Juan Pablo Tejela, CEO e Co-Fundador da Metricool – Série de Entrevistas

Juan Pablo Tejela, CEO e co-fundador da Metricool, é um engenheiro de software e empreendedor de tecnologia que liderou a empresa desde 2014, ajudando a desenvolvê-la em uma plataforma abrangente para gerenciar e medir conteúdo digital. Antes de lançar a Metricool, ele passou quase nove anos na Optimyth Software, onde suas responsabilidades incluíam gerenciamento de produtos, desenvolvimento de aplicações, design de interface do usuário, pré-vendas, suporte ao cliente e marketing online para a plataforma de análise de software Kiuwan. No início de sua carreira, Tejela ocupou cargos de engenharia de software em Swissrisk, Indra, EADS-CASA e FEDETEC, trabalhando com Java, C++, sistemas embarcados, tecnologia de comunicação e desenvolvimento do kernel do Linux.

Metricool é uma plataforma de gerenciamento de mídia social baseada em Madrid que permite que criadores, marcas e agências planejem conteúdo, publiquem posts, gerenciem conversas, analisem desempenho, monitorem concorrentes e gerem relatórios a partir de um espaço de trabalho centralizado. A plataforma suporta principais redes sociais e canais de publicidade, incluindo Instagram, Facebook, TikTok, LinkedIn, YouTube, X, Bluesky, Pinterest, Google e Meta Ads, além de oferecer ferramentas de criação e otimização de conteúdo assistidas por IA. A Metricool relata atender a mais de dois milhões de usuários, incluindo organizações como Forbes, Adidas, Volvo, H&M e Warner Music (WMG ) Group.

Sua carreira começou em engenharia de software, sistemas embarcados, qualidade de aplicativos e desenvolvimento de produtos. Como essas experiências moldaram sua abordagem quando você fundou a Metricool, e qual necessidade não atendida convenceu você de que profissionais de mídia social precisavam de um novo tipo de plataforma de análise?

Francamente, a Metricool começou menor do que as pessoas pensam. Minha esposa Laura e eu a construímos em 2015 como um projeto paralelo, em cima de nossos empregos regulares. Os blogueiros eram a coisa mais importante na internet na época, e notamos que não havia uma maneira decente de ver seus números em um só lugar — tudo estava espalhado por cinco ferramentas diferentes, nenhuma delas construída para alguém que não fosse técnico. Meu background em sistemas embarcados e QA havia me ensinado um hábito. Você não confia em algo que não mediu por si mesmo. Então, construímos a versão simples que desejávamos.

O que realmente validou a ideia não foram os blogueiros, embora — foram os profissionais de mídia social que começaram a se inscrever logo após eles. Eles queriam relatórios de clientes que parecessem profissionais, e esta é a parte que importava para um projeto paralelo — estavam dispostos a pagar. Os blogueiros, na maioria, não estavam. Foi o momento em que percebi que não estávamos construindo uma ferramenta de hobby, estávamos construindo para uma profissão subatendida. Mantivemos nossos empregos até que se tornasse insustentável, e começamos a contratar adequadamente em janeiro de 2017. Tudo desde então tem sido basicamente uma extensão daquele primeiro instinto: tirar o barulho, manter as análises transparentes e construir algo para a pessoa que faz o trabalho, não para a pessoa que compra software para outras pessoas.

A Metricool evoluiu de um produto de análise focado para uma plataforma de gerenciamento de mídia social usada por mais de quatro milhões de profissionais, agências, criadores e marcas. Quais foram as decisões de produto mais consequenciais por trás desse crescimento, e houve momentos em que você teve que repensar a visão original da empresa?

Algumas decisões importaram mais do que as outras. Ir além da análise enquanto todos os outros — Hootsuite, Buffer — estavam focados em agendamento foi a primeira, e ainda é nosso diferencial hoje. A segunda foi recusar-se a ser uma “ferramenta americana” que tratasse o espanhol e outros idiomas como uma segunda opção; isso nos deu uma vantagem real na Europa e na América Latina no início. A terceira, mais recente, foi decidir que anúncios sociais não podiam viver em uma ferramenta separada do conteúdo orgânico, porque nenhum gerente de mídia social realmente pensa neles separadamente.

A visão mudou? Constantemente, e não acho que isso seja uma coisa ruim. Não nos propusemos a construir para agências, em vez disso, construímos para profissionais individuais e blogueiros. As agências apareceram por conta própria, nos disseram o que precisavam (relatórios com marca branca, painéis de vários clientes, assentos em equipe), e nós ouvimos e agimos. O mesmo aconteceu com as marcas mais tarde. Se eu tivesse mantido a “visão original” da Metricool muito tempo, teríamos construído um produto muito menor para uma audiência de nicho. O plano nunca foi sagrado. Os usuários basicamente traçaram o mapa para nós.

A pesquisa da Metricool encontrou que 96% dos profissionais de mídia social usam inteligência artificial, mas 36% não sabem ou medem se o conteúdo gerado por IA tem um desempenho melhor. Por que a adoção de IA avançou tão mais rápido do que a capacidade das organizações de avaliar seu impacto comercial real?

Porque usar IA é fácil e medir adequadamente é trabalho. Você abre uma ferramenta, obtém uma legenda, publica — sem atrito algum. Saber se essa legenda fez algo por você significa configurar uma comparação, ser paciente, resistir à tentação de declarar vitória após um bom post. A maioria das equipes ainda não construiu essa disciplina, e honestamente, por que elas o fariam? Até dezoito meses atrás, ninguém precisava perguntar “o conteúdo de IA superou a versão humana” — uma pessoa o escreveu, você julgou o post por seus próprios méritos.

Aqueles 36% não me preocupam do jeito que podem soar. Não é que as pessoas sejam descuidadas. É que a medição sempre fica atrás da adoção — aconteceu com publicidade paga, aconteceu com marketing de influenciadores, está acontecendo novamente aqui. As ferramentas para usar IA melhoraram rapidamente. Os hábitos para julgá-la ainda não acompanharam. Eles acompanharão.

A IA gerativa permite que as marcas produzam mais conteúdo a um custo menor, mas um alcance ou volume de publicação maior pode criar uma falsa sensação de sucesso. Quais métricas as equipes devem priorizar para determinar se o conteúdo assistido por IA está fortalecendo a confiança, a saúde da marca e as relações com os clientes?

O alcance é a métrica que a IA é melhor em inflar e pior em explicar. Se você estiver apenas observando esse número, se sentirá bem por meses, até que não se sinta mais. O que eu realmente monitoraria são as pessoas salvando ou compartilhando o conteúdo, não apenas passando por ele — essa é a diferença entre “eu vi” e “isso valeu a pena guardar”. Os comentários são conversas reais, ou apenas mais barulho sob mais posts? E, essa é a que é constantemente pulada, a marca ainda soa como uma pessoa após trezentos posts assistidos por IA, ou a voz começou a derivar post a post sem que ninguém notasse?

Essa última é a traiçoeira. A confiança não desmorona de uma vez — ela se desgasta silenciosamente, e, no momento em que o alcance ou as vendas mostram, você já a perdeu por meses.

A Metricool descobriu que 66% dos respondentes envolvem IA em pelo menos metade de seu conteúdo, enquanto seis em cada dez acreditam que o conteúdo gerado por IA é igual ou superior ao criado por humanos. Como as marcas devem projetar experimentos que comparam justamente o conteúdo assistido por IA e o criado por humanos sem confundir correlação, algoritmos de plataforma e qualidade de conteúdo?

Mantenha tudo fixo, exceto a única coisa que você está testando — mesmo briefing, mesma plataforma, mesmo dia e hora, mesma pessoa fazendo a edição final — e apenas troque quem escreveu o rascunho inicial. É isso. A maioria das comparações “IA vs. humano” flutuando por aí não faz isso. Elas comparam um post de IA de terça-feira contra um post humano de três meses atrás sobre um tópico completamente diferente, e então tiram uma conclusão.

Execute em pares, execute por semanas, não por um post — o desempenho de um único post é principalmente sorte e humor do algoritmo da plataforma naquele dia, e você precisa de volume suficiente para ver além disso. E seja honesto sobre o que “igual ao trabalho humano” realmente significa. Se o conteúdo de IA obtém impressões semelhantes, mas pior qualidade de comentários ou menos salvamentos, isso não é um empate, é um sinal de alerta. Muito dessa “seis em dez” confiança, suspeito, é gente olhando para o número de superfície e parando por aí.

Onde a automação atualmente adiciona mais valor para as equipes de mídia social, e quais responsabilidades, como estabelecer a voz da marca, gerenciar comunidades ou responder durante uma crise, devem permanecer firmemente sob controle humano?

As coisas chatas e de alto volume — agendamento, rascunhos iniciais, redimensionamento de um vídeo para seis plataformas, puxando um relatório mensal — é onde a automação é basicamente tempo livre dado de volta à equipe. Ninguém deve fazer isso à mão em 2026.

A linha para mim é o julgamento. Voz, comunidade e, especialmente, qualquer coisa que seja uma crise — essas precisam de um ser humano. Não porque a IA não possa criar algo razoável, muitas vezes pode, mas porque o custo de um tom errado em um momento sensível é público e imediato, e a reputação de uma marca não é algo que você pode testar A/B. Voltarei a algo que eu disse antes: estar meio presente ou mal presente nas mídias sociais é como ter uma janela de loja quebrada. A IA criando uma resposta de crise para um humano revisar em trinta segundos, ótimo. A IA publicando essa resposta sozinha, nunca.

A Metricool Studio permite que os usuários gerem relatórios, comparem desempenho, analisem concorrentes e identifiquem padrões de postagem por meio de prompts de linguagem natural. À medida que a IA muda de gerar conteúdo para interpretar desempenho, como isso mudará o papel diário dos gerentes de mídia social e analistas de marketing?

Isso empurra o trabalho para cima. Um grande pedaço da semana de um gerente de mídia social ainda vai para puxar números para uma slide e escrever a frase que explica o que aconteceu. Se você pode simplesmente perguntar “por que o engajamento caiu na semana passada” e obter uma resposta real em segundos, esse grande pedaço da semana basicamente some.

O que resta é a parte valiosa real: decidir o que fazer com a resposta. Qual formato para dobrar, como explicar para um cliente que não se importa com a mecânica, quando os dados estão dizendo algo que o seu instinto discorda. Não acho que o papel diminua, acho que ele se divide em dois grupos muito rápido: os que estavam fazendo análise real, e os que estavam principalmente fazendo entrada de dados com etapas extras. Apenas o primeiro grupo cresce a partir daqui.

A Metricool adotou o Protocolo de Contexto do Modelo, permitindo que assistentes de IA, plataformas de automação e agentes personalizados interajam com dados de mídia social e fluxos de trabalho. Quais oportunidades isso cria, e como as empresas podem evitar que sistemas autônomos publiquem conteúdo inadequado, leiam mal as análises ou tomem ações que danifiquem uma marca?

Fomos uma das primeiras plataformas de mídia social a construir sobre o MCP da Claude, e o motivo é simples. Isso significa que os dados da Metricool não vivem mais apenas dentro de nossa própria interface. O agente de uma marca, uma plataforma de automação, qualquer coisa que uma equipe esteja usando, agora pode puxar dados de desempenho ou acionar um fluxo de trabalho diretamente, sem que precisemos construir cada integração individual. Isso abre fluxos de trabalho que ainda não pensamos, construídos pelas pessoas mais próximas dos dados.

O risco precisa ser projetado desde o início, não remendado depois. Praticamente, a publicação deve ser aprovada por um humano por padrão, não postagem autônoma silenciosa, especialmente qualquer coisa voltada para o cliente. As permissões precisam ser limitadas, como um agente construído para puxar um relatório não deve ser capaz de acionar um post, ponto. E cada ação que um agente toma precisa de um rastro que um humano possa verificar depois. O protocolo fornece a conexão. Os guardrails ainda são uma decisão que cada empresa precisa tomar propositadamente.

A pesquisa da Metricool sugere que as interações públicas tradicionais podem declinar, mesmo que o engajamento geral aumente, impulsionado por ações menos visíveis, como cliques, swipes, visualizações e toques de link. Como as marcas devem se adaptar quando alguns dos sinais mais significativos de atenção são cada vez mais invisíveis ao público?

Curtidas e comentários nunca foram um bom proxy para atenção, e estão piorando. A maioria do interesse genuíno hoje acontece em algum lugar que ninguém mais pode ver. Alguém passa por todas as slides de uma apresentação de slides, assiste a um vídeo até o fim, captura uma tela para enviar a um amigo em particular. Nenhum disso aparece publicamente. Tudo isso é atenção real, possivelmente mais valiosa do que um duplo toque reflexo.

Então, as marcas precisam se acostumar a tratar a taxa de conclusão, swipe-through e click-through como números centrais, não como notas de rodapé enterradas sob curtidas. A mudança prática é fazer uma pergunta diferente: não “quanto engajamento obtivemos”, mas “quanta atenção realmente ganhamos”, sabendo que a maioria desse segundo número nunca será visível para ninguém fora de seu próprio painel.

Olhando para o futuro, você espera que a IA permaneça uma coleção de assistentes usados por profissionais de mídia social ou se desenvolverá em uma camada operacional que continua a planejar campanhas, alocar recursos, interpretar desempenho e recomendar decisões em todas as plataformas?

Uma camada operacional, e mais cedo do que a maioria das pessoas espera. O modelo “peça IA uma coisa de cada vez” é uma fase, não o destino. O que estamos realmente construindo é a IA sentada sob todo o fluxo de trabalho, como assistir ao desempenho em todas as plataformas continuamente, capturar o que está funcionando antes que um humano notasse, e recomendando a próxima ação.

Recomendando, não decidindo. Não acho que o estado final seja a IA executando campanhas com ninguém assistindo. Acredito que é a IA fazendo o monitoramento implacável que nenhuma equipe tem horas para fazer, e entregando a uma pessoa uma lista útil e curta em vez de uma parede de painéis. Os profissionais que se saem bem nesse mundo não serão aqueles que lutam contra a camada, serão aqueles que se tornam bons em apontá-la.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Metricool.