Alessandro Scartezzini e David Garcia
Nella sezione Opinioni, Engage ospita contributi firmati da professionisti ed esperti del marketing e della comunicazione. In questo articolo, Alessandro Scartezzini, CIO di t2ó Italia, e David Garcia, Business Director di Fit, approfondiscono il tema dell'intelligenza artificiale come strumento potente che richiede una costante supervisione umana per evitare errori legati alla mancanza di contesto e giudizio.
C’è una frase che Avinash Kaushik ripete da anni in modi diversi, e che rimane attuale come il primo giorno: i dati non prendono decisioni, sono le persone a farlo. L’IA non fa eccezione. È uno strumento straordinario, ma pur sempre uno strumento. E come qualsiasi strumento potente, nelle mani sbagliate (o senza mani del tutto) può fare tanto male quanto bene.
L’entusiasmo attorno all’automazione intelligente è legittimo. I progressi nei modelli linguistici, nel machine learning applicato al marketing e nelle piattaforme di attivazione hanno aperto possibilità che appena cinque anni fa sembravano riservate alle grandi società di consulenza o ai laboratori delle big tech. Oggi, aziende di medie dimensioni possono accedere a tecnologie che analizzano milioni di eventi, prevedono comportamenti d’acquisto e ottimizzano le offerte in tempo reale. Questo è straordinario. Il problema inizia quando “automazione” diventa sinonimo di “assenza di supervisione”.
Gli esempi di IA mal supervisionata si accumulano con inquietante regolarità. Soluzioni di ottimizzazione dei copy che, durante campagne di Black Friday, generano annunci promettendo sconti o benefici che semplicemente non esistono, perché il modello ha imparato a massimizzare il CTR senza comprendere che esiste un contratto implicito tra il brand e il suo pubblico. Oppure chatbot di negoziazione che, davanti a utenti creativi, finiscono per “accordarsi” nel regalare prodotti o servizi, perché nessuno ha definito chiaramente i limiti di ciò che è negoziabile. L’IA ha raggiunto il suo obiettivo dichiarato (chiudere la conversazione, ridurre la frizione, massimizzare l’engagement), ma ha ignorato completamente il contesto aziendale, etico e legale in cui operava.
Questo non è un fallimento della tecnologia. È un fallimento del design umano. Ognuno di questi sistemi è stato implementato da qualcuno che ha dato per scontato che il modello “sapesse già cosa stava facendo”. E il modello, ovviamente, non sa nulla che non gli abbiamo insegnato. Kaushik ha un altro principio che si applica perfettamente qui: la differenza tra una metrica e un obiettivo di business. Puoi ottimizzare perfettamente una cosa e distruggere completamente l’altra. L’IA non distingue tra le due a meno che non glielo spieghiamo. È brillante nell’eseguire istruzioni, ma pessima nell’inferire intenzioni.
Da FiT e t2ó, la risposta a questo dilemma ha preso forma in tre soluzioni che condividono una stessa filosofia di fondo: l’automazione come amplificatore del giudizio umano, non come suo sostituto. ClaudIA for Offline risolve uno dei problemi più concreti del marketing digitale attuale: la disconnessione tra ciò che accade nel mondo reale —una vendita, una cancellazione, un cambiamento di stato nel funnel— e ciò che le piattaforme media vedono e apprendono. La soluzione automatizza questo ponte di dati, ma lo fa all’interno di un’architettura in cui i team definiscono cosa fluisce, come e quando. In ambienti cookieless, dove il segnale è scarso, questo livello di governance non è un dettaglio operativo: è ciò che garantisce che gli algoritmi di bidding apprendano dal business reale e non da un proxy sempre più rumoroso.
ClaudIA for Value aggiunge un livello predittivo: analizza il comportamento degli utenti per stimarne il valore futuro per il business —probabilità di conversione, propensione all’abbandono, potenziale di lifetime value— e traduce questa stima in segnali azionabili per le piattaforme media. Ciò che è interessante, oltre al risultato, è il design del processo: i modelli vengono addestrati, valutati e validati prima di essere attivati, con team umani che interpretano gli output e decidono cosa applicare e cosa no. In settori come hospitality o energia, dove un lead mal valutato può distorcere settimane di apprendimento algoritmico, questa supervisione fa la differenza tra ottimizzare per il business o semplicemente per il volume.
CustomIQ opera in un ambito apparentemente più circoscritto —la generazione e manutenzione dei copy per Google Ads— ma illustra perfettamente lo stesso principio. Il problema che risolve è reale: inserzionisti con cataloghi ampi, più lingue e promozioni in continuo cambiamento non possono mantenere manualmente la qualità e la rilevanza degli annunci. L’IA generativa può farlo su larga scala, ma senza struttura diventa esattamente il tipo di sistema descritto prima: uno che ottimizza per la metrica senza comprendere il contesto. La risposta di CustomIQ è nei sistemi di controllo integrati nella piattaforma —regole di business, revisione delle traduzioni, richieste di modifiche puntuali, notifiche per ogni cambiamento— che trasformano l’IA in un collaboratore supervisionato e non in un agente autonomo. Il team sa sempre cosa è cambiato, perché, e ha la possibilità di intervenire prima che l’annuncio arrivi all’utente.
L’automazione intelligente è, prima di tutto, una decisione umana.
L’IA crea valore quando è ben orchestrata: quando ci sono dati di qualità, obiettivi di business chiari, team in grado di interpretare gli output e processi di approvazione che garantiscono che la macchina non operi nel vuoto. Lo distrugge quando viene implementata come sostituto del giudizio umano, quando si ottimizza per metriche senza comprendere il business o quando le si delega una responsabilità che spetta al team.
Il futuro del marketing non è umano o artificiale. È la combinazione di entrambi, con ruoli ben definiti. L’IA ha capacità di elaborazione, scala e velocità che nessun team umano può eguagliare. Gli esseri umani hanno qualcosa che nessun modello possiede: giudizio, contesto e responsabilità. L’automazione intelligente è quella che lo comprende.