Como a Mito orquestrou mais de 5.000 ativos de IA em um comercial de TV da Copa do Mundo no Google Cloud

O relato da Mito, publicado na série The Blueprint do Google Cloud, mostra o que acontece quando a geração de vídeo com IA sai do clipe de cinco segundos e vira produção de campanha. O spot de 120 segundos para a Movistar Plus+, da Telefónica, exigiu mais de 5.000 ativos (1.000 deles vídeos) em cerca de 65 rodadas de iteração. Com renderização de quatro a cinco minutos por clipe curto, rodar tudo de forma síncrona travava a interface.

A resposta foi arquitetura assíncrona: serviços Java no Cloud Run (API, AI Director e workers), Pub/Sub como event bus para tirar as gerações longas da UI, Cloud Storage com Cloud CDN e assinaturas de chave expiráveis para manter ativos pré-lançamento privados, e Cloud SQL com PostgreSQL isolado para analytics. Os modelos (Omni, Veo e Nano Banana) vêm via Vertex AI, com system prompts próprios. O gargalo de capacidade, com APIs pay-as-you-go sujeitas a rate limits e throttling regional, levou a uma fila virtual com retries limitados e resultado claro para cada job.

Há também controle de custo e qualidade. O frontend impõe a Rule of 6 (World, Camera, Light, Texture, Actions e Character) e gera still frames antes de renderizar vídeo. Como saída criativa não passa em teste unitário comum, a equipe montou um harness de avaliação com Gemini como juiz independente das saídas do AI Director. O Director coordena vários modelos, incluindo Sonnet, Gemini e ElevenLabs para áudio. A campanha é descrita pela equipe de produção como 95% gerada por IA e foi exibida em todos os principais canais de TV da Espanha.

Em 10 de fevereiro de 2026, o CEVIU noticiou "Mito IA Capta US$ 4,5 Milhões para Potencializar Profissionais de Vídeo com Ferramentas de IA", com rodada liderada pela Lightspeed Venture Partners para ferramentas de orquestração de IA para profissionais de vídeo. Agora a empresa aparece com um caso de produção concreto: um spot nacional de TV, com números de ativos, arquitetura e limites de infraestrutura.

Para quem opera pipelines de geração de vídeo, o caso sugere que o difícil não é o modelo, e sim a orquestração: filas, controle de rate limit, consistência entre modelos e custo por iteração. A prática de gerar still frames antes do vídeo é um jeito direto de cortar gasto. Vale lembrar que o relato é da própria Mito, em blog de um fornecedor de cloud, e os números não têm verificação independente.