Resumo executivo
Lucian Fialho, CTO e cofundador da Métricas Boss, palestrou no dia 19 de outubro de 2026 no evento “O futuro do Marketing com IA”, da Abradi Rio com a ESPM, na Villa Aymoré, na Glória. O tema da fala foi “IA, dados e o novo marketing”, e a tese que ele defendeu é simples de enunciar e difícil de engolir: o marketing brasileiro não sofre de falta de dado nem de ferramenta. Sofre de gente que não sabe interpretar o que já tem na mão. Colocar IA por cima disso não resolve nada. Só faz o erro acontecer mais rápido.
A apresentação misturou números do Panorama Digital Analytics 2025, pesquisa da Métricas Boss que ele coautorou, com três casos reais de clientes atendidos pelo Analytics Copilot, o produto de análise conversacional da empresa. Logo na abertura ele avisou: “Não sou influenciador. Não trouxe nenhuma fórmula mágica pro sucesso. Trouxe caso real, dado real.”
O que o Panorama Digital Analytics 2025 diz sobre o mercado
Antes de falar de ferramenta, Lucian mostrou o retrato do mercado. O Panorama Digital Analytics 2025 ouviu mais de 400 profissionais no Brasil, em 41 perguntas. É a maior pesquisa em língua portuguesa sobre o tema.
O diagnóstico não é animador: 89% das áreas de uma empresa têm algum desafio com métricas, parcial ou total. E o gargalo não é coleta. Para 53% dos respondentes, o principal obstáculo é não saber interpretar o dado que já existe.
Em marketing o buraco é mais embaixo. Os próprios times admitem: 46% não sabem organizar os dados corretamente, 48% não sabem interpretar o que têm e 44% não conseguem transformar dado em ação. Ao mesmo tempo, 82% das empresas dizem querer usar dado na estratégia de marketing, mas travam em clareza de ROI, experiências ruins anteriores e complexidade técnica.
Tem um número que quase ninguém comenta: só 21,5% das empresas confiam totalmente no próprio dado. Sem confiança na base, qualquer análise vira exercício de fé, com IA ou sem.
IA não conserta dado ruim
A era do LLM chegou, e a pergunta não é mais se o mercado vai usar IA para analisar dado. É quem vai saber fazer isso direito. Para agências e consultorias, essa distância entre demanda e capacidade não é só ineficiência interna. É oportunidade de negócio.
Só que a ordem dos fatores continua valendo. “IA em cima de dado ruim não corrige o dado ruim. Só erra mais rápido, com mais confiança”, resumiu Lucian. A regra mais velha da computação, garbage in garbage out, foi formulada em 1957, muito antes de qualquer IA generativa. A IA só executa esse princípio com mais velocidade, para o bem ou para o mal.
A saída passa pelas seis dimensões de qualidade de dado: completude (o dado que deveria existir, existe?), exatidão (o valor registrado reflete a realidade?), consistência (a mesma métrica bate entre fontes diferentes?), atualidade (o dado chegou a tempo de decidir algo?), validade (respeita o formato esperado?) e unicidade (não tem duplicata inflando o número?). Parece checklist acadêmico, mas é o que quebra sem avisar. Sem algo proativo cruzando e validando, você descobre o problema quando já é tarde.
Data first, AI second. A IA não troca a ordem das coisas. Ela acelera o que já estava funcionando, ou o que já estava quebrado.
Como nasceu o Analytics Copilot
A segunda parte da palestra contou a história real do produto, em quatro marcos:
- Em 2025, o Google lançou a análise conversacional no GA4. A Métricas Boss testou com cliente real e não funcionou: template fechado, sem exploração de verdade.
- Em outubro de 2025, a equipe construiu o primeiro MCP público de Google Analytics. Funcionava, mas saía caro em processamento.
- Em dezembro de 2025, a migração para CLI derrubou o custo em 21 vezes na comparação com o MCP oficial. Aí ficou viável.
- Hoje isso virou produto. O Analytics Copilot está em beta, roda no laptop e atende qualquer empresa ou agência.
É aqui que o futuro do marketing com IA deixa de ser slide de evento e vira ferramenta. A proposta é análise como conversa: com o seu dado, na sua máquina, sem ETL e sem warehouse. E a demonstração foi feita com casos reais, não com slide de promessa.
Caso 1: o bug que ninguém via
Um cliente via o famoso (not set) dominando a origem de tráfego no GA4. Ninguém sabia se era tag quebrada, consent mode ou implementação errada.
O copilot tem acesso semântico à documentação técnica da plataforma, não busca por palavra chave, e cruza isso com a navegação real da página. A investigação encontrou um redirect 302 que derrubava o parâmetro de UTM. Depois da correção, o tráfego pago caindo como (not set) saiu de 32% para algo em torno de 2%.
O ganho não foi só achar o bug. A mesma capacidade vira análise exploratória, descoberta de problema e backlog de teste A/B. No fim, o que se entrega é contexto em cima de uma estrutura self service de dado, pronta para exploração por agentes.
Caso 2: quando Zendesk e GA4 conversam
O Zendesk de outro cliente era uma mina de demandas que quase ninguém cruzava com o comportamento real no site. A pergunta que o copilot respondeu: quem reclama de um problema é o mesmo segmento que trava em algum ponto do site?
A correlação confirmou. 71% dos tickets sobre o bug vinham do mesmo segmento que travava no checkout. Duas fontes independentes apontando para o mesmo problema não é coincidência.
Para quem presta serviço, isso muda o jogo. O backlog passa a ser priorizado pelo que o dado confirma em duas fontes, e não pelo que o cliente mais reclamou no WhatsApp naquela semana.
Caso 3: o calor vendeu, ou a mídia?
O terceiro caso foi de um cliente que vende ar condicionado. A pergunta não era “quanto gastamos”. Era: “o calor estava vendendo por nós?”
Cruzando o CAC médio por região com dados de clima e temperatura, a análise separou o que era mídia do que era calor. Resultado: 35% da demanda nos picos de temperatura não veio da campanha. Veio do clima, que vendia sozinho uma fatia do resultado pela qual a mídia levava o crédito. Esse cruzamento virou a base de um teste de incrementalidade, região por região.
É a diferença entre decidir mídia com incrementalidade real e decidir com “a campanha funcionou porque bateu recorde”. Podia ser só julho sendo julho. Agora dá para saber.
Quanto a IA entrega de verdade
Fechando os casos, Lucian trouxe o número que mais rendeu conversa no auditório: 40% de ganho de produtividade no time da Métricas Boss. Medido, não inflado. Nada dos 200% ou 500% que guru de internet promete.
“É mais fácil crescer 30%, 40%, 50% por vez entendendo quais parafusos apertar na operação do que subir uma estrutura gigante sem saber se aqueles 400% ou 500% são ilusão. Ganho que o time inteiro entende vale mais que número que ninguém sabe se é real.”
O que vem a seguir
A palestra fechou com dois convites. O Analytics Copilot está em beta com waitlist aberta, e quem estava no evento da Abradi RJ tem prioridade. Para acompanhar os experimentos, Lucian mantém uma newsletter em lucianfialho.substack.com, com um experimento novo todo domingo.
A frase que ficou na tela no encerramento: análise não vai virar mais um dashboard. Vai virar conversa.
Quer testar o Analytics Copilot na sua operação? Entre na waitlist e veja o que a análise conversacional faz com o seu dado, na sua máquina, sem ETL e sem warehouse.
Perguntas frequentes
O que Lucian Fialho apresentou na palestra da Abradi Rio?
Ele mostrou como aplicar IA em cima de dado confiável na operação de marketing, com três casos reais: o diagnóstico de (not set) no GA4, um backlog priorizado cruzando Zendesk e GA4, e um teste de incrementalidade de mídia cruzando CAC com dados de clima.
Por que IA não resolve problema de qualidade de dados?
Porque IA não corrige dado ruim, só acelera o erro. Antes de plugar agentes, é preciso garantir completude, exatidão, consistência, atualidade, validade e unicidade. Segundo o Panorama Digital Analytics 2025, só 21,5% das empresas confiam totalmente no próprio dado.
O que é o Analytics Copilot da Métricas Boss?
Um copiloto de análise de dados que roda no laptop do usuário. Você pergunta em chat, ele cruza fontes como GA4, Zendesk e dados externos, investiga e adapta a análise conforme as suas correções. Nasceu de um MCP público de Google Analytics que evoluiu para uma CLI 21 vezes mais barata em tokens.
O que é o Panorama Digital Analytics 2025?
A maior pesquisa em língua portuguesa sobre analytics. A Métricas Boss ouviu mais de 400 profissionais no Brasil em 41 perguntas, e Lucian Fialho é um dos coautores. Os números citados na palestra saem dessa pesquisa.
Como a IA ajuda a montar um backlog de CRO com evidência?
Cruzando fontes que normalmente não se falam. No caso citado, 71% dos tickets de suporte sobre um bug vinham do mesmo segmento que travava no checkout no GA4. A correlação entre Zendesk e comportamento no site transforma reclamação em prioridade defensável.
Quanto de produtividade a IA realmente entrega?
Na operação da Métricas Boss, o ganho medido é de 40%. Nada de 200% ou 500%. Crescer 30% a 50% por vez, sabendo quais parafusos apertar, vale mais que um número inflado que ninguém consegue auditar.