Il mondo del marketing è stato tra i primi ad essere “invaso” da ondate di strumenti automatici, uno per ogni pezzo del processo: prima le piattaforme per email e newsletter (Mailchimp, HubSpot, Klaviyo…), poi quelle per programmare i contenuti sui social (Hootsuite, Buffer…), i tool per SEO e ottimizzazione dei contenuti (Semrush, Surfer SEO…), e così via.
Con l'AI generativa, poi, la creazione di contenuti — in particolare la scrittura dei copy, con Jasper, Copy.ai, e più di tutti ChatGPT — è entrata nel lavoro quotidiano dei team più in fretta che in quasi ogni altra funzione aziendale: lo conferma anche l'ultima edizione della survey State of AI di McKinsey (2026), secondo cui marketing e vendite restano tra le funzioni dove l'uso dell'AI genera più spesso un aumento misurabile dei ricavi.1
- 37%Aumento di fatturato da AI
Il 37% delle organizzazioni riporta un aumento di fatturato dall'uso dell'AI nel marketing e vendite negli ultimi 12 mesi — il valore più alto tra tutte le funzioni aziendali, davanti al 36% di sviluppo prodotto/servizio. Fonte: McKinsey, “The State of AI in 2026: On the road to ROI”, agosto 2026 (Exhibit 7)
Lo scope che si muove: i progetti di oggi non sono quelli di un anno fa
Il contesto si muove persino più in fretta degli strumenti e nell'ultimo anno l'adozione spontanea di modelli AI tra i team marketing è cresciuta in modo significativo: le persone hanno iniziato a usare strumenti generativi per conto proprio, spesso prima ancora che l'azienda avesse definito una vera e propria strategia di adozione.2
Questo crea un paradosso concreto: un progetto di innovazione che nasce con un certo perimetro deve fare i conti, sei mesi dopo, con un team che nel frattempo ha già cambiato le proprie abitudini — non necessariamente perché la tecnologia sia cambiata, ma perché ne sono cambiati gli utilizzi da parte delle persone che la usano, spostando continuamente l'asticella di cosa serve davvero costruire.
- 22,4%Adozione di AI generativa nel marketing
Il 22,4% delle attività di marketing usa oggi AI generativa, contro il 7% di appena un anno prima. Ma nessuna attività di marketing tech supera il punteggio 5 su una scala 1-7 di efficacia organizzativa: l'adozione corre, la struttura resta indietro. Fonte: The CMO Survey — Spring 2026 Results
Il rischio nascosto: lo shadow AI
Un altro punto di attenzione è quando ogni persona del team usa il proprio account su uno strumento AI pubblico — inserendo brief di campagna, testi di clienti, dati di performance — creando quello che si chiama shadow AI marketing, ovvero l'uso di strumenti AI che l'azienda non vede né governa. Abbiamo approfondito il tema della sicurezza dei dati con l'AI in un articolo dedicato →
Il risultato è duplice: i dati sensibili escono dal perimetro aziendale e i risultati restano inconsistenti e decontestualizzati, perdendo l'occasione di costruire una strategia efficace.3
- 33%Dati sensibili in tool AI non approvati
Il 33% dei dipendenti ammette di aver inserito informazioni aziendali sensibili in strumenti AI non approvati — e oltre il 57% usa già account AI personali per lavoro. Fonte: Gartner, “Top Cybersecurity Trends for 2026”, febbraio 2026 (campione di 175 dipendenti, maggio-novembre 2025)
È un problema di governance che molte realtà si stanno ritrovando a fronteggiare e che va necessariamente affrontato prima di scalare qualsiasi iniziativa AI. Ignorarlo significa costruire su una base che, prima o poi, produrrà risultati imprevedibili — o esporrà l'azienda a rischi che nessuno aveva considerato.
Un progetto AI che funziona davvero
In questo contesto, costruire una soluzione AI che potenzia davvero un team marketing non significa scegliere semplicemente il modello giusto, ma partire da uno studio dettagliato del processo che coinvolga dall'inizio alla fine le persone che ne fanno parte: capire dove il team perde tempo, il livello di maturità nell'utilizzo autonomo di strumenti AI, dove nascono i colli di bottiglia, quali attività sono ripetitive abbastanza da essere automatizzate con risultati affidabili, e dove ha senso introdurre un modello AI integrato che porti a un'efficienza reale.
Nella pratica, secondo il nostro approccio, questo si traduce nell'inserire uno “strato intelligente” (in questo caso il “Marketing Intelligence Layer”) tra i processi del team e lo stack tecnologico che l'azienda usa già — CMS, DAM, CRM, marketing automation, eccetera… — senza smontare necessariamente tutto quello che c'è.
Insieme al team si analizzano i processi as is, identificando le iniziative di impatto maggiore e valutando caso per caso cosa va tenuto così com'è, cosa va semplicemente collegato meglio e cosa, in alcuni casi, conviene sostituire — in un'orchestrazione funzionale costruita e verificata fianco a fianco con le persone che la useranno ogni giorno.
Adobe, Salesforce o il gestionale contenuti smettono di essere strumenti a sé e diventano parte di un unico flusso, con il Marketing Intelligence Layer che coordina il lavoro nel mezzo: può, ad esempio, catalogare da solo gli asset digitali che l'azienda possiede, costruire landing page e newsletter a partire da template già in uso — scrivendone anche il copy — o suggerire i contenuti giusti per ogni campagna invece di lasciare che qualcuno li cerchi a mano tra migliaia di file. Sono solo alcune delle funzionalità che può avere: il perimetro reale si definisce insieme al team, a seconda del processo.
In questo esempio, il percorso di un contenuto dentro il Marketing Intelligence Layer può prevedere:
- raccolta del brief e del contesto: tone of voice, asset già approvati, campagne pregresse simili;
- generazione della bozza — copy, landing page o newsletter — sui template e sugli asset già approvati;
- verifica umana prima della pubblicazione: chi conosce il brand controlla, corregge, approva;
- pubblicazione, con il feedback della revisione che resta in memoria per la campagna successiva.
Un tool AI integrato di questo tipo conosce il contesto: sa quali campagne sono già state fatte, qual è il tone of voice del brand, quali asset sono approvati, mentre uno strumento generico riparte da zero ogni volta. Il divario in termini di qualità, coerenza e velocità reale è molto più grande di quanto sembri a prima vista.
Una nota importante riguarda infine il tema dell'adoption: i team di marketing, spesso sommersi di attività ripetitive nei picchi, talvolta si rivelano in un primo momento resistenti all'introduzione di un nuovo strumento perché percepiscono il costo di apprendimento prima di vedere il beneficio. Per questo, un progetto strutturato prevede sempre un percorso di AI adoption per il team marketing che accompagna le persone, non le lascia sole davanti a uno strumento nuovo — ed è più facile da accettare quando quello strumento nuovo viene progettato sulla base delle loro esigenze reali e non richiede di buttare via tutto quello che già si conosce.
Tutto questo è ciò che distingue un progetto di successo da un'automazione che si usa per qualche settimana e poi cade nel dimenticatoio: non la tecnologia scelta, ma il metodo con cui è stata progettata e introdotta.
In sintesi
L'AI nel marketing non è una questione di strumenti, è una questione di approccio. Usare ChatGPT o qualsiasi altro modello in modo non strutturato non è di per sé sbagliato (a patto che si rispetti la sicurezza dei dati), ma il passo successivo è capire come passare dall'uso individuale e spontaneo a una soluzione che lavora per tutto il team, in modo sicuro, coerente e misurabile.
Richiedi una valutazioneVuoi sapere quante delle attività ricorrenti del tuo team marketing sono automatizzabili? Richiedi una valutazione del tuo processo: partiamo dai tuoi volumi reali e facciamo una stima di cosa puoi automatizzare del tutto e cosa invece richiederà sempre una supervisione umana.
Fonti
- 1.The State of AI in 2026: On the road to ROI — McKinsey, agosto 2026 (Exhibit 7)
- 2.The CMO Survey — Spring 2026 Results — Duke University Fuqua School of Business, 2026
- 3.Top Cybersecurity Trends for 2026 — Gartner, febbraio 2026 — campione di 175 dipendenti, maggio-novembre 2025