Meet&CoCOLFAX, NC — A inteligência artificial está se integrando cada vez mais às operações comerciais do dia a dia, criando novas oportunidades e desafios para os profissionais de marketing do setor moveleiro. Além de usar a IA para aprimorar os fluxos de trabalho internos, os profissionais de marketing também precisam considerar como a tecnologia está mudando a forma como os consumidores pesquisam e descobrem marcas.
Matt Ritter, professor associado de comunicação na High Point University, abordou ambos os temas durante a Conferência de Marketing e Relações Públicas da American Home Furnishings Alliance na semana passada. Em sua apresentação, intitulada "Ferramentas de Marketing com IA 2.0", Ritter descreveu maneiras pelas quais os profissionais de marketing podem incorporar a IA em tarefas diárias, adaptando seu conteúdo digital à busca generativa.
Ele afirmou que o objetivo da adoção da IA não deve ser simplesmente reduzir a necessidade de pessoal. Em vez disso, a tecnologia pode ajudar as equipes existentes a lidar com mais trabalho, reduzir o estresse e dedicar mais tempo a tarefas que, de outra forma, poderiam ser adiadas.
“Quando falo de IA, muita gente pensa em número de funcionários”, disse Ritter. “Não é assim que eu penso sobre IA. O objetivo não é ter menos pessoas. Para mim, é ter mais e melhor, vindas das mesmas pessoas, que agora estarão menos estressadas — melhor preparação, comunicação mais clara, primeiras versões mais rápidas e, com sorte, mais tempo para trabalhar nas coisas que temos adiado.”
Ao discursar no evento da AHFA no Guilford Technical Community College, Ritter ofereceu aos profissionais de marketing de móveis uma estrutura prática para implementar IA em seus fluxos de trabalho diários e preparar suas marcas para a ascensão da busca generativa.
“Em uma boa semana, trabalho 40 horas por semana”, disse Ritter. “O número de funcionários é o mesmo. As expectativas estão aumentando, cada vez mais. E, por outro lado, há a aspiração: o que eu gostaria de realizar. Quais são algumas maneiras de usarmos a IA para preencher essa lacuna entre o que temos e o que queremos realizar?”
Considere a IA como uma assistente rápida, porém imperfeita.
Ritter comparou a IA a um estagiário que consegue trabalhar rapidamente, mas que ainda precisa de instruções claras e supervisão humana.
“Na verdade, considero-o o melhor estagiário que já tive”, disse ele. “É rápido. É entusiasmado. Às vezes, está confiantemente errado. Pode estar completamente errado. Minha experiência é a que diz: 'Sim, isso é um sinal positivo' ou 'Não, isso é algo que precisamos tentar novamente'.”
Ele também observou que as ferramentas de IA fizeram progressos significativos no último ano, particularmente em termos de memória e capacidade de lidar com múltiplas etapas. Os agentes de IA, que ainda estavam em desenvolvimento há um ano, agora estão sendo usados em aplicações práticas.
Ao mesmo tempo, os profissionais de marketing precisam selecionar um modelo apropriado para cada tarefa. Ritter demonstrou isso com um exemplo simples: ele perguntou a vários modelos de IA se deveria ir a pé ou de carro até um lava-jato a 50 metros de distância. Alguns modelos de resposta rápida recomendaram ir a pé, sem levar em conta o fato de que ele precisaria usar o carro para chegar lá. Os modelos focados em raciocínio recomendaram ir de carro.
“Queremos adequar a tarefa ao modelo que estamos usando. Deixemos o modelo mais complexo para o raciocínio e a elaboração ” , disse Ritter.
Comece com o fluxo de trabalho e depois refine-o.
Para empresas que adotam agentes de IA, Ritter afirmou que um dos maiores obstáculos não é a tecnologia em si, mas sim a compreensão e a documentação dos fluxos de trabalho existentes.
“Documentar os fluxos de trabalho é o recurso mais valioso no momento”, disse ele. “Acredito que esse seja o principal obstáculo para as empresas que estão integrando IA ativa em seus fluxos de trabalho. Não sabemos por onde começar porque não sabemos como documentar nossos fluxos de trabalho.”
Ele compartilhou um exemplo envolvendo sua esposa, CEO do setor financeiro, que criou um agente de IA para ajudar a gerenciar informações no Outlook, Teams e em seu calendário. Inicialmente, ela deu ao agente apenas quatro frases de instruções:
“Aja como meu chefe de gabinete”, disse ela ao agente. “Todas as manhãs, me envie um resumo diário priorizado com base no meu calendário do Outlook, meus e-mails e minhas mensagens do Teams. Seja direto, conciso e priorize sem piedade. Sem enrolação. Quero clareza sobre o que devo fazer hoje.”
Em vez de tentar criar um conjunto completo de instruções imediatamente, ela aprimorou o sistema observando onde ele falhava. Durante a primeira semana, ela instruiu o agente a ignorar e-mails de sistema gerados automaticamente por plataformas que sua equipe não usava mais. Na semana seguinte, ela pediu que o sistema comparasse mensagens de e-mail e do Teams antes de identificar algo como não resolvido.
Na terceira semana, ela acrescentou outra instrução: o agente deveria revisar as mensagens enviadas por ela nos últimos sete dias para verificar compromissos que ela havia assumido, mas não cumprido, como prometer enviar algo ou dar seguimento posteriormente.
O sistema foi posteriormente expandido para recomendar perguntas para reuniões com base em pautas, conversas recentes e questões pendentes. Agora, ele cria briefings matinais e vespertinos que acompanham tanto suas responsabilidades quanto os compromissos pendentes entre ela e seus funcionários.
“Quatro frases no início, oito semanas de iteração, e o prompt dela agora tem mais de 32 instruções”, disse Ritter. “Uma pessoa só construiu tudo isso. Sem TI, sem consultores. Ela não sentou e escreveu. Ela descobriu, e é assim que descobrimos nossos fluxos de trabalho. Observamos o que dá errado.”
Ritter afirmou que a mesma abordagem poderia ser aplicada a tarefas como comunicação com varejistas, preparação de contas, inteligência competitiva e acompanhamento de compromissos pendentes.
A busca generativa transforma a descoberta de marcas.
A IA também está mudando a forma como os consumidores encontram marcas de móveis. Ritter explicou que a otimização tradicional para mecanismos de busca (SEO) se concentra em melhorar o posicionamento de uma marca nos resultados de pesquisa, enquanto a otimização generativa para mecanismos de busca (GEO) se concentra em fazer com que uma marca seja incluída em uma resposta gerada por IA.
“O comprador está perguntando antes de clicar”, disse Ritter. “As pessoas estão indo direto para a IA generativa e esses chatbots de IA. Elas fazem as mesmas perguntas e a IA fornece o que considera ser a resposta.”
Ritter citou dados que mostram que 43% das buscas no Google nos EUA agora incluem uma visão geral gerada por IA. Ele também afirmou que o tráfego proveniente de IA para sites de varejo nos EUA aumentou 393% entre o primeiro trimestre de 2025 e o primeiro trimestre de 2026.
“É o mesmo jogo”, disse ele. “Com SEO, o objetivo era entrar na lista. Agora, o objetivo é ser citado na resposta — ser citado na síntese.”
Para explorar como as plataformas de IA selecionam marcas, Ritter perguntou à ChatGPT, Claude e Gemini quais marcas de estofados de preço médio uma loja de móveis independente deveria vender e quais fabricantes de móveis de fabricação americana eram os melhores.
Rowe e England apareceram consistentemente nas respostas sobre estofados. Para móveis de madeira, Stickley, Gat Creek, Copeland e Vaughan-Bassett se destacaram. Ritter também encontrou diferenças nas fontes utilizadas pelas três plataformas.
A ChatGPT baseou-se principalmente em sites de fabricantes. A Gemini deu maior peso à forma como varejistas e revendedores descreviam as marcas, enquanto a Claude baseou-se mais em comentários externos, incluindo a mídia especializada.
“Para o ChatGPT, o ChatGPT lê você”, disse Ritter. “Ele analisava quase que exclusivamente os sites dos fabricantes. Se o seu site não disser isso claramente, o ChatGPT também não dirá.”
“Claude queria saber o que todos os outros diziam sobre você”, disse Ritter. “Claude estava particularmente interessado no que a imprensa especializada estava dizendo. Uma boa matéria especializada pode impulsionar uma marca e levá-la à resposta.”
Torne as informações do produto claras e verificáveis.
Segundo Ritter, as marcas que apareceram consistentemente nas respostas da IA tendiam a ter alegações claras e específicas que podiam ser facilmente citadas. Ele apontou vários exemplos: os produtos da Gat Creek são assinados pelo construtor; a Stickley declara a porcentagem de sua produção que é nacional; e a Vaughan-Bassett destaca sua produção nos EUA, o número de artesãos e a proporção de madeira proveniente de fontes próximas.
“Foram essas afirmações factuais que são indiscutíveis”, disse Ritter. “Não há ninguém que possa contestar que uma peça de mobiliário da Gat Creek seja assinada pelo construtor, mas talvez possam contestar que seja 'a melhor da Carolina do Norte' ou 'a melhor do mundo'.”
Ritter afirmou que outras duas marcas de estofados conceituadas não apareceram nas respostas da IA. Seus sites usavam mensagens mais genéricas, incluindo frases como "construído com integridade, feito com carinho", mas não forneciam detalhes de forma clara sobre a fabricação, a origem do produto ou as garantias.
“Os bots simplesmente os ignoraram”, disse Ritter. “Eles precisam de fatos e estatísticas concretos. O que procuram são informações específicas: fatos, como são formulados e se outras pessoas os estão dizendo.”
Para os profissionais de marketing, Ritter recomendou verificar regularmente como diferentes plataformas de IA descrevem suas marcas e principais coleções. As empresas podem salvar as respostas e suas fontes e repetir o processo mensalmente. Ele também aconselhou a padronização das informações do produto em todos os anúncios online, incluindo detalhes de fabricação, especificações do tecido, certificações e termos de garantia.
Ao mesmo tempo, Ritter afirmou que o SEO tradicional, a cobertura editorial e a participação confiável em discussões com consumidores continuam relevantes. Ele alertou contra o uso excessivo de palavras-chave e afirmações superlativas sem embasamento.
