Il 72% dei marketer ha deciso su insight sbagliati
Il 72% dei marketer ha deciso su insight AI errati, ma solo il 37% verifica. Il rischio è percepito, ma il comportamento non cambia.
Oltre 450 marketer ammettono il divario tra percezione del rischio e controlli sui dati.
Settembre 2026. Il 72% dei marketer afferma che la propria organizzazione ha preso una decisione aziendale significativa basata su insight generati dall’AI che si sono poi rivelati errati o fuorvianti. Eppure solo il 37% verifica quegli insight la maggior parte delle volte. Non è un incidente: è un patto implicito con l’errore. A dirlo è l’indagine di GWI.
Il 72% che nessuno controlla
L’indagine ha intervistato oltre 450 marketer nel Regno Unito, negli Stati Uniti e a Singapore. E il quadro che ne esce è schizofrenico. Il 91% dei marketer ritiene che il rischio di prendere decisioni aziendali basate su insight AI inaccurati sia significativo. Ma il comportamento non segue. Solo il 37% verifica gli insight generati dall’AI la maggior parte delle volte. E il 76% ammette di aver usato accidentalmente dati che si sono poi rivelati obsoleti.
Tutti sanno che l’AI sbaglia. Nessuno agisce come se lo sapesse davvero. Tre quarti del campione ha usato dati vecchi senza accorgersene: non un refuso tecnico, ma la materia prima di ogni decisione. La distanza tra il 91% che percepisce il rischio e il 37% che verifica non è un margine di errore: è un’abitudine consolidata. E qui nasce la domanda scomoda: se il 91% sa che il rischio è reale, chi ha interesse a non verificare?
Il mercato dell’illusione
La risposta va cercata in chi vende precisione. LaunchSignals sostiene di aver classificato la performance complessiva di lancio con quasi il 90% di accuratezza in test ciechi contro lanci passati con esiti noti. Quasi il 90%: una promessa che suona rassicurante in un settore dove i risultati inaccurati sono la norma. Ma i dati raccontano un’altra storia.
Secondo il Pew Research Center, in una ricerca pubblicata a fine settembre, i sondaggi sintetici stimano male l’umore pubblico e sono particolarmente soggetti a errori per alcuni sottogruppi, tra cui repubblicani e adulti neri. Non sbagliano in modo uniforme: falliscono proprio dove la realtà è più varia, più scomoda, meno addestrabile. La ricerca di NORC presso l’Università di Chicago ha scoperto che i modelli linguistici di grandi dimensioni non rispondono alle domande dei sondaggi allo stesso modo delle persone. E i rispondenti generati dall’IA possono non riflettere l’intera gamma di risposte osservate nei dati dei sondaggi.
GWI ha avvertito che i modelli generici privi di dati verificati sui consumatori comportano il rischio di allucinazioni. Tradotto: se lo strumento non è ancorato a dati reali e verificati, non stai comprando precisione. Stai comprando una media statistica con un bel travestimento. Quasi il 90% in un test cieco non è il 90% nel mondo reale. E il mondo reale è pieno di repubblicani, adulti neri, consumatori atipici: proprio i gruppi per cui i dati sintetici falliscono di più. Resta da chiedersi chi paga quando la promessa di precisione si scontra con la realtà dei dati.
Il conto da pagare
Il conto, per ora, lo pagano i marketing leader. Secondo i dati GWI, l’82% ha subito almeno una conseguenza negativa a causa di insight AI inaccurati. Sempre secondo GWI, l’80% dei professionisti intervistati afferma di incontrare frequentemente risultati AI inaccurati o fuorvianti. E il 37% dice che agire su insight inaccurati ha portato a perdite finanziarie. Un 37% che, per coincidenza, è identico alla quota di chi verifica la maggior parte delle volte.
Perdite finanziarie. Non metriche leggermente sbagliate: soldi. Eppure il comportamento non cambia. L’80% incontra frequentemente risultati inaccurati e continua ad andare avanti. L’82% ha subito almeno una conseguenza negativa, ma i controlli sistematici restano l’eccezione. Qui si apre la questione che nessuno vuole affrontare: chi risponde quando l’insight sbagliato diventa una perdita a bilancio? Il fornitore che ha promesso quasi il 90% di accuratezza? Il manager che non ha verificato? O entrambi, in un gioco di scaricabarile che lascia il conto a qualcun altro? Finché nessuno verifica, chi può pretendere responsabilità?
Il marketing sa di muoversi su insight fragili. I numeri lo dicono: il 91% percepisce il rischio, il 72% ha già sbagliato, l’82% ha subito conseguenze. Eppure continua a fidarsi. La domanda non è se l’AI sbaglierà ancora — sbaglierà, è nella natura del dato sintetico. La domanda è chi pagherà il prossimo errore non verificato. E se qualcuno, prima o poi, dovrà rendere conto.