Todo gestor de marketing, em algum momento, já se deparou com o seguinte problema: os dados mostram o que está acontecendo, mas não explicam por quê. As vendas não sobem. Uma campanha que parecia certeira não saiu do lugar. Os números estão todos ali e, mesmo assim, é difícil saber o próximo passo.
O motivo é que boa parte do que determina o comportamento do cliente não cabe em banco de dados. Está na mente e no coração das pessoas. Nas percepções difíceis de destilar em números, nas preferências que mal sabem que têm, nas razões que não aparecem em nenhum clique nem em resultado de venda. Comportamento observado é sempre a sombra de algo mais profundo. Kaplan e Norton entenderam isso há 30 anos com o Balanced Scorecard (BSC): gerar caixa é o objetivo final, mas para chegar lá é preciso gerenciar os drivers.
É por isso que a pesquisa qualitativa ocupa um lugar central na inteligência de marketing. Não é uma escolha romântica; é funcional. Ela acessa, por meio de linguagem natural, o que surveys e dados transacionais dificilmente conseguem: contexto, a lógica interna do consumidor. Em vez de abstrações numéricas, ela gera narrativas concretas — porque decisões de consumo não são eventos isolados. Estão sempre inseridas em sequências, contextos e histórias de vida.
Mas há uma tensão no centro desse método. Belk, Fischer e Kozinets colocam que, na pesquisa qualitativa, o pesquisador é o próprio instrumento de coleta. A capacidade de construir confiança, de sondar o que só emerge dentro do contexto, é o que determina a profundidade do dado. Retire o pesquisador experiente da equação e você não tem uma versão mais barata da pesquisa — você tem outro método.
Daí vêm dois problemas encadeados. Primeiro: se o humano é o instrumento, o método é manual por definição. Cada entrevista exige presença, escuta ativa, julgamento em tempo real. Segundo: a análise é igualmente artesanal. Transcrições e textos não se resumem com matemática tradicional. Exigem imersão, identificação de temas, interpretação de nuances.
O resultado são projetos custosos e difíceis de escalar.
E se fosse possível manter a profundidade da pesquisa qualitativa e, ao mesmo tempo, escalar? Entrevistar centenas de pessoas de forma ágil e robusta?
Durante décadas, essa pergunta não tinha resposta. Era um trade-off aceito como inevitável: ou profundidade, ou escala. As duas coisas juntas simplesmente não cabiam no mesmo projeto.
Até agora.
Em dezembro de 2025, a Anthropic conduziu um experimento que mudou o que se imaginava ser possível em pesquisa qualitativa.
A empresa havia desenvolvido o Anthropic Interviewer, um agente baseado em LLM capaz de conduzir entrevistas em profundidade de forma autônoma. Não um questionário disfarçado de conversa, mas uma entrevista de verdade: perguntas abertas, sondagens que emergem do contexto. Em seu teste inicial, entrevistou 1.250 profissionais sobre como estavam integrando IA ao trabalho. Mas foi o segundo estudo, “What 81,000 people want from AI”, possivelmente o maior estudo qualitativo já realizado, que me parou: em uma única semana, mais de 112 mil entrevistas em 159 países e 70 idiomas. Das quais 81 mil foram consideradas válidas para análise.
A escala já é perturbadora para quem conhece os bastidores de um projeto qualitativo tradicional. Mas o mais interessante não foi só a coleta; foi o que se fez com ela. As transcrições foram processadas por classifiers baseados em LLM, cada um validado com ao menos 90% de concordância com avaliadores humanos, extraindo temas como visões de futuro, preocupações e perfil profissional de cada entrevistado.
E houve uma surpresa. Os próprios pesquisadores admitiram não ter antecipado o nível de franqueza dos participantes. As pessoas compartilharam lutos, crises de saúde mental, precariedade financeira — revelações que, segundo os autores, raramente emergem em suas entrevistas tradicionais. Parece que, quando o interlocutor não é uma pessoa, o custo social da vulnerabilidade percebida cai.
Voltemos aos clássicos. Belk, Fischer e Kozinets definiram o pesquisador como o instrumento da pesquisa qualitativa. A GenAI desafiou essa ideia — e as consequências vão além do método.
Em tempos de GenAI, a velha distinção entre pesquisa qualitativa e quantitativa parece mais antiquada do que nunca. Quando é possível realizar 81 mil entrevistas em profundidade e analisar cada uma com rigor, o que era profundidade e o que era escala? Esse terreno é naturalmente multidisciplinar e equipes de inteligência de marketing que souberem reunir cientistas de dados, antropólogos e pessoas de negócio terão uma vantagem real.
Os 81 mil motivos do título? São apenas o começo.
Referências
Belk, R. W., Fischer, E., & Kozinets, R. (2012). Qualitative Consumer and Marketing Research. SAGE Publications.
Handa, K. et al. (2025). "Introducing Anthropic Interviewer: What 1,250 professionals told us about working with AI". Anthropic. Disponível em: www.anthropic.com/research/anthropic-interviewer.
Huang et al. (2026). "What 81,000 People Want from AI". Anthropic. Disponível em: www.anthropic.com/features/81k-interviews.
COMPARTILHAR ESSE POST
