriam trabalhar.

Na prática, também reduz a necessidade de combinar várias ferramentas ou extensões. Não tenho de recriar fluxos de trabalho, avaliar novos fornecedores ou preocupar-me com a segurança e o tratamento de dados numa estrutura fragmentada. Já confio na Anthropic enquanto empresa, por isso, quando lançam novas capacidades, posso adotá-las de forma rápida e confiante.

Porque é que todas as equipas de marketing precisam de uma função de capacitação em IA

Dito isto, a maior lacuna que tenho observado na adoção da IA não está nas ferramentas. A maioria das equipas de marketing tem acesso a ferramentas de IA. O que lhes falta é alguém cuja única função seja acompanhar o que está a mudar, filtrar o ruído e transformá-lo em fluxos de trabalho que a equipa possa realmente utilizar.

A maioria das organizações parte do princípio de que, se as equipas tiverem acesso a ferramentas de IA, a adoção surgirá naturalmente. Na prática, a consciência e a síntese são os fatores limitativos. O panorama da IA evolui tão rapidamente que nenhum profissional de marketing consegue realisticamente acompanhar novos modelos, ferramentas, fluxos de trabalho e boas práticas enquanto cumpre as suas responsabilidades principais. Quando todos são parcialmente responsáveis por se manterem atualizados, ninguém é totalmente responsável por isso.

Na minha experiência, criar uma função dedicada à capacitação em IA dentro da organização de marketing tem funcionado muito melhor. Não se trata apenas de um administrador de ferramentas ou de um engenheiro de instruções; trata-se de alguém profundamente curioso em relação à IA, que acompanha ativamente os desenvolvimentos em modelos e aplicações e os traduz continuamente em fluxos de trabalho práticos para a equipa.

Esta pessoa torna-se efetivamente uma camada interna de inteligência. Avalia novas ferramentas, testa casos de utilização, sintetiza o que é útil e o que é ruído e, depois, transforma-o em fluxos de trabalho repetíveis. Igualmente importante, funciona como uma ponte nos dois sentidos. Os membros da equipa podem apresentar-lhe problemas ou ineficiências, explorar soluções baseadas em IA e obter recomendações estruturadas.

Esta função tem impacto sobretudo no foco. Remove dos colaboradores individuais a carga cognitiva de “acompanhar a IA”, centralizando-a numa única função cuja única responsabilidade é manter-se na vanguarda e distribuir eficazmente esse conhecimento. Sem isso, as equipas tendem a fragmentar-se. Obtém-se uma adoção desigual, práticas inconsistentes e experiências duplicadas. Com isso, cria-se um efeito cumulativo em que a aprendizagem se centraliza enquanto a execução se distribui.

Porque é que os profissionais de marketing devem encarar a IA como uma mudança do modelo operacional

O conselho mais importante que daria aos líderes de marketing é que encarem este momento como uma mudança do modelo operacional, e não como uma atualização de ferramentas.

É fácil deixar-se envolver pela avaliação de ferramentas, pelo teste de funcionalidades e pela procura de ganhos incrementais de produtividade. Isso é importante, mas não proporciona a verdadeira vantagem. A verdadeira mudança está na forma como o trabalho de marketing é realizado, na estrutura das equipas e no local onde o esforço humano é aplicado.

Alguns princípios revelam-se particularmente importantes:

• Em primeiro lugar, invista na qualidade dos dados de entrada antes de aumentar a escala dos resultados. A IA gera tanto conteúdo quanto lhe pedir, mas a qualidade desse conteúdo depende inteiramente da clareza do seu posicionamento, da definição do público e da narrativa. Os líderes que ignoram este passo ampliam o ruído, como saliento em “Plano de marketing para startups tecnológicas”.
• Em segundo lugar, reformule os fluxos de trabalho, não apenas as tarefas. Em vez de perguntar como pode a IA tornar mais rápida uma etapa existente, analise todo o sistema, desde a entrada até ao resultado, e repense o seu funcionamento num mundo onde os rascunhos são instantâneos e a iteração é barata. Isso permite melhorias de uma ordem de grandeza.
• Em terceiro lugar, crie espaço para uma responsabilidade focada na IA. Quer se trate de uma função dedicada ou de um pequeno grupo, alguém tem de acompanhar de perto o panorama, testar ferramentas e traduzir isso em fluxos de trabalho práticos. Sem isso, as equipas fragmentam-se e a adoção estagna.

Acompanhe

Pode acompanhar Simone Morellato no LinkedIn.

Em breve, haverá mais entrevistas com especialistas no The CMO Club!