How companies manage their use of AI Artificial Intelligence in marketing operations

Abstract

Contrary to common assumptions that AI tools alone drive marketing performance, this dissertation argues that employee-level governance and capability building are the decisive factors for medium-to-large enterprises to unlock AI’s value in marketing while mitigating ethical, compliance, brand, and environmental risks. Using marketing as the focal function, it analyzes how AI is applied to personalization, content generation, analytics, and workflow automation, and assesses the effects on efficiency, engagement, and decision quality. The study adopts a qualitative case design centered on SAP, drawing on senior marketers’ open-ended responses and triangulating with contemporary industry reports and policy guidance. Findings indicate that AI delivers clear operational benefits, including faster creative cycles, increased testing capacity, and more precise targeting, while simultaneously amplifying risks related to accuracy, brand drift, bias, privacy, and environmental impact. Contrary to the belief that strict governance stifles innovation, the evidence shows that employee-level governance (human review before publication, explainability at the point of use, logging and audit trails, role-based approvals) and capability building (AI literacy, hands-on training, internal certification) are decisive in translating AI’s potential into safe, repeatable outcomes. Regulatory frameworks (e.g., GDPR; EU AI Act) strongly shape feasible use cases, and sustainability considerations are emerging but unevenly operationalized. To address the gap in actionable, frontline-focused responsible AI frameworks, this dissertation proposes a practical governance checklist and a tiered certification model that link competence to permissions, positioning responsible AI as a strategic capability rather than a compliance burden.

Contrariamente à ideia comum de que as ferramentas de inteligência artificial, por si só, determinam o desempenho do marketing, esta dissertação defende que a governação ao nível dos trabalhadores e o desenvolvimento de competências são fatores decisivos para que as médias e grandes empresas consigam aproveitar o valor da IA no marketing, reduzindo simultaneamente os riscos éticos, regulamentares, ambientais e relacionados com a marca. Tendo o marketing como principal área de análise, o estudo examina a aplicação da IA na personalização, criação de conteúdos, análise de dados e automatização de fluxos de trabalho, avaliando os seus efeitos na eficiência, no envolvimento dos clientes e na qualidade das decisões. O estudo adota um desenho qualitativo de estudo de caso centrado na SAP, utilizando respostas abertas de profissionais de marketing experientes e complementando-as com relatórios recentes do setor e orientações políticas e regulamentares. Os resultados indicam que a IA oferece benefícios operacionais claros, incluindo ciclos criativos mais rápidos, maior capacidade de teste e uma segmentação mais precisa. Ao mesmo tempo, aumenta os riscos relacionados com a exatidão, o afastamento da identidade da marca, o enviesamento, a privacidade e o impacto ambiental. Contrariamente à ideia de que uma governação rigorosa limita a inovação, os resultados mostram que a governação ao nível dos trabalhadores — incluindo a revisão humana antes da publicação, a explicabilidade no ponto de utilização, os registos e trilhos de auditoria e as aprovações baseadas em funções — e o desenvolvimento de competências — como a literacia em IA, a formação prática e a certificação interna — são essenciais para transformar o potencial da IA em resultados seguros, consistentes e repetíveis. Os enquadramentos regulamentares, como o Regulamento Geral sobre a Proteção de Dados e o Regulamento Europeu da Inteligência Artificial, influenciam fortemente os casos de utilização viáveis. As preocupações relacionadas com a sustentabilidade também estão a ganhar importância, embora ainda sejam aplicadas de forma desigual. Para responder à falta de modelos práticos de IA responsável centrados nos profissionais que utilizam estas ferramentas diariamente, esta dissertação propõe uma lista de verificação de governação e um modelo de certificação por níveis, que relaciona as competências dos trabalhadores com os respetivos níveis de autorização. Desta forma, a IA responsável é apresentada como uma capacidade estratégica, e não apenas como uma obrigação de conformidade.