Segundo reportagem de Luis Rijo, publicada na PPC Land em fevereiro de 2026, o Google revelou como funciona por dentro o sistema que testa e otimiza automaticamente os criativos de busca com IA, batizado internamente de “five in the box”: cientista de dados, engenheiro, pesquisador de UX, produto e design trabalhando juntos pra validar cada experimento. Segundo Adam Bullock, líder de UX do time, “um engenheiro vai ter um ponto de vista ótimo que eu nunca teria pensado sozinho”.
Como a IA decide o que mostrar
Abby Butler, do time de produto, explica que a performance prevista de cada anúncio “é baseada no que o nosso sistema sabe sobre esse formato, naquela consulta específica”. Ou seja: o Google não testa no vácuo, ele aprende com o histórico de formatos parecidos em contextos de busca parecidos, otimizando pra “cliques de alta qualidade” e conversão real.
A flexibilidade dos assets modulares permite que o anúncio se adapte sozinho: segundo Butler, “até duas das suas manchetes podem aparecer junto com seus sitelinks”, simplificando a estratégia de criativo sem exigir ajuste manual constante.
O ponto cego pra quem tem verba pequena
Aqui está o dado que mais importa pra PME: o sistema do Google precisa de mais de 500 impressões por asset e mais de 2.000 impressões por anúncio completo, dentro de uma janela de 30 dias, antes de conseguir otimizar de forma significativa. Sem equipe dedicada de teste e sem volume de impressão suficiente, a automação simplesmente não tem dado o bastante pra aprender rápido.
O que isso muda na prática
A automação do Google é real e funciona, mas ela recompensa quem já chega com volume e estrutura, não quem sobe uma campanha isolada torcendo pra funcionar. É por isso que estruturar bem a campanha antes de rodar (segmentação certa, orçamento concentrado, criativo variado desde o início) importa mais do que nunca: é o que garante volume suficiente pra IA da plataforma realmente aprender com o seu anúncio, em vez de simplesmente “sortear” resultado às cegas. Esse é o tipo de estrutura que a R1 Performance constrói antes de qualquer campanha ir ao ar: pensar em escala desde o primeiro teste, não depois que a verba já foi gasta sem aprendizado nenhum.
