Marketing, dati e intelligenza artificiale: decidere nell’era dell’algoritmo

A cura di Gianni Bientinesi – CEO di Business Intelligence Group

C’è una domanda che torna con insistenza in ogni conversazione seria sul futuro del marketing: stiamo imparando a usare l’intelligenza artificiale, o stiamo lasciando che sia l’intelligenza artificiale a usare noi? Non è una provocazione retorica. È la questione sostanziale intorno alla quale ruota l’intera trasformazione che stiamo vivendo — e che definirà, nei prossimi anni, la differenza tra le aziende capaci di competere e quelle che si limiteranno a sopravvivere.

I numeri parlano chiaro. Secondo la ricerca dell’Osservatorio Artificial Intelligence della POLIMI School of Management, nel 2025 il mercato italiano dell’intelligenza artificiale ha raggiunto 1,8 miliardi di euro, con una crescita del +50% rispetto al 2024. Il 46% del mercato è frutto di soluzioni di GenAI o di progetti ibridi, il restante 54% di progetti prevalentemente di Machine Learning. Non siamo più nella fase dell’entusiasmo speculativo: siamo in quella degli investimenti reali, dei processi ridisegnati, dei team riorganizzati. Eppure, a guardare bene i dati, qualcosa non torna.

Nel 2025 il 71% delle grandi imprese italiane ha avviato almeno un progetto di IA, in aumento significativo rispetto al 59% del 2024. Il 60% ha almeno un’iniziativa progettuale di GenAI. Tuttavia, solo una grande impresa su cinque ha una buona pervasività dell’AI in diverse funzioni aziendali. E quando si scende verso le imprese di minori dimensioni, il quadro si fa più preoccupante: solo il 7% delle piccole e il 15% delle medie imprese ha avviato progetti. L’Italia, nel confronto europeo, si colloca ultima tra otto Paesi per adozione dell’AI.

Questo è il paradosso con cui il marketing italiano deve fare i conti ogni giorno: abbondanza di strumenti, scarsità di trasformazione. Adozione di superficie, latitanza di visione.

Come l’IA generativa sta riscrivendo la creazione di contenuti

Il cambiamento più visibile — e per certi versi più equivocato — riguarda la produzione dei contenuti. L’IA generativa ha rotto una logica che sembrava immutabile: quella per cui creare contenuti di qualità richiedeva tempo, risorse e una filiera creativa articolata. Oggi un team marketing di medie dimensioni può generare in poche ore varianti di testo per campagne multicanale, adattare i messaggi a diversi segmenti di pubblico, produrre immagini, video brevi, script, presentazioni commerciali personalizzate.

Ma il vero vantaggio competitivo non è la velocità. È la personalizzazione su scala. La GenAI consente di costruire comunicazioni su misura per ogni singolo consumatore — non per macro-segmenti, ma per individui — a costi che rendono questa operazione economicamente sostenibile anche per realtà non enterprise.

Quello che cambia, in sostanza, è il baricentro del lavoro creativo. Il professionista del marketing non è più il produttore diretto dei contenuti: diventa il progettista del sistema che li genera. Sceglie la voce del brand, definisce i parametri narrativi, valuta la qualità dell’output, decide cosa funziona e cosa no. Un ruolo più editoriale, più strategico, più vicino alla direzione creativa che alla produzione esecutiva.

«L’algoritmo non pensa: sei tu che devi farlo.»
— Gianni Bientinesi, Decidere nell’era dell’algoritmo

L’IA generativa è uno strumento straordinario, ma è uno strumento privo di intenzionalità. È la qualità della domanda che le poniamo — e della visione che la orienta — a determinare la qualità del risultato. Le aziende che utilizzano la GenAI come scorciatoia per produrre più contenuti mediocri alla stessa velocità con cui prima se ne producevano pochi non stanno innovando: stanno automatizzando l’irrilevanza.

Le competenze che contano davvero

C’è un mito da smontare nel dibattito sulle skill nell’era dell’IA: che le competenze tecniche siano quelle più importanti. Non è così. O meglio: sono necessarie, ma non sufficienti. E spesso non sono nemmeno quelle più rare.

Le aziende che ottengono i migliori risultati dall’adozione dell’IA nel marketing non sono quelle con i team più tecnici. Sono quelle con i team più capaci di integrare pensiero strategico, sensibilità creativa e padronanza degli strumenti. La tecnologia cambia rapidamente; il pensiero critico applicato ai dati, la capacità di interpretare i segnali del mercato, la competenza nella costruzione di relazioni di fiducia con il consumatore — queste sono competenze che restano.

Le quattro skill essenziali per il professionista del marketing nell’era dell’IA sono:

1. Pensiero critico applicato ai dati. Saper leggere un report di performance non basta più. Bisogna saper distinguere correlazione da causalità, riconoscere i bias negli algoritmi di targeting, capire quando i dati stanno raccontando una storia vera e quando invece ingannano. Le tecnologie guidate dall’IA intercettano i bisogni già strutturati in forma di dati tracciabili, alimentando un loop autoreferenziale che tende a privilegiare ciò che è già misurabile, trascurando la complessità dinamica dei bisogni autentici.
2. Direzione creativa dell’IA. La capacità di formulare istruzioni precise ai sistemi generativi, di iterare rapidamente, di valutare la qualità dell’output con occhio critico. È una skill ibrida, che unisce sensibilità linguistica e comprensione del funzionamento dei modelli. Non richiede di saper programmare. Richiede di saper pensare.
3. Gestione della brand identity in ambienti generativi. Quando i contenuti vengono prodotti in larga misura da sistemi automatizzati, mantenere la coerenza della voce e dei valori del brand diventa una sfida non banale. Serve costruire sistemi di linee guida sufficientemente dettagliati da istruire i modelli, ma sufficientemente flessibili da non soffocare la creatività.
4. Cultura etica e di compliance digitale. Chi non presidia il rischio di bias algoritmici, la tutela dei dati personali, la trasparenza nei confronti dei consumatori, espone l’azienda a vulnerabilità reputazionali e legali che possono vanificare i benefici di qualsiasi innovazione tecnologica.

Dati, decisioni e la transizione dal “cosa” al “perché”

C’è un cambiamento profondo nel modo in cui l’analisi dei dati influisce sulle decisioni strategiche di comunicazione, e non riguarda solo la quantità delle informazioni disponibili. Riguarda la natura delle domande che siamo in grado di porre.

Per decenni, le ricerche di mercato hanno risposto essenzialmente alla domanda “cosa”: cosa comprano i consumatori, cosa guardano, dove cliccano, cosa cercano. Era una conoscenza preziosa, ma per sua natura retrospettiva — una fotografia del passato, utile per orientarsi nel futuro solo in contesti relativamente stabili. Oggi, grazie all’integrazione tra analisi in tempo reale, modelli predittivi e intelligenza artificiale, è possibile anticipare i comportamenti prima che si manifestino, identificare tendenze emergenti mentre sono ancora in formazione, misurare l’efficacia di una campagna non a consuntivo ma durante il suo svolgimento.

Ma c’è una dimensione ulteriore — quella del “perché” — che nessuna quantità di dati comportamentali riesce a catturare da sola. Sapere cosa fa un consumatore è diverso dal capire perché lo fa. Ed è il “perché” — le motivazioni profonde, le emozioni, i valori — che consente di costruire comunicazioni davvero efficaci, capaci di creare connessione autentica oltre che transazione commerciale.

Le metodologie di ricerca qualitativa — interviste in profondità, focus group, osservazione etnografica, netnografia — non sono relitti del passato pre-digitale. Sono strumenti indispensabili per dotare di senso la massa di dati quantitativi che l’IA è in grado di generare e processare. Integrate con l’intelligenza artificiale, queste metodologie acquistano una nuova potenza: possono essere condotte con maggiore velocità, su campioni più ampi, con una capacità di analisi e sintesi che supera di gran lunga ciò che era possibile fino a pochi anni fa.

Il collo di bottiglia, nella maggior parte delle aziende italiane, non è la disponibilità dei dati. È la capacità di trasformarli in decisioni. Troppi livelli gerarchici, troppa frammentazione tra funzioni, troppa cultura del consenso che rallenta l’esecuzione: questi sono gli ostacoli reali alla comunicazione data-driven, non la mancanza di tecnologia.

La fiducia come terreno di gioco strategico

C’è una domanda che le aziende italiane non stanno ancora affrontando con la serietà che merita: nell’era dell’algoritmo, su cosa si fonderà la fiducia dei consumatori?

La fiducia, per come la conosciamo, non è più un semplice riflesso della qualità percepita del prodotto. È diventata un ecosistema complesso fatto di credibilità narrativa, attrattività simbolica, relazione esperienziale con il brand. E in questo ecosistema, l’IA gioca un ruolo ambivalente: da un lato amplifica la capacità di personalizzazione e rilevanza, dall’altro introduce rischi nuovi — l’opacità degli algoritmi, la possibilità di bias sistematici, la difficoltà di distinguere ciò che è autenticamente umano da ciò che è generato artificialmente.

Siamo di fronte alla necessità di costruire ecosistemi di IA responsabili. In questo contesto, il ruolo delle marche non si riduce, bensì si amplifica: se il consumatore non ha le competenze per valutare la qualità degli algoritmi che guidano i sistemi con cui interagisce, sarà il brand a dover fare da garante. Non lo farà attraverso dichiarazioni di principio, ma attraverso scelte concrete, trasparenti, verificabili.

I dati dell’Osservatorio PoliMi confermano che la consapevolezza sta crescendo: quattro grandi imprese su dieci hanno già definito linee guida di utilizzo dell’AI, e il 24% vieta l’utilizzo di strumenti di GenAI non forniti dall’organizzazione. Sono segnali positivi, anche se ancora insufficienti. La governance dell’IA non è un tema per il dipartimento legale: è una questione di posizionamento strategico, di reputazione, di relazione con il mercato.

La posta in gioco

Secondo i direttori dell’Osservatorio del Politecnico di Milano, il passaggio cruciale che ci aspetta è dalla semplice adozione individuale dell’AI alla trasformazione strutturale delle organizzazioni — che è ancora limitata, e che richiede dati ben organizzati, competenze tecniche diffuse e cultura aziendale aperta alla sperimentazione.

È una diagnosi precisa. E vale, a maggior ragione, per il marketing. Non basta adottare gli strumenti. Non basta acquistare licenze di Copilot o ChatGPT e distribuirle ai team. La trasformazione vera richiede di ripensare i processi, ridisegnare i ruoli, investire nella formazione, costruire una cultura dell’evidenza che sappia bilanciare la potenza dell’analisi computazionale con la profondità del giudizio umano.

«Se non sai spiegare una decisione, non la stai davvero prendendo.»
— Gianni Bientinesi, Decidere nell’era dell’algoritmo

In un mondo in cui gli algoritmi ci offrono soluzioni sempre più sofisticate, la vera competenza differenziante non è saper usare l’IA. È saper decidere — con l’IA, attraverso l’IA, ma senza delegarle la responsabilità che resta e resterà sempre irriducibilmente umana.

Gianni Bientinesi è esperto di indagini e studi di mercato e autore di “Decidere nell’era dell’algoritmo” (Minerva Edizioni). Fonte dati: Osservatorio Artificial Intelligence, POLIMI School of Management, 2025.