L’ad tech sta cambiando senza che nessuno ne parli

Il protocollo aperto AdCP permette agli agenti di IA di gestire campagne pubblicitarie in autonomia, ridisegnando i flussi di lavoro.

Mentre oggi le grandi aziende tech continuano ad annunciare licenziamenti attribuiti esplicitamente all’IA — mettendo fine, come nota il report di AdExchanger sull’automazione nell’ad tech, a qualsiasi conversazione che in precedenza evitava il tema della perdita di posti di lavoro — il settore pubblicitario digitale sta vivendo una trasformazione strutturale molto più profonda di quanto i titoli dei giornali riescano a catturare. Il motore di questa trasformazione non è un singolo prodotto o una piattaforma dominante: è un protocollo aperto che si chiama AdCP, e che sta iniziando a ridisegnare i flussi di lavoro dell’advertising dalla radice.

Il Protocollo che Automatizza la Pubblicità

AdCP — Ad Context Protocol — è uno standard aperto che consente agli agenti IA di scoprire inventario, acquistare media, costruire creatività, attivare pubblico e gestire account su piattaforme pubblicitarie eterogenee. Non è un tool di campaign management con un’interfaccia grafica: è un layer di comunicazione machine-to-machine, pensato perché un agente autonomo possa operare sull’infrastruttura pubblicitaria senza intervento umano. Chi viene dal mondo degli API e dei microservizi capisce subito l’eleganza della proposta: invece di integrazioni punto-a-punto tra DSP, SSP e sistemi creativi, AdCP definisce un vocabolario comune che gli agenti possono usare indipendentemente dalla piattaforma sottostante.

L’open source e la trasparenza dello standard sono elementi non banali in un settore storicamente opaco. Un protocollo aperto significa che chiunque può implementare il lato server — le piattaforme — o costruire agenti client senza dipendere da un vendor centrale. È la stessa logica che ha reso HTTP il fondamento del web: non una tecnologia proprietaria, ma uno standard su cui chiunque può costruire. Molte aziende ad tech, parallelamente, stanno già costruendo versioni agent-powered delle proprie piattaforme, con agenti capaci di tradurre brief di campagna in media plan e di modificare creatività analizzando un insieme di asset esistenti.

La Trasformazione in Atto: Dalle Regole Statiche all’IA Predittiva

Per capire dove si inserisce AdCP, bisogna capire cosa stava già cambiando nel mercato. Già nel 2025, secondo un’analisi Forbes sull’ottimizzazione creativa, la pubblicità digitale aveva abbandonato le regole di targeting statiche e le congetture manuali. L’ascesa dell’ottimizzazione creativa predittiva alimentata dall’IA stava già riscrivendo il modo in cui i brand catturano l’attenzione in un contesto dove ogni scroll, ogni swipe e ogni tap conta. Il problema è che questo ha generato un effetto collaterale interessante: i brand ora producono centinaia di versioni creative generate dall’IA, e paradossalmente hanno bisogno di usare di nuovo l’IA — stavolta sul lato media — per capire quali versioni distribuire, dove e quando.

Le funzioni che vengono sostituite per prime non sono quelle più visibili. Secondo Joanna Gerber, associate editor di AdExchanger, i test A/B e le piattaforme di ottimizzazione creativa sono le categorie che compaiono più frequentemente quando si parla di sostituzione da parte dell’IA. Ha senso: sono funzioni ad alta iterazione, basate su dati, dove la velocità di decisione conta più del giudizio qualitativo umano. Ma il punto più interessante emerge guardando al futuro prossimo: un trend emergente usa personas di pubblico simulate dall’IA per testare la creatività prima ancora che il brand spenda un euro per distribuire quegli annunci nel mondo reale. È un cortocircuito temporale nel funnel tradizionale — il feedback loop che normalmente durava settimane viene compresso in minuti, con pubblici sintetici che fungono da proxy del mercato reale.

Sul fronte dell’acquisto di media, il segnale è ancora più netto. Il lato buy dell’ad market è stato finora più aggressivo nel perseguire opportunità di ottimizzazione tramite IA agentica rispetto al lato sell, usando questi strumenti per automatizzare flussi di lavoro e ottimizzare la spesa. Non è una sorpresa: chi compra media ha incentivi economici diretti a ridurre il costo per conversione, e ogni punto percentuale di efficienza si traduce immediatamente in margine. I publisher, invece, devono ancora trovare il proprio equilibrio tra automazione e controllo editoriale.

Cosa Cambia per Chi Costruisce: Il Futuro del Lavoro e degli Investimenti

Qui sta il paradosso che chi lavora nello stack tecnologico del marketing dovrebbe tenere a mente. Secondo le proiezioni di IDC, citate da una ricerca Forbes sulle proiezioni IA nel marketing, entro il 2028 tre funzioni di marketing su cinque saranno gestite da lavoratori IA. Nello stesso arco temporale, entro il 2029, le aziende spenderanno fino a tre volte di più per ottimizzare i propri sistemi per l’IA rispetto a quanto spendevano per i motori di ricerca tradizionali. Ovvero: la spesa non scompare, si sposta. I budget che andavano in media planner, in A/B testing tools e in piattaforme di ottimizzazione creativa migreranno verso infrastruttura, prompt engineering, agenti e standard come AdCP.

Per chi sviluppa in questo spazio, la domanda concreta è quale livello dello stack presidiare. Costruire un agente sopra AdCP è relativamente accessibile — è questo il punto di uno standard aperto. Ma il valore differenziale sta nella qualità dei dati di training, nella capacità di modellare il pubblico in modo accurato e nella robustezza dell’infrastruttura di ottimizzazione in tempo reale. I marketer, dal canto loro, si trovano in una posizione speculare: le competenze che contano non sono più quelle operative — configurare campagne, impostare regole di targeting, gestire bid manuali — ma quelle strategiche e di supervisione: definire obiettivi, valutare output degli agenti, correggere derive. Un cambio di profilo professionale che assomiglia molto a quello che i DevOps hanno vissuto con l’avvento del cloud: meno operatività, più architettura e controllo.

La sfida, per chi vuole ancora essere rilevante in questo contesto, non è decidere se adottare l’IA — quella conversazione è chiusa, come chiusi sono i licenziamenti silenziosi che non menzionavano l’automazione. La sfida è ridisegnare lo stack con consapevolezza: capire dove un agente autonomo aggiunge valore reale, dove invece serve ancora supervisione umana, e come integrare protocolli aperti come AdCP senza perdere controllo sui dati e sulla strategia. L’ottimizzazione predittiva non è più un vantaggio competitivo — sta diventando il requisito minimo per operare.