Braze Forge 2026 — Dia 2: da ambição da IA para a aplicação na operação — o CRM que decide em escala
Direto de Vegas por Davi Frate - co-fundador da Caaqui
O segundo dia do Braze Forge 2026, em 29 de setembro, trouxe uma discussão central para quem lidera CRM e Growth: como fazer inteligência artificial, dados e decisões trabalharem juntos dentro da operação. Se o primeiro dia ajudou a organizar o papel de diferentes tipos de IA no Marketing, o segundo aproximou essa conversa da execução e do resultado de negócio.
Para quem acompanhava nossa análise sobre o que esperar do evento Braze Forge, essa é a evolução que merece atenção. A pergunta deixa de se limitar à escolha de uma ferramenta e passa a incluir as condições necessárias para utilizá-la: quais decisões delegar, com quais dados, dentro de quais limites e como avaliar os efeitos.
No keynote “You Were Made for This, and So Were We”, com Jon Hyman, CTO e cofundador da Braze, foi abordada justamente a integração entre IA, dados e orquestração como eixo anunciado. Para nós da Caaqui, essa combinação aponta para uma mudança no trabalho de Customer Engagement: ampliar a capacidade de executar exige melhorar também a qualidade das decisões.
A IA entrou no fluxo de trabalho. Agora, precisamos avaliar o impacto
Acelerar criação, configuração e análise pode reduzir o esforço necessário para colocar uma iniciativa no ar. O ciclo de aprendizado, porém, continua dependendo da resposta dos clientes e do tempo necessário para observar o resultado relevante.
Uma jornada de recompra, por exemplo, pode ser construída rapidamente. Saber se ela aumentou a recorrência exige acompanhar o comportamento ao longo de um período compatível com o ciclo de compra. Velocidade de produção e velocidade de aprendizado estão relacionadas, mas não são equivalentes.
Também precisamos separar eficiência operacional, desempenho de campanha e resultado incremental. Economizar horas de trabalho tem valor. Aumentar cliques informa uma mudança de comportamento. Demonstrar quanto uma ação acrescentou ao negócio exige uma comparação adequada com o que aconteceria sem ela.
Na Caaqui, entendemos que a automação deve ser avaliada pelo valor adicional que gera. Isso inclui custo evitado, qualidade e capacidade liberada, além de conversão, retenção e receita. O cuidado está em não apresentar um indicador de atividade como prova suficiente de crescimento.
O “10X Marketer” precisa aprender melhor
Durante o evento, foi levantado o conceito de “10X Marketer” — o profissional de marketing que, apoiado pela IA, pode gerar um impacto dez vezes maior. A ideia expressa a ambição de encurtar a distância entre ter uma ideia e colocá-la em execução.
Nossa leitura é que essa ambição precisa ser traduzida com cuidado. Multiplicar o volume de campanhas não significa multiplicar o resultado. A oportunidade está em reduzir tarefas mecânicas, explorar hipóteses relevantes e usar o aprendizado para decidir melhor.
Há, porém, um limite operacional: gerar mais alternativas não cria automaticamente mais clientes, conversões ou evidências para avaliá-las. Uma base pequena ou um evento de conversão raro pode exigir testes mais concentrados. A capacidade de produzir deve caminhar junto com a capacidade de interpretar.
O profissional ganha espaço para formular problemas, escolher o que merece ser testado e definir critérios de sucesso. Caso contrário, a operação corre o risco de produzir ruído em uma velocidade maior.
Agentes ampliam a execução, e mudam a responsabilidade do especialista
Nos anúncios do Forge, a Braze descreve o Operator como capaz de apoiar a construção e o lançamento de jornadas no Canvas a partir de instruções em linguagem natural. Braze
Essa direção interessa a quem precisa transformar uma estratégia em segmentos, regras, consultas, configurações e mensagens. Parte da tradução entre intenção e execução pode ser automatizada; definir corretamente a intenção continua sendo trabalho da equipe.
Considere uma jornada hipotética de primeira compra. “Aumentar a conversão” ainda é uma orientação incompleta. É necessário decidir quem pode participar, quais incentivos estão disponíveis, quanto custam e quais clientes devem ser excluídos. Também é preciso conferir se os eventos usados para entrada e saída da jornada representam o comportamento esperado.
A especialização passa a incluir uma responsabilidade maior sobre objetivos, dados, validação e limites de atuação — os chamados guardrails. Permissões, aprovações, critérios de pausa e responsáveis pela supervisão precisam acompanhar a autonomia concedida.
Decisão individual amplia a personalização
A visão de AI Decisioning reforça a possibilidade de escolher ações por cliente. Segundo a Braze, o Decisioning Studio utiliza dados próprios para orientar decisões de mensagem, canal, incentivo e momento de envio. O Decisioning Studio Go, anunciado em beta, oferece uma abordagem mais autônoma de configuração, voltada à otimização de engajamento. Braze
Essa evolução não significa que a personalização anterior se restringia a grupos. Conteúdo dinâmico, recomendações e jornadas acionadas por comportamento já podiam produzir experiências individuais. Segmentação e regras continuam úteis para definir elegibilidade, restrições e prioridades.
A mudança que nos interessa é ampliar o conjunto de escolhas que pode ser ajustado continuamente em função de um objetivo. Além de perguntar qual mensagem enviar a um segmento, a equipe passa a avaliar qual ação faz sentido para aquele cliente naquele contexto.
“Melhor”, aqui, precisa ter uma definição. Otimizar cliques pode levar a decisões diferentes de otimizar recompra ou margem. E o sistema trabalha com os dados e as alternativas disponíveis: se a biblioteca de ofertas for limitada ou o objetivo estiver mal definido, a automação também estará limitada.
Content Optimizer: criar opções e escolher entre elas são trabalhos diferentes
A Braze apresenta o Content Optimizer, disponível no anúncio consultado, como uma etapa do Canvas que combina e testa elementos de mensagens em e-mail, push e SMS, direcionando volume para as versões com melhor desempenho. Esse escopo difere da proposta mais ampla de decisão individual do Decisioning Studio. Braze
Para a liderança, essa distinção ajuda a formular o problema. Melhorar a combinação de assunto, texto e chamada para ação de uma mensagem é um desafio. Decidir entre intervenções ao longo do relacionamento é outro. As duas frentes podem se complementar, mas não devem ser tratadas como a mesma capacidade.
O case da própria Braze e os limites da comparação
Na descrição oficial da sessão sobre seu time de Lifecycle Marketing, a Braze relata o uso do Decisioning Studio Go com 53.475 combinações de variantes e 60 mil contatos. A organização informa aumentos relativos de 272% na taxa de cliques e 235% na taxa de inscrição em webinars. forge.braze.com
São resultados divulgados pela empresa. A descrição pública não detalha o comparador nem o desenho de medição. Por isso, os percentuais não devem ser interpretados como ganho garantido ou prova isolada de incrementalidade.
O número de combinações também não equivale a milhares de testes independentes, cada um com evidência conclusiva. Nossa leitura do case é que vale investigar como a exploração de alternativas foi organizada, quais sinais orientaram a seleção e como o desempenho foi avaliado.
A experimentação adaptativa amplia o repertório; testes A/B continuam úteis quando adequados à pergunta. A escolha do método deve acompanhar a decisão que a empresa precisa tomar.
Escala depende de como o trabalho é organizado
A programação do segundo dia também mostrou por que discutir IA exige olhar para o modelo operacional. Os casos de Purina e Sonos ajudam a observar dimensões distintas desse desafio.
Purina: estratégia, tecnologia e estrutura
A sessão da Purina apresentou a evolução de uma implementação mobile da Braze para um modelo de serviços compartilhados entre marcas. A descrição oficial conecta estratégia de canais próprios, arquitetura tecnológica, modelo operacional e participação de agências. forge.braze.com
A ferramenta pode estar pronta. A operação, nem sempre.
Em uma empresa com várias marcas, a liderança precisa definir o que será compartilhado e o que continuará sob responsabilidade de cada equipe. Isso inclui regras de dados, componentes de campanha, prioridades e aprovações. Sem essa clareza, uma tarefa pode ganhar velocidade enquanto a iniciativa continua parada entre áreas.
Essa é uma discussão próxima da atuação da Caaqui: identificar onde o trabalho encontra sua principal restrição e reunir as competências necessárias para resolvê-la. A tecnologia entra nessa decisão junto com pessoas, processos e governança.
Sonos: reduzir o tempo entre conceito e entrega
Segundo a descrição oficial do case, a Sonos opera e-mail em 27 países e utilizou a Denada, parceira de tecnologia da Braze, para reduzir prazos de produção de 41 para 12 dias e dobrar o volume produzido. Os números são resultados relatados para a sessão, sem validação independente nesta revisão. forge.braze.com
O exemplo ajuda a distinguir a definição criativa do trabalho necessário para colocar uma campanha em circulação. Há valor em reduzir esperas, dependências e retrabalho entre um conceito aprovado e sua entrega.
Automatizar etapas da produção criativa não elimina a responsabilidade pela ideia, pela adequação à marca ou pela revisão. Nossa recomendação é acompanhar prazo e volume junto com qualidade, correções e efeito no público. Produzir mais pode ser útil; saber onde a capacidade adicional gera valor é a próxima decisão.
First-party data: contexto útil para decidir e executar
Dados próprios já sustentavam segmentação, jornadas e personalização antes dessa nova onda de IA. O movimento discutido no Forge amplia seu papel como contexto para decisões automatizadas.
A qualidade desse contexto depende de mais do que volume. Um evento de compra precisa ter significado consistente; o status de um cliente precisa estar atualizado; os sinais utilizados devem corresponder à pessoa ou conta correta. Preferências de contato e regras de utilização também precisam chegar à execução.
Em um exemplo hipotético, uma jornada pode continuar oferecendo um incentivo de primeira compra a alguém que já comprou porque o evento chegou com atraso. Uma camada de decisão mais sofisticada não corrige sozinha essa falha de integração.
Por isso, nossa recomendação é começar pelos dados necessários à decisão prioritária. Definir sua origem, atualização e responsabilidade ajuda a evitar que a empresa amplie a automação sobre uma base que ainda não consegue sustentar.
E a conta precisa fechar
O estudo Total Economic Impact de 2026, realizado pela Forrester Consulting a pedido da Braze, estima ROI de 457% em três anos e retorno do investimento em menos de seis meses para uma organização composta. O modelo agrega entrevistas com seis decisores e considera a plataforma Braze e o Decisioning Studio. Não se trata de um resultado uniforme observado em todos os clientes nem de uma estimativa isolada para qualquer aplicação de IA. tei.forrester.com
O estudo serve como referência para construir perguntas econômicas. Para avaliar uma iniciativa concreta, a empresa precisa considerar seus próprios custos de licença, implementação, operação e supervisão, junto com os benefícios esperados.
Produtividade pode sustentar um investimento quando se traduz em custo evitado, redução de retrabalho ou capacidade útil. Horas liberadas, porém, não viram automaticamente economia financeira. É necessário mostrar o que mudou e como essa capacidade foi utilizada.
Quando o objetivo é crescimento, entram indicadores como conversão, margem, retenção e valor do cliente. A comparação precisa ser planejada desde o início, com uma situação de referência, período de avaliação e critérios para decidir pela continuidade, pelo ajuste ou pela interrupção.
A visão Caaqui: conectar decisões e execução
Se a nossa leitura do primeiro dia foi usar a IA certa para o trabalho certo, o segundo acrescenta uma condição: fazer essas capacidades trabalharem juntas sobre dados confiáveis e em torno de um objetivo de negócio.
É assim que o CRM pode ampliar seu papel como um sistema contínuo de decisão sobre o relacionamento com o cliente. Interpretar sinais, escolher uma ação, executar, avaliar e ajustar passa a ser uma rotina compartilhada entre tecnologia e equipe.
Para começar, vale delimitar uma restrição concreta: clientes que não chegam à primeira compra, baixa recompra ou demora para ativar uma jornada. A partir dela, definem-se a hipótese, os dados necessários, o responsável e a forma de avaliação. Só então faz sentido escolher quais capacidades automatizar.
Essa lógica orienta a Growth-Led Strategy da Caaqui: partir do resultado que precisa evoluir, identificar o que impede esse avanço e trabalhar junto ao cliente para implementar e avaliar mudanças. App Growth, Customer Engagement, Analytics e engenharia de dados entram conforme o problema exige.
A principal leitura que levamos do Dia 2 é que a IA amplia sua participação nas decisões de Marketing. Com isso, cresce a responsabilidade humana de definir o que otimizar, quais limites preservar e o que conta como evidência de valor.
O diferencial estará na capacidade de transformar essa escolha em uma operação que aprende e melhora — com estratégia e execução conectadas ao próximo ciclo de crescimento.
Perguntas frequentes sobre o Braze Forge 2026, Dia 2
O que foi apresentado no Dia 2 do Braze Forge 2026?
O segundo dia colocou a integração entre IA, dados e orquestração no centro da plataforma. Entre os destaques estiveram o Operator, que apoia a criação de jornadas no Canvas a partir de linguagem natural, o Decisioning Studio Go, anunciado em beta, e o Content Optimizer, além dos cases de Purina e Sonos sobre como escalar a operação de CRM.
O que é AI Decisioning no CRM?
É o uso de modelos que escolhem, para cada cliente, a mensagem, o canal, o incentivo e o momento de envio com base em dados próprios. As escolhas são ajustadas continuamente em função de um objetivo de negócio, que precisa ser definido com clareza pela equipe: otimizar cliques leva a decisões diferentes de otimizar recompra ou margem.
Qual a diferença entre o Content Optimizer e o Decisioning Studio da Braze?
O Content Optimizer combina e testa elementos de uma mensagem em e-mail, push e SMS e direciona volume para as versões com melhor desempenho. O Decisioning Studio decide entre intervenções ao longo do relacionamento com cada cliente. As duas capacidades se complementam, mas resolvem problemas diferentes.
Por que first-party data é decisivo para usar IA no CRM?
Porque decisões automatizadas dependem de contexto confiável: eventos com significado consistente, status do cliente atualizado, identidade correta e preferências de contato respeitadas. Uma camada de decisão mais sofisticada não corrige sozinha falhas de integração, como um evento de compra que chega com atraso.
Como medir o retorno de IA e automação no CRM?
Separando eficiência operacional, desempenho de campanha e resultado incremental. A comparação precisa ser planejada desde o início, com situação de referência, período de avaliação e critérios de decisão. Horas liberadas só viram ganho financeiro quando se traduzem em custo evitado, menos retrabalho ou capacidade útil.
Acompanhe os conteúdos da Caaqui sobre Growth, CRM, dados e MarTech. Se sua empresa precisa evoluir a operação de Customer Engagement, entre em contato com a Caaqui: nossa consultoria trabalha junto ao seu time para identificar restrições, priorizar mudanças e colocá-las em prática com mensuração.
— Caaqui | Direto do Braze Forge 2026, Las Vegas
Comentários