Il futuro del marketing nel 2025: dall’ai agentica all’identità non algoritmica

L’avvento dell’AI agentica nel marketing riscrive le regole, ma solleva interrogativi sull’identità dei brand e sull’autenticità della connessione umana

Se c’è una cosa che il 2025 ci ha insegnato, è che la previsione tecnologica è un esercizio di umiltà. Solo tre anni fa, al rilascio di ChatGPT, il consenso generale era diviso tra apocalittici e integrati: i primi vedevano la fine della creatività umana, i secondi un semplice assistente alla scrittura.

Oggi, alla vigilia di un nuovo anno, la realtà tecnica si è rivelata più sfumata e, per certi versi, più brutale di quanto ipotizzato. Il marketing non è morto, ma il suo stack tecnologico è stato completamente rifattorizzato.

Non stiamo più parlando di semplici chatbot che generano copy mediocri per post social. Siamo entrati nell’era dell’AI “agentica”, dove i sistemi non si limitano a prevedere il token successivo in una frase, ma pianificano ed eseguono sequenze complesse di azioni.

Eppure, nonostante l’ubiquità di questi strumenti, la domanda rimane: se l’AI può fare tutto, ha ancora senso parlare di “marketing” come disciplina umana?

La risposta risiede nell’architettura stessa dei sistemi che stiamo implementando.

Dagli LLM agli agenti autonomi

Per comprendere il cambiamento in atto, bisogna guardare sotto il cofano. Fino al 2024, la maggior parte delle applicazioni di marketing basate su AI erano essenzialmente “wrapper” (interfacce di facciata) attorno alle API di OpenAI o Anthropic. Inserivi un prompt, ottenevi un testo.

Utile, ma limitato.

Oggi, l’industria si è spostata verso architetture basate su agenti autonomi. Questi sistemi non si limitano a generare output; operano in loop ricorsivi di pensiero-azione-osservazione. Un agente di marketing moderno può analizzare i dati di vendita in tempo reale, decidere autonomamente di modificare il bid su una campagna pubblicitaria, generare nuove creatività variando i parametri in base al sentiment, e distribuire il tutto senza intervento umano.

Sam Altman, CEO di OpenAI, aveva previsto questa traiettoria con una precisione quasi inquietante, suggerendo che il costo marginale dell’intelligenza creativa sarebbe crollato verso lo zero.

Oh, per quello? Significherà che il 95% di ciò per cui i marketer usano oggi agenzie, strateghi e professionisti creativi sarà gestito facilmente, quasi istantaneamente e a costo quasi nullo dall’AI — e l’AI sarà probabilmente in grado di testare la creatività contro focus group di clienti reali o sintetici per prevedere i risultati e ottimizzare. Di nuovo, tutto gratis, istantaneo e quasi perfetto. Immagini, video, idee per campagne? Nessun problema.

— Sam Altman, CEO di OpenAI

Questa visione, tecnicamente affascinante quanto socialmente dirompente, si scontra però con un collo di bottiglia fondamentale: l’omogeneizzazione.

Se tutti i brand utilizzano gli stessi modelli fondativi (Foundation Models) ottimizzati sugli stessi dataset pubblici, il risultato matematico è una convergenza verso la media. In termini tecnici, stiamo assistendo a una riduzione della varianza creativa.

Quando l’ottimizzazione algoritmica diventa perfetta, tutto il marketing inizia a sembrare identico.

È qui che emerge la prima vera contraddizione. Le aziende stanno correndo per integrare questi strumenti, spinte dalla promessa di efficienza, ma rischiano di perdere l’unica cosa che le distingue: l’identità non algoritmica. Nonostante ciò, i dati confermano che la direzione è tracciata: recenti analisi indicano che l’Intelligenza Artificiale agentica gestirà oltre un quinto del carico di lavoro totale del marketing entro tre anni.

Non è più una questione di “se”, ma di architettura dei processi.

La fine dell’intuizione come “black box”

Un altro aspetto che spesso sfugge ai non addetti ai lavori è come l’AI stia demistificando l’intuizione. Nel vecchio paradigma, il direttore creativo era una “scatola nera”: input (brief) -> magia inspiegabile -> output (campagna). Oggi, quella magia è stata mappata in spazi vettoriali multidimensionali.

Attraverso l’uso di embeddings (rappresentazioni numeriche di concetti semantici), le macchine possono identificare correlazioni tra segmenti di pubblico e messaggi che nessun umano potrebbe mai notare. Non si tratta di creatività nel senso umano del termine, ma di pura forza bruta statistica applicata alla psicologia comportamentale.

Tom Craig, CTO di Resonate, sottolinea come questo passaggio tecnologico stia rendendo obsolete le vecchie tassonomie demografiche.

In questa Giornata di Apprezzamento dell’AI, celebriamo come questa tecnologia stia cambiando radicalmente i metodi e lo sforzo necessari per comprendere e raggiungere i consumatori. Stiamo andando oltre il targeting demografico generico verso sistemi che segmentano, personalizzano e ottimizzano le interazioni attraverso dati potenziati dall’AI e strumenti conversazionali più precisi. Ciò che prima richiedeva settimane di lavoro manuale ora accade istantaneamente.

— Tom Craig, Chief Technology Officer presso Resonate

Questo livello di granularità ha un prezzo tecnico: la complessità dell’infrastruttura dati. Per far funzionare questi sistemi, le aziende devono avere pipeline di dati (ETL) impeccabili. Un modello AI è performante solo quanto i dati che ingurgita; il vecchio adagio informatico Garbage In, Garbage Out non è mai stato così vero.

Le aziende che hanno trascurato la pulizia dei propri database CRM si trovano ora con agenti AI che allucinano o, peggio, offendono i clienti in modo personalizzato e su larga scala.

Eppure, la spinta verso l’iper-personalizzazione è inarrestabile, tanto che il 59% dei professionisti vede la personalizzazione delle campagne tramite AI come il trend più impattante per il settore. La sfida tecnica non è più generare il contenuto, ma orchestrare la consegna del messaggio giusto al momento giusto, minimizzando la latenza e i costi di inferenza.

Il paradosso dell’adozione e il “code rot” strategico

C’è un ultimo punto critico da analizzare: la fragilità di questi sistemi. Chi scrive codice sa che il software ha bisogno di manutenzione costante. Nel marketing guidato dall’AI, stiamo introducendo una nuova forma di debito tecnico.

Affidarsi ciecamente a modelli proprietari chiusi (come GPT-5 o Claude 3.5) significa costruire il proprio castello su un terreno che può cambiare sismicamente con un semplice aggiornamento API. Un cambiamento nel system prompt di un modello o nei suoi filtri di sicurezza può alterare drasticamente la brand voice di un’azienda dall’oggi al domani.

Inoltre, c’è il rischio di un loop di feedback degenerativo. Se le AI generano contenuti per il marketing, e altre AI (lato consumatore o motori di ricerca) filtrano questi contenuti, stiamo creando un ecosistema in cui le macchine parlano alle macchine.

L’umano diventa un semplice spettatore in un teatro di ottimizzazione metrica.

Nonostante questi rischi strutturali, l’adozione è massiccia: le statistiche attuali mostrano che l’88% dei marketer utilizza l’intelligenza artificiale nelle proprie attività quotidiane. Questo suggerisce che il settore ha già superato il punto di non ritorno.

La competenza tecnica richiesta a un marketer sta convergendo con quella di un data scientist o di un product manager tecnico. Non basta più saper scrivere; bisogna saper valutare l’output di un modello probabilistico.

Siamo quindi di fronte alla fine del marketing? Probabilmente no.

Siamo di fronte alla fine del marketing artigianale.

L’eleganza tecnica delle soluzioni odierne permette di scalare l’empatia (o la sua simulazione) a livelli inediti, ma solleva una questione fondamentale sulla natura stessa della connessione commerciale.

Se l’intero processo, dalla creazione del desiderio alla transazione, è gestito da reti neurali che ottimizzano una funzione di ricompensa, stiamo ancora persuadendo esseri umani, o stiamo semplicemente hackerando i loro bias cognitivi con maggiore efficienza computazionale?