Perché non lasciamo l'AI gestire da sola le campagne dei clienti
Nel 2011 due venditori su Amazon lasciarono due algoritmi di pricing rincorrersi a vicenda sullo stesso libro di biologia. Il prezzo salì fino a 23 milioni di dollari prima che qualcuno se ne accorgesse. Dieci anni dopo Zillow ha chiuso la divisione che comprava case tramite un modello di pricing algoritmico, dopo perdite pesanti su valutazioni sbagliate ripetute su larga scala. In entrambi i casi lo strumento ha fatto esattamente quello per cui era stato costruito. Mancava qualcuno che conoscesse il mercato abbastanza bene da fermarlo prima che l'errore si moltiplicasse. È lo stesso rischio che si ripresenta oggi con l'AI sulle campagne pubblicitarie, solo molto più veloce.
Meta ha aperto in beta, il 29 aprile 2026, un connettore che dà a Claude e ChatGPT accesso diretto a 29 strumenti dell'API di Meta Ads: creare campagne, cambiare budget, modificare il targeting, tutto descritto in linguaggio naturale. Lo stesso rilascio arriva però con dei "safety default" attivati di serie a livello di connettore. Vale lo stesso dentro Anthropic, che l'AI la costruisce: il team growth marketing usa Claude Code per generare varianti di annunci Google Ads, un lavoro che prima richiedeva 30 minuti per annuncio e ora ne richiede 30 secondi, ma ogni copy generato passa comunque dal team marketing prima di uscire. Il growth marketer che ha costruito il workflow descrive Claude come "un ottimo partner di brainstorming, che a volte non ci azzecca al primo colpo." Chi ha costruito lo strumento e lo usa ogni giorno non lo lascia decidere da solo cosa pubblicare.
Un vendor vero, oggi: Pipeboard promette esattamente questo, spostare budget in autonomia. La conferma ("Vuoi un report?") arriva dopo l'azione, non prima. Fonte: pipeboard.co, screenshot del 20 luglio 2026.
A ottobre 2025 Gartner ha interpellato 413 responsabili martech. Il 43% sta già pilotando agenti AI proprio per la gestione e l'ottimizzazione delle campagne, il che lo rende già una voce reale nei budget di quest'anno. Ma il 45% di chi ha già questi agenti in pilot o produzione dice che le prestazioni promesse dai vendor non corrispondono a quelle reali, e metà del campione indica come causa la mancanza di uno stack tecnico e di dati pronto per reggere la delega. Il problema non riguarda se l'AI sa scrivere un buon annuncio. Riguarda se, intorno, c'è qualcuno capace di accorgersi quando sta sbagliando.
Qui arriva la parte scomoda da dire per chi vende questo servizio: anche noi usiamo l'AI tutti i giorni, per la ricerca e per buttare giù dieci varianti di copy da rifinire prima di consegnarle. E a un cliente consigliamo comunque di provare questi strumenti da solo, anche se va contro il nostro interesse dirlo.
Il punto è che per usarli decentemente servono due competenze insieme, non una: sapere parlare con un'AI e sapere leggere una campagna ads.
Sapere parlare con un'AI non vuol dire sapere scrivere un prompt convincente. Vuol dire riconoscere quando ti risponde con sicurezza a una domanda a cui in realtà non sa rispondere, quando inventa un numero plausibile invece di ammettere che non lo sa, quando ti conferma quello che volevi sentirti dire invece di quello che i dati dicono davvero. Un prompt come scrivimi una campagna che mi faccia guadagnare tanto non produce un problema di marketing. Produce un problema di controllo: c'è qualcuno, dall'altra parte, capace di accorgersi quando la risposta suona bene ma è sbagliata?
Sul lato ads la stessa cosa vale con una variabile in più. Un numero debole in una campagna appena partita può sistemarsi da solo, se l'algoritmo è ancora nella sua fase di apprendimento: correggere troppo presto lo resetta e peggiora tutto. Un numero che invece sembra tranquillo oggi può nascondere un problema che tra due settimane costa caro, se nessuno lo corregge subito. Distinguere le due situazioni, e sapere quale leva toccare, budget, strategia di offerta, sovrapposizione di pubblico, non tutte insieme, viene solo dall'aver gestito abbastanza account da riconoscere lo schema. Uno strumento che segnala tutto in rosso o tutto in verde non fa questa distinzione al posto tuo.
Quello che non facciamo, comunque vada, è lasciare all'AI la decisione su budget, targeting o quando spegnere una campagna, senza che qualcuno che conosce quell'account la controlli prima. L'AI arriva dopo aver imparato a leggere un account ads, non prima.
Fonti:
Pipeboard, AI connector per Meta/Google/TikTok/Snap/Reddit Ads
Meta Ads AI Connectors, beta 29 aprile 2026
How Anthropic uses Claude in Marketing
Gartner, survey martech leader, ottobre 2025
Amazon, "The Making of a Fly", incidente di pricing algoritmico, aprile 2011 / Zillow Offers, chiusura della divisione di acquisto case algoritmico, novembre 2021 — eventi ampiamente documentati e verificabili.
