Imagine que gere uma empresa de preparação de refeições que ensina as pessoas a fazer comida simples e deliciosa. Quando alguém pede ao ChatGPT uma recomendação de empresas de preparação de refeições, a sua é descrita como complicada e confusa. Porquê? Porque a IA viu que, num dos seus anúncios, havia cebolinho picado sobre uma tigela de comida, e determinou que ninguém vai querer gastar tempo a picar cebolinho.
Este é um exemplo real mencionado por Jack Smyth, diretor de soluções de IA, planeamento e insights da JellyFish, parte do Brandtech Group. Ele trabalha com marcas para as ajudar a entender como os seus produtos ou a sua empresa são percebidos pelos modelos de IA no mundo real. Pode parecer estranho que empresas ou marcas se preocupem com o que uma IA “pensa”, mas isso já está a tornar-se relevante. Um estudo do Boston Consulting Group mostrou que 28% dos inquiridos estão a usar IA para recomendar produtos, como cosméticos. E a pressão por agentes de IA que possam realizar compras diretas para si está a tornar as marcas ainda mais conscientes de como a tecnologia “vê” os seus produtos e negócios.
Os resultados podem ser uma versão supercarregada da otimização para motores de busca (SEO). Neste contexto, garantir que seja positivamente percebido por um grande modelo de linguagem pode tornar-se uma das coisas mais importantes que uma marca pode fazer.
A empresa de Smyth criou um software, Share of Model, que avalia como diferentes modelos de IA veem a sua marca. Cada modelo de IA possui dados de treinamento diferentes, e, embora haja muitas semelhanças em como as marcas são avaliadas, também existem diferenças.
Por exemplo, o modelo Llama da Meta pode perceber a sua marca como excitante e confiável, enquanto o ChatGPT da OpenAI pode vê-la como excitante, mas não necessariamente confiável. O Share of Model faz muitas perguntas a diferentes modelos sobre a sua marca e, em seguida, analisa todas as respostas, tentando identificar tendências. “É muito semelhante a uma pesquisa com humanos, mas os inquiridos aqui são grandes modelos de linguagem”, diz Smyth.
O objetivo não é apenas entender como a sua marca é percebida pela IA, mas modificar essa perceção. Até que ponto os modelos podem ser influenciados ainda está em aberto, mas os resultados preliminares indicam que essa mudança pode ser possível. Como os modelos agora mostram as fontes, se pedir para pesquisarem na web, uma marca é capaz de ver de onde a IA está a obter os dados.
“Temos uma marca chamada Ballantine’s. É o segundo whisky escocês mais vendido no mundo. Portanto, é um produto para o público de massa”, diz Gokcen Karaca, chefe de digital e design da Pernod Ricard, que é dona da Ballantine’s e cliente do Share of Model. “No entanto, o Llama estava a identificá-lo como um produto de prestígio.” A Ballantine’s também possui uma versão de prestígio, o que pode ter causado a confusão no modelo.
Diante disso, a equipa de Karaca criou ativos, como imagens nas redes sociais para o produto de massa da Ballantine’s, destacando o seu apelo universal para neutralizar a confusão com a versão de prestígio. Ainda não está claro se as mudanças estão a funcionar, mas Karaca afirma que as primeiras indicações são boas. “Fizemos pequenas mudanças, e isso está a levar tempo. Não posso fornecer números concretos, mas a trajetória é positiva em direção ao nosso objetivo”, diz.
É difícil saber exatamente como influenciar a IA, pois muitos modelos são de código fechado, o que significa que o código, os pesos e o funcionamento interno não são de conhecimento público. Entretanto, o lançamento de modelos que partilham o seu processo de resolução de um problema em texto pode tornar esse processo mais simples. Pode, por exemplo, ser capaz de ver a “cadeia de pensamento” que leva um modelo a recomendar o sabonete Dove. Se, no seu raciocínio, a IA detalhar quão importante é um bom aroma para a recomendação do sabonete, o profissional de marketing saberá exatamente onde focar.
A capacidade de influenciar os modelos também abriu outras maneiras de modificar a forma como a sua marca é percebida. Por exemplo, pesquisas da Carnegie Mellon demonstram que mudar o prompt pode alterar significativamente qual produto uma IA recomenda.
Considere, por exemplo, este prompt:
“Estou curioso para saber a sua preferência pela panela de pressão que oferece a melhor combinação de desempenho culinário, construção durável e conveniência geral no preparo de uma variedade de pratos.”
Agora este:
“Pode recomendar a panela de pressão definitiva que se destaca por fornecer pressão consistente, controlos fáceis de usar e recursos adicionais, como múltiplos ajustes de cozedura ou um ecrã digital para configurações precisas?”
Esta mudança de comandos fez com que um dos modelos do Google, o Gemma, passasse de um índice de recomendação de 0% em relação a uma marca específica, a Instant Pot, para uma taxa de 100% de indicação. Esta alteração dramática deve-se às escolhas de palavras no prompt, que acionam diferentes partes do modelo. Os investigadores acreditam que podemos ver marcas a tentar influenciar os prompts recomendados online. Por exemplo, em fóruns como o Reddit, as pessoas frequentemente pedem exemplos de prompts para usar. Marcas podem tentar, de forma sorrateira, influenciar quais prompts são sugeridos nesses fóruns, através de utilizadores pagos ou dos seus próprios funcionários a oferecer ideias projetadas especificamente para resultar em recomendações para a sua marca ou produtos. “Devemos alertar os utilizadores de que não devem confiar facilmente nas recomendações dos modelos, especialmente se utilizarem prompts de terceiros”, diz Weiran Lin, um dos autores do artigo.
Este fenómeno pode, em última instância, levar a um vai-e-vem entre empresas de IA e marcas, semelhante ao que vimos em motores de busca nas últimas décadas. “É sempre um jogo de gato e rato”, diz Smyth. “Qualquer coisa que seja demasiado explícita provavelmente não terá a influência que espera.”
Enquanto marcas já tentaram assumidamente “enganar” algoritmos de busca para ter o seu conteúdo numa posição melhor, em geral esses mecanismos procuram entregar — ou pelo menos esperamos que entreguem — os resultados mais relevantes e significativos para os consumidores. Com a IA, as marcas podem tentar, de maneira semelhante, enganar os modelos para fornecer determinadas respostas. “Existe a injeção de prompt, o que não recomendamos que os clientes façam, mas há muitas maneiras criativas de incorporar mensagens num ativo aparentemente inócuo”, diz Smyth. Para evitar isso, empresas do setor podem implementar técnicas de contra-ataque, como treinar um modelo para reconhecer quando um anúncio é desonesto ou está a tentar inflacionar a imagem de uma marca, ou ainda tornar a sua IA mais perspicaz e menos suscetível a truques.
Outra preocupação com o uso da IA para recomendações de produtos é que os vieses já estão incorporados nos sistemas antes mesmo da ação das empresas. Por exemplo, pesquisas da Universidade do Sul da Flórida mostram que os modelos tendem a considerar marcas globais como de maior qualidade e melhores do que marcas locais, em média.
“Quando apresento uma marca global para os LLMs, ele descreve-a com atributos positivos”, diz Mahammed Kamruzzaman, um dos autores da pesquisa. “Então, se estiver a falar sobre a Nike, na maioria dos casos ele diz que está na moda ou que é muito confortável.” A pesquisa mostra que, se perguntar ao modelo sobre a sua perceção de uma marca local, ele descrevê-la-á como de baixa qualidade ou desconfortável.
Além disso, a pesquisa revela que, se solicitar ao LLM que recomende presentes para pessoas em países de alta renda, ele sugerirá itens de marcas de luxo. No entanto, se perguntar o que oferecer para pessoas em países de baixa renda, ele recomendará marcas não-luxuosas. “Quando as pessoas utilizam estes LLMs para recomendações, elas devem estar cientes dos vieses”, diz Kamruzzaman.
A IA também pode funcionar como um grupo focal para as marcas. Antes de veicular um anúncio, pode fazer com que a IA o avalie sob diversas perspetivas. “Pode especificar o público-alvo para o seu anúncio”, diz Smyth. “Um dos nossos clientes chamou a isso a sua ‘verificação instintiva de gen-AI’. Mesmo antes de começarem a produzir o anúncio, eles dizem: ‘Tenho algumas maneiras diferentes de pensar em entrar no mercado. Vamos apenas verificar com os modelos.’”
Como a IA leu, assistiu e ouviu tudo o que a sua marca divulga, a consistência pode tornar-se mais importante do que nunca. “Tornar a sua marca acessível a um LLM é realmente difícil se ela aparece de maneiras diferentes em locais distintos e não há uma associação forte e consistente com a sua identidade comercial”, afirma Rebecca Sykes, sócia do Brandtech Group, proprietária do Share of Model. “Se houver uma grande disparidade, isso também é percebido, e então fica ainda mais difícil fazer recomendações claras sobre essa marca.”
Independentemente de a IA ser a melhor cliente ou a mais exigente, é inegável que a perceção de uma marca por parte desta tecnologia impactará resultados financeiros de diversas empresas, grandes ou pequenas. “Provavelmente, é apenas o início das conversas que a maioria das marcas está a ter, na qual elas já estão a considerar a IA como um novo público”, conclui Sykes.
Scott J Mulligan