PUMA AI Creator: Revolucionando o Engajamento dos Fãs e a Arte Digital com o Google Cloud

Lisa Ernst · 25.01.2026 · Artificial Intelligence · 9 min

Uma camisola de futebol é geralmente o fim de uma história de design: um clube e uma marca decidem, os fãs reagem e a discussão acontece após a revelação. Com o PUMA AI Creator, , a PUMA inverteu essa ordem. Em vez de “aqui está o equipamento”, a marca perguntou: Mostrem-nos o que fariam. O resultado não foi apenas um truque de marketing. Foi um teste mensurável e em grande escala de como é a criação liderada por fãs quando a IA generativa, a infraestrutura em nuvem e a mecânica de jogo estão interligadas numa única experiência.

Fonte: Ilustração Própria

PUMA (uma das principais marcas desportivas mundiais de calçado, vestuário e acessórios) partnered with Google Cloud para trazer diretamente para o seu ecossistema digital. O que destacou esta iniciativa não foi o facto de ter utilizado IA, mas sim de ter utilizado IA à escala de retalho: gerando imagens com rapidez suficiente, fiabilidade suficiente e segurança suficiente para servir um público global massivo sem transformar a experiência numa sala de espera lenta e com falhas.

Em termos práticos, isto significou passar da narrativa estática de “a marca diz / o cliente ouve” para um ciclo interativo onde os clientes criam, reagem e votam — e a marca recolhe sinais reais de engajamento ao longo do caminho.

Resumo Rápido: Destaques do PUMA AI Creator

• Alcance global: 54.000 utilizadores de 206 países participaram.
• Criação de alto volume: 180.000 designs de camisolas gerados.
• Ciclo de feedback da comunidade: 1,7 milhões de classificações de fãs registadas através de 'swipes'/votos.
• Fundação em nuvem: Google Cloud Platform com Google Kubernetes Engine e GPUs Nvidia H100.
• Ganhos de velocidade: Tempo de geração reduzido de ~60 segundos para ~17 segundos para quatro imagens HD.
• Controlo de custos: 306 GPUs Nvidia utilizadas durante a fase em direto, em vez de uma projeção inicial de 600.
• Mecanismo de personalização: O Imagen 2 no Vertex AI permite imagens de produtos sensíveis ao contexto e à região.
• Impulso comercial: Conteúdo personalizado + segmentação melhorou o CTR e o AOV; resultados posteriores incluem aumentos mensuráveis (detalhes abaixo).

PUMA AI Creator: Uma Revolução de Design Liderada por Fãs

O coração da história é o PUMA AI Creator — um projeto de cocriação de fãs construído em torno do Manchester City. A PUMA, como fabricante oficial do equipamento do clube, não se limitou a apresentar uma nova direção de design; convidou os fãs a gerar a direção. O objetivo era ambicioso: criar um caminho para um conceito de camisola assistido por IA e desenhado por fãs para o third kit (2026/27 season).

A fase em direto decorreu de December 9 to December 20, 2024. Durante essa janela, os utilizadores puderam registar-se e começar a produzir conceitos através de uma ferramenta baseada em navegador que combinava uma pré-visualização da camisola em 3D com a geração de texto para imagem. A restrição era simples mas importante: um prompt de texto de up to 300 characters. Esse limite força a clareza — menos “prompts de novidade”, mais intenção de design.

Como a experiência funcionou (passo a passo)

1. Registar na plataforma e receba 10 créditos de design.
2. Escreva um prompt (máximo de 300 caracteres) e gere conceitos de camisolas dentro de um aplicativo de navegador 3D.
3. Guarde designs numa galeria e pré-selecione os favoritos.
4. Submeta até dois designs como inscrições para a competição (duas oportunidades de submissão por utilizador).
5. Vote e ganhe : classifique outros designs por 'swipe'; every 10 votes desbloqueie 2 créditos adicionais, mantendo a participação após o gasto dos créditos iniciais.
6. Recompense comunidades : Os fãs do Manchester City (“Cityzens”), membros da comunidade DEEPOBJECTS.ai e detentores de NFT da PUMA receberam double credits, tornando os grupos mais envolvidos os criadores mais ativos.

Esse ciclo (criar → partilhar → votar → ganhar créditos → criar novamente) não é acidental. É um motor de engajamento clássico, mas aqui está ligado a um backend de IA de nível de produção. O volume de saída mostra que funcionou: 180,000 designs e 1.7 million ratings de 54,000 users em 206 countries — tudo dentro de uma 10-day fase em direto.

Ivan Dashkov (Head of Emerging Marketing Tech na PUMA) enquadrou a iniciativa como prova de que a PUMA quer liderar com tecnologia, mesmo quando não há um plano estabelecido. E esse é realmente o ponto: não se tratava apenas de camisolas — era um teste de stress de “IA + comércio + comunidade” no mundo real.

Fonte: sgieurope.com

Retrato de Ivan Dashkov PUMA. Esta imagem apresenta um homem com um casaco PUMA, a sorrir, num fundo de corredor moderno. Serve como um retrato limpo e natural, alinhando-se à frase de pesquisa "Retrato de Ivan Dashkov PUMA". A imagem está bem iluminada e livre de quaisquer sobreposições ou texto de distração, tornando-a adequada para um slot de imagem de blogue em linha.

Por Dentro: Google Cloud e IA Generativa

Campanhas fixes morrem em problemas aborrecidos: latência, escalabilidade, concorrência e custos. Se milhares de utilizadores clicarem em “Gerar” e o sistema engasgar, a magia desaparece. Para fazer com que o PUMA AI Creator parecesse instantâneo (ou pelo menos rápido o suficiente), a PUMA precisava de infraestrutura que pudesse lidar com picos globais sem colapsar em tempos limite.

PUMA partnered with FTR como agência principal, Modern English para o desenvolvimento do frontend/backend da aplicação e Slalom para o backend de IA e a infraestrutura em nuvem escalável. A Slalom migrou uma versão local da aplicação — originalmente usando ComfyUI + a Stable Diffusion image generation model — para uma implementação contentorizada no Google Kubernetes Engine (GKE).

Uma peça arquitetural chave foi um sistema de filas personalizado para ordenar, armazenar e sequenciar pedidos de utilizadores, projetado para tolerar até 50,000 incoming prompts. Esse tipo de armazenamento é o que mantém a experiência do utilizador estável quando a procura é caótica.

O segundo fator de sucesso foi o hardware: Nvidia H100 GPUs. No final 15 days before launch, A Slalom e uma equipa de especialistas da Google concentraram-se em gargalos de desempenho e otimização de GPU — e o resultado foi dramático. O tempo de geração caiu de aproximadamente 60 seconds para cerca de 17 seconds para four high-definition images.

A velocidade não foi o único ganho. A eficiência também melhorou: durante a fase em direto, o sistema funcionou com 306 Nvidia GPUs, em vez de uma projeção inicial de 600. Essa diferença é importante, porque as cargas de trabalho de IA pesadas em GPU são onde os custos podem disparar rapidamente.

Fonte: indiamart.com

Placa GPU Nvidia H100. Esta imagem mostra uma vista lateral de uma placa NVIDIA H100 PCIe num fundo branco limpo. Exibe claramente o suporte da placa, as portas e o perfil geral, tornando-a uma excelente representação do hardware físico. A apresentação limpa e a falta de sobreposições tornam-na ideal para um slot de imagem de blogue em linha.

Porque é que os detalhes da infraestrutura são importantes

• A criatividade percebida depende da capacidade de resposta: se “Gerar” demorar muito tempo, os utilizadores abandonam.
• As filas protegem a experiência: o armazenamento evita que os picos de tráfego quebrem o sistema.
• Eficiência da GPU = controlo de custos: reduzir para metade as necessidades de GPU projetadas altera a economia de execução de campanhas semelhantes.
• A orquestração de contentores permite a escala: O GKE ajuda a gerir um sistema distribuído sob procura imprevisível.

Imagen 2 no Vertex AI: Personalização que Parece Local

O AI Creator chamou a atenção dos media, mas a história mais ampla da IA da PUMA é sobre Imagen 2 on Vertex AI para gerar imagens de produtos dinâmicas e sensíveis ao contexto — não apenas “imagens fixes de IA”, mas imagens que se adequam ao que um utilizador específico num local específico pode responder. comércio personalizado

O conceito é simples: o mesmo produto pode ser enquadrado em diferentes ambientes para corresponder à cultura e preferência local. Um cliente no Japão pode ver um sapato de estilo de vida fotografado nas ruas de Ginza, , enquanto um sapato de trilho aparece perto do sopé de Mount Fuji. Esse tipo de localização é difícil de produzir manualmente em escala, mas torna-se viável quando o pipeline é automatizado.

O Imagen também apoiou as equipas de conteúdo da PUMA com tarefas repetitivas de edição de imagens — sombreamento, composição, precisão de cores, resolução e posicionamento do produto. O impacto operacional é direto: menos tempo de produção manual, implementação mais rápida de campanhas e menor tempo de colocação no mercado em várias regiões.

Adoção Mais Ampla de IA e Planos Futuros

A PUMA já havia migrado partes chave do seu ecossistema de comércio eletrónico (incluindo puma.com) para o Google Cloud no início do ano. De acordo com os resultados relatados da iniciativa, a mudança apoiou uma melhor personalização e ajudou a aumentar o average order value (AOV), , ao mesmo tempo que reduziu o tempo necessário para lançamentos de produtos.

Os próximos passos concentram-se em expandir a abordagem: a PUMA planeia explorar o Imagen 3 (o modelo de texto para imagem mais recente da Google) para estender a criação de campanhas, e pretende expandir o uso do Vertex AI Search for Retail em subsidiárias adicionais para fortalecer a descoberta, relevância e o desempenho de conversão.

Fonte: geekwire.com

Retrato de Thomas Kurian, CEO do Google Cloud. Esta imagem apresenta um homem com uma camisa azul de botões, a sorrir diretamente para a câmara num fundo branco liso. É um retrato limpo e natural, livre de quaisquer elementos de distração ou sobreposições de texto. Isso torna-o uma excelente escolha para um slot de imagem de blogue em linha que requer uma representação profissional e clara de Thomas Kurian.

No lado da análise, a PUMA está a usar as capacidades de aprendizado de máquina do Google Cloud através do BigQuery para aprofundar o engajamento do cliente através de segmentação de público avançada. A abordagem usa dados primários para construir modelos de ML personalizados, gerar insights preditivos e atribuir conversões com mais precisão em vários pontos de contacto.

Os ganhos de desempenho relatados a partir deste trabalho de segmentação incluem um 4.6% increase in conversion rates, 6% increase in AOV, e um 149.8% increase in click-through rates para os três principais segmentos de público em comparação com outros alvos de publicidade.

Tecnologias Chave e Parceiros para o PUMA AI Creator

O Que Outras Marcas Podem Aprender (Sem Copiar a Camisola)

A história da camisola é específica, mas a mecânica generaliza-se. Se remover o contexto do futebol, o que resta é um padrão repetível: creation + feedback + personalization + infrastructure. Aqui estão as lições que são importantes se estiver a pensar em IA no comércio.

• Comece com um caso de uso que importe às pessoas: os fãs não geram designs porque a IA existe; eles fazem-no porque a identidade e a comunidade existem.
• As restrições de design melhoram os resultados: um limite de prompt de 300 caracteres reduz o ruído e torna a intenção mais clara.
• Torne a participação sustentável: créditos + recompensas de votação mantêm os utilizadores engajados após o primeiro “momento uau”.
• A engenharia é o produto: filas, escalabilidade e eficiência da GPU decidem se a experiência parece premium ou quebrada.
• Planeie a governação cedo: os sistemas generativos precisam de moderação, filtragem de prompts e limites seguros para a marca (especialmente à escala global).

Conclusão

O PUMA AI Creator é um exemplo claro do que acontece quando a IA generativa é tratada como mais do que uma novidade. A PUMA usou a IA para atrair os fãs para o processo criativo, mas o verdadeiro feito foi operacional: enviar uma experiência global, de alto volume e impulsionada por IA que se manteve responsiva, mensurável e consciente dos custos. A PUMA usou a IA para atrair os fãs para o processo criativo, mas o verdadeiro feito foi operacional: enviar uma experiência global, de alto volume e impulsionada por IA que se manteve responsiva, mensurável e consciente dos custos.

Em dez dias, a campanha produziu um nível de participação (designs + classificações) com o qual a maioria das marcas apenas sonha — e fê-lo enquanto exibia uma stack de IA moderna: geração contentorizada no GKE, desempenho otimizado em GPUs Nvidia H100 e personalização via Vertex AI. Se esta é a direção para a qual o retalho está a caminhar, a lição é simples: o futuro do comércio eletrónico não é apenas “recomendações”. É interaction — e, cada vez mais, co-creation.