Nel 2025 il mercato italiano dell’intelligenza artificiale ha raggiunto il valore di 1,8 miliardi di euro, con una crescita del 50% sull’anno precedente, e il 71% delle grandi imprese ha avviato almeno un progetto. Gli analisti evidenziano però anche una distanza tra adozione tecnologica e trasformazione organizzativa: soltanto un’azienda su cinque utilizza l’AI in modo pervasivo in diverse funzioni. Nel marketing questa distanza ha una forma precisa. Generare una presentazione in pochi minuti o decine di varianti di una campagna è facile, mentre dimostrare che tutto questo porta più clienti lo è molto meno.
Gli errori più “costosi” raramente dipendono dai modelli. Nascono dalle decisioni con cui l’AI viene introdotta nei processi, dalle responsabilità che le vengono affidate e dai criteri con cui se ne giudica il successo. Approfondiamo i cinque principali.
1. Partire dagli strumenti anziché dai problemi
Il primo errore si commette prima ancora di usare l’AI. Si acquistano licenze, si lanciano progetti pilota e si invitano i collaboratori a sperimentare, senza aver stabilito quale problema si vuole risolvere e come si capirà se è stato risolto.
Un reparto marketing che introduce una piattaforma per produrre più contenuti dovrebbe prima chiedersi se la quantità di materiale sia davvero il suo limite. Se il problema è la scarsa qualità dei lead, raddoppiare articoli e newsletter difficilmente lo risolve. Lo stesso vale per l’automazione delle campagne. Preparare più in fretta le comunicazioni serve a poco se i segmenti sono definiti male o se manca un criterio condiviso per qualificare le opportunità.
La sequenza corretta parte da un obiettivo di business, individua le attività che lo condizionano e solo allora valuta dove l’AI può intervenire con un beneficio misurabile. Spesso così si scopre che il problema non è un’attività lenta ma un processo costruito male. Nella gestione dei lead b2b, usare l’AI per scrivere più velocemente le email di follow-up è utile, ma non tocca necessariamente i punti in cui i contatti si perdono davvero. Sono le informazioni incomplete nel Crm, i segnali di interesse che nessuno legge, le priorità assegnate a intuito, i passaggi poco chiari tra marketing e vendite. Intervenire lì richiede di ripensare il flusso, non di accelerarne un pezzo.
La qualità del processo dipende però anche dalle informazioni che lo alimentano. Dati sparsi tra Crm, marketing automation e analytics, classificati con criteri diversi o incompleti, non diventano coerenti perché vengono dati in pasto a un modello. L’AI può anzi amplificarne le incoerenze e restituirle sotto forma di segmentazioni e previsioni che sembrano precise e non lo sono.
2. Produrre più contenuti e perdere la propria voce
La generazione di testi, immagini e materiali commerciali è l’applicazione più immediata dell’AI nel marketing, ed è anche quella che più facilmente si ritorce contro chi la usa. Quando aziende diverse lavorano con modelli simili, istruzioni generiche e poco intervento editoriale, i contenuti cominciano ad assomigliarsi. La struttura degli argomenti, il lessico e perfino il tipo di immagini diventano gli stessi. Cambiano il marchio e il prodotto, il resto è intercambiabile.
Nel b2b il danno è maggiore, perché la comunicazione serve a dimostrare competenza e conoscenza del mercato. Un testo corretto ma privo di informazioni originali e di un punto di vista riconoscibile non distingue un’azienda dai concorrenti: la confonde con loro. Il problema non è soltanto la perdita di identità del brand, ma anche la difficoltà di costruire una differenziazione competitiva. Se tutti raccontano le proprie soluzioni con gli stessi argomenti e lo stesso linguaggio, per il potenziale cliente diventa più difficile riconoscere il valore specifico di ciascuna proposta.
C’è un luogo comune da sgombrare. Google non penalizza un contenuto perché è stato scritto con l’AI. Le sue indicazioni sulla qualità guardano all’utilità per chi legge e al rispetto delle regole contro lo spam, non al metodo di produzione. Il problema è il contenuto mediocre, e l’AI permette di produrne in quantità enormi e a costi molto contenuti. L’errore vero è scambiare la velocità di produzione per una strategia editoriale.
3. Pubblicare senza verificare
I modelli generativi possono inventare dati, attribuire dichiarazioni a fonti inesistenti e presentare come certi numeri che non lo sono. Lo fanno con lo stesso tono sicuro con cui riportano informazioni corrette. Nel marketing un errore di questo tipo può diventare una promessa commerciale non dimostrabile, una comunicazione ingannevole o un problema reputazionale.
Il caso più citato riguarda Air Canada. Nel 2024 il Civil Resolution Tribunal della British Columbia, in Canada, ha dato ragione a un cliente al quale il chatbot del sito aveva indicato la possibilità di chiedere a posteriori la tariffa agevolata per lutto, possibilità che le regole della compagnia non prevedevano. Air Canada aveva cercato di sostenere che il chatbot fosse un’entità distinta dalla compagnia e che quest’ultima non potesse essere ritenuta responsabile delle sue risposte. Il tribunale ha respinto questa difesa, riconoscendo la responsabilità dell’azienda per le informazioni errate fornite attraverso il proprio sito.
Il principio è rilevante per qualsiasi organizzazione che utilizzi l’AI nella comunicazione con l’esterno. L’intelligenza artificiale può aiutare a cercare, organizzare e preparare i contenuti, ma la responsabilità editoriale e commerciale resta dell’azienda. I processi di pubblicazione devono quindi prevedere controlli proporzionati alla natura dei contenuti e ai rischi che possono derivare da eventuali errori. Una dichiarazione tecnica, un dato economico o una promessa pubblicitaria richiedono verifiche diverse rispetto a un testo descrittivo.
Lo stesso vale per i chatbot. Possono gestire efficacemente le richieste ricorrenti, ma devono operare entro limiti definiti, utilizzare informazioni affidabili e prevedere meccanismi per trasferire a un operatore i casi che non sono in grado di risolvere. Senza queste precauzioni, il risparmio sui costi può tradursi in clienti insoddisfatti e problemi reputazionali.
4. Usare l’AI senza regole su dati, strumenti e trasparenza
La facilità d’accesso ha prodotto la cosiddetta shadow AI. Sono i collaboratori che usano chatbot e servizi online per analizzare documenti, sintetizzare riunioni, preparare offerte o elaborare informazioni sui clienti al di fuori degli strumenti approvati, spesso senza conoscere le condizioni con cui il fornitore tratta i dati.
Non ogni servizio esterno comporta una violazione. Il rischio dipende da cosa viene condiviso, dalle condizioni contrattuali, dalle configurazioni e dalle garanzie del fornitore. Caricare liste clienti, estratti del Crm o documenti riservati in un sistema non autorizzato espone però l’azienda a rischi sul piano della riservatezza e della sicurezza. Quando vengono trattati dati personali, il Gdpr continua ad applicarsi con tutti i suoi obblighi: base giuridica, minimizzazione, sicurezza e gestione dei rapporti con i fornitori.
Dal 2 agosto 2026 sono applicabili anche gli obblighi di trasparenza previsti dall’articolo 50 dell’AI Act europeo. Il Digital Omnibus, entrato in vigore nel luglio 2026, ha rinviato al dicembre 2027 l’applicazione delle disposizioni relative a determinate categorie di sistemi ad alto rischio, ma non ha modificato la data di applicazione degli obblighi di trasparenza, particolarmente rilevanti per il marketing.
I fornitori di sistemi progettati per interagire direttamente con le persone, come i chatbot, devono assicurare che gli utenti siano informati della natura artificiale dell’interazione, salvo quando questa sia già evidente. Le aziende che utilizzano sistemi AI per generare o manipolare immagini, audio e video qualificabili come deepfake devono dichiararne la natura artificiale, secondo le condizioni e le eccezioni previste dal regolamento. È inoltre previsto che i fornitori di sistemi generativi rendano gli output riconoscibili attraverso marcature leggibili dalle macchine. Per determinati sistemi già immessi sul mercato prima del 2 agosto 2026, il termine per adeguarsi a quest’ultimo obbligo è il 2 dicembre 2026.
Non tutte le immagini pubblicitarie generate con l’AI rientrano automaticamente nella definizione di deepfake, così come non ogni testo prodotto artificialmente richiede una dichiarazione pubblica. L’applicabilità degli obblighi dipende dalle caratteristiche del contenuto, dal suo utilizzo e dalle specifiche disposizioni del regolamento. Le violazioni degli obblighi di trasparenza possono comportare sanzioni fino a 15 milioni di euro o al 3% del fatturato mondiale annuo, secondo le regole applicabili e con disposizioni specifiche a tutela della proporzionalità per le imprese di minori dimensioni.
C’è poi un obbligo che molte imprese rischiano di sottovalutare, pur essendo applicabile dal febbraio 2025. L’articolo 4 dello stesso regolamento richiede a fornitori e utilizzatori di sistemi AI di adottare misure per sostenere lo sviluppo delle competenze del personale che opera con queste tecnologie. Il Digital Omnibus ne ha modificato la formulazione, chiarendo che non è richiesto garantire a ogni individuo uno specifico livello di alfabetizzazione, ma non ha eliminato l’obbligo di intervenire. È anche una delle risposte più concrete alla shadow AI, che trova terreno fertile quando le persone utilizzano strumenti potenti senza indicazioni e procedure condivise.
La conformità, però, è solo una parte del problema. Chi decide quali strumenti si possono usare? Chi verifica i dati da cui parte una campagna? Quali decisioni possono essere prese da un sistema automatico e quali richiedono l’approvazione di una persona? Senza risposte chiare e procedure documentate, l’AI introduce incertezza proprio nei processi che dovrebbe rendere più efficienti.
5. Misurare il tempo risparmiato invece dei risultati
Il risparmio di tempo è l’argomento più usato per giustificare gli investimenti in AI, ed è reale. Un team che produce il triplo dei contenuti con le stesse risorse ha però migliorato soltanto la propria produttività. Resta da dimostrare che quei contenuti portino interlocutori più qualificati e più opportunità commerciali.
Efficienza ed efficacia misurano cose diverse. La prima mette in rapporto le risorse con le attività svolte, la seconda le attività con i risultati. Una campagna costruita con l’AI può costare molto meno e generare lead peggiori. Una piattaforma di marketing automation può moltiplicare le interazioni con i potenziali clienti lasciando invariato il tasso di conversione. In entrambi i casi gli indicatori operativi migliorano e il business no.
Le metriche da collegare all’AI sono quelle che arrivano alla pipeline: qualità dei lead, conversioni, valore delle opportunità generate e, dove è possibile attribuirlo, fatturato. Anche il ritorno sull’investimento va calcolato per intero. La licenza è solo la voce più visibile. Integrazione con i sistemi esistenti, pulizia e preparazione dei dati, tempo dedicato alla revisione umana, manutenzione e aggiornamento dei processi possono pesare molto di più. Un progetto valutato sulle sole ore risparmiate può apparire un successo, ed è proprio per questo che quel numero, da solo, non dice nulla.
La vera sfida per chi guida il marketing non è quindi aumentare il numero di attività affidate all’intelligenza artificiale, ma capire dove questa possa migliorare concretamente i risultati. È una questione di scelte prima ancora che di tecnologia: decidere quali processi modificare, quali responsabilità mantenere e quali risultati pretendere dagli investimenti. L’AI rende più semplice e veloce fare molte cose, comprese quelle sbagliate. Il vantaggio competitivo non nasce dalla velocità con cui la si adotta, ma dalla capacità di utilizzarla per fare meglio ciò che conta davvero.
—
*Fabrizio Albergati, giornalista e senior advisor in ambito tecnologico
© RIPRODUZIONE RISERVATA
