Há alguns anos, quando ouvia executivos de marketing e inovação falarem sobre "criatividade como core business", eu costumava revirar os olhos. Parecia mais um daqueles mantras de palestra motivacional — bonito no palco, mas intragável no dia a dia de uma operação de tecnologia. Afinal, como algo tão subjetivo quanto a criatividade poderia ser tratado com a mesma seriedade que uma arquitetura de microsserviços ou um pipeline de dados?
O evento promovido pela ABA (Associação Brasileira de Anunciantes) me fez revisitar essa questão com outros olhos. A tese central apresentada — de que a criatividade precisa ser tratada como infraestrutura de negócios, e não como um departamento isolado — ecoa de maneira surpreendente com o que venho observando em projetos reais de implementação de inteligência artificial generativa em grandes empresas. O que parecia dois mundos opostos está, na prática, se revelando两面 da mesma moeda.
O erro de tratar criatividade como "departamento"
Na maioria das organizações que conheci, a criatividade vive confinada em silos: marketing, design, branding. São áreas que recebem briefings, produzem entregáveis e são medidas por KPIs muitas vezes subjetivos. O problema não está na qualidade do trabalho desses times — que costuma ser excelente —, mas na forma como a empresa enxerga o papel da criatividade. Quando um processo criativo é tratado como uma etapa dentro de um fluxo linear, ele perde sua capacidade de gerar impacto sistêmico.
Penso na criação de prompts para modelos de linguagem como um exemplo concreto disso. Em projetos de IA generativa, a qualidade do output depende diretamente da qualidade do input — e isso não é apenas uma questão técnica de "escrever um bom prompt". É um exercício profundamente criativo de traduzir intenção de negócio em linguagem, de antecipar ambiguidades, de construir contextos. Empresas que tratam a engenharia de prompt como uma tarefa operacional estão perdendo a oportunidade de usar a criatividade como alavanca estratégica.
O que significa "infraestrutura de criatividade" na prática
Infraestrutura, em tecnologia, é aquilo que sustenta tudo o resto: servidores, redes, bancos de dados, pipelines de CI/CD. Ninguém pergunta se um servidor "entrega valor direto" — ele é a condição de possibilidade para que o valor exista. A proposta de tratar criatividade como infraestrutura segue a mesma lógica: não se trata de medir o ROI de uma campanha criativa isolada, mas de construir as condições organizacionais para que a inovação aconteça de forma recorrente e escalável.
Em termos práticos, isso envolve ao menos três camadas. A primeira é a governança de dados criativos: ter bases organizadas de insights de consumidor, tendências de mercado e resultados históricos que alimentem tanto humanos quanto máquinas. A segunda é a alfabetização criativa distribuída: não apenas o time de criação precisa pensar como criativo, mas também engenheiros, product managers e analistas de dados. A terceira é a orquestração entre IA e humanos: definir claramente onde a máquina acelera, onde ela inspira e onde o julgamento humano é insubstituível.
Vi recentemente um case em que uma equipe de produto usou IA generativa para criar 40 variações de copy para um fluxo de onboarding. O time de marketing escolheu três para testar em produção. O resultado? Nenhuma das três venceu o controle. Mas uma variação que o time havia descartado — e que a IA sugeriu com baixa confiança — performou 23% melhor quando testada por um engenheiro curioso. Esse não é um caso sobre IA ou sobre criatividade: é um caso sobre infraestrutura que permite experimentação em escala.
IA não substitui criatividade: ela expõe sua escassez
Um dos maiores equívocos que tenho visto no mercado é a ideia de que ferramentas como ChatGPT, Midjourney ou DALL-E vão automatizar a criatividade. Na minha experiência, ocorre exatamente o contrário: a IA generativa escancara a escassez de pensamento criativo humano de qualidade. Quanto mais acesso a máquinas que produzem variações infinitas, mais valioso se torna o curador que sabe o que vale a pena ser levado adiante.
No evento da ABA, essa percepção apareceu de forma consistente. Líderes de grandes marcas relataram que o principal gargalo não é a geração de ideias — as IAs fazem isso em segundos —, mas a capacidade de filtrar, refinar e conectar essas ideias a estratégias de negócio reais. É um movimento que lembra o que aconteceu com a programação quando surgiram frameworks e ORMs: o trabalho braçal diminuiu, mas a exigência sobre o arquiteto de software aumentou.
Do ponto de vista de infraestrutura, isso significa que as empresas precisam investir em algo que vai muito além da assinatura de uma ferramenta de IA. É necessário construir um ecossistema que inclua: curadoria humana qualificada, métricas para avaliar outputs generativos, loops de feedback entre máquina e criador, e um vocabulário compartilhado entre times técnicos e criativos. Sem isso, a IA vira uma máquina de gerar ruído.
O trade-off entre escala e originalidade
Um risco real que acompanho de perto é a homogeneização criativa. Quando todos usam os mesmos modelos treinados nos mesmos datasets, o que era para ser um multiplicador de criatividade pode se transformar em uma máquina de clichês. Já vi campanhas inteiras geradas por IA que, embora corretas e bem escritas, não tinham alma — e o mercado reagiu com indiferença.
A saída não é abandonar a tecnologia, mas tratá-la com o ceticismo saudável de quem conhece suas limitações. Modelos de linguagem são excelentes para navegar o que já foi dito, mas péssimos para quebrar padrões estabelecidos. A originalidade ainda depende de inputs humanos que fogem da curva — seja uma observação inusitada de comportamento do usuário, um insight vindo de um canal de atendimento, ou uma restrição criativa autoimposta que força a máquina a sair do óbvio.
Na prática, isso exige que as equipes técnicas desenvolvam o que chamo de "alfabetização criativa inversa": entender como os modelos funcionam para poder explorar suas bordas, suas zonas de baixa confiança, seus erros interessantes. Um prompt que gera um resultado inesperado não é necessariamente um erro — pode ser o início de uma descoberta. Mas para isso, a organização precisa de uma cultura que tolere e valorize o inesperado.
O que muda na operação de tecnologia
Para quem trabalha com infraestrutura de software, a maior implicação é que a criatividade passa a ser um requisito não-funcional. Assim como desempenho, disponibilidade e segurança são atributos que todo sistema deve considerar, a capacidade de gerar, avaliar e iterar sobre ideias se torna um atributo desejável em produtos digitais. Isso muda desde a forma como pensamos em arquitetura de dados (precisamos de datasets que capturem não apenas transações, mas também intenções e contextos) até o design de APIs (que precisam expor endpoints que permitam experimentação criativa).
Outro ponto que tenho discutido com CTOs e VPs de engenharia é o impacto na composição dos times. Não se trata mais de ter "um time de dados", "um time de IA" e "um time de marketing" que se falam esporadicamente. A integração precisa ser mais profunda. Em projetos mais maduros que acompanhei, os engenheiros de machine learning participam de sessões de brainstorming criativo, e os designers entendem o suficiente de álgebra linear para questionar viés em embeddings.
Para o profissional de tecnologia individualmente, a mensagem é clara: habilidades puramente técnicas estão se tornando commodities. O diferencial será a capacidade de combinar conhecimento técnico com sensibilidade criativa — de entender não apenas como um modelo funciona, mas quando e por que ele falha, e o que fazer com essa falha. O mercado de trabalho está começando a precificar isso.
Riscos de tratar criatividade como processo industrial
É preciso, no entanto, um contraponto. Ao tratar criatividade como infraestrutura, corremos o risco de burocratizá-la. Já vi casos em que a tentativa de "sistematizar a inovação" resultou em processos tão rígidos que mataram qualquer centelha criativa. Formulários de aprovação, comitês de curadoria, métricas excessivas — tudo isso pode transformar um fluxo criativo em uma esteira fabril que produz peças padronizadas.
O equilíbrio está em construir uma infraestrutura que seja habilitadora, e não controladora. Isso significa: dar acesso a dados e ferramentas, mas permitir que os times explorem sem aprovação prévia; criar rituais de compartilhamento de descobertas sem transformá-los em reports burocráticos; celebrar o erro interessante tanto quanto o acerto previsível. Mais fácil falar do que fazer, reconheço. Mas é o único caminho que vi funcionar em organizações que realmente conseguiram escalar criatividade sem perder originalidade.
Uma perspectiva pessoal sobre o futuro
Saí da cobertura do evento da ABA com a sensação de que estamos diante de uma mudança de paradigma que ainda não nomeamos direito. Não se trata de "humanos vs. máquinas" nem de "criatividade vs. dados". Trata-se de reconhecer que, em um mundo onde a tecnologia amplifica exponencialmente nossa capacidade de gerar, o recurso mais escasso não é a inteligência — é o bom gosto, a perspicácia, a intuição treinada por anos de experiência. São esses atributos que tornam uma empresa capaz de transformar a enxurrada de outputs de IA em decisões de negócio que realmente importam.
Para quem está construindo produtos digitais hoje, meu conselho é: invista em criar as condições para que a criatividade floresça em toda a organização, não apenas no departamento de marketing. Isso significa dados acessíveis, ferramentas bem integradas, e — acima de tudo — confiança para que as pessoas experimentem. A infraestrutura criativa não se constrói com slides bonitos ou frameworks teóricos. Constrói-se com arquitetura de dados bem pensada, APIs que permitem iteração rápida, e um entendimento profundo de que o melhor uso da IA não é substituir o pensamento humano, mas desafiá-lo a ir mais longe.