Snapchat: Gemini multimodal no chatbot My AI — crescimento de mais de 2,5x no engajamento nos EUA

• Snap Partners with Google Cloud to Power Multi-Modal Generative AI Experiences Within My AI — Snap Inc. (newsroom), 2024-09-24
• Gemini at Work: how customers use Google Cloud AI products (Thomas Kurian) — Google (blog), 2024-09-24
• Snap Inc. Partners with Google Cloud to Power Multi-Modal Generative AI Experiences Within its My AI Chatbot — Google Cloud Press Corner, 2024-09-24
• Snapchat taps Google's Gemini to power its chatbot's generative AI features — TechCrunch, 2024-09-24

Contexto

Snap Inc. é a fabricante do Snapchat, um dos maiores aplicativos de mensagens do mundo: segundo comunicado da Google Cloud, o aplicativo alcança mais de 850 milhões de usuários ativos mensais, predominantemente um público jovem. My AI é o chatbot integrado do Snapchat e, nas próprias palavras da Snap, "um dos maiores chatbots para consumidores disponíveis atualmente". Foi lançado em fevereiro de 2023 — e, importante para entender este caso, era inicialmente alimentado pelo ChatGPT da OpenAI.

A relação da Snap com Google Cloud é muito anterior à IA generativa: o Snapchat foi lançado pela primeira vez na infraestrutura do Google Cloud em 2011, tornando a parceria mais de uma década antiga. Em 24 de setembro de 2024, as empresas anunciaram sua expansão: as capacidades multimodal do Gemini no Vertex AI tornaram-se a base da próxima geração de My AI. O anúncio coincidiu com o post no blog "Gemini at Work" do CEO da Google Cloud Thomas Kurian, sincronizado com o evento global homônimo da Google. No post, Kurian classifica quase 50 exemplos de clientes em seis tipos de agentes de IA — cliente, funcionário, dados, segurança e criativo — e Snap aparece na seção "agentes de cliente", com uma demonstração em vídeo no programa do evento. Em outras palavras, para a Google isso não foi uma integração rotineira, mas um dos seus exemplos públicos de destaque do Gemini para consumidores.

O que torna o caso mais interessante que a maioria das histórias "conectamos um LLM a um chatbot": a câmera é a interface principal do Snapchat. Os usuários deste aplicativo se comunicam em snaps e vídeos, não em parágrafos de texto. Portanto, multimodalidade aqui não é um recurso de uma lista de verificação de marketing, mas uma extensão natural do produto: um bot que entende snaps se conecta ao comportamento existente do público em vez de exigir novo comportamento.

O histórico de troca de modelo é uma história em si. Em um ano e meio, My AI saiu do ChatGPT (lançamento em fevereiro de 2023) para Gemini (setembro de 2024) — uma ilustração vívida de como plataformas B2C grandes tratam a seleção de modelo: não "casar com um fornecedor para sempre", mas "escolher o modelo para a capacidade específica". Para a Google, isso se tornou um caso de vitrine: demonstra o Gemini funcionando em escala de consumidor, com interações contadas em milhões por dia.

Problema

Um chatbot somente texto dentro de um aplicativo focado em câmera é uma meia-medida. Os usuários do Snapchat se expressam em snaps e vídeos; forçá-los a digitar consultas de texto longas significa tirar o bot do modo nativo de comunicação do aplicativo. Para My AI ser útil para este público específico, ele precisa entender imagens e vídeo tão fluidamente quanto texto: desde uma foto de uma placa de rua em idioma estrangeiro até um vídeo de uma prateleira de lanches.

A segunda parte do problema é escala e economia. My AI é um dos maiores chatbots para consumidores do mundo, e o Snapchat alcança mais de 850 milhões de usuários mensais. Nessa escala, cada melhoria de modelo é multiplicada entre milhões de interações diárias — mas também latência e custos de inferência. O serviço precisava de respostas multimodal com baixa latência e um custo aceitável por consulta, ou a economia de unidade da funcionalidade não se sustentaria.

A terceira camada é confiança e segurança. O público do Snapchat é jovem, e desde seu lançamento My AI tem sido cercado por debate público sobre riscos potenciais aos usuários, especialmente crianças — TechCrunch notou isso em sua cobertura do movimento Gemini, enfatizando que conforme as capacidades do bot crescem, também crescem as apostas. Para Snap isso significava que a nova geração de My AI precisava estar apoiada em um modelo com mecanismos integrados de precisão e segurança, não apenas o mais poderoso disponível.

Solução

Snap implantou Gemini no Vertex AI dentro de My AI. A redação do anúncio é precisa e vale a pena citar na íntegra: a empresa aproveita "as fortes capacidades multimodal do Gemini no Vertex AI, particularmente a habilidade da tecnologia de entender e operar entre diferentes tipos de informação como texto, áudio, imagem, vídeo e código, para oferecer recursos mais envolventes e inovadores para nossa comunidade do Snapchat através de My AI".

Na prática, isso se parece com cenários incorporados ao gesto familiar "shoot and send". Um usuário pode fotografar uma placa de rua enquanto viaja e pedir ao My AI para traduzi-la. Ele pode fazer um vídeo de diferentes ofertas de lanches e perguntar qual é a opção mais saudável. O que costumava exigir um aplicativo de tradutor separado ou uma sessão de pesquisa agora acontece dentro de uma conversa com o bot — com o mesmo movimento que um usuário envia um snap a um amigo. As capacidades multimodal foram lançadas para todos os Snapchatters nos EUA.

Escolher Vertex AI como plataforma continua uma história de infraestrutura: o Snapchat roda no Google Cloud desde 2011, então este foi o caminho de menor resistência para integração, operações e escala. O comunicado da Google Cloud enfatiza separadamente que os modelos Gemini fornecem "recursos de precisão e segurança integrados" e servem milhões de interações multimodal diariamente — para um produto com um público jovem e um histórico de questões públicas em torno de My AI, esse foi um argumento de seleção significativo.

Igualmente importante é o que Snap não fez: a empresa não reescreveu My AI "todo-Google" e não abandonou sua estratégia multifornecedor. My AI foi lançado no ChatGPT em fevereiro de 2023; desde setembro de 2024 os cenários multimodal rodam no Gemini — Snap historicamente combinou modelos de diferentes fornecedores em partes do produto. O caso, portanto, registra não uma "defecção para o campo da Google", mas uma decisão direcionada: para multimodalidade em escala de consumidor, eles escolheram o modelo que naquele momento melhor combinava capacidade, latência, custo e segurança.

Do lado da Google, o caso está em um quadro mais amplo: no post no blog "Gemini at Work", Thomas Kurian classifica My AI como um exemplo de um "agente cliente" — um agente que ajuda a fazer recomendações e responder perguntas de clientes. Evan Spiegel, CEO da Snap, segundo TechCrunch, descreveu a parceria como reforçando "tudo o que é tão importante para servir nossa comunidade": os usuários podem "aprender muito mais sobre o mundo, fazer isso muito rápido no momento". No comunicado da Google Cloud, Spiegel adiciona o quadro de missão: a Snap capacita as pessoas a se expressarem, viverem o momento, aprenderem sobre o mundo e se divertirem juntas — e nessa lógica um assistente multimodal não é um produto separado, mas um amplificador de cada um dos quatro. Kurian, por sua vez, chama Snap de "líder inicial em comunicação digital" agora "na vanguarda do uso de IA generativa para construir agentes criando novo valor para sua comunidade".

Resultado

De acordo com Snap e Google Cloud, após implantar Gemini em My AI, o engajamento dentro de Snapping para My AI cresceu mais de 2,5x nos Estados Unidos. A redação de Kurian no blog da Google: "Snap implantou a capacidade multimodal do Gemini dentro de seu chatbot 'My AI' e desde então viu mais de 2,5x mais engajamento dentro de Snapping para My AI nos Estados Unidos".

A forma de apresentação importa. Este é o único métrica publicado do caso. Ele foi medido em uma janela estreita de 27 de agosto – 2 de setembro de 2024 — declarado diretamente na nota de rodapé do anúncio da Snap, marcado "Snap Inc. internal data". "Snapping to My AI" significa enviar snaps para o bot, então a métrica rastreia o crescimento de uso multimodal especificamente, não toda atividade de My AI. Os números de audiência absolutos do bot não foram divulgados: "2,5x" de uma base desconhecida pode significar crescimento explosivo ou números absolutos modestos. Nenhum impacto na receita, retenção ou tempo no aplicativo foi publicado.

Análise editorial. Primeiro: o tamanho do efeito aqui é menos interessante do que sua mecânica. O crescimento de 2,5x+ aconteceu não porque o modelo ficou "mais inteligente ao responder em texto", mas porque o bot aprendeu a aceitar entrada no formato que o público do Snapchat já se comunica — snaps. Esta é uma confirmação inusitadamente clara do princípio de que modalidade deve corresponder à interface do produto: a mesma funcionalidade de LLM embalada em uma caixa de texto quase certamente não teria produzido tal salto. Segundo: uma janela de medição de uma semana logo após o lançamento é o spike de novidade clássico; o nível de engajamento em estado estacionário poderia ter se mostrado mais alto ou notavelmente mais baixo, mas as empresas nunca publicaram — no final de 2024 ou desde então. O silêncio após um anúncio alto é em si informação para qualquer um avaliando o caso.

Terceiro: estrategicamente, o caso ilustra onde plataformas do tamanho da Snap estão no mercado de modelos — elas migram entre fornecedores (ChatGPT em 2023, Gemini em 2024) mais rápido do que o segmento empresarial, porque suas integrações são mais finas e sua motivação é uma capacidade específica em vez de lealdade ao ecossistema. Para fornecedores de modelos, isso significa que os flagships de consumidor são um segmento ganhável — e perdível; para equipes de produto, que arquitetar para substituibilidade de modelo compensa em cada tal transição.

Finalmente, observe a assimetria de divulgação: o anúncio inclui um número de engajamento, mas não diz nada sobre custo de inferência, latência ou o impacto de consultas multimodal (notavelmente mais caras do que texto) na economia da funcionalidade — mesmo que com 850M+ usuários mensais esses sejam os parâmetros que decidem se a funcionalidade sobrevive. A parte pública do caso responde "será que decolou", mas não "será que compensa". Para um leitor mapeando este caso em seu próprio produto, isso significa que os cenários e mecânicas são transferíveis, mas o modelo financeiro terá que ser construído do zero com seus próprios dados.

Lições aprendidas

1. Modalidade deve corresponder à interface do produto: em um aplicativo focado em câmera era multimodalidade, não respostas de texto melhores, o que desbloqueou crescimento de uso.
2. Leia as notas de rodapé: o 2,5x de destaque foi medido em uma janela de uma semana logo após o lançamento — um sinal de spike inicial, não um estado estacionário comprovado; a ausência de publicações de métricas de acompanhamento também é um sinal.
3. Métricas relativas sem baselines absolutos (quantos usuários, quantas sessões) são padrão em estudos de caso de fornecedor; exija a base antes de tomar decisões para seu próprio produto.
4. Um assistente de IA para consumidor cresce em cenários concretos (traduzir uma placa, comparar lanches), não em um abstrato 'conversar com um bot' — os cenários devem caber no gesto existente do usuário.
5. Grandes plataformas B2C escolhem modelos por capacidade, não por marca: My AI saiu do ChatGPT para Gemini em dezoito meses — arquitete para substituibilidade de modelo.
6. O histórico de infraestrutura tem peso: 10+ anos de Snapchat no Google Cloud tornaram o Vertex AI o caminho de menor resistência — tudo mais igual, o fornecedor já em produção vence.
7. Para produtos com públicos jovens, os mecanismos de segurança integrados de um modelo são critério de seleção no mesmo nível que capacidade: o contexto público em torno de My AI deixou Snap sem espaço para uma solução 'bruta'.

Perguntas frequentes