O caso Starbucks na Coreia do Sul

A campanha

A Starbucks na Coreia do Sul vai fechar suas lojas mais cedo para dar treinamento histórico e de sensibilidade social aos funcionários. A medida veio depois de uma campanha promocional que conseguiu juntar, em uma mesma ação de marketing, uma data historicamente sensível, um nome infeliz, um slogan problemático, uso de IA e uma cadeia de aprovação que falhou em pontos básicos.

O caso começou com uma promoção chamada Tank Day, criada para vender tumblers da linha Tank. O problema é que a campanha foi lançada em 18 de maio, data associada ao Massacre de Gwangju, em 1980, quando protestos pró-democracia foram reprimidos com violência pelo regime militar sul-coreano.

Para piorar, o slogan usado na campanha era “Bata na mesa!”. Fora de contexto, poderia parecer apenas uma frase comum de campanha. Dentro da história recente da Coreia do Sul, a leitura é outra. A frase foi associada à versão policial usada para encobrir a morte por tortura do estudante e ativista Park Jong-chul, em 1987. Na explicação apresentada pela polícia na época, ele teria morrido de forma repentina depois que um agente bateu na mesa durante o interrogatório.

Não é difícil entender por que a reação foi tão forte.

A campanha foi cancelada em poucas horas. O CEO local da Starbucks foi demitido. Houve protestos, boicotes, pedidos de investigação e queda nas vendas. Depois disso, a empresa anunciou treinamentos obrigatórios com foco em história moderna da Coreia do Sul, sensibilidade social e responsabilidade em decisões de marketing.

Onde a IA entra

Até aqui, já seria um caso grave de comunicação pública sem leitura histórica. Mas há um detalhe que torna tudo ainda mais importante para quem trabalha com tecnologia e uso profissional de IA.

Os profissionais de marketing escolheram o slogan depois de consultar uma ferramenta de IA em busca de sugestões. Também foi reportado que alguns gestores envolvidos na aprovação da campanha nem abriram os anexos com o material antes de aprovar.

Esse ponto traz mais camadas para a natureza do problema.

Sem acesso ao prompt original, não dá para avaliar a qualidade do pedido feito à IA. Também não dá para saber quantas tentativas foram feitas, quais respostas foram descartadas ou que tipo de contexto foi fornecido. A falha comprovada está no processo. Uma sugestão entrou em uma cadeia profissional, virou peça de campanha e chegou ao público sem que contexto histórico, revisão crítica e aprovação responsável segurassem o erro antes.

A falha estava no processo

Uma sugestão gerada por IA não deveria atravessar um processo profissional desse tamanho sem ter sido bem conduzida, revisada e tratada com disciplina.

Em uma campanha pública, pedir frases para uma IA não deveria significar apenas “me dê slogans criativos”. A tarefa precisa trazer contexto suficiente para que a resposta seja avaliada antes de virar material publicável. Um pedido minimamente bem estruturado precisaria incluir dados concretos sobre a campanha, o produto, o público-alvo, a data escolhida e os riscos de interpretação. Também deveria orientar a IA a apontar sensibilidades históricas, associações negativas, ambiguidades e termos delicados antes de sugerir qualquer frase.

Isso muda a tarefa.

A IA deixa de ser usada apenas como máquina de ideias e passa a operar dentro de um processo. Mesmo assim, um prompt bem escrito não garante que nada passe. IA não é auditoria infalível, e contexto não pode ser terceirizado sem uma revisão humana disciplinada. O que um bom prompt faz é aumentar a chance de o problema aparecer antes da publicação, obrigando a tarefa a incluir risco, não apenas criatividade.

O ponto do caso

O que chama atenção é justamente a sequência de falhas. Se virou peça de campanha, alguém aprovou. Se alguns aprovadores nem abriram os anexos, o problema já tinha deixado de ser tecnológico fazia tempo.

Esse é o ponto central.

Quando uma empresa usa IA em marketing, a exigência profissional deveria aumentar, não diminuir. A ferramenta pode acelerar ideação, variação e rascunho, mas isso só funciona quando existe método, disciplina e critério para transformar uma sugestão em material público.

No fim, o caso não mostra apenas que uma campanha foi mal pensada. Mostra como o uso de IA sem método pode amplificar uma falha humana que já estava ali.