O Grand Prix que a DM9 perdeu: a linha fina entre AI Craft e AI Slop

O que aconteceu com a DM9 em Cannes?

Na edição de 2025 do Cannes Lions, o festival cassou doze leões da DM9, uma das agências mais premiadas do país. Os prêmios estavam espalhados por três campanhas: “Efficient Way to Pay”, do cliente Consul, que tinha levado o Grand Prix de Creative Data; “Plastic Blood”, da OKA Biotech; e “Gold = Death”, sobre o garimpo ilegal em terra Yanomami. Um Grand Prix, três ouros, quatro pratas, três bronzes. Todos devolvidos.

O motivo não foi o uso de inteligência artificial em si. Foi o uso de IA generativa para simular eventos do mundo real e resultados de campanha dentro dos case films, os vídeos que as agências inscrevem pra contar o que a peça fez lá fora. A organização do festival classificou como quebra das regras de representação factual: o que apareceu nos vídeos como real não tinha acontecido daquele jeito.

O estrago foi além dos troféus. O diretor de criação da DM9, Icaro Doria, renunciou. A agência montou um comitê interno de ética em IA. E o mercado brasileiro acordou com uma pergunta incômoda: se o trabalho criativo era reconhecidamente bom, por que precisou de resultado forjado pra brilhar no palco?

E por que esse caso de 2025 volta a pesar agora? Porque o Cannes Lions 2026 abre nesta semana, de 22 a 26 de junho, a primeira edição rodando com as regras que a DM9 obrigou o festival a criar: disclosure de IA obrigatório, ferramentas pra detectar case films manipulados e um comitê de integridade. O escândalo foi no ano passado. A régua que ele calibrou só começa a valer pra valer agora, e não fica restrita a Cannes.

Por que a distinção importa

A cobertura inicial focou no elemento mais visível: a campanha usava IA generativa. Manchetes apressadas sugeriram que Cannes estava “punindo o uso de IA”. Não era isso. A organização do festival foi explícita: a desclassificação foi por representação fraudulenta de resultados, não por escolha tecnológica.

Essa distinção parece sutil, mas separa duas realidades completamente diferentes: uma em que festivais de criatividade estão banindo inteligência artificial, outra em que festivais estão exigindo que qualquer trabalho, com ou sem IA, seja apresentado com honestidade factual. A segunda é o que realmente está acontecendo.

E essa segunda realidade tem implicações diretas pra qualquer profissional que usa IA no trabalho. Não só publicitários. Não só criativos. Qualquer pessoa que gera output com assistência de máquina e depois apresenta esse output como entrega.

O que é AI Slop?

O termo “slop” surgiu nas comunidades de tecnologia em 2023-2024 para descrever output de IA generativa publicado sem curadoria humana, aquele texto genérico de blog que claramente saiu de um prompt mal feito, a imagem de stock com seis dedos, o código que compila mas não faz sentido. Slop é o resíduo da automação sem supervisão.

Mas AI Slop tem uma camada além do descuido técnico: é output ruim apresentado como se fosse bom, a ausência de filtro combinada com a presença de pretensão. É o email de prospecção que começa com “Espero que esta mensagem o encontre bem” porque o modelo aprendeu que emails começam assim, sem que ninguém tenha parado pra perguntar se fazia sentido.

A DM9 produziu algo tecnicamente mais sofisticado que slop tradicional. O trabalho premiado não era output cru de prompt, era produção com equipe, orçamento, pós-produção. Mas no momento em que a agência apresentou resultados fabricados como se fossem reais, a lógica do slop se instalou: output apresentado com pretensão que a substância não sustenta.

A anatomia do slop no trabalho

Se você usa IA no trabalho (e em 2025, a maioria dos profissionais de conhecimento usa), vale mapear onde o slop pode entrar na sua operação. Não pra gerar culpa, mas pra calibrar o filtro.

O slop raramente aparece como negligência consciente. Ele entra pelos cantos, nas pequenas decisões que parecem inofensivas:

• O relatório que você pediu pro Claude gerar e enviou pro cliente sem ler inteiro
• O email de follow-up que saiu do template com nome errado porque você não conferiu
• O deck de apresentação com dados de “pesquisa recente” que na verdade é alucinação do modelo
• O case study com porcentagens redondas demais pra serem reais
• O artigo de blog publicado com parágrafos que você mesmo não leria até o fim

Nenhum desses exemplos é fraude no sentido jurídico. Mas todos compartilham a mesma estrutura: output automatizado + ausência de verificação + apresentação como trabalho finalizado. A escala varia. A lógica é a mesma.

Por que slop é sintoma do Degrau 1

Na escada de maturidade de uso de IA, o primeiro degrau é o Conversacional: você usa o chat como oráculo, faz perguntas, recebe respostas, copia e cola. É o modo default de quase todo mundo que começou a usar ChatGPT ou Claude nos últimos dois anos.

O problema do Degrau 1 não é que ele seja ruim. É que ele cria uma ilusão de competência. O modelo responde com fluência, o texto parece profissional, os números parecem plausíveis. Você sente que está produzindo mais. E está, em volume. Mas volume sem verificação é exatamente o terreno onde o slop se instala.

A DM9 não estava no Degrau 1 tecnicamente, a produção das campanhas exigiu infraestrutura de IA bem mais sofisticada que um chat. Mas a lógica do Degrau 1 permaneceu: a confiança no output sem o filtro proporcional. Se a IA gerou, deve estar certo. Se a IA tornou possível, deve ser suficiente.

Não é um problema isolado da DM9. Pesquisa do IAB (o Interactive Advertising Bureau) aponta um descompasso que se repete ano após ano: o público, em especial Gen Z e Millennials, se sente bem menos à vontade com publicidade gerada por IA do que os próprios executivos imaginam. A adoção da ferramenta dispara; a confiança não acompanha. E confiança, no fundo, é exatamente o que a regra de representação factual protege.

O que Cannes está calibrando

Festivais de criatividade sempre foram sobre julgar trabalho. O que muda agora é que o trabalho inclui uma camada nova: a declaração de como o trabalho foi feito e o que ele gerou de resultado. Não basta a peça ser boa, o case precisa ser verdadeiro.

O caso da DM9 caiu justamente em Creative Data, a categoria que premia o uso inteligente de dados. Quando o próprio dado apresentado é forjado, a violação acerta o coração da categoria. Mas o recado vale pra todas: o que você declara no case, com ou sem IA, precisa ser verificável. A régua da representação factual não é exclusividade de quem compete por efetividade.

A régua que Cannes calibrou tem dois componentes:

1. Representação factual: o que você declara sobre o trabalho precisa corresponder ao que aconteceu de fato
2. Disclosure de processo: se IA foi usada na produção, isso precisa ser declarado (regra que já existia, mas ganha novo peso)

O primeiro componente é universal, se aplica a qualquer trabalho, com ou sem IA. O segundo é específico da transição tecnológica atual. Juntos, eles definem o mínimo de responsabilidade que o mercado está começando a exigir.

A régua atravessa seu trabalho

Você provavelmente não está inscrevendo trabalho em Cannes Lions. Mas a lógica da régua se aplica a qualquer contexto onde você apresenta output como entrega:

• Relatório pro cliente: os dados que você está apresentando foram verificados ou são output cru do modelo?
• Proposta comercial: as projeções de resultado têm base em algo real ou são extrapolação otimista?
• Case study interno: as métricas de sucesso refletem o que aconteceu ou o que você queria que tivesse acontecido?
• Deck de apresentação: as citações e referências existem de fato?
• Artigo publicado: os fatos estão corretos ou você confiou que o modelo acertaria?

A diferença entre craft e slop não está na ferramenta. Está no que você faz entre o que a máquina cospe e o que você entrega: o filtro, e a honestidade sobre o que esse filtro deixa passar.

O teto invisível do Degrau 1

O profissional que usa IA só no modo Conversacional (chat cru, sem contexto próprio, sem verificação sistemática) opera com um teto invisível. Produz mais rápido, mas não consegue garantir o que produziu. Ganha velocidade e perde o controle sobre o que sai com o nome dele.

Esse teto se manifesta de formas diferentes dependendo da função:

Esse teto não é técnico, é de processo. Quem está no Degrau 1 usa a ferramenta certa de um jeito incompleto, e o jeito incompleto funciona até o dia em que alguém resolve conferir.

Como subir pro Degrau 2

O Degrau 2 da escada de maturidade é o Contextual: você para de usar a IA como oráculo genérico e começa a alimentar ela com seus dados, seu contexto, suas regras. O modelo deixa de ser a fonte da verdade e passa a ser uma ferramenta que opera dentro das suas referências.

Na prática, isso significa:

Nenhuma dessas mudanças exige ferramenta nova. Claude Projects, Custom GPTs, NotebookLM, qualquer interface que aceite contexto persistente resolve. O que muda é o processo, não a tecnologia.

O craft não é sobre esconder a IA

Um equívoco comum na conversa sobre AI Craft é achar que o objetivo é disfarçar o uso de IA, fazer parecer que tudo foi feito “à mão”, quando na verdade o craft está em outro lugar.

AI Craft é sobre:

• Usar a ferramenta certa pro trabalho certo
• Supervisionar o output com olho crítico
• Curar o que a máquina gera antes de apresentar
• Representar com honestidade o que foi feito e o que resultou
• Manter a responsabilidade no humano, não transferir pra máquina

O trabalho criativo da DM9 tinha craft técnico. A produção era sofisticada, o uso de IA era inventivo. O que faltou foi o craft na representação dos resultados, e é essa falta que separa o prêmio da devolução do troféu.

A infraestrutura de disclosure

Cannes Lions exige disclosure de uso de IA nas inscrições desde 2024: se IA generativa entrou na produção, tem que declarar. Mas o caso da DM9 não foi sobre omitir a ferramenta, foi sobre forjar o resultado. São duas falhas diferentes, e a segunda é a mais grave. Foi ela que fez o festival reforçar as regras: além do disclosure obrigatório, passou a usar ferramentas de detecção e um comitê de integridade pra checar os case films.

Mas a regra de disclosure sinaliza uma mudança maior. O mercado está construindo infraestrutura de transparência sobre como trabalho é produzido. Isso vai além de festivais:

• A União Europeia exige rotulagem de conteúdo gerado por IA em determinados contextos (AI Act, 2024)
• Plataformas como YouTube e Meta têm políticas de disclosure para conteúdo sintético
• Empresas estão criando políticas internas de uso de IA que incluem requisitos de documentação
• Contratos de fornecedores começam a incluir cláusulas sobre uso de ferramentas generativas

Declarar o uso de IA não é pedir desculpa por ter usado. É criar rastro: deixar que quem recebe o trabalho saiba o que está recebendo. É o mínimo pra responsabilidade funcionar quando o volume cresce.

O que fazer segunda-feira

Se você usa IA no trabalho (e a essa altura, quem não usa?), o caso da DM9 oferece um espelho útil. Não pra gerar paranoia, mas pra calibrar o processo.

Três perguntas pra fazer sobre qualquer entrega que envolva IA:

1. Os dados são verificáveis? Se você está apresentando números, métricas, citações, referências, elas existem de fato? Você conferiu?
2. O filtro humano aconteceu? Entre o output do modelo e a entrega final, houve curadoria real? Você leu tudo? Você editou? Você decidiu o que ficava e o que saía?
3. A representação é honesta? O que você está declarando sobre o trabalho corresponde ao que aconteceu? Os resultados são reais?

Se as três respostas forem sim, você está operando com craft. Se alguma for não ou “mais ou menos”, você sabe onde está o gap.

A régua que se aplica a todo mundo

A DM9 é uma agência grande, o Cannes Lions é o festival mais importante do mercado, a desclassificação foi pública e constrangedora. Mas a régua que se aplicou ali não é exclusiva de agências grandes ou de festivais de publicidade.

A mesma régua se aplica ao:

• Consultor que apresenta projeções de mercado sem base real
• Analista que inclui dados de “pesquisa” que na verdade são alucinação do modelo
• Gerente que manda relatório de progresso com métricas infladas
• Vendedor que promete resultado que não pode entregar
• Profissional de marketing que publica case study com números que não fecham

Muda a escala, mudam as consequências. A estrutura é a mesma: output apresentado com uma representação que a substância não sustenta. Slop é slop em qualquer contexto, e mais cedo ou mais tarde, alguém confere.

Craft como posição defensável

No mercado de 2025, todo mundo tem acesso às mesmas ferramentas de IA, o output automatizado é abundante e barato, e o slop virou a entropia natural do sistema. É aí que o craft vira posição defensável.

Craft aqui não é “feito à mão, sem máquina”. É trabalho supervisionado e verificado, que aguenta ser questionado, que não precisa de ninguém conferindo por trás pra ser verdadeiro.

Essa posição não vem da ferramenta, vem do processo. E o processo começa com uma pergunta simples, que dá pra fazer agora: se alguém for conferir o que você entregou, o que vai encontrar?

A resposta a essa pergunta é a diferença entre craft e slop. É a régua que Cannes aplicou. E é a régua que vai se aplicar, cada vez mais, em todo lugar.