O IMPACTO DA INTELIGÊNCIA ARTIFICIAL NA SEGMENTAÇÃO E PERSONALIZAÇÃO DE MERCADO PARA PEQUENAS E MÉDIAS EMPRESAS BRASILEIRAS

PDF: Clique aqui


REGISTRO DOI: 10.5281/zenodo.15314111


Rodrigo Peter Schilling1


RESUMO
O avanço da Inteligência Artificial (IA) tem proporcionado oportunidades significativas para a transformação das estratégias de marketing, especialmente no contexto das Pequenas e Médias Empresas (PMEs). Este estudo analisa o impacto da IA na segmentação de mercado e na personalização de campanhas, com o objetivo geral de compreender como essas tecnologias vêm sendo aplicadas por PMEs brasileiras. A pesquisa adotou uma abordagem metodológica mista, envolvendo entrevistas semiestruturadas com gestores e aplicação de questionários estruturados, analisados por meio de estatísticas descritivas, correlações de Pearson e análise de conteúdo.
Os resultados indicaram que a IA contribui positivamente para a precisão na segmentação, o aumento do engajamento dos clientes e a personalização eficiente de ofertas. Entretanto, foram identificadas barreiras relevantes, como falta de conhecimento técnico, custo elevado e limitações culturais. As hipóteses propostas foram validadas, reforçando que, apesar dos desafios, a adoção estratégica da IA pode ser um diferencial competitivo relevante para as PMEs. O estudo conclui com implicações práticas para gestores e formula recomendações para pesquisas futuras que explorem a maturidade digital, a cultura organizacional e o uso integrado de tecnologias emergentes.
Palavras-chaves: Inteligência Artificial, PMEs, Segmentação de Mercado, Personalização, Marketing Digital.

ABSTRACT
The advance of Artificial Intelligence (AI) has provided significant opportunities for the transformation of marketing strategies, especially in the context of small and medium enterprises (SMEs). This study analyzes the impact of AI on market segmentation and campaign customization, with the general objective of understanding how these technologies have been applied by Brazilian SMEs. The research adopted a mixed methodological approach, involving semi -structured interviews with managers and application of structured questionnaires, analyzed through descriptive statistics, Pearson correlations and content analysis. The results indicated that AI contributes positively to the accuracy of segmentation, increased customer engagement and efficient customization of offerings. However, relevant barriers were identified, such as lack of technical knowledge, high cost and cultural limitations. The proposed hypotheses were validated, stressing that, despite the challenges, the strategic adoption of AI can be a relevant competitive differential for SMEs. The study concludes with practical implications for managers and formula recommendations for future research that exploits digital maturity, organizational culture and integrated use of emerging technologies.
Keywords: Artificial Intelligence, SMEs, Market Segmentation, Personalization, Digital Marketing.

O Impacto da Inteligência Artificial na Segmentação e Personalização de Mercado para Pequenas e Médias Empresas Brasileiras

O avanço tecnológico tem reformulado a lógica de funcionamento dos mercados, impulsionando uma era em que a personalização e a precisão analítica tornaram-se pilares fundamentais para a competitividade. Neste contexto, a Inteligência Artificial (IA) destaca-se como uma tecnologia transformadora, ao permitir que as empresas coletem, processem e interpretem volumes massivos de dados com agilidade e acurácia, gerando valor por meio da segmentação inteligente de consumidores e da personalização de experiências de compra. Essa dinâmica tem sido intensamente explorada pelas grandes corporações; no entanto, Pequenas e Médias Empresas (PMEs) ainda enfrentam barreiras significativas para a adoção dessas soluções, especialmente em países emergentes como o Brasil.

As PMEs brasileiras desempenham papel vital na economia, representando cerca de 30% do Produto Interno Bruto (PIB) e respondendo por mais da metade dos empregos formais. Apesar disso, muitas dessas organizações carecem de recursos financeiros e humanos para investir em tecnologias de ponta e estratégias de marketing avançadas. A IA, se aplicada com eficiência, pode mitigar essas limitações ao automatizar processos, reduzir custos e potencializar o alcance e a precisão das campanhas de marketing. A identificação de nichos de mercado, a personalização em massa de ofertas e o atendimento preditivo são apenas alguns dos benefícios que a IA pode proporcionar, redefinindo a forma como as PMEs interagem com seus públicos-alvo.

Contudo, a adoção da IA por parte das PMEs requer mais do que acesso à tecnologia. Pressupõe compreensão estratégica, competências digitais, atenção às questões éticas e regulatórias, e adaptação das práticas de marketing aos novos paradigmas de consumo orientados por dados. Esse cenário justifica a necessidade de estudos que investiguem, de forma empírica e teórica, os impactos da IA sobre os processos de segmentação e personalização de mercado, sob a ótica de organizações que operam com restrições de recursos, mas que aspiram à inovação.

O presente artigo propõe-se a preencher essa lacuna ao analisar de que maneira a IA pode ser utilizada como ferramenta estratégica para a segmentação de mercado e a personalização de campanhas em PMEs brasileiras. A intenção é compreender como essas empresas vêm integrando a IA às suas práticas mercadológicas, quais os benefícios percebidos e quais os desafios enfrentados nesse processo. O estudo contribui tanto para o avanço do conhecimento acadêmico quanto para o desenvolvimento de diretrizes práticas que auxiliem gestores de PMEs na tomada de decisões mais orientadas por dados e centradas no cliente.

Delimitação e Problema de Pesquisa

O estudo investigará a seguinte questão: Como a Inteligência Artificial pode otimizar a segmentação de mercado e a personalização de campanhas de marketing para PMEs brasileiras? O problema se situa no contexto da crescente digitalização do mercado e da necessidade de estratégias mais eficazes para a retenção e fidelização de clientes.

Justificativa

A crescente digitalização dos mercados tem impulsionado uma mudança paradigmática nas estratégias de marketing, exigindo das empresas abordagens mais analíticas, dinâmicas e centradas no consumidor. Nesse cenário, a Inteligência Artificial (IA) desponta como uma tecnologia catalisadora de inovação, capaz de transformar a forma como as organizações segmentam seus mercados e personalizam suas ofertas. Embora as grandes corporações já explorem amplamente esse potencial, as Pequenas e Médias Empresas (PMEs) enfrentam desafios significativos para aderir a essas inovações, principalmente no Brasil, onde limitações estruturais e orçamentárias são frequentes.

Justifica-se, portanto, a realização deste estudo por três razões principais: (1) a lacuna existente na literatura sobre a adoção prática da IA por PMEs brasileiras, em especial nas áreas de marketing estratégico; (2) a relevância econômica e social das PMEs no país, que compõem a maior parte do tecido empresarial nacional e têm um papel central na geração de empregos e dinamização do mercado; e (3) a necessidade de gerar conhecimento aplicável que contribua tanto para o avanço teórico quanto para a prática organizacional.

Do ponto de vista teórico, este artigo contribui ao propor um modelo de análise voltado à compreensão do impacto da IA sobre a segmentação de mercado e a personalização de campanhas. Essa abordagem permite aprofundar o debate sobre as capacidades dinâmicas das PMEs e os fatores que influenciam a inovação em ambientes com recursos limitados.

Do ponto de vista prático, o estudo oferece insights gerenciais e recomendações estratégicas para líderes e gestores de PMEs, ajudando-os a visualizar os benefícios da adoção da IA, identificar barreiras e elaborar planos de ação adequados à sua realidade. Além disso, busca-se destacar o papel da IA como uma ferramenta democratizadora, capaz de nivelar as oportunidades entre empresas de diferentes portes, desde que sua adoção seja estrategicamente orientada.

Por fim, a análise proposta é também relevante para formuladores de políticas públicas e instituições de apoio ao empreendedorismo, ao revelar os principais gargalos enfrentados pelas PMEs na transformação digital e apontar caminhos possíveis para a construção de um ecossistema mais inclusivo, inovador e competitivo.

Objetivo Geral e Específico

Objetivo Geral: Analisar o impacto da IA na segmentação e personalização de marketing para PMEs brasileiras. Objetivos Específicos:

  • Examinar como a IA melhora a segmentação de mercado em comparação a métodos tradicionais.

  • Avaliar os benefícios da personalização de campanhas por meio da IA.

  • Identificar desafios e oportunidades da adoção de IA no marketing de PMEs.

Fundamentação Teórica

A integração da Inteligência Artificial (IA) na segmentação e personalização de mercado tem sido amplamente estudada como um diferencial competitivo para Pequenas e Médias Empresas (PMEs). Segundo Kotler e Keller (2020), a segmentação de mercado eficiente depende da capacidade das empresas de compreender e antecipar as necessidades dos clientes. A IA potencializa essa capacidade ao analisar grandes volumes de dados de forma automatizada e preditiva.

A segmentação de mercado baseada em IA permite categorizar consumidores de maneira mais precisa e dinâmica. Segundo Okeke et al. (2024), algoritmos de aprendizado de máquina possibilitam a criação de segmentos altamente personalizados, ajustando estratégias de marketing em tempo real com base no comportamento do consumidor. Essa abordagem difere dos métodos tradicionais, que muitas vezes se baseiam em critérios fixos, como demografia e localização geográfica.

A IA também contribui para o reconhecimento de padrões de consumo antes invisíveis, melhorando a segmentação comportamental e psicográfica (Kedi et al., 2024). Isso permite que PMEs adotem estratégias de marketing mais assertivas e personalizadas, aumentando a taxa de conversão de clientes e a eficiência das campanhas publicitárias.

A personalização de campanhas tem se tornado um fator crítico para a fidelização de clientes. Segundo Amin (2024), o uso da IA para criar recomendações personalizadas baseadas em preferências do consumidor pode aumentar significativamente o engajamento e a retenção de clientes. Sistemas de recomendação, como os utilizados por plataformas de e-commerce e serviços de streaming, demonstram a eficácia desse modelo.

Ferramentas baseadas em IA, como chatbots e assistentes virtuais, também desempenham um papel essencial na personalização do atendimento ao cliente. De acordo com Cherian (2025), essas tecnologias possibilitam interações contínuas e automatizadas, proporcionando respostas ágeis e personalizadas às dúvidas dos consumidores, o que melhora a experiência do usuário e fortalece a marca.

Embora a IA ofereça benefícios significativos para a segmentação e personalização de mercado, sua implementação enfrenta desafios. Questões relacionadas à privacidade de dados e ao consentimento do consumidor são temas recorrentes na literatura acadêmica. Segundo Cherian (2025), a conformidade com regulamentações como a Lei Geral de Proteção de Dados (LGPD) no Brasil e o Regulamento Geral sobre a Proteção de Dados (GDPR) na Europa é essencial para garantir o uso responsável da IA no marketing.

Outro desafio envolve a acessibilidade da IA para PMEs. Enquanto grandes corporações possuem recursos para desenvolver soluções próprias, pequenas empresas dependem de plataformas terceirizadas, o que pode gerar limitações quanto à personalização das ferramentas e aos custos envolvidos (Duarte & Fernandes, 2025).

A integração da Inteligência Artificial (IA) na segmentação e personalização do mercado está transformando significativamente as Pequenas e Médias Empresas (PMEs) no Brasil. Ao aproveitar as tecnologias de IA, as PMEs podem aprimorar o engajamento do cliente, otimizar as estratégias de marketing e melhorar o desempenho geral dos negócios. Essa transformação é particularmente crucial em um cenário competitivo em que as experiências personalizadas do cliente são fundamentais.

A IA permite que as PMEs analisem dados de clientes de várias fontes, como interações on-line e históricos de compras, para criar estratégias de marketing personalizadas (Okeke et al., 2024).

Algoritmos de aprendizado de máquina e processamento de linguagem natural facilitam a segmentação dinâmica de clientes, permitindo ajustes em tempo real nos esforços de marketing(Kedi et al., 2024).

Ferramentas baseadas em IA, como chatbots, fornecem suporte automatizado ao cliente, aprimorando a experiência do usuário e promovendo a fidelidade à marca(Duarte & Fernandes, 2025) (Cherian, 2025).

Recomendações personalizadas geradas por meio de análises preditivas aumentam a satisfação do cliente e as taxas de retenção(Okeke et al., 2024) (Amin, 2024).

Apesar dos benefícios, as PMEs enfrentam desafios como questões de privacidade de dados e restrições de recursos na adoção da IA(Cherian, 2025).

Equilibrar as capacidades da IA com considerações éticas é essencial para garantir o uso responsável dos dados do cliente(Amin, 2024).

Embora a IA apresente inúmeras vantagens para as PMEs no Brasil, é crucial enfrentar os desafios associados para aproveitar totalmente seu potencial de segmentação e personalização de mercado.

Método e Metodologia

A pesquisa busca analisar o impacto da Inteligência Artificial (IA) na segmentação e personalização de mercado para Pequenas e Médias Empresas (PMEs) brasileiras. Para garantir a validade dos resultados, adotou-se um delineamento metodológico estruturado conforme a natureza da pesquisa, seus objetivos, abordagem, procedimentos, coleta de dados e estratégia de análise.

Este estudo caracteriza-se como uma pesquisa aplicada, pois visa gerar conhecimento que possa ser utilizado na prática empresarial. Segundo Gil (2019), pesquisas aplicadas têm como objetivo principal fornecer soluções para problemas específicos enfrentados pelas organizações.

A pesquisa pode ser classificada como exploratória e descritiva. A abordagem exploratória permite compreender o impacto da IA na segmentação e personalização de mercado, enquanto a descritiva estrutura e categoriza essas práticas no contexto das PMEs (Creswell, 2021).

Adotou-se uma abordagem mista (qualitativa e quantitativa), combinando análise qualitativa para entender percepções e desafios das empresas, e quantitativa para mensurar os impactos e benefícios da IA (Flick, 2022).

Para os procedimentos e estratégia de coleta de dados utilizou-se entrevistas semiestruturadas com gestores de PMEs, permitindo capturar percepções sobre a adoção e o impacto da IA na personalização do marketing. Questionários estruturados, aplicados a um grupo de PMEs, para quantificar o nível de implementação da IA e os seus resultados.

Os dados qualitativos foram examinados por meio da análise de conteúdo, permitindo identificar padrões e tendências. Para os dados quantitativos, utilizou-se estatísticas descritivas e inferenciais para verificar correlações entre o uso de IA e a personalização do marketing (Yin, 2020).

Para garantir rigor e confiabilidade, a pesquisa baseia-se na triangulação de dados e revisão por pares, assegurando que os resultados sejam representativos e aplicáveis ao contexto das PMEs (Tracy, 2020). Além disso, todas as diretrizes éticas foram seguidas, garantindo o anonimato e a privacidade dos participantes.

Hipóteses de Pesquisa

Diante da problemática levantada e da necessidade de aprofundar a compreensão sobre os efeitos da IA na segmentação e personalização de mercado, formulam-se as seguintes hipóteses de pesquisa, construídas com base na literatura e no referencial teórico analisado:

Hipótese 1 (H1): O uso de Inteligência Artificial em PMEs brasileiras está positivamente associado à melhoria da precisão na segmentação de mercado. Essa hipótese parte do pressuposto de que algoritmos de aprendizado de máquina e mineração de dados permitem identificar padrões comportamentais mais complexos e dinâmicos que os métodos tradicionais, proporcionando uma divisão mais estratégica dos públicos-alvo.

Hipótese 2 (H2): A aplicação da IA contribui para o aumento do engajamento dos clientes por meio da personalização das campanhas de marketing. O uso de sistemas de recomendação, chatbots e comunicação preditiva tende a gerar experiências mais relevantes para os consumidores, elevando as taxas de interação e conversão.

Hipótese 3 (H3): As principais barreiras à adoção da IA em PMEs brasileiras estão relacionadas à falta de conhecimento técnico, custo de implementação e preocupações com a privacidade de dados. A hipótese busca validar o argumento de que, apesar da IA oferecer vantagens competitivas, sua adoção ainda é limitada por fatores internos (capacidade gerencial e técnica) e externos (regulação e infraestrutura tecnológica).

A verificação dessas hipóteses será realizada com base na aplicação de métodos mistos, combinando análise qualitativa e quantitativa, conforme descrito na seção de metodologia deste artigo. A confirmação (ou refutação) dessas proposições permitirá a formulação de recomendações mais precisas e direcionadas às realidades das PMEs brasileiras.

Resultados e Discussão

A análise dos dados coletados por meio de entrevistas semiestruturadas e questionários aplicados a gestores de Pequenas e Médias Empresas (PMEs) brasileiras evidenciou elementos relevantes para a compreensão do impacto da Inteligência Artificial (IA) na segmentação de mercado e na personalização de campanhas de marketing.

8.1 Caracterização da amostra e coleta de dados

A pesquisa foi realizada com 12 Pequenas e Médias Empresas (PMEs) brasileiras, atuantes nos setores de comércio, serviços e tecnologia, localizadas nas regiões Sul e Sudeste do Brasil. Os dados foram coletados entre fevereiro e março de 2025, por meio de entrevistas semiestruturadas com 18 profissionais, sendo:

  • 11 gestores de marketing,

  • 4 diretores ou gerentes gerais,

  • 3 profissionais de TI com atuação em marketing.

Além disso, aplicou-se um questionário estruturado online, com 14 perguntas fechadas (escala Likert de 1 a 5) e 2 perguntas abertas para contextualização. O objetivo foi explorar a percepção dos respondentes sobre o uso da Inteligência Artificial (IA) nas estratégias de marketing, com ênfase na segmentação de mercado, personalização e barreiras à adoção.

As entrevistas foram transcritas e analisadas via análise de conteúdo temática (Bardin, 2016), enquanto os dados quantitativos foram tratados com auxílio do Excel e do software SPSS, utilizando estatística descritiva (frequência, média e desvio padrão) e correlação de Pearson para avaliar relações entre variáveis.

8.2 Técnicas de análise utilizadas

Os dados qualitativos foram submetidos à análise de conteúdo (Bardin, 2016), permitindo a categorização de percepções e práticas em torno da adoção da IA no marketing. Já os dados quantitativos foram analisados por meio de estatísticas descritivas e inferenciais, utilizando correlação de Pearson para verificar relações entre o uso da IA e indicadores como engajamento do cliente, eficiência de campanhas e segmentação. A combinação dos dois métodos fortaleceu a triangulação dos resultados e a validação das hipóteses propostas.

8.3 Validação das hipóteses

Hipótese 1 (H1): A adoção de soluções de Inteligência Artificial está positivamente associada à melhoria da segmentação de mercado em PMEs brasileiras.

Os resultados indicam forte associação positiva entre o uso de IA e o desempenho percebido na segmentação de mercado. 83% dos respondentes (15 de 18) afirmaram que, após a adoção de soluções como CRMs inteligentes, algoritmos de clusterização ou análise preditiva, a segmentação de clientes passou a ser mais precisa e dinâmica.

No questionário, a assertiva “A IA permitiu uma melhor segmentação de nosso público-alvo” recebeu média 4,56 (DP = 0,49), em uma escala de 1 (discordo totalmente) a 5 (concordo totalmente). A correlação entre o tempo de uso da IA e a melhoria percebida na segmentação foi r = 0,68 (p < 0,01), indicando associação estatisticamente significativa.

Esses dados reforçam os apontamentos teóricos de Kotler & Keller (2020) e Zhang & Wang (2023), segundo os quais a IA melhora a acurácia de clusters e favorece a criação de personas mais realistas, com base em dados comportamentais, contextuais e históricos.

A maioria das empresas relatou uma evolução significativa na forma de categorizar seus públicos-alvo, com destaque para a capacidade dos algoritmos de identificar padrões de comportamento e preferências até então invisíveis. Esses achados corroboram estudos como os de Okeke et al. (2024) e Kedi et al. (2024), que apontam que a segmentação orientada por dados dinâmicos é mais eficaz do que abordagens tradicionais baseadas apenas em demografia.

A Hipótese 2 (H2), que aponta para o aumento do engajamento dos clientes por meio da personalização, também foi sustentada pelos dados. Empresas que utilizam ferramentas como chatbots, sistemas de recomendação e automação preditiva reportaram aumento médio de 18% nas taxas de conversão e interações. Esses resultados se alinham às contribuições teóricas de Amin (2024) e Cherian (2025), que destacam a personalização como vetor central na retenção e fidelização do cliente.

A análise mostra que 10 das 12 empresas utilizam IA para personalização de ofertas, recomendações de produtos, ou comunicações automatizadas, via e-mails e redes sociais. Segundo os entrevistados, isso resultou em aumento médio de 18% nas taxas de clique e 22% no tempo médio de navegação em seus canais digitais.

A média da assertiva “A IA contribuiu significativamente para personalizar nossas ações de marketing” foi de 4,47 (DP = 0,51). Esse dado foi complementado por relatos de gestores destacando ganhos em fidelização, reativação de clientes inativos e campanhas com maior ROI.

Os achados corroboram estudos como os de Amin (2024), que evidenciam como a IA permite o "ajuste fino" das mensagens e ofertas ao comportamento real do consumidor, ampliando o engajamento e a satisfação.

Quanto à Hipótese 3 (H3), referente às barreiras à adoção da IA, os dados revelaram que 72% das empresas participantes identificam como principais obstáculos a falta de conhecimento técnico interno, o custo de implementação e as preocupações com privacidade e conformidade com a LGPD. Essa percepção reitera as conclusões de Duarte e Fernandes (2025), ao mostrarem que o sucesso da adoção da IA depende tanto de recursos financeiros quanto de capacitação e confiança na tecnologia.

Esta hipótese também foi validada: 94% dos entrevistados (17 de 18) apontaram ao menos uma dificuldade estruturante na adoção de IA. Os desafios mais citados foram:

  • Falta de conhecimento interno especializado (78%)

  • Custo elevado das soluções mais completas (61%)

  • Resistência à mudança ou falta de cultura analítica (50%)

A média da assertiva “Nossa empresa tem dificuldades em adotar IA por limitações de conhecimento técnico” foi de 4,11 (DP = 0,66).

Essas evidências sustentam as proposições de Tracy (2020) e Flick (2022), que destacam a importância do capital humano e da cultura organizacional na viabilização de tecnologias emergentes, sobretudo em empresas com estrutura enxuta.

8.4 Discussão à luz da literatura

Os resultados encontrados reforçam o argumento de que a IA, quando integrada de forma estratégica ao marketing das PMEs, atua como um impulsionador da vantagem competitiva. A literatura aponta que a personalização orientada por dados cria experiências mais relevantes para o cliente, promovendo não apenas conversão, mas também lealdade à marca (Kotler & Keller, 2020; Zhang & Wang, 2023).

Por outro lado, também se confirma o desafio de democratizar o acesso à tecnologia para as PMEs, especialmente em mercados emergentes como o Brasil. As limitações estruturais descritas pelos respondentes evidenciam a necessidade de políticas públicas e ecossistemas de inovação que apoiem a adoção de IA de forma inclusiva.

8.5 Implicações dos resultados

Os resultados confirmam que a IA oferece ganhos substanciais para as PMEs no que se refere à eficiência de campanhas, precisão na segmentação e personalização de ações. Contudo, também evidenciam que esses ganhos só se tornam realidade quando as empresas superam barreiras técnicas, culturais e financeiras — o que nem sempre é trivial.

A proposta de que a IA representa uma vantagem competitiva para PMEs se sustenta, especialmente quando sua implementação está atrelada a estratégias claras, capacitação da equipe e análise crítica contínua.

Em comparação com estudos anteriores, esta pesquisa amplia o escopo ao focar especificamente nas realidades brasileiras, oferecendo insights contextualizados e aplicáveis. Além disso, ao utilizar uma abordagem mista, permite compreender não apenas o “quanto”, mas também o “como” e o “por quê” a IA transforma o marketing nas PMEs.

As implicações práticas deste estudo sugerem que as PMEs que investem em tecnologias de IA podem obter ganhos significativos de performance, especialmente em áreas como comunicação, segmentação e personalização. No entanto, essa adoção precisa ser acompanhada por uma estratégia de capacitação interna, foco em ética e uso consciente de dados, como enfatizado por Amin (2024) e Cherian (2025).

Do ponto de vista acadêmico, os achados deste trabalho corroboram e expandem estudos recentes que abordam a transformação digital nas empresas de menor porte, demonstrando que a IA não apenas melhora processos operacionais, mas também redefine o relacionamento com o cliente.

Conclusões

O presente estudo investigou como a Inteligência Artificial (IA) tem sido aplicada na segmentação de mercado e personalização de marketing em Pequenas e Médias Empresas (PMEs) brasileiras. A análise dos dados coletados demonstrou que a IA pode efetivamente ampliar a precisão das estratégias de segmentação e aumentar significativamente o engajamento dos clientes, oferecendo às PMEs uma oportunidade concreta de se posicionarem competitivamente em um mercado cada vez mais orientado por dados.

As evidências sustentaram as três hipóteses formuladas: a IA melhora a segmentação de mercado, potencializa a personalização de campanhas e enfrenta barreiras importantes de adoção, como limitações técnicas e culturais. Os dados demonstraram que, mesmo com restrições orçamentárias e estruturais, as PMEs podem alcançar ganhos relevantes ao adotar soluções baseadas em IA — desde que essas estejam alinhadas a uma estratégia bem definida e acompanhadas por capacitação interna.

Entretanto, o estudo apresenta algumas limitações. A amostra, embora relevante, concentrou-se em apenas 12 PMEs localizadas nas regiões Sul e Sudeste do Brasil, o que limita a generalização dos resultados para todo o território nacional. Além disso, o tempo de uso das tecnologias de IA ainda é relativamente recente para muitas empresas analisadas, o que pode ter influenciado a maturidade dos resultados reportados.

Outro ponto limitador é o uso de questionários e entrevistas como principais instrumentos de coleta de dados, o que, embora útil para captar percepções e experiências, pode não refletir integralmente os impactos objetivos da IA no desempenho financeiro ou operacional das empresas. Também não foram utilizados indicadores de mercado externos que pudessem comparar os resultados com benchmarks do setor.

Como sugestões para pesquisas futuras, recomenda-se ampliar o escopo amostral, incluindo PMEs de outras regiões do Brasil e de diferentes setores econômicos, bem como incorporar dados longitudinais que permitam acompanhar os impactos da IA ao longo do tempo. Além disso, seria relevante investigar a integração entre IA e outras tecnologias emergentes, como Big Data, CRM inteligente e automação de marketing, para compreender como essas sinergias podem intensificar ainda mais a transformação digital das PMEs.

Por fim, propõe-se aprofundar os estudos sobre o papel da cultura organizacional e da liderança na aceitação e adoção da IA nas pequenas empresas, tema que emergiu nas entrevistas, mas não foi explorado com profundidade neste artigo. Ao abordar essas lacunas, pesquisas futuras poderão fortalecer o entendimento sobre os caminhos para uma adoção mais estratégica, inclusiva e eficaz da IA no ambiente empresarial brasileiro.

REFERÊNCIAS BIBLIOGRÁFICAS

Amin, M. M. (2024). AI-Powered Personalized Marketing: A Deep Dive into Customer Segmentation and Targeting. International Journal of Science, Engineering and Management, 11(12). Disponível em: https://doi.org/10.36647/ijsem/11.12.a001

Bardin, L. (2016). Análise de conteúdo. Edições 70.

Cherian, M. (2025). Leveraging AI for predicting marketing and customer insights-an overview. Journal of Informatics Education and Research, 5(1). Disponível em: https://doi.org/10.52783/jier.v5i1.2050

Creswell, J. W. (2021). Research design: Qualitative, quantitative, and mixed methods approaches. Sage Publications.

Duarte, L., & Fernandes, P. (2025). The role of AI in enhancing SME marketing strategies. Journal of Business & Marketing, 23(1), 45–63.

Flick, U. (2023). An introduction to qualitative research (6o ed). SAGE Publications.

Gil, A. C. (2019). Métodos e técnicas de pesquisa social (7ª ed.). Atlas.

Hooley, G., Piercy, N. F., & Nicoulaud, B. (2018). Estratégia de marketing e posicionamento competitivo. Pearson.

Kedi, W. E., Ejimuda, C., Idemudia, C., & Ijomah, T. I. (2024). AI software for personalized marketing automation in SMEs: Enhancing customer experience and sales. World Journal of Advanced Research and Reviews, 23(1), 1981–1990. Disponível em: https://doi.org/10.30574/wjarr.2024.23.1.2159

Kotler, P., & Keller, K. L. (2020). Administração de marketing. Pearson.

Okeke, N. I., Alabi, O. A., Igwe, A. N., Ofodile, O. C., & Ewim, C. P.-M. (2024). AI-driven personalization framework for SMES: Revolutionizing customer engagement and retention. World Journal of Advanced Research and Reviews, 24(1), 2019–2035. Disponível em: https://doi.org/10.30574/wjarr.2024.24.1.3208

Russell, S., & Norvig, P. (2021). Inteligência Artificial: Uma Abordagem Moderna. Pearson.

Tracy, S. J. (2012). Qualitative research methods: Collecting evidence, crafting analysis, communicating impact. Wiley-Blackwell.

Zhang, L., & Wang, X. (2023). AI-driven market strategies: A comprehensive review. Journal of Business & Marketing, 22(1), 35–50.

Yin, R. K. (2020). Case study research and applications: Design and methods. Sage Publications.


1 Doutorando em Administração Empresarial pela Must University, Mestre em Administração pela FURB, Master em Digital Manager & Metaverso pela EXAME / Ibemec, Pós-Graduado em Gestão de Projetos pela FGV, Especialista no Desenvolvimento de Dirigentes pela Dom Cabral. E-mail: [email protected]