FreeWheel ha collegato gli agenti AI direttamente alle aste pubblicitarie

La tecnologia sfrutta il protocollo MCP per automatizzare le decisioni di acquisto in tempo reale, aprendo a un nuovo ecosistema.

La scorsa settimana, l’11 marzo 2026, l’annuncio ufficiale di FreeWheel sull’infrastruttura AI agentica ha messo sul tavolo qualcosa di più di un semplice prodotto: un’architettura in cui agenti AI dialogano direttamente con i meccanismi di real-time bidding per la pubblicità video premium. PMG, global independent platform company, è tra i primi partner a pilotare queste capacità per i propri clienti. Non è un dettaglio marginale: significa che decisioni di acquisto media — targeting, budget allocation, ottimizzazione delle offerte — vengono delegate ad agenti software autonomi che operano sullo stack programmatico senza intervento umano diretto.

Il lancio: agenti AI entrano in scena

FreeWheel si definisce la principale piattaforma tecnologica globale per lo streaming advertising. Il lancio della scorsa settimana non è arrivato dal nulla: già al CES, la società aveva introdotto per la prima volta l’acquisto di media AI agentico cross-platform, cioè la capacità di un singolo agente di operare contemporaneamente su inventory lineari e digitali. Quello era il proof of concept; questo è l’infrastruttura che lo porta in produzione. Secondo i dettagli tecnici pubblicati da ppc.land, la società ha collegato un server MCP (Model Context Protocol) direttamente alle trattative pubblicitarie su video premium — un’implementazione che usa lo stesso protocollo adottato da Anthropic per connettere i modelli linguistici a fonti di dati esterne, adattato qui per interfacciarsi con le piattaforme di ad serving. FreeWheel ha annunciato che continuerà a introdurre nuove capacità alimentate da AI durante tutto il 2026.

Sotto il cofano: protocolli e architetture a confronto

Gli agenti AI di FreeWheel non operano in isolamento: si inseriscono in un panorama di protocolli e framework che si stanno moltiplicando con una velocità che ricorda i primi anni del programmatic. A gennaio 2026, la partnership NBCUniversal-RPA-FreeWheel e Newton Research ha dimostrato come questa architettura funzioni in pratica su entrambi i lati della transazione: sul lato sell, FreeWheel e NBCUniversal dispiegano agenti AI per le vendite rispettivamente digitali e lineari; sul lato buy, Newton Research ha progettato e implementato agenti di acquisto con l’agenzia RPA. È un’architettura simmetrica — agenti che parlano con agenti — che richiede coordinamento preciso tra protocolli.

Ed è proprio qui che la situazione si complica. Già nell’ottobre 2025, una coalizione di oltre venti aziende — tra cui Yahoo, PubMatic, Scope3 e Magnite — aveva lanciato l’Ad Context Protocol (AdCP), un framework per trasmettere contesto semantico agli agenti durante le aste RTB. Poco dopo, IAB Tech Lab aveva rilasciato il proprio Agentic RTB Framework (ARTF), con un approccio diverso alla standardizzazione delle interazioni agentiche nei sistemi di bidding. Secondo la corsa agli armamenti agentici analizzata da ExchangeWire, la tensione tecnica reale è questa: ogni iniziativa sta costruendo il proprio layer di astrazione sopra OpenRTB, con il rischio concreto di frammentazione che ricorda quella dei formati pubblicitari nei primi anni del display. FreeWheel, usando MCP come strato di connessione, fa una scelta pragmatica: sfruttare un protocollo già testato fuori dall’ad tech anziché costruire da zero, ma questo significa anche operare in un territorio non ancora standardizzato per il settore.

Implicazioni per chi costruisce: cosa cambia nello stack

Per chi sviluppa su queste basi, i segnali sono già leggibili nei numeri. Il 6 gennaio 2026, Yahoo DSP aveva integrato capacità di intelligenza artificiale agentica, segnando uno dei primi deployment su larga scala del lato demand. Nello stesso giorno del lancio di FreeWheel, l’11 marzo, l’Agent Registry di IAB Tech Lab — il registro centralizzato che tiene traccia degli agenti autorizzati a partecipare alle aste — si è espanso a 10 voci. Non è un numero enorme, ma la direzione è chiara: l’Agent Registry sta diventando l’analogo del sellers.json per gli agenti autonomi, un meccanismo di trasparenza che permette ai sistemi di verificare l’identità di chi (o cosa) sta comprando inventory.

La domanda che ogni developer di ad tech dovrebbe porsi adesso è strutturale: se gli agenti AI diventano il client principale delle API di bidding, come si progettano le interfacce? Le attuali DSP API sono pensate per essere chiamate da software sotto controllo umano, con rate limiting, autenticazione OAuth e log leggibili da persone. Un agente autonomo che ottimizza in tempo reale ha esigenze diverse: latenza deterministica, segnali di feedback strutturati per il reinforcement, contesto persistente tra le sessioni. Questo shift non è un aggiornamento incrementale dello stack — richiede di ripensare le assunzioni di base su chi è il consumatore delle API. Per gli sviluppatori, il futuro non è nell’integrazione passiva dell’AI, ma nella progettazione deliberata di sistemi che affidano decisioni critiche ad agenti autonomi, con tutto ciò che questo implica in termini di audit trail, fallback meccanismi e responsabilità distribuita lungo la catena del valore pubblicitario.