Intelligenza artificiale nel marketing: da dove partire

Nel 2025 il marketing e le vendite sono diventati il primo ambito in cui le imprese italiane usano l'intelligenza artificiale nel marketing e nel commercio: lo fa il 33,1% delle aziende che hanno adottato l'IA, secondo l'ISTAT. Il dato sembra incoraggiante finché non si guarda il denominatore. Le imprese con almeno 10 addetti che usano almeno una tecnologia di IA sono il 16,4%, e l'83,6% non ne usa nessuna.

Tradotto: una parte piccola delle aziende italiane sta già usando l'IA dove porta clienti, e la grande maggioranza non ha ancora deciso da dove partire. Questa guida è per la seconda categoria, e per chi nella prima ha comprato strumenti senza vedere numeri. Niente elenchi di tool: un metodo per scegliere il primo caso d'uso, misurarlo, governarlo e allargarlo.

Scrivo da fondatore che ha portato progetti di IA nel marketing di aziende vere, non da teorico. I numeri che cito hanno una fonte, e dove un dato non è verificabile non lo uso.

Intelligenza artificiale nel marketing: cosa significa davvero nel 2026

L'espressione copre cose molto diverse, e confonderle è il primo motivo per cui i progetti si arenano. Quando un'azienda mi dice "vogliamo fare AI marketing", la prima cosa che faccio è dividere quello che ha in mente in cinque famiglie.

1. Produzione di contenuti. Testi, immagini, video, varianti creative per annunci, newsletter, schede prodotto.
2. Analisi e previsione. Segmentazione dei clienti, previsione della domanda, stima della probabilità di acquisto o di abbandono.
3. Personalizzazione. Messaggi, offerte e prezzi diversi per segmenti diversi, nel momento giusto.
4. Ottimizzazione delle campagne. Allocazione del budget, offerte automatiche, test continui sulle creatività.
5. Assistenza e conversazione. Chatbot e agenti che rispondono a clienti e potenziali clienti, qualificano contatti, fissano appuntamenti.

Ogni famiglia ha costi, rischi e tempi di ritorno diversi. La produzione di contenuti costa poco e dà risultati in settimane, ma da sola raramente sposta il fatturato. L'analisi predittiva richiede dati puliti ma può cambiare il modo in cui si spende il budget. L'assistenza conversazionale tocca direttamente i clienti, quindi porta con sé obblighi di trasparenza.

Strumento, processo o strategia

C'è una seconda distinzione che conta più della prima. Usare l'IA come strumento significa che una persona fa lo stesso lavoro più in fretta: scrive un post in dieci minuti invece che in un'ora. Usarla come processo significa ridisegnare un flusso: ogni nuovo contatto viene arricchito, classificato e indirizzato senza intervento manuale. Usarla come strategia significa decidere che un vantaggio competitivo dell'azienda passa dai dati e dall'IA.

La maggior parte delle PMI italiane è ferma al primo livello. È un buon inizio, ma il ritorno vero sta nel secondo.

I dati: a che punto sono le aziende italiane

Prima di decidere cosa fare, vale la pena sapere dove si trovano i concorrenti. I numeri più solidi sull'Italia vengono da due fonti.

Il comunicato ISTAT Imprese e ICT 2025 dice che l'uso dell'IA nelle imprese con almeno 10 addetti è raddoppiato in un anno, dall'8,2% del 2024 al 16,4% del 2025. Il divario per dimensione però si allarga invece di chiudersi: oltre la metà delle grandi imprese usa l'IA, contro una quota molto più bassa tra le PMI. E quasi il 60% delle aziende che avevano valutato un investimento in IA senza poi farlo indica come freno la mancanza di competenze.

Il secondo dato utile per chi lavora nel marketing: tra le imprese che usano l'IA, l'ambito più frequente è proprio marketing e vendite, al 33,1%, davanti all'organizzazione dei processi amministrativi (25,7%) e alla ricerca e sviluppo (20%).

La seconda fonte è l'Osservatorio Artificial Intelligence del Politecnico di Milano, ripreso da LaPresse a febbraio 2026: il mercato italiano dell'IA vale 1,8 miliardi di euro nel 2025, in crescita del 50%. Il 71% delle grandi imprese ha avviato almeno un progetto, contro l'8% delle piccole e medie.

Cosa dicono i direttori marketing

Il quadro internazionale aggiunge un elemento: il budget non cresce. Il sondaggio Gartner 2025 sui CMO, condotto su 402 responsabili marketing tra Nord America ed Europa, ha trovato budget fermi al 7,7% del fatturato aziendale, con il 59% dei CMO che dichiara di non avere risorse sufficienti per la propria strategia. Le aziende rispondono cercando produttività con dati e automazione. Chi ha investito nell'IA generativa indica come ritorno l'efficienza di tempo (49%), l'efficienza di costo (40%) e la capacità di produrre più contenuti o gestire più lavoro (27%), come riporta Social Samosa sul sondaggio Gartner.

Il messaggio per una PMI italiana è chiaro: l'IA nel marketing non è una spesa in più da aggiungere al budget. È il modo per fare di più con il budget che c'è.

Intelligenza artificiale nel marketing: da dove partire

Questa è la domanda che mi fanno più spesso, e la risposta non è uno strumento. È un ordine di lavoro in quattro passi.

Passo 1: trova il collo di bottiglia

Ogni reparto marketing ha un punto in cui il lavoro si accumula. Può essere la produzione di contenuti (non si riesce a pubblicare con continuità), la gestione dei contatti (arrivano richieste che nessuno richiama in tempo), l'analisi (si fanno campagne senza sapere quali rendono) o la personalizzazione (si manda la stessa email a tutti).

Il primo progetto di IA va messo lì, non dove il fornitore ha la demo più bella. Un modo rapido per trovarlo: chiedi al team quale attività rimandano più spesso e quale vorrebbero fare se avessero il doppio del tempo.

Passo 2: misura il punto di partenza

Prima di toccare qualsiasi cosa, fissa tre o quattro numeri. Tempo medio per produrre un contenuto, tempo di risposta a un nuovo contatto, tasso di conversione da contatto a cliente, costo per acquisizione. Senza un punto di partenza, fra tre mesi non saprai se l'IA ha funzionato, e chi deve approvare il budget successivo non ti crederà.

Passo 3: scegli un caso d'uso stretto

"Usare l'IA per i social" è troppo largo. "Produrre ogni settimana tre varianti di annuncio per la campagna principale e testarle" è un caso d'uso. Stretto vuol dire che si può misurare in 30 giorni e che una persona sola ne è responsabile.

Passo 4: allarga solo dopo aver visto il numero

Quando il primo caso d'uso produce un risultato misurabile, documenta come l'hai fatto e passa al successivo. Le aziende che saltano questo passaggio si ritrovano con dieci abbonamenti, nessun processo e la sensazione che "l'IA non funziona".

Se vuoi un parere esterno su quale sia il primo caso d'uso giusto per la tua azienda, è il tipo di lavoro che faccio nelle consulenze: una sessione per leggere i numeri, scegliere il punto di partenza e fissare le metriche prima di spendere. Puoi richiederla dalla pagina consulenza del sito.

L'IA lungo il funnel: cosa funziona in ogni fase

Una volta scelto il punto di partenza, serve una mappa. Ecco come uso l'IA in ogni fase del percorso del cliente, con il prerequisito e il rischio di ciascuna. Per una visione completa del percorso c'è la mia guida al customer journey.

Farsi trovare: ricerca, contenuti e posizionamento

Cosa fa bene l'IA: analizzare le domande che i clienti fanno davvero (ricerche, recensioni, email, trascrizioni delle chiamate), raggrupparle per tema e preparare bozze di contenuti che le rispondano. Riduce drasticamente il tempo tra "abbiamo un'idea" e "abbiamo una bozza".

Prerequisito: una linea editoriale chiara e qualcuno che la difenda. L'IA scrive bene testi medi. Un'azienda che pubblica testi medi diventa indistinguibile.

Rischio: contenuti generici, errori di fatto, perdita della voce del marchio. Ogni testo pubblicato deve passare da una persona che conosce il prodotto.

Metrica: tempo dalla bozza alla pubblicazione, e soprattutto traffico qualificato e contatti generati dai contenuti, non il numero di articoli.

Farsi scegliere: annunci e creatività

Cosa fa bene l'IA: produrre molte varianti di testo e immagine per gli annunci, così che le piattaforme pubblicitarie possano testarle e spostare il budget su quelle che rendono. Le piattaforme di Meta e Google hanno già sistemi automatici di offerta e allocazione che lavorano meglio quando ricevono più varianti creative.

Prerequisito: un tracciamento delle conversioni corretto. Se la piattaforma ottimizza su un segnale sbagliato, l'IA ottimizza in fretta nella direzione sbagliata.

Rischio: spendere di più senza accorgersene, perché i sistemi automatici tendono a consumare il budget disponibile. Fissa limiti e controlla il costo per acquisizione, non il costo per clic.

Metrica: costo per acquisizione e ritorno sulla spesa pubblicitaria, confrontati con il periodo prima dell'introduzione.

Convertire: contatti, risposta e qualificazione

Cosa fa bene l'IA: rispondere subito a chi lascia un contatto, fare le prime domande di qualificazione, arricchire la scheda con le informazioni disponibili e passare al commerciale solo i contatti pronti. La velocità di risposta pesa moltissimo sulla conversione, e l'IA non va in ferie.

Prerequisito: un CRM usato davvero. Ne parlo nel dettaglio nella guida all'intelligenza artificiale per la lead generation.

Rischio: un assistente che promette cose che l'azienda non può mantenere, o che non dice di essere un'IA. Dal 2 agosto 2026 dire che si sta parlando con un sistema di IA è un obbligo, come spiego più avanti.

Metrica: tempo di prima risposta e tasso di conversione da contatto a opportunità.

Fidelizzare: email, personalizzazione e riacquisto

Cosa fa bene l'IA: decidere quale messaggio mandare a chi e quando, in base al comportamento. È qui che la personalizzazione rende di più, perché si lavora su clienti che hanno già comprato.

Le ricerche di McKinsey sulla personalizzazione, pubblicate nel 2021 ma ancora le più citate, indicano che il 71% dei consumatori si aspetta interazioni personalizzate e il 76% si irrita quando non le riceve. Lo stesso studio stima che la personalizzazione porti in genere un aumento dei ricavi tra il 10 e il 15%, con una forbice tra il 5 e il 25% a seconda del settore e della capacità di esecuzione. Il rapporto è consultabile su McKinsey.

Prerequisito: dati di acquisto collegati alla persona, consenso al trattamento e una piattaforma email che sappia usarli. Per il dettaglio operativo rimando alla guida sull'IA nell'email marketing e a quella sulla marketing automation.

Rischio: personalizzazione che diventa invadente, o profilazione senza base giuridica. Il GDPR resta il primo vincolo.

Metrica: tasso di riacquisto, valore medio del cliente nel tempo, tasso di disiscrizione.

Misurare: analisi e attribuzione

Cosa fa bene l'IA: leggere grandi quantità di dati di campagna e di vendita e indicare cosa sta funzionando, rispondere a domande in linguaggio naturale ("quale canale ha portato i clienti con lo scontrino più alto nell'ultimo trimestre?"), segnalare anomalie.

Prerequisito: dati di marketing e di vendita nello stesso posto, o almeno collegabili. In molte PMI le campagne stanno in un sistema, gli ordini in un altro e nessuno li ha mai incrociati.

Rischio: decisioni prese su correlazioni sbagliate. L'IA trova schemi anche dove non ci sono.

Metrica: quota del budget spostata in base ai dati, e risultato di quello spostamento.

Tre casi reali: cosa ha funzionato e perché

I numeri generali servono a capire il contesto. I casi servono a capire il metodo. Questi sono tre progetti che ho seguito direttamente, descritti per settore.

Un distributore sportivo: +30% di vendite

Un distributore di articoli sportivi, con molti prodotti e molti rivenditori, ha introdotto l'IA nel marketing partendo da un obiettivo commerciale preciso e da numeri di partenza misurati. Il risultato è stato un aumento delle vendite del 30%.

La lezione che porto nei progetti successivi: il guadagno non viene dallo strumento che scrive i testi, ma dal fatto di usare i dati per parlare in modo diverso a clienti diversi.

Un agriturismo: ospiti raddoppiati

Una struttura piccola, senza reparto marketing, con il titolare che seguiva tutto. Con un progetto di IA applicata al marketing gli ospiti sono raddoppiati.

Il punto qui è opposto al caso precedente: per una microimpresa l'IA non serve a fare cose sofisticate, serve a fare con costanza le cose di base per cui prima non c'era tempo.

Un hotel: da 9 a 10 milioni di ricavi

In un hotel, un progetto di IA ha accompagnato il passaggio dei ricavi da 9 a 10 milioni. Il lavoro su domanda e prezzi è uno degli ambiti in cui l'IA rende di più nell'ospitalità; per questo tema ho scritto una guida a parte sull'intelligenza artificiale nel pricing.

Cosa hanno in comune

Tre settori diversi, tre dimensioni diverse, uno schema comune:

• un problema di business chiaro prima dello strumento;
• un numero di partenza misurato;
• una persona responsabile del risultato;
• un'estensione graduale solo dopo il primo risultato.

Le regole: cosa cambia per il marketing con AI Act e legge italiana

Il marketing è l'area in cui l'IA tocca più direttamente il pubblico, quindi è anche quella dove le regole contano di più. Ecco cosa serve sapere, senza allarmismi e senza scorciatoie.

AI Act: trasparenza dal 2 agosto 2026

Il Regolamento (UE) 2024/1689 è in vigore dal 1 agosto 2024 e si applica per fasi. Dopo le modifiche del Regolamento (UE) 2026/1744, il calendario che interessa il marketing è questo:

In pratica, per un reparto marketing:

• Chatbot e assistenti che parlano con clienti devono rendere chiaro che si sta interagendo con un sistema di IA, salvo che sia evidente dal contesto.
• Immagini, audio e video che imitano persone, luoghi o eventi reali in modo da sembrare autentici (i deepfake) vanno dichiarati come generati o manipolati artificialmente. Per i contenuti chiaramente creativi o satirici l'obbligo è attenuato, ma non sparisce.
• L'articolo 4 chiede di adottare misure che sostengano l'alfabetizzazione in materia di IA del personale. Non prescrive un livello specifico né una durata. Una formazione documentata è il modo più semplice per dimostrare di averlo fatto; ne parlo nella guida alla formazione sull'IA in azienda.

Per il quadro completo c'è la mia guida all'AI Act per le aziende.

Legge 132/2025

La Legge 23 settembre 2025, n. 132, in vigore dal 10 ottobre 2025, è la prima legge italiana sull'IA. Per il marketing i punti di contatto principali sono la tutela del diritto d'autore sulle opere create con l'aiuto dell'IA, che resta legata al contributo umano, e l'obbligo per il datore di lavoro di informare i lavoratori quando usa sistemi di IA nei casi previsti dalla normativa sul lavoro.

GDPR e Codice del Consumo

Due vincoli che esistevano già e che l'IA rende più facili da violare:

• Profilazione. Personalizzare messaggi in base al comportamento è profilazione. Serve una base giuridica, un'informativa chiara e, per il marketing diretto, il consenso.
• Pratiche commerciali scorrette. Testi, recensioni o immagini generati con l'IA che inducono in errore il consumatore restano pratiche scorrette, chiunque li abbia scritti. Recensioni false generate in serie sono il caso più evidente.

Quanto costa l'IA nel marketing per una PMI

Le cifre cambiano molto in base a cosa si fa, ma la struttura dei costi è sempre la stessa. Per un'analisi più ampia rimando alla guida sui costi dell'intelligenza artificiale in azienda.

Due errori frequenti sui costi:

1. Contare solo gli abbonamenti. Il vero investimento è il tempo delle persone e la sistemazione dei dati.
2. Moltiplicare gli strumenti. Prima di comprare un nuovo prodotto, verifica se la piattaforma che già usi (CRM, email, gestione annunci) ha funzioni di IA incluse. Spesso le ha.

Come calcolare il ritorno

Il modo più semplice: stima il tempo risparmiato su un'attività ripetitiva, moltiplicalo per il costo orario e per la frequenza, e confrontalo con il costo totale del progetto. Poi aggiungi, separatamente, l'effetto sui ricavi (conversioni, riacquisto) solo quando l'hai misurato. Un business case che si regge sul solo risparmio di tempo è prudente. Uno che si regge solo su ricavi promessi è fragile.

Autovalutazione: quanto è pronta la tua azienda

Rispondi sì o no a ciascuna domanda. Conta i sì.

1. Sai qual è oggi il tuo costo medio per acquisire un cliente?
2. Il CRM contiene dati aggiornati su almeno l'80% dei clienti attivi?
3. Riesci a collegare una vendita alla campagna che l'ha generata?
4. C'è una persona responsabile dei risultati del marketing digitale?
5. Hai una linea editoriale scritta (tono, temi, cose da non dire)?
6. Il team usa già un assistente IA, anche in modo informale?
7. Esiste una regola scritta su quali dati si possono inserire negli strumenti di IA?
8. Le informative privacy coprono la profilazione per finalità di marketing?
9. Sai quale attività di marketing il team rimanda più spesso?
10. Hai un budget, anche piccolo, per un progetto di 90 giorni?

0 a 3 sì: parti dalle basi. Prima tracciamento, CRM e una persona responsabile. L'IA arriva dopo.
4 a 7 sì: sei pronto per un primo caso d'uso stretto, con metriche fissate prima.
8 a 10 sì: puoi lavorare su processi interi e personalizzazione, e valutare gli agenti.

La domanda 7 merita attenzione anche se hai risposto sì a tutto il resto. Il tema dell'uso non autorizzato degli strumenti di IA da parte dei dipendenti è uno dei rischi più sottovalutati nelle PMI.

Piano in 90 giorni

Questo è il piano che uso quando un'azienda vuole risultati in un trimestre.

Giorni 1-30: scegliere e misurare

• Individua il collo di bottiglia con il team.
• Misura il punto di partenza su tre o quattro numeri.
• Scegli un caso d'uso stretto e una persona responsabile.
• Scrivi una regola d'uso di una pagina: quali strumenti, quali dati sì e quali no, chi rivede cosa prima della pubblicazione.
• Verifica informative privacy e consensi.

Giorni 31-60: costruire e provare

• Configura lo strumento sul caso d'uso, possibilmente dentro piattaforme che già usi.
• Prepara istruzioni e modelli di richiesta condivisi, non lasciati alla memoria dei singoli.
• Lavora in parallelo: metà delle attività con il nuovo metodo, metà con il vecchio, per avere un confronto pulito.
• Raccogli ogni settimana i problemi incontrati e correggili.

Giorni 61-90: misurare e decidere

• Confronta i risultati con il punto di partenza.
• Documenta il processo che ha funzionato, in modo che qualcun altro possa ripeterlo.
• Presenta alla direzione i risultati in euro e in giorni, non in "numero di contenuti prodotti".
• Decidi il secondo caso d'uso in base ai dati.

Se preferisci impostare il piano con qualcuno che l'ha già fatto in più settori, puoi richiedere una consulenza: partiamo dai tuoi numeri e usciamo con un caso d'uso, le metriche e le regole d'uso pronte.

Agenti IA nel marketing: cosa è reale oggi

Gli agenti, cioè sistemi che eseguono in autonomia compiti in più passaggi, sono la parte più promossa del mercato. Alcuni usi sono già concreti: un agente che riceve un contatto, cerca informazioni pubbliche sull'azienda, compila la scheda nel CRM e prepara una bozza di risposta per il commerciale. Oppure un agente che ogni lunedì legge i risultati delle campagne e prepara un riepilogo con le anomalie.

Quello che non funziona ancora bene è l'agente che "gestisce il marketing" da solo. Le decisioni di posizionamento, tono, priorità e budget richiedono conoscenza del mercato e responsabilità che un sistema non ha.

La regola che applico: l'agente prepara, la persona decide e pubblica. Vale doppio per tutto ciò che arriva al cliente.

Un dato utile per capire dove gli assistenti rendono di più viene da uno studio del National Bureau of Economic Research sul servizio clienti: con un assistente IA la produttività media è salita del 14%, con i guadagni maggiori tra le persone meno esperte. Nel marketing vale lo stesso schema: l'IA alza il livello minimo del lavoro, mentre il livello massimo resta legato alla competenza.

Come scegliere gli strumenti di IA per il marketing

Non faccio classifiche di strumenti: cambiano ogni trimestre e quella giusta dipende dall'azienda. Uso invece otto criteri, gli stessi per un assistente generale, una piattaforma email o un sistema per gli annunci.

Un consiglio pratico: prima di firmare, fai una prova di due settimane sul tuo caso d'uso reale, con i tuoi dati, e confronta il risultato con il punto di partenza. Una demo fatta dal fornitore sui suoi dati non dimostra niente sul tuo marketing.

Istruzioni efficaci: come si lavora con l'IA ogni giorno

La differenza tra un team che ottiene risultati dall'IA e uno che la abbandona dopo un mese sta quasi sempre nella qualità delle istruzioni. Un'istruzione vaga produce un testo medio. Un'istruzione precisa produce una bozza utilizzabile.

Una buona istruzione per un compito di marketing contiene cinque elementi:

1. Il ruolo e il contesto. Chi è l'azienda, cosa vende, a chi si rivolge.
2. L'obiettivo. Cosa deve ottenere il contenuto: un clic, una richiesta di preventivo, un riacquisto.
3. Il pubblico. Chi legge, cosa sa già, quali obiezioni ha.
4. I vincoli. Tono, lunghezza, parole da evitare, affermazioni che non si possono fare.
5. Il materiale. Dati, esempi, testi precedenti che hanno funzionato.

Il passo successivo è smettere di affidare queste istruzioni alla memoria dei singoli. Le istruzioni che funzionano vanno salvate in una raccolta condivisa, con un responsabile che le aggiorna. In questo modo il lavoro non dipende da chi è in ufficio quel giorno, e un nuovo collaboratore produce da subito con lo stesso standard.

Infine, la revisione. Ogni contenuto generato deve essere controllato su tre punti prima della pubblicazione: i fatti (numeri, date, caratteristiche del prodotto), il tono (è riconoscibile come nostro?) e le promesse (stiamo dicendo qualcosa che non possiamo mantenere?).

IA nel marketing B2B: cosa cambia

Molte guide parlano solo di consumatori. Nel B2B, dove si vende ad altre aziende, l'IA lavora su un terreno diverso: pochi clienti di valore alto, cicli di vendita lunghi, più persone coinvolte nella decisione.

Gli usi che rendono di più nel B2B sono tre:

• Ricerca sui potenziali clienti. Preparare in pochi minuti una scheda su un'azienda (attività, notizie recenti, persone chiave) prima di un contatto commerciale.
• Contenuti per ogni fase della decisione. Materiali diversi per chi valuta la parte tecnica, per chi guarda il costo e per chi firma.
• Coordinamento tra marketing e vendite. Riassumere le interazioni di un cliente con sito, email ed eventi, così che il commerciale arrivi all'incontro sapendo cosa interessa davvero.

Nel B2B il rischio principale è l'automazione della relazione. Un messaggio generico generato in serie, mandato a un responsabile acquisti che riceve decine di proposte simili ogni settimana, fa più danni che silenzio. L'IA deve servire a rendere ogni contatto più pertinente, non a moltiplicarne il numero.

Gli errori più comuni

1. Partire dallo strumento. Si compra un abbonamento perché lo usa un concorrente, poi si cerca un problema da risolvere.
2. Pubblicare senza revisione. Testi generici, errori di fatto, tono sbagliato. Il danno al marchio costa più del tempo risparmiato.
3. Misurare la quantità. "Facciamo il triplo dei post" non è un risultato. Lo è "abbiamo il 20% di contatti qualificati in più".
4. Ignorare i dati di partenza. Senza un confronto, ogni risultato è un'opinione.
5. Lasciare l'uso dell'IA ai singoli. Ognuno usa uno strumento diverso, con dati diversi e regole diverse. Nessuno sa cosa è stato inserito dove.
6. Dimenticare la trasparenza. Dal 2 agosto 2026 chatbot e deepfake vanno dichiarati.
7. Pensare che l'IA sostituisca la strategia. Se la strategia è debole, l'IA produce più in fretta risultati deboli.

Per le agenzie che lavorano per conto dei clienti questi errori si moltiplicano, e ho scritto una guida dedicata all'IA per le agenzie di marketing. Per il quadro generale sulle piccole e medie imprese c'è la guida all'intelligenza artificiale per le PMI.

Le metriche giuste per l'IA nel marketing

Il modo più rapido per perdere il sostegno della direzione è presentare metriche di attività invece che di risultato. Ecco come le divido.

Ogni progetto dovrebbe avere almeno una metrica di efficienza e una di risultato, fissate prima di partire e misurate con lo stesso metodo prima e dopo. Se dopo 90 giorni migliora solo l'attività, il progetto ha prodotto più lavoro, non più clienti.

Un ultimo accorgimento: confronta periodi simili. Una campagna di novembre non si confronta con una di agosto, e un mese con una promozione forte non si confronta con uno senza. Quando è possibile, il confronto migliore è quello in parallelo, con una parte del lavoro fatta con l'IA e una parte senza nello stesso periodo.

Il vantaggio competitivo non è lo strumento

Gli strumenti di IA per il marketing sono ormai alla portata di tutti, spesso inclusi nelle piattaforme che le aziende pagano già. Questo vuol dire che lo strumento in sé non è più un vantaggio. Il vantaggio sta in tre cose che non si comprano con un abbonamento:

• dati propri, puliti e collegati, che i concorrenti non hanno;
• processi ridisegnati intorno all'IA, non l'IA appoggiata sopra i processi vecchi;
• giudizio su cosa dire, a chi e perché, che resta il lavoro di chi conosce il mercato.

I tre casi che ho raccontato avevano strumenti diversi e budget diversi. Avevano in comune un problema chiaro, un numero di partenza e qualcuno che ne rispondeva.

FAQ

Intelligenza artificiale nel marketing: da dove partire in una PMI?

Si parte dal collo di bottiglia, non dallo strumento. Individua l'attività di marketing che il team rimanda più spesso o che fa perdere clienti, per esempio la risposta lenta ai contatti o la produzione discontinua di contenuti. Misura il punto di partenza con tre o quattro numeri, scegli un caso d'uso stretto con una persona responsabile e lavora 90 giorni. Solo dopo aver visto un risultato misurabile si passa al secondo caso d'uso.

Quanto costa usare l'IA nel marketing?

Gli abbonamenti sono la voce più visibile ma raramente la più grande. I costi veri sono il tempo delle persone per imparare e rivedere, la sistemazione dei dati nel CRM, il collegamento tra campagne e vendite e l'integrazione tra sistemi. Prima di comprare nuovi strumenti conviene verificare le funzioni di IA già incluse nelle piattaforme in uso. Il ritorno si calcola sul tempo risparmiato e, separatamente, sull'effetto misurato su conversioni e riacquisti.

Quante aziende italiane usano l'IA nel marketing?

Secondo l'ISTAT, nel 2025 il 16,4% delle imprese con almeno 10 addetti usa almeno una tecnologia di intelligenza artificiale, il doppio del 2024. Tra queste, il marketing e le vendite sono l'ambito di utilizzo più frequente, al 33,1%. L'Osservatorio del Politecnico di Milano stima il mercato italiano dell'IA in 1,8 miliardi di euro nel 2025, con il 71% delle grandi imprese che ha avviato almeno un progetto contro l'8% delle piccole e medie.

L'AI Act obbliga a dichiarare i contenuti di marketing fatti con l'IA?

Non tutti. Dal 2 agosto 2026 l'articolo 50 obbliga a dire che si sta parlando con un sistema di IA, quindi chatbot e assistenti devono dichiararsi, e a dichiarare i deepfake, cioè immagini, audio o video che imitano persone o eventi reali in modo da sembrare autentici. Un testo pubblicitario scritto con l'aiuto dell'IA e rivisto da una persona non ha un obbligo di etichetta specifico, ma resta soggetto alle regole sulle pratiche commerciali scorrette.

L'IA sostituirà chi lavora nel marketing?

Sostituisce soprattutto attività, non ruoli interi: prime bozze, varianti creative, riepiloghi di dati, risposte standard. Gli studi sul lavoro assistito dall'IA mostrano guadagni di produttività più alti per le persone meno esperte, mentre le decisioni su posizionamento, tono, priorità e budget restano umane. Cambia il profilo richiesto: servono persone capaci di dare istruzioni precise all'IA, verificare il risultato e collegare i dati alle decisioni.

Quali risultati si possono aspettare dall'IA nel marketing?

Dipende dal caso d'uso e dal punto di partenza. Nei progetti che ho seguito, un distributore sportivo ha aumentato le vendite del 30%, un agriturismo ha raddoppiato gli ospiti e un hotel è passato da 9 a 10 milioni di ricavi. Le ricerche McKinsey stimano per la personalizzazione un aumento dei ricavi tipico del 10-15%. Senza un punto di partenza misurato, però, nessun risultato è dimostrabile.

Serve formare il personale per usare l'IA nel marketing?

L'articolo 4 dell'AI Act, in vigore dal 2 febbraio 2025, chiede alle aziende che usano sistemi di IA di adottare misure che sostengano l'alfabetizzazione del personale, senza fissare un livello o una durata. La formazione documentata è il modo più semplice per dimostrarlo. Al di là dell'obbligo, la formazione decide il risultato: l'ISTAT indica la mancanza di competenze come freno per quasi il 60% delle aziende che hanno rinunciato a investire nell'IA.