AI marketing: che cosa decidono gli agenti e dove serve ancora una persona

In sintesi

L’AI marketing non è una tecnologia che si compra, è una delega di decisione che si concede. Un agente è un sistema che decide e agisce dentro un perimetro, non uno strumento che suggerisce: la differenza non sta nel modello, sta in quanto spazio gli viene lasciato.

Oggi gli agenti funzionano bene dove il compito è ripetitivo, il dato è pulito e l’errore costa poco: varianti creative, prima risposta a un contatto, controlli di qualità sui dati, letture preliminari dei report. Funzionano male dove la decisione ha un impatto economico alto, attraversa più sistemi o dipende da un contesto che non è scritto da nessuna parte.

In Italia il vincolo non è il modello. L’Istat misura che l’intelligenza artificiale è usata dal 16,4% delle imprese con almeno dieci addetti, con un divario di 37 punti fra grandi imprese (53,1%) e PMI (15,7%), e che il primo ostacolo dichiarato è la mancanza di competenze (58,6%). Il secondo vincolo è il dato: un CRM ce l’ha il 21,1% delle PMI contro il 56,5% delle grandi imprese.

La domanda operativa non è quale strumento adottare, ma quale decisione si è disposti a delegare, con quale punto di arresto e con quale segnale di controllo. Questo articolo propone un perimetro, una matrice di delega, sei indicatori e un numero di governo: il tasso di intervento umano.

AI marketing e agenti: che cosa cambia davvero

Nel 2026 l’AI marketing è arrivato alla fase in cui la domanda non è più se l’intelligenza artificiale serva, ma quanta autonomia conviene darle. È un passaggio diverso da tutti quelli degli ultimi dieci anni, perché non riguarda uno strumento in più nello stack: riguarda chi prende una decisione e chi ne risponde.

Il termine «agente» viene usato per cose molto diverse fra loro, e questa confusione ha un costo concreto in sede di acquisto. Conviene fissare tre livelli prima di valutare qualunque fornitore.

AI marketing non è una tecnologia, è una delega di decisione

Un modello generativo produce un testo. Un agente decide se produrlo, quando pubblicarlo e con quale budget spingerlo, e poi lo fa. La differenza non è di potenza, è di mandato.

Questo sposta il problema dal reparto tecnico alla direzione. Un marketing manager che adotta un agente non sta comprando produttività: sta scrivendo, implicitamente, un mansionario. Se quel mansionario non è esplicito, lo diventa comunque, ma lo scrive il fornitore.

Vuoi più risultati senza sprecare budget?

In CULT adv costruiamo campagne performance con un approccio full funnel: creatività, targeting e ottimizzazione continua.

🎯 Analizziamo il tuo caso e ti proponiamo un piano concreto per generare risultati reali.

Richiedi una consulenza

Assistente, automazione a regole, agente: tre livelli di delega

Il primo livello è l’assistente: propone, una persona valuta ed esegue. È il caso della generazione di varianti di annuncio o della sintesi di un report. Il rischio è basso perché l’output passa sempre da un controllo.

Il secondo è l’automazione a regole: esegue da sola, ma non decide nulla. Un flusso che invia una email quando un contatto compila un modulo è automazione, non intelligenza. Funziona da anni e non è diventata agentica perché qualcuno le ha cambiato nome.

Il terzo è l’agente: riceve un obiettivo, sceglie da solo i passaggi, usa strumenti esterni e si ferma quando ritiene di aver finito. Qui la decisione è davvero delegata, e qui si concentra tutto il rischio.

Perché la parola «agente» viene usata male

La maggior parte di ciò che oggi viene venduto come agentico appartiene ai primi due livelli. Non è un difetto: un’automazione ben fatta vale più di un agente mal governato. Diventa un problema quando il prezzo e le aspettative sono quelli del terzo livello e la sostanza è quella del secondo.

La verifica da fare in sede di selezione è semplice e si fa in una riunione: chiedere quale decisione il sistema prende senza chiedere conferma, e che cosa succede quando sbaglia. Se la risposta è «nessuna, c’è sempre un’approvazione», si sta comprando un assistente. Vale la stessa logica che suggeriamo per un brief a un’agenzia di marketing: le domande scomode si fanno prima della firma, non dopo.

A che punto è l’AI marketing nelle imprese italiane

Prima di decidere quanto delegare conviene guardare i numeri italiani, perché la distanza fra il racconto del mercato e lo stato reale delle imprese è ampia e orienta male le aspettative.

Il mercato cresce più in fretta dell’adozione

Il mercato italiano dell’intelligenza artificiale ha raggiunto 1,8 miliardi di euro nel 2025, con una crescita del 50% sull’anno precedente; il 46% riguarda progetti di AI generativa o ibridi, il resto soluzioni di machine learning. Sono i dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano.

Sul fronte pubblicitario, l’Osservatorio Internet Media misura un internet advertising da 6,2 miliardi di euro nel 2025, in crescita dell’11% e pari al 53% del mercato pubblicitario italiano, con una previsione intorno ai 7 miliardi per il 2026. Nello stesso perimetro sono state censite 677 startup che applicano l’intelligenza artificiale a media e advertising, con circa 2,2 miliardi di dollari di finanziamenti in due anni, di cui oltre 897 milioni destinati alla creazione di contenuti.

Marketing e vendite sono il primo ambito di applicazione

L’Istat, nella rilevazione «Imprese e Ict» del 2025, misura che fra le imprese italiane che usano l’intelligenza artificiale il marketing e le vendite sono l’ambito più frequente, con il 33,1%, e che il numero di imprese coinvolte è cresciuto del 92,6% in un anno. È il dato che dovrebbe interessare di più ai marketing manager italiani: la funzione che state guidando è la prima porta d’ingresso dell’AI in azienda, quindi è anche la prima dove si vedranno gli errori.

Il divario fra PMI e grandi imprese è di 37 punti

Sempre secondo l’Istat, l’intelligenza artificiale è usata dal 16,4% delle imprese con almeno dieci addetti: 53,1% fra le grandi imprese, 15,7% fra le PMI. Il divario fra le due classi è passato da circa 20 punti nel 2023 a 25 nel 2024 e a 37 nel 2025. Su quasi tutti gli altri indicatori digitali la distanza si riduce; su questo si allarga.

La ricerca dell’Osservatorio AI4Innovation della POLIMI School of Management, condotta fra gennaio e marzo 2026, aggiunge la fotografia della maturità: il 26% delle imprese è classificato come AI Scaler, cioè usa l’AI come componente strutturale, il 49% come AI Experimenter, fermo a progetti pilota, e il 25% come AI Starter, con un uso sporadico guidato da singole iniziative. Solo il 24% ha una roadmap pienamente formalizzata.

È lo stesso scarto che osserviamo nelle statistiche italiane sulla lead generation: la tecnologia entra in azienda molto prima del processo che dovrebbe governarla.

Che cosa fanno già oggi gli agenti nell’AI marketing

Il quadro più onesto arriva ancora dall’Osservatorio AI4Innovation: nella gestione della conoscenza circa il 60% delle imprese usa l’AI, ma solo il 18% di chi la usa ricorre ad agenti o workflow automatizzati, mentre il 72% si limita a modelli generalisti. Nel project management il 70% non la usa affatto e, fra gli utilizzatori, solo il 16% ha automazioni o sistemi agentici.

Tradotto: l’agentico è oggi una minoranza dentro una minoranza. Chi vi dice che «ormai lo fanno tutti» sta descrivendo un futuro, non un presente.

Produzione e varianti creative

È l’area dove la delega funziona meglio, perché l’errore costa poco e il volume richiesto è alto. Generare dieci varianti di un annuncio, adattarle ai formati e proporre una rotazione è un compito che un agente svolge in modo utile, a patto che qualcuno decida che cosa è pubblicabile. Il limite è noto a chi presidia le campagne: il problema non è produrre più creatività, è evitare la creative fatigue senza perdere la riconoscibilità del brand.

Le piattaforme pubblicitarie hanno già interiorizzato questa logica, sia nel sistema creativo di Meta Andromeda sia nelle campagne automatizzate come Advantage+ o AI Max in Google Ads. In pratica una parte dell’AI marketing è già dentro gli strumenti che usate, anche se non l’avete scelta.

Gestione delle campagne e offerte automatiche

Qui la delega esiste da prima che si parlasse di agenti: le strategie di offerta automatiche decidono quanto pagare ogni singola asta. La differenza è che oggi il sistema decide anche dove mostrare e a chi, unendo reti e formati sotto un’unica campagna. Il punto di controllo si sposta a monte, sul segnale di conversione e sul valore che gli attribuite: è la logica del value-based bidding e del CPA target.

Il confronto fra campagne manuali e automatizzate non è una questione di fiducia ma di informazione disponibile: se ne parla in modo più esteso nel confronto fra campagne Search e Performance Max e nella guida su come ottimizzare le campagne Google Ads.

Qualificazione e prima risposta ai contatti

È l’impiego con il ritorno più immediato per chi fa lead generation, perché agisce sulla variabile che più determina la conversione: il tempo. Un agente che risponde entro pochi minuti, verifica due o tre informazioni e fissa un appuntamento sposta il risultato più di qualunque ottimizzazione creativa. L’abbiamo spiegato parlando di speed to lead e di tempo di ricontatto, e vale anche per gli strumenti conversazionali come Landbot.

Due avvertenze. La prima: un agente che qualifica deve avere un criterio di qualità scritto, altrimenti qualifica a caso; il riferimento operativo è il lead scoring e la distinzione fra lead e prospect. La seconda: la prima risposta automatica è anche il punto in cui un’azienda può danneggiare la propria reputazione in modo silenzioso, perché nessuno legge quelle conversazioni finché non arriva un reclamo.

Analisi dei dati e lettura preliminare dei report

Un agente che interroga i dati e prepara una lettura preliminare fa risparmiare ore, e lo fa con un rischio accettabile se la lettura finale resta a una persona. Il punto critico non è il calcolo, è la definizione: finché non è chiaro che cosa conta come conversione e come si legge un report, l’agente eredita l’ambiguità e la amplifica. Conviene partire da come si legge un report di campagna e dagli indicatori essenziali per un marketing manager.

Dove l’AI marketing non funziona ancora

Le tre aree seguenti sono quelle in cui, nella nostra esperienza su campagne di acquisizione per clienti italiani, la delega a un agente produce più danni che risparmi. Non perché la tecnologia sia immatura in assoluto, ma perché mancano le condizioni che la renderebbero verificabile.

Le decisioni ad alto impatto economico

L’Osservatorio Internet Media del Politecnico di Milano lo dice con chiarezza: le aziende restano prudenti nell’affidare a sistemi automatizzati le decisioni ad alto impatto economico, e restano aperti i temi di qualità dei dati, trasparenza degli algoritmi, brand safety e conformità normativa. La prudenza, qui, non è arretratezza: è la risposta corretta a un sistema che non sa dire perché ha deciso.

Spostare il 40% del budget mensile da un canale all’altro è una decisione reversibile in teoria e irreversibile nei fatti, perché il mese è passato. Vale la pena rileggerla accanto ai criteri di allocazione del budget marketing.

I compiti che attraversano più sistemi

Un agente che deve passare dalla piattaforma pubblicitaria al CRM, da lì al gestionale e poi tornare indietro moltiplica i punti di rottura. Ogni passaggio è un’occasione di fallimento silenzioso: il sistema non si blocca, prosegue con un dato sbagliato.

La letteratura tecnica è concorde nel misurare proprio qui il limite attuale. È anche la ragione per cui il contratto dati fra CRM e campagne viene prima di qualunque automazione: senza, l’agente lavora su una catena che si spezza in un punto che nessuno sta guardando.

Le decisioni che dipendono da un contesto non scritto

Molte scelte di marketing poggiano su informazioni che in azienda non sono scritte da nessuna parte: un cliente strategico da non disturbare, una trattativa in corso, una scelta commerciale presa a voce. Un agente non ha accesso a quel contesto e non sa di non averlo, quindi procede.

È il motivo per cui la delega va definita per tipo di decisione e non per area funzionale: dentro la stessa area convivono compiti perfettamente delegabili e compiti che richiedono informazioni che nessun sistema possiede.

Il vincolo dell’AI marketing è il dato, non il modello

Questa è la parte che quasi nessuna presentazione commerciale affronta, ed è quella che decide l’esito del progetto. Un agente ottimizza verso il segnale che riceve. Se il segnale è sbagliato, ottimizza benissimo verso l’obiettivo sbagliato, e lo fa più in fretta di quanto farebbe una persona.

Senza CRM l’agente ottimizza sul contatto, non sul cliente

L’Istat misura che il CRM è usato dal 21,1% delle PMI contro il 56,5% delle grandi imprese. In quattro PMI su cinque, quindi, l’unico segnale disponibile per un sistema automatico è il modulo compilato: non l’appuntamento fissato, non il preventivo accettato, non il cliente acquisito.

Il risultato è prevedibile e lo vediamo spesso: il costo per contatto scende, il numero di contatti sale e il fatturato non si muove. È la stessa dinamica descritta in perché i lead non convertono e in costo per lead qualificato, amplificata dalla velocità con cui un agente agisce.

La correzione tecnica è nota: riportare a monte il segnale che conta, con un tracciamento delle conversioni impostato bene e con l’importazione delle conversioni offline. È lavoro poco spettacolare e vale più di qualunque scelta di modello.

La qualità del dato è il primo ostacolo dichiarato dopo le competenze

Fra le imprese italiane che non usano l’intelligenza artificiale, l’Istat registra come ostacoli la mancanza di competenze adeguate (58,6%), la carenza di chiarezza legislativa (47,3%), i dati non disponibili o di scarsa qualità (45,2%), le preoccupazioni per privacy e protezione dei dati (43,2%) e i costi elevati (43,0%).

Tre dei cinque ostacoli non si risolvono comprando software. Si risolvono decidendo che cosa si misura, chi lo misura e con quale definizione: esattamente il lavoro che precede qualunque progetto di AI marketing serio. Il punto di partenza è il set di KPI sulla qualità dei lead e la verifica, banale e quasi mai fatta, che i contatti in arrivo siano reali.

L’aritmetica del volume: quando l’AI marketing non è verificabile

C’è un vincolo che nessun fornitore solleva perché non dipende da lui: per valutare se un agente stia decidendo meglio di una persona servono abbastanza eventi da distinguere il suo effetto dal rumore. Sotto una certa soglia la domanda «funziona?» non ha una risposta misurabile, qualunque sia la qualità del sistema.

Quanti eventi servono per distinguere un effetto dal rumore

Il ragionamento è lo stesso dei test A/B sulle landing page: con pochi eventi al mese, una differenza del 10% fra due scelte è indistinguibile dalla variazione casuale. Un agente che prende decine di micro-decisioni al giorno su un volume mensile basso produce un risultato che nessuno può attribuire con certezza alle sue scelte.

La conseguenza operativa è netta: la delega va concessa prima dove il volume è alto, e tenuta stretta dove il volume è basso. Non per diffidenza, ma perché nel secondo caso non si impara nulla dall’esperimento. Il numero di eventi necessari si ricava dal calcolo descritto in quanti lead servono e dal tasso di conversione del vostro processo.

Un esempio di lettura su due canali

Questa è la ragione per cui, nelle campagne su servizi ad alto ticket, la delega conviene spostarla a monte, sulla produzione creativa e sulla gestione del contatto, e non sulla distribuzione del budget.

I tre livelli di delega nell’AI marketing a confronto

La tabella seguente è il modo più rapido per capire a quale livello appartiene ciò che vi viene proposto, e quale controllo serve per ciascuno.

Il confronto fra software di lead generation è più utile se fatto con questa griglia in mano: cambia la domanda da «che cosa sa fare» a «che cosa decide da solo».

La matrice della delega: quali decisioni affidare all’AI marketing

Due variabili bastano a decidere, e sono entrambe note prima di cominciare: quanto costa l’errore e quanto è reversibile. Da qui ricaviamo quattro casi, che usiamo come punto di partenza con i clienti.

La matrice non dice che gli agenti sono pericolosi: dice che la delega si concede per quadranti, e che il primo quadrante va riempito prima di guardare il terzo. È lo stesso principio con cui impostiamo un sistema di lead generation B2B: prima si rende misurabile una parte piccola, poi si allarga.

Come si governa un progetto di AI marketing

Un progetto di AI marketing governato bene si riconosce da tre documenti brevi, non da una piattaforma. Scriverli richiede una mattinata e previene la quasi totalità dei problemi che vediamo arrivare dopo sei mesi.

Il perimetro: che cosa l’agente può e non può fare

Il perimetro è un elenco di azioni consentite con i relativi limiti numerici: può variare l’offerta entro il 20%, non può superare una spesa giornaliera, non può aprire campagne nuove, non può scrivere a contatti già assegnati a un commerciale. Senza numeri non è un perimetro, è un auspicio.

Il punto di arresto

È la condizione in cui l’agente deve fermarsi e chiedere: una soglia di spesa, un valore anomalo, una categoria di richiesta, un cliente in elenco. Il punto di arresto va definito in positivo, cioè dicendo quando fermarsi, non sperando che il sistema se ne accorga.

Il registro delle decisioni

Ogni decisione presa in autonomia va scritta da qualche parte, con data, input e risultato. Serve a tre cose: capire perché un mese è andato male, misurare quanto spesso una persona corregge il sistema e, in caso di contestazione, dimostrare che l’azienda sapeva che cosa stava succedendo.

1. Scegliere una decisione sola. Non un’area: una decisione, con il suo quadrante nella matrice e il suo volume mensile di eventi.
2. Scrivere il segnale di successo prima di partire. Che cosa conta come risultato, con quale finestra e con quale denominatore; se non esiste ancora, il progetto comincia da qui.
3. Definire perimetro e punto di arresto. Con numeri, non con aggettivi, e con una persona responsabile indicata per nome.
4. Far girare l’agente in parallelo, non al posto di nessuno. Per due o quattro settimane le sue decisioni si registrano e si confrontano, ma non si applicano da sole.
5. Misurare il tasso di intervento umano. Quante delle sue decisioni una persona avrebbe corretto, e per quali motivi ricorrenti.
6. Allargare o fermarsi. Si allarga il perimetro solo se l’errore residuo è comprensibile e circoscritto, altrimenti si torna al livello precedente.

È la stessa disciplina con cui si imposta un audit delle campagne pubblicitarie, un audit Google Ads o un audit Meta Ads: prima si fissa il criterio, poi si guardano i numeri.

Gli indicatori per misurare l’AI marketing

Un progetto di AI marketing non si misura con il tempo risparmiato, perché il tempo risparmiato è il primo numero a migliorare anche quando il sistema sta sbagliando. Si misura con sei indicatori, cinque di risultato e uno di governo.

Il tasso di intervento umano come numero di governo

Fra i sei, uno merita un ruolo diverso: il tasso di intervento umano. È il numero che dice se la delega sta reggendo, perché combina qualità delle decisioni e attenzione del presidio.

Va monitorato e mai messo a obiettivo. Un tasso di intervento che scende può significare che l’agente sta migliorando, ma anche che nessuno sta più controllando: è un indicatore che si sporca nel momento esatto in cui diventa un bersaglio. Vale lo stesso avvertimento che diamo sui KPI di marketing e nel capitolo su come scegliere gli indicatori: una misura usata come premio smette di misurare.

Gli indicatori di contorno restano quelli di sempre: ROI, CAC, pipeline velocity e micro-conversioni, con i KPI pubblicitari a valle. Per i conti rapidi restano utili il calcolatore CPL e CPA e il calcolatore ROI.

L’AI marketing in una pagina

Lo schema seguente riassume i tre livelli di delega, la matrice dei quadranti, i dati italiani e gli indicatori di governo.

Otto errori comuni nei progetti di AI marketing

1. Comprare lo strumento prima di aver scelto la decisione. Il perimetro nasce dalla decisione, non dal catalogo del fornitore.
2. Chiamare agente un’automazione a regole. Cambia il prezzo, le aspettative e il livello di controllo che si mette in piedi.
3. Delegare l’ottimizzazione senza il segnale a valle. Senza CRM o conversioni offline l’agente ottimizza sul modulo compilato, non sul cliente.
4. Partire da un volume troppo basso. Sotto una certa soglia di eventi nessuno potrà dire se ha funzionato, e il progetto muore per assenza di prove.
5. Non scrivere il punto di arresto. Un sistema che non sa quando fermarsi non si ferma: prosegue con il dato sbagliato.
6. Mettere il risparmio di tempo come obiettivo. È il numero che migliora per primo anche quando la qualità peggiora.
7. Lasciare la prima risposta automatica senza supervisione. Nessuno legge quelle conversazioni finché non arriva un reclamo, e a quel punto il danno è pubblico.
8. Trattarlo come un progetto tecnico. La delega di decisione è una scelta di direzione: se la firma solo il reparto IT, in azienda non cambia nulla.

Molti di questi errori hanno un gemello più antico. È lo stesso meccanismo per cui arrivano lead non in target o per cui una campagna porta volumi e non fatturato: si ottimizza ciò che si misura, e si misura ciò che è facile.

Checklist prima di delegare una decisione all’AI marketing

• ✓La decisione è una sola, nominata, con un responsabile indicato per nome.
• ✓È collocata in un quadrante della matrice: impatto economico e reversibilità sono stati valutati.
• ✓Il segnale di successo esiste già ed è scritto, con denominatore e finestra temporale.
• ✓Il volume mensile di eventi è sufficiente a distinguere un effetto dal rumore.
• ✓Il CRM riceve l’esito commerciale e lo restituisce alle piattaforme.
• ✓Il perimetro è scritto con limiti numerici, non con aggettivi.
• ✓Il punto di arresto è definito in positivo e verificato con un caso reale.
• ✓Esiste un registro delle decisioni consultabile da chi non ha realizzato il sistema.
• ✓È previsto un periodo in parallelo prima di applicare le decisioni.
• ✓Il trattamento dei dati personali dei contatti è stato verificato con chi se ne occupa in azienda.
• ✓È chiaro chi risponde di un errore verso un cliente.
• ✓È stato deciso in anticipo che cosa farà tornare indietro il progetto al livello precedente.

Dati personali e regole: i vincoli da conoscere

Il 47,3% delle imprese italiane che non usano l’intelligenza artificiale indica la carenza di chiarezza legislativa fra gli ostacoli, e il 43,2% le preoccupazioni per privacy e protezione dei dati: sono dati Istat, e spiegano perché molti progetti si fermano prima di partire.

Tre questioni riguardano direttamente chi fa acquisizione. La prima: un agente che tratta dati di contatto tratta dati personali, quindi serve una base giuridica e un’informativa coerente con quello che il sistema fa davvero. La seconda: se il sistema decide qualcosa che riguarda una persona, deve restare possibile capire perché e intervenire. La terza: i fornitori vanno inquadrati come responsabili del trattamento, con l’indicazione di dove risiedono i dati.

Non è materia da risolvere in un articolo e non siamo consulenti legali: va chiusa con chi in azienda segue la protezione dei dati, prima dell’attivazione e non dopo. Il tema è collegato a quello trattato in privacy e measurement, dove il problema è lo stesso: misurare senza perdere il controllo su dati e consenso.

Come CULT adv imposta un progetto di AI marketing

Il nostro punto di partenza non è lo strumento ma la catena: campagna, contatto, qualifica, opportunità, cliente. L’AI marketing entra dove quella catena è già misurabile, perché altrove produce velocità senza direzione.

In pratica lavoriamo su tre fronti. Rendiamo leggibile il percorso del contatto, collegando piattaforme, sito e CRM come descritto in CRM: software o strategia di business. Rendiamo misurabile l’esito commerciale, perché senza quello nessuna ottimizzazione automatica ha un bersaglio. E rendiamo esplicito il perimetro di delega, in modo che la responsabilità resti dentro l’azienda.

Per chi non ha una struttura interna dedicata, la strada più rapida resta affiancare una competenza esterna all’esecuzione: ne parliamo in marketing in outsourcing per PMI e in quando esternalizzare il marketing. Per chi invece ha un team e vuole portarlo al livello successivo, il percorso naturale è la formazione marketing aziendale, affiancata alla consulenza digital marketing.

Il risultato atteso non è «usare l’AI». È arrivare a fine trimestre sapendo quali decisioni ha preso il sistema, quante ne avete corrette e che effetto hanno avuto sulla pipeline. Tutto il resto è racconto.

Domande frequenti sull’AI marketing

Che cos’è l’AI marketing?

L’AI marketing è l’applicazione di sistemi di intelligenza artificiale alle attività di marketing: produzione creativa, gestione delle campagne, qualificazione dei contatti, analisi dei dati. La differenza rispetto all’automazione tradizionale non è la tecnologia ma la delega: un sistema di AI marketing agentico decide da solo quali passaggi compiere dentro un perimetro assegnato, mentre un’automazione esegue una regola scritta da una persona.

Quante imprese italiane usano già l’AI nel marketing?

Secondo l’Istat, nel 2025 l’intelligenza artificiale è usata dal 16,4% delle imprese italiane con almeno dieci addetti, con un divario di 37 punti fra grandi imprese (53,1%) e PMI (15,7%). Fra chi la usa, marketing e vendite sono l’ambito più frequente, con il 33,1% e una crescita del 92,6% in un anno.

Un agente può gestire da solo le campagne pubblicitarie?

In parte lo fa già, perché le strategie di offerta automatiche decidono quanto pagare ogni asta. La delega completa della distribuzione del budget fra canali, invece, ricade fra le decisioni ad alto impatto economico e poco reversibili: il consiglio è farla proporre al sistema e farla firmare a una persona. L’Osservatorio Internet Media registra la stessa prudenza fra le aziende italiane.

Che cosa serve prima di avviare un progetto di AI marketing?

Tre cose, nessuna delle quali è un software: una decisione specifica da delegare, un segnale di successo già misurato con denominatore e finestra temporale, e un volume mensile di eventi sufficiente a distinguere un effetto dal rumore. Se manca il segnale commerciale a valle, ad esempio perché non c’è un CRM collegato, il progetto comincia da lì.

Come si misura se l’AI marketing sta funzionando?

Non con il tempo risparmiato, che migliora anche quando la qualità peggiora. Il numero di governo che proponiamo è il tasso di intervento umano, cioè la quota di decisioni dell’agente che una persona corregge o annulla. Va affiancato da quota di lead qualificati, tempo di prima risposta, costo per opportunità aperta, quota di decisioni tracciate e incidenti per mille decisioni.

L’AI marketing conviene anche a una PMI?

Sì, ma partendo dal quadrante giusto. Con volumi mensili contenuti la delega conviene sulla produzione creativa e sulla prima risposta ai contatti, dove l’errore costa poco e il beneficio è immediato, non sulla redistribuzione del budget, dove servirebbero molti più eventi per capire se il sistema sta decidendo meglio di una persona.

AI marketing: da dove partire

Il modo più rapido per sprecare un budget di AI marketing è cominciare dallo strumento. Il modo più rapido per ottenere un risultato difendibile è cominciare da una sola decisione, scelta nel quadrante in cui l’errore costa poco, con un segnale di successo già misurato e un punto di arresto scritto.

Quello che cambia davvero, nei prossimi dodici mesi, non è quanta intelligenza artificiale entra nel marketing: è quante aziende sapranno dire che cosa ha deciso, perché e con quale effetto. Chi ha già una catena di misura leggibile adotterà gli agenti con poca fatica. Chi non ce l’ha userà gli stessi strumenti per andare più in fretta nella direzione sbagliata.

Fonti

• Istat, Imprese e Ict – Anno 2025, comunicato stampa del 15 dicembre 2025 — quota di imprese che usa l’intelligenza artificiale, divario fra PMI e grandi imprese, ambito marketing e vendite, ostacoli dichiarati, diffusione del CRM. istat.it
• Osservatorio Artificial Intelligence, Politecnico di Milano — mercato italiano dell’intelligenza artificiale a 1,8 miliardi di euro nel 2025, in crescita del 50%, con il 46% su progetti generativi o ibridi. Ripresa del 17 giugno 2026 su Teleborsa
• Osservatorio AI4Innovation, POLIMI School of Management — rilevazione gennaio-marzo 2026 su maturità dell’adozione, uso di agenti e workflow automatizzati, roadmap e priorità. Ripresa del 22 aprile 2026 su Teleborsa
• Osservatorio Internet Media, Politecnico di Milano, ADVance Day dell’11 giugno 2026 — internet advertising italiano, peso del video, startup che applicano l’AI a media e advertising, prudenza delle aziende sulle decisioni ad alto impatto economico. Ripresa su Affaritaliani
• Intervalli di costo per contatto osservati sulle campagne di acquisizione gestite da CULT adv per clienti italiani. Dato proprietario, non una media di mercato: il perimetro è descritto nel box «Carta d’identità del dato».

Dati verificati alla fonte il 28 ottobre 2026.