Comparativo de Ferramentas de Criação de Vídeo com IA para E-commerce: Veo 3 vs Sora 2

A visualização de produtos desempenha um papel crucial no sucesso do e-commerce, mas a criação de vídeos de produtos de alta qualidade continua sendo um desafio significativo. Avanços recentes na tecnologia de geração de vídeo com IA oferecem soluções promissoras.

Comparamos as 6 principais ferramentas de criação de vídeo com IA usando 12 entradas de imagem e prompt para avaliar suas capacidades na geração de vídeos de demonstração de produtos:

Resultados do comparativo de ferramentas de criação de vídeo com IA

Figura 1: Sucesso das ferramentas na criação de vídeos seguindo os prompts e imagens de entrada.

Confira nossa metodologia e métricas de avaliação para ver como decidimos essas classificações.

Veo 3 é o modelo de melhor desempenho, alcançando as maiores pontuações totais e médias. Ele entrega resultados consistentes e de alta qualidade em quase todas as dimensões de avaliação e mantém realismo forte, precisão de iluminação e detalhes da marca.

Wan 2.5 e Kling 2.5 formam o segundo nível de desempenho.

• Wan 2.5 desempenha de forma confiável na maioria dos prompts, mas mostra fraquezas com os prompts de cadeira e botas, indicando desafios com geometria rígida e texturas de calçados.
• Kling 2.5 desempenha muito bem em cenas simples de objeto único, como "caneca", "planta" e "lanterna", mas mostra menor precisão em itens cosméticos complexos e formas irregulares, como "botas" e "batom e blush".

Hailuo 02 Pro demonstra desempenho de nível médio. Ele desempenha bem em prompts diretos de estilo de catálogo, como "planta", "bolsa marrom" e "4 batons", mas é menos consistente na fidelidade da marca e em objetos complexos como "bolsas" e "sapatos".

Sora 2 exibe desempenho variável. Ele alcança resultados fortes em prompts estruturados, como "caneca" e "bolsa marrom", mas desempenha mal em outros, como "botas" e "4 batons". O modelo parece sensível à complexidade da cena e à variação de iluminação.

Pixverse v5 ocupa o último lugar no geral. Ele desempenha mal em vários prompts envolvendo calçados, bolsas e cosméticos, sugerindo tratamento fraco de proporção e identidade do produto.

• Pixverse não conseguiu gerar saída para o prompt de cadeira: "O conteúdo não pôde ser processado porque continha material sinalizado por um verificador de conteúdo: 'content_policy_violation'".
• Os outros modelos processaram com sucesso o prompt de cadeira e geraram o vídeo. Isso indica um problema de confiabilidade e uma possível limitação no sistema de filtragem de prompts ou moderação de conteúdo do Pixverse.

Possíveis razões por trás das diferenças de desempenho

Diferenças na maturidade do modelo e escala de treinamento

• A maior taxa de sucesso do Veo 3 provavelmente sugere um modelo mais maduro, provavelmente treinado em conjuntos de dados de vídeo-imagem-texto maiores e mais diversos.
• Ferramentas de menor desempenho (por exemplo, Pixverse v5, Sora 2) parecem menos capazes ao lidar com diversas categorias de produtos, indicando generalização limitada entre tipos de objetos, materiais e cenas.
• Modelos no nível intermediário (Wan 2.5, Kling 2.5, Hailuo 02 Pro) mostram forças parciais, implicando cobertura de treinamento mais estreita ou desigual.

Sensibilidade à complexidade e geometria do objeto

O desempenho varia fortemente por tipo de produto:

• Itens simples, rígidos e de objeto único (por exemplo, canecas, plantas, lanternas) são tratados de forma mais confiável entre os modelos.
• Objetos complexos com geometria irregular, materiais reflexivos ou estruturas articuladas (por exemplo, botas, bolsas, cosméticos) podem causar distorções e falhas.

Isso sugere diferenças na forma como os modelos aprendem e preservam a estrutura 3D, proporções e propriedades de superfície durante a geração de vídeo.

Limitações de seguimento de prompt e alinhamento semântico

Todas as ferramentas mostram degradação à medida que os prompts se tornam mais detalhados ou envolvem múltiplas ações, objetos ou restrições estilísticas.

• Maiores taxas de sucesso correlacionam-se com modelos que traduzem melhor a intenção textual em movimento visual e mudanças de cena.

Por exemplo, a falha do Pixverse em gerar saída para um prompt neutro de "cadeira" destaca deficiências na interpretação de prompts ou filtragem de moderação, afetando a confiabilidade e não apenas a qualidade visual.

Desafios de integridade do produto e fidelidade da marca

Modelos com pontuação mais baixa frequentemente alteram:

• Proporções e escala do produto
• Texturas, materiais e cores
• Detalhes visuais definidores da marca

A vantagem do Veo 3 parece estar ligada a uma melhor consistência temporal, mantendo a identidade do produto entre os quadros, o que impacta diretamente as pontuações em integridade do produto e precisão física.

Essas diferenças provavelmente refletem o quão fortemente os modelos são otimizados para realismo visual genérico versus precisão centrada no produto, o que é crítico em contextos de e-commerce.

Consistência da cena e realismo físico

Os modelos diferem em sua capacidade de manter:

• Iluminação e sombras coerentes
• Interações plausíveis entre objeto e ambiente
• Movimento estável da câmera

Ferramentas com pontuações mais baixas frequentemente violam a física do mundo real (por exemplo, movimento de mão não natural, objetos flutuantes, reflexos inconsistentes), indicando representações internas mais fracas de restrições físicas.

Efeitos do design da avaliação

O comparativo enfatiza conformidade com o prompt, precisão física e integridade do produto, o que favorece modelos que priorizam realismo estruturado sobre variação artística.

O número limitado de prompts (12) e a dependência de imagens de banco de imagens podem amplificar o impacto de:

• Sensibilidade do prompt
• Casos únicos de falha
• Fraquezas específicas de categoria

Como resultado, as diferenças entre os modelos tornam-se mais pronunciadas, especialmente para cenários complexos de múltiplos objetos.

Exemplos de ferramentas de criação de vídeo com IA

Os seguintes exemplos mostram cada prompt junto com seu vídeo de saída correspondente:

1. Os sapatos de salto alto vermelhos e a bolsa preta na foto, mostrados em close-up enquanto a câmera se move lentamente da esquerda para a direita, reflexos de luz deslizando pelos saltos brilhantes enquanto a corrente da bolsa dá um brilho metálico sutil, terminando com um foco suave em toda a disposição.

2. A pequena planta verde no vaso branco na foto, colocada contra um fundo branco limpo, enquanto uma mão entra suavemente pelo lado direito, levanta o vaso suavemente e o leva para fora do quadro.

3. A mochila na foto, descansando sobre uma superfície de pedra com árvores ao fundo, enquanto a câmera dá zoom lentamente enquanto uma mão alcança pelo lado, pega a mochila pela alça superior e a leva para fora do quadro.

4. Os quatro batons na foto em pé com caixas prateadas e pretas brilhantes, definidos em uma cena subaquática surreal onde bolhas flutuam para cima e raios de luz cintilantes filtram através da água, enquanto a câmera circula lentamente para destacar cada tom.

5. A garrafa de perfume na foto em pé sobre uma superfície escura, enquanto uma mão entra suavemente, pega-a e pressiona o spray para liberar uma névoa fina que captura a luz em câmera lenta contra o fundo.

6. A caneca de café de esmalte branco na foto em uma mesa de madeira, enquanto uma mão entra de cima e inclina uma chaleira para derramar um fluxo suave de café quente na caneca; o vapor se enrola para cima e ondulações suaves se formam na superfície enquanto a câmera mantém um close-up.

7. A bolsa de ombro de couro na foto exibida em um fundo simples, enquanto ela começa a girar suavemente em um giro completo de 360 graus, mostrando todos os ângulos e detalhes das alças, fivelas e costuras enquanto a câmera permanece centralizada.

8. O vaso rosa com flores coloridas na foto, definido contra um fundo preto, começa a girar lentamente enquanto pétalas e folhas se soltam suavemente em câmera lenta e flutuam para cima como se estivessem desafiando a gravidade, iluminadas por feixes de luz brilhante suave, enquanto o vaso em si permanece sólido e brilhante na base.

9. As botas de salto alto marrom-escuras na foto, mostradas sendo usadas enquanto apenas as pernas inferiores e os pés são visíveis, caminhando graciosamente sobre uma superfície branca lisa; a câmera segue os passos em close-up, capturando o brilho do couro e o ritmo confiante da caminhada.

10. A cadeira de madeira simples na foto, agora colocada dentro de uma cozinha moderna e brilhante em frente a uma mesa de jantar, enquanto a câmera muda suavemente os ângulos de lado a lado e ligeiramente acima, destacando a cadeira em seu novo ambiente com luz natural do dia entrando.

11. O batom e o blush na foto se transformam em uma exibição mágica de beleza, enquanto o batom se torce lentamente para cima sozinho e deixa um rastro brilhante de luz rosa no ar, enquanto o compacto de blush se abre e libera uma nuvem suave de pó rosa cintilante que gira suavemente em torno de ambos os produtos antes de se assentar de volta.

12. A lanterna na foto senta em um ambiente externo escuro enquanto a vela dentro é acesa: o pavio pega, a chama floresce suavemente e um brilho dourado quente se espalha pelo vidro com flicker suave e destaques em forma de estrela, enquanto a câmera faz um empurrão lento para enfatizar a luz contra o fundo noturno desfocado.

Quais são os problemas com geradores de vídeo com IA?

Modelos de geração de vídeo com IA mostram progresso na síntese visual, mas as ferramentas atuais não estão prontas para produzir vídeos de produtos que atendam aos padrões de e-commerce. A avaliação comparativa de seis modelos revela várias limitações técnicas e funcionais recorrentes.

1. Representação imprecisa de recursos do produto

A maioria dos geradores de vídeo com IA falha em representar atributos-chave do produto, como tamanho, cor, material e textura da superfície.

• Modelos frequentemente distorcem geometrias rígidas (por exemplo, cadeiras, botas) ou representam incorretamente materiais reflexivos e texturizados como couro ou metal.
• Recursos específicos da marca, como logotipos ou detalhes de embalagem, são reproduzidos de forma inconsistente.
• Os vídeos resultantes podem parecer visualmente plausíveis, mas não são representações confiáveis do produto real.

No e-commerce, essas imprecisões correm o risco de enganar compradores potenciais e erodir a confiança no conteúdo.

2. Compreensão limitada de contexto e identidade da marca

Os sistemas carecem de consciência contextual de como um produto deve aparecer dentro de um cenário de marketing ou catálogo.

• Mesmo quando o prompt indica claramente intenção comercial, as saídas tendem a se assemelhar a animações genéricas ou renderizações artísticas em vez de demonstrações de produtos.
• Variações na iluminação, perspectiva e composição de fundo reduzem a consistência profissional necessária para uso promocional.

Isso indica que a maioria dos modelos ainda não está fine-tuned para as demandas visuais e semânticas específicas da geração de conteúdo de marca.

3. Desalinhamento entre prompts e saídas

Um problema comum em todas as ferramentas testadas é a falha parcial em seguir instruções de prompt.

• Modelos desempenham de forma aceitável em prompts simples de objeto único ("caneca", "planta"), mas mostram erros ou omissões em prompts complexos de múltiplos objetos ou descritivos ("batom e blush", "4 batons").
• Algumas ferramentas, como Pixverse, falham em gerar saídas para prompts neutros devido a sistemas de filtragem de conteúdo restritivos ou não confiáveis.

Esses resultados demonstram que alguns dos geradores de vídeo com IA atuais interpretam entradas de texto superficialmente e não conseguem traduzir de forma confiável a intenção descritiva em forma visual.

4. Desempenho e confiabilidade inconsistentes

O desempenho varia significativamente entre prompts e modelos.

• Mesmo o sistema de melhor desempenho, Veo 3, mantém consistência apenas dentro de um subconjunto de tipos de prompt.
• Outros, como Sora 2 e Hailuo 02 Pro, flutuam em qualidade entre cenas com iluminação ou complexidade de objeto diferentes.
• Falhas causadas por filtros de moderação ou erros de geração reduzem ainda mais a confiabilidade para fluxos de trabalho de produção.

A confiabilidade inconsistente torna essas ferramentas inadequadas para uso comercial onde a reprodutibilidade de saída é essencial.

Recomendações

Para melhorar vídeos gerados por IA para e-commerce, é necessária adaptação técnica em vez de iteração simples de prompt.

• Melhore a qualidade do prompt: Inclua descrições estruturadas de atributos do produto, materiais, iluminação e contexto de uso pretendido.
• Fine-tune em dados de domínio: Use catálogos de produtos e visuais de marca para treinar ou condicionar os modelos em padrões específicos de marca.
• Integre sistemas baseados em recuperação: Empregue contextual ou geração aumentada por recuperação agênica (RAG) para fornecer informações relevantes de produtos e marcas durante a geração.

Essas medidas podem ajudar a fechar a lacuna entre síntese de vídeo genérica e representação de produto precisa e consciente do contexto.

Ferramentas de geração de vídeo com IA

*As ferramentas fornecem um sistema de créditos, e os créditos gastos dependem de muitos fatores, como a resolução, a duração do vídeo e o modelo usado na criação.

Para calcular o preço do PixVerse: Preço ≈ (duração ÷ 5 s) × (créditos para qualidade de 5 s) × $0,01. Por exemplo, vídeo de 10 segundos em 720p: (10 ÷ 5) × 60 × $0,01 = $1,20.

Veo

O Veo oferece ferramentas para análise automatizada de vídeo, pesquisa visual, detecção de objetos e compreensão de cena.

O Veo 3.1 é a versão mais recente do modelo de geração de vídeo do Google, e a atualização recente de Ingredientes para Vídeo traz várias melhorias focadas em expressividade, controle criativo e saída de maior qualidade ao gerar vídeos a partir de imagens de referência:

• Expressividade de vídeo aprimorada: Vídeos gerados a partir de imagens de ingrediente agora mostram movimento e narrativa mais ricos. Isso permite que as saídas pareçam mais dinâmicas e envolventes, mesmo com prompts simples.
• Melhor consistência de personagem: O modelo mantém a identidade visual de personagens entre cenas, para que pessoas ou objetos pareçam os mesmos ao longo de uma sequência.
• Consistência de cena e objeto: Configurações, fundos e objetos podem ser preservados entre clipes de vídeo, permitindo narrativas mais coerentes.
• Suporte nativo a vídeo vertical (9:16): O Veo 3.1 agora gera vídeos verticais otimizados para plataformas móveis e de formato curto, como YouTube Shorts, sem recorte do paisagem.
• Upscaling para 1080p e 4K: Os usuários podem gerar vídeos em resoluções de 1080p e 4K, adequados para fluxos de trabalho profissionais e de qualidade de transmissão.

Wan AI

A série Wan2.6 introduz novas capacidades que expandem a capacidade dos usuários de gerar e personalizar conteúdo com IA, particularmente narrativas de vídeo:

• Geração de referência para vídeo: Permite que os usuários façam upload de um vídeo de referência curto que inclui a aparência e a voz de um sujeito e, em seguida, gerem novas cenas com esse mesmo personagem. Isso preserva a identidade visual e as características de áudio, permitindo que pessoas, animais ou objetos apareçam consistentemente em conteúdo de vídeo gerado.
• Narrativa multimodal e vídeo de múltiplos planos: Através de seus modelos de vídeo (texto para vídeo e imagem para vídeo), o Wan2.6 introduz narrativa inteligente de múltiplos planos, permitindo que criadores construam narrativas mais expressivas com continuidade visual entre várias cenas.
• Duração estendida de vídeo: Os modelos suportam saídas de vídeo de até 15 segundos, fornecendo aos criadores maior flexibilidade para ritmo narrativo e cinematográfico.
• Sincronização áudio-visual aprimorada: A série melhora o alinhamento de visuais com timing de diálogo natural, efeitos sonoros e geração de áudio para vídeo.
• Compreensão avançada de prompt multimodal: Os modelos têm compreensão aprimorada de prompts de texto longos em chinês e inglês, auxiliando a geração de conteúdo visualmente expressivo que reflete melhor a entrada sutil e a intenção artística.

Kling AI

O Kling VIDEO 3.0, as atualizações mais recentes da Kling AI, introduz geração de vídeo nativa mais longa, controle narrativo mais forte e integração áudio-visual:

• O modelo 3.0 suporta geração de vídeo de 15 segundos com controle de duração flexível entre 3 e 15 segundos, estendendo o limite anterior de 10 segundos da Kling. Isso permite cenas mais completas e progressão narrativa mais suave dentro de uma única geração.
• Ele também introduz edição de múltiplos planos através de um sistema "AI Director" , permitindo até seis cortes de câmera por vídeo. Os usuários podem definir quadros de storyboard personalizados, enquanto o modelo agenda automaticamente os planos e aplica transições profissionais, como padrões de plano-contra-plano para cenas de diálogo.
• Com a variante Omni, a Kling fornece sincronização áudio-visual nativa, gerando diálogo, música e efeitos sonoros diretamente junto com o vídeo em uma única passagem, melhorando a coerência entre visuais e áudio.
• O sistema Elements 3.0 melhora a consistência do sujeito preservando a identidade do personagem entre fluxos de trabalho de imagem para vídeo, usando capturas de referência visuais e de áudio. Isso ajuda a manter características de personagem consistentes entre várias cenas e planos.

Hailuo AI

O Hailuo AI é projetado para artistas e criadores transformarem imagens estáticas em vídeos animados.

Seu modelo mais recente, Hailuo 2.3, suporta geração de texto para vídeo e imagem para vídeo. O modelo melhora a estabilidade do estilo artístico para anime e outras visuais estilizados, aprimora movimentos corporais e de dança complexos, entrega detalhes faciais mais realistas e microexpressões e aumenta a confiabilidade em cenas comerciais e de e-commerce através de melhor tratamento de movimento de produto.

Em contraste, o Hailuo 2.3-Fast suporta apenas conversão de imagem para vídeo e é otimizado para geração mais rápida a um custo menor, tornando-o mais adequado para iteração e teste rápidos. No geral, o Hailuo 2.3 visa criação de vídeo de maior qualidade e expressiva, enquanto o Hailuo 2.3-Fast enfatiza velocidade e eficiência.

OpenAI Sora

O Sora 2 é um modelo de IA multimodal da OpenAI projetado para tarefas de compreensão e raciocínio visual de alto desempenho. As principais capacidades incluem:

• Raciocínio visual aprimorado: O Sora 2 pode entender e interpretar imagens detalhadas e complexas, incluindo diagramas, infográficos, planos arquitetônicos, figuras científicas e capturas de tela de UX/UI.
• Compreensão multimodal: O modelo lida com texto e imagens juntos, permitindo que os usuários façam perguntas sobre visuais no contexto, por exemplo, explicando uma função de um esquema, identificando erros em um fluxograma ou resumindo conteúdo em slides.
• Respostas estruturadas: O Sora 2 pode produzir saídas organizadas, incluindo tabelas, instruções passo a passo e comparações que ajudam os usuários a agir sobre insights visuais de forma mais eficaz.

A partir de março de 2026, a OpenAI decidiu desativar o Sora, apesar da popularidade da ferramenta e do grande apoio, incluindo uma parceria planejada de US$ 1 bilhão com a Disney para usar seus personagens.¹

De acordo com o WSJ,² uma das razões principais por trás da decisão da OpenAI é que a empresa está atualmente priorizando ferramentas de IA práticas e geradoras de receita em vez de produtos experimentais para consumidores.

Outras razões incluíram:

• Altos custos de computação: A geração de vídeo consumiu grandes quantidades de chips de IA escassos.
• Falta de lucratividade: O produto reportedly perdeu cerca de US$ 1 milhão por dia.
• Retenção de usuários fraca: O interesse inicial desapareceu rapidamente e o uso diminuiu significativamente.

PixVerse

O PixVerse AI é uma plataforma de geração de vídeo com IA que cria vídeos curtos a partir de prompts de texto ou imagens estáticas, adequados para criação de conteúdo para mídias sociais. Ele inclui recursos como geração automática de áudio, sincronização labial e movimentos de câmera cinematográficos.

Com base em nossas descobertas de comparativo, apesar de suas capacidades, o PixVerse V5 tem limitações no tratamento de cenas complexas, alcançando precisão artística e oferecendo saída de alta resolução em seu plano gratuito.

O PixVerse V5.6 é a versão mais recente do modelo de geração de vídeo com IA, que foca em realismo, controle criativo e qualidade de saída imersiva:

• Qualidade visual cinematográfica: O modelo produz visuais de nível de estúdio com iluminação, texturas e fidelidade visual geral aprimoradas, fazendo com que cenas geradas pareçam mais com filmagens profissionais.
• Áudio e vocais autênticos: O V5.6 melhora a geração de áudio para entregar fala natural em vários idiomas.
• Movimento mais suave: O controle de movimento é refinado para reduzir distorções e distorções visuais, resultando em movimento mais fluido e realista para personagens e objetos.
• Realismo físico aprimorado: O modelo exibe uma melhor compreensão de comportamentos físicos, como como tecidos caem ou líquidos fluem, resultando em cenas mais críveis e imersivas.

Veja mais dos nossos benchmarks e insights baseados em dados na Pesquisa Google.

Adicionar como fonte preferencial

Metodologia

Produtos usados

• Veo 3
• Wan 2.5 Preview
• Kling 2.5 Turbo Pro
• Hailuo 02 Pro
• Sora 2
• Pixverse v5

Nota: Todos os produtos são testados em outubro de 2025.

Classificação de imagem de teste e objetivos

Nosso estudo utilizou três categorias distintas de imagens de produtos, cada uma projetada para testar as capacidades específicas de ferramentas de geração de vídeo com IA:

Produtos com fundo branco

Propósito: Avaliar capacidades duplas

1. Manipulação básica: Movimento e rotação do produto em um ambiente neutro
2. Adaptação ambiental: Integração de produtos em novos contextos

Foco do teste: Capacidade da IA de manter a integridade do produto enquanto adiciona ou altera ambientes.

Imagens de produto contextual

Propósito: Avaliar capacidades de animação ambiental

1. Precisão de conversão de cena para vídeo
2. Manutenção de iluminação e atmosfera existentes
3. Adição de elementos dinâmicos a um ambiente estabelecido

Foco do teste: Capacidade da IA de dar vida a fotos de produtos ambientais estáticas.

Cenas de múltiplos produtos

Propósito: Testar relações e interações complexas de produtos

1. Interações físicas entre produtos
2. Manutenção consistente de escala
3. Dinâmicas de movimento de grupo
4. Efeitos de iluminação coletivos

Foco do teste: Capacidade da IA de lidar com múltiplos produtos enquanto mantém integridade individual e interações naturais.

Essa abordagem de três categorias nos permite avaliar não apenas a renderização individual de produtos e criação de ambiente, mas também a capacidade da IA de gerenciar cenários complexos de múltiplos produtos, fornecendo uma avaliação mais completa de aplicações reais de e-commerce.

Nossas métricas de avaliação são:

Conformidade com o prompt: (3 pontos)

• Consistência entre requisitos de prompt e saída gerada para o produto
• Consistência entre requisitos de prompt e saída gerada para o ambiente
• Consistência entre requisitos de prompt e saída gerada para a câmera e filmagem.

Precisão física: (3 pontos)

• Adesão à física do mundo real
• Precisão de interações de objeto (contato de superfície, movimento)
• Comportamento de iluminação e sombra

Integridade do produto: (4 pontos)

• Consistência na aparência do produto ao longo da geração de vídeo geração
• Preservação de recursos e detalhes específicos do produto/marca
• Manutenção de proporções e escala do produto
• Precisão de renderização de textura, cor e material

Cada vídeo gerado é classificado em 10 com base nessas métricas.

Conjunto de dados: Usamos imagens de banco de imagens do pexels.³

Perguntas frequentes

Leitura adicional

Descubra mais sobre capacidades, casos de uso e ferramentas de IA generativa:

• Aplicações de IA Generativa com Exemplos da Vida Real
• Ferramentas de IA Generativa por Popularidade & Categoria

Cite este benchmark

Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.

@misc{ermut2026,
  author = {Ermut, Sıla and Alper, Şevval},
  title  = {{Comparativo de Ferramentas de Criação de Vídeo com IA para E-commerce: Veo 3 vs Sora 2}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/ai-video-maker}},
  note   = {AIMultiple. Acessado em 24 Junho 2026}
}

Links de referência

1.

Sora: OpenAI closes AI video app and cancels $1bn Disney deal

BBC News

2.

Free Stock Photos, Royalty Free Stock Images & Copyright Free Pictures · Pexels

3.

Free Stock Photos, Royalty Free Stock Images & Copyright Free Pictures · Pexels

Sıla Ermut

Analista do setor

Siga-nos

Sıla Ermut é analista de mercado na AIMultiple, com foco em marketing por e-mail e vídeos de vendas. Anteriormente, trabalhou como recrutadora em empresas de gestão de projetos e consultoria. Sıla possui mestrado em Psicologia Social e bacharelado em Relações Internacionais.

Ver perfil completo

Pesquisado por

Şevval Alper

Pesquisador de IA

Siga-nos

Şevval é analista da AIMultiple, especializada em ferramentas de codificação de IA, agentes de IA e tecnologias quânticas.

Ver perfil completo

Seja o primeiro a comentar

Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.

Nome

Endereço de email

Comentário

0/450

Postar comentário