Home / Nosso Blog
Leve seu marketing digital para o próximo nível com estratégias baseadas em dados e soluções inovadoras. Vamos criar algo incrível juntos!
Acompanhe semanalmente nosso canal no youtube com vídeos de marketing e performance e se inscreva-se
A automação moldou o PPC por décadas e o cenário continua mudando.
Vi essa evolução em primeira mão, desde ajudar a criar o primeiro AdWords Editor até desenvolver os primeiros scripts do Google Ads e escrever sobre camadas de automação.
Agora estamos entrando em outra grande transição.
À medida que a IA muda a forma como pesquisamos e obtemos respostas, também transforma a forma como a própria automação é construída.
E desta vez, o impulso não vem de plataformas de anúncios como o Google – vem de empresas de IA como a OpenAI.
Até recentemente, a IA ajudava principalmente em tarefas de linguagem humana, como escrever textos de anúncios, resumos ou relatórios.
Mas a última geração de LLMs também pode gerar cada vez mais linguagem de computador, incluindo o software e os fluxos de trabalho que agilizam a forma como trabalhamos.
No DevDay da OpenAI em São Francisco, a empresa apresentou o AgentKit, uma nova maneira de construir IA que pode agir.
Ele marca o início de uma fase em que a mentalidade de automação que impulsionou a otimização do PPC pode se estender muito além das campanhas e abranger fluxos de trabalho inteiros.
Imagine isto:
Tudo isso é possível hoje e você não precisa de um diploma de engenharia para que isso aconteça.
Se você puder definir como seu trabalho é dividido em tarefas distintas, poderá criar um agente que execute essas etapas para você.
Aprofunde-se: 4 maneiras de conectar os dados de seus anúncios à IA generativa para um PPC mais inteligente
Um agente de IA é um ajudante inteligente que pode descobrir o que precisa acontecer e então agir usando ferramentas conectadas.
Historicamente, o software foi construído em torno de etapas determinísticas. Se X, faça Y, senão faça Z. É previsível, mas inflexível.
E exige que humanos definam todos os cenários possíveis que devem ser cobertos, o que torna a escrita de um programa útil demorada e difícil.
Mas, assim como um LLM é flexível na forma como responde às suas perguntas, ele pode usar essa flexibilidade para descobrir automaticamente o próximo passo razoável para concluir uma tarefa.
Em vez de responder com texto, os agentes podem raciocinar através de etapas, chamar APIs e executar tarefas.
Já expliquei as primeiras versões disso antes:
É isso que um agente faz: ele pode entender sua intenção e dar um passo no mundo real.
Este conceito se baseia em recursos anteriores do OpenAI, como Ações GPT e chamada de funçãoque deu aos modelos acesso controlado a dados externos.
Os agentes são a próxima evolução – eles combinam raciocínio com execução, o que significa que podem planejar e agir no mesmo fluxo.
Agora, pense nisso em termos de PPC.
Um agente pode extrair dados de campanha, resumir resultados e até mesmo fazer referência a documentos de marca ou política antes de gerar criativos compatíveis.
Isso é um grande avanço em relação aos tradicionais “assistentes de redação de IA”.
Aprofunde-se: Agentes de IA em PPC: O que saber e construir hoje
Agentes de IA não são uma ideia nova.
Muitos profissionais de marketing, inclusive eu, já os experimentam há mais de um ano, mas isso costumava exigir muito trabalho técnico.
Há cerca de um ano e meio, construí um agente com base nos dois livros que escrevi que poderia responder a perguntas no meu tom e referenciar minhas ideias.
Usei LangChain, um dos primeiros frameworks para conectar grandes modelos de linguagem a dados e ferramentas. Funcionou, mas não foi rápido.
Tive que aprender bancos de dados de vetores, RAG e várias outras partes móveis para fazê-lo funcionar – algo que a maioria dos profissionais de PPC deseja resolver nas manhãs de segunda-feira.
Desde então, diversas empresas facilitaram a construção de agentes como esses, e algumas até os apresentam com um clone digital de uma pessoa, como a HeyGen.
Mas quando a OpenAI apresenta uma forma de criar agentes, presto atenção – e foi isso que eles fizeram com o AgentKit.
Traz uma interface visual para construção de agentes diretamente na plataforma do chatbot mais utilizado.
O que costumava levar horas ou dias de desenvolvimento agora pode ser feito em minutos e você não precisa saber codificar.
AgentKit é o novo kit de ferramentas da OpenAI para criar agentes que podem se conectar a ferramentas e realizar ações por meio dessas ferramentas.
É um construtor visual onde você vincula serviços como Gmail, Dropbox ou Slack e descreve o que o agente deve fazer usando ferramentas que você já usa todos os dias.
Se você já usou Zapier, n8n, Make ou Rule Engine, o conceito lhe parecerá familiar: você conecta blocos em sequências que representam o que você deseja que aconteça.
Mas como um modelo de IA flexível está no centro desses fluxos, o AgentKit é diferente – ele pode usar o raciocínio em vez de regras rígidas.
Se isso parece assustador, você pode adicionar uma etapa simples de aprovação humana a qualquer fluxo.
Em vez de “Se X acontecer, faça Y”, você pode dizer: “Se um cliente enviar um relatório de campanha, resuma-o e salve-o na pasta certa”.
A IA descobre como fazer isso fazendo solicitações razoáveis que a ajudam a entender o que você quer dizer com instruções vagas como “a pasta certa”.
Para profissionais de marketing de PPC, isso abre a porta para automatizar o trabalho em torno de campanhas (pense em relatórios, documentação e preparação criativa), sem esperar por um recurso da plataforma ou por um desenvolvedor.
Obtenha o boletim informativo em que os profissionais de marketing de busca confiam.
Nos bastidores, grande parte do poder que permite aos agentes agir vem do Protocolo de Contexto do Modeloou MCP.
Não é totalmente novo, mas é a peça chave que faz tudo isso funcionar.
Os MCPs são os conectores que permitem que os agentes se comuniquem com suas ferramentas ou dados de maneira estruturada.
Se você pensar nas APIs como conectores da web, os MCPs são semelhantes, mas construídos como um padrão que qualquer LLM pode usar.
Alguns são desenvolvidos pela OpenAI, como os conectores para Dropbox ou Gmail.
Outros vêm de desenvolvedores terceirizados, como o Box.
E você pode criar o seu próprio para conectar dados privados ou sistemas internos.
Você pode pensar desta forma: os MCPs são o encanamento. AgentKit é a torneira.
O encanamento define quais dados podem fluir para onde. A torneira é como você transforma isso em algo utilizável.
Sem MCPs, um agente seria como um estagiário brilhante, sem login em nenhum dos sistemas de que precisa.
Com eles, o agente pode usar seus dados e ferramentas com segurança e com permissões claras.
Aprofunde-se: como o Model Context Protocol está moldando o futuro da IA e do marketing de busca
Se isso ainda parece abstrato, pense em um MCP como um menu do que uma IA pode fazer dentro de um determinado fluxo.
Por exemplo, o MCP do Google Ads atualmente inclui ações como:
É isso por enquanto. Ele pode ler dados, mas ainda não pode alterar lances ou criar anúncios.
Essa limitação é uma boa ilustração de que os MCPs não abrem a porta para sistemas inteiros para que um LLM enlouqueça.
Em vez disso, eles fornecem um conjunto definido de recursos criados pelo desenvolvedor do MCP.
É um guarda-corpo importante. E mesmo com MCPs que oferecem recursos mais amplos, você ainda controla exatamente quais ações seu agente pode acessar ao integrá-las a um fluxo.
Mesmo neste estado inicial, é uma prévia clara de como a IA pode eventualmente interagir com os dados do Google Ads por meio de interfaces seguras e bem definidas.
Aqui está o que isso parece na prática.
Imagine que você deseja um assistente de IA que escreva Google Ads e siga automaticamente a voz de sua marca e as isenções de responsabilidade legais.
No AgentKit, você pode criar um agente com duas ferramentas conectadas:
Você poderia então pedir ao agente para “escrever novas manchetes RSA para nossa campanha de outono usando nosso estilo e isenções de responsabilidade”, e isso se conectaria com os dados corretos para concluir a tarefa.
Nos bastidores, ele lê os arquivos, extrai as regras e gera textos de anúncios compatíveis. Você ainda aprova a versão final, mas o trabalho de preparação é automatizado.
Pode parecer simples, especialmente porque você já pode fazer isso com uma GPT personalizada, mas mostra como esses blocos de construção podem ser expandidos.
Por exemplo, você pode integrar um MCP à sua plataforma de e-mail e fazer com que o agente envie ao cliente uma solicitação de aprovação para os criativos gerados.
Aqui estão as etapas para criar um agente conectado às duas fontes de dados mencionadas acima.
No Agent Builder, clique no ícone + ao lado de Ferramentas para dar ao seu agente uma nova capacidade, como conectá-lo a um MCP.
Escolha um MCP existente, como os mostrados aqui, ou conecte um MCP personalizado clicando em + Servidor.
Você também pode adicionar um recurso de pesquisa de arquivos e selecionar os arquivos a serem incluídos diretamente na caixa de diálogo pop-up.
Agora você pode interagir com o agente para ver como ele usa suas novas habilidades para produzir respostas melhores e, quando habilitado, como ele usa outras ferramentas para executar ações.
Aprofunde-se: como ficar mais inteligente com IA em PPC
Se você já está no PPC há algum tempo, já viu esse script antes.
Passamos de otimizações manuais a regras automatizadas, a scripts e a camadas de automação – e cada onda mudou o conjunto de habilidades necessárias para permanecer à frente. Os agentes são a próxima onda.
Em vez de escrever scripts ou construir fluxos de trabalho com APIs, em breve iremos descrevê-los em inglês simples e deixar a IA gerar a lógica.
Isso amplifica o que os profissionais de marketing podem fazer.
As competências essenciais permanecem as mesmas – estratégia, medição e julgamento – mas a forma como construímos a automação está prestes a tornar-se muito mais rápida, mais flexível e muito mais acessível.
As ferramentas atuais para construir agentes de IA ainda são iniciais.
A configuração de um MCP requer alguma configuração, e o conector do Google Ads está limitado à leitura de dados.
Mas o potencial é claro: a IA irá além da geração de texto para executar fluxos de trabalho, verificar regras e realizar o trabalho.
Se você quiser ficar à frente dessa mudança, comece aos poucos.
Experimente automações simples que conectam seus e-mails, arquivos ou relatórios.
Saiba o que os agentes podem e o que não podem fazer ainda.
Assim como os profissionais de marketing que adotaram os scripts cedo serão os que definirão o padrão mais tarde, aqueles que aprenderem isso agora serão os que definirão o padrão mais tarde.
Aprofunde-se: Agentic PPC: como seria o marketing de desempenho em 2030
Os autores colaboradores são convidados a criar conteúdo para o Search Engine Land e são escolhidos por sua experiência e contribuição para a comunidade de pesquisa. Nossos colaboradores trabalham sob a supervisão da equipe editorial e as contribuições são verificadas quanto à qualidade e relevância para nossos leitores. Search Engine Land é propriedade de Semrush. O Colaborador não foi solicitado a fazer qualquer menção direta ou indireta de Semrush. As opiniões que expressam são próprias.
”Negócio desatualizado ele não está apenas perdendo dinheiro, mas está perdendo a chance de fazer a diferença ao mundo”
Produtor
