Advertising

Perché non lasciamo l'AI gestire da sola le campagne dei clienti

Nel 2011 due venditori su Amazon lasciarono due algoritmi di pricing rincorrersi sullo stesso libro di biologia. Il prezzo salì fino a 23 milioni di dollari prima che qualcuno se ne accorgesse. Nessun bug: i due programmi facevano il loro lavoro. Dieci anni dopo Zillow ha chiuso la divisione che comprava case con un modello di pricing algoritmico, dopo perdite pesanti su valutazioni sbagliate ripetute su larga scala. Anche lì lo strumento funzionava. Mancava qualcuno che conoscesse il mercato abbastanza da fermarlo prima che l'errore si moltiplicasse.

Oggi lo stesso schema torna sulle campagne pubblicitarie, e stavolta corre. Se vendi infissi o hai un'impresa edile e stai decidendo se gestire le ads da solo con l'aiuto dell'AI oppure affidarle a qualcuno, qui trovi cosa è cambiato davvero e cosa serve per non farsi male. Lo diciamo anche se ci rema contro: in Profilo Marketing l'AI la usiamo ogni giorno, e a un cliente diciamo di provarla di persona. Gli strumenti sono cambiati. La domanda che conta no: chi se ne accorge quando sbagliano?

Cosa è cambiato: Meta e Anthropic hanno dato all'AI accesso diretto alle campagne

Il 29 aprile 2026 Meta ha aperto in beta un connettore che dà a Claude e ChatGPT accesso diretto a 29 strumenti dell'API di Meta Ads. Creare una campagna, spostare il budget, cambiare il targeting, tutto chiesto a parole. Fino a poco prima quelle modifiche le facevi a mano dentro il Gestione inserzioni. Adesso le puoi chiedere a un modello e lui le esegue.

Lo stesso rilascio arriva con dei limiti di sicurezza accesi di serie a livello di connettore. Meta stessa non lascia il modello libero di toccare tutto. E non è l'unico caso sul mercato: Pipeboard, uno strumento già disponibile, promette proprio questo, spostare budget in autonomia da un gruppo di annunci all'altro.

Guarda l'ordine nello screenshot. Prima sposta il budget, poi chiede se vuoi un riepilogo. La conferma arriva a cose fatte. È lo stesso schema che abbiamo già visto su Google, quando AI Max ha iniziato a espandere targeting e URL da solo nelle campagne Search.

Anche chi costruisce l'AI tiene una persona nel giro

Il caso più netto è Anthropic, che l'AI la produce. Il suo team di growth marketing usa Claude Code per generare varianti di annunci Google Ads. Un lavoro che prima chiedeva circa 30 minuti per annuncio adesso ne chiede una trentina di secondi. Ogni testo generato passa comunque dal team prima di andare online. Il marketer che ha messo su il flusso descrive Claude come un buon partner di brainstorming che a volte non ci azzecca al primo colpo.

Vale la pena fermarsi qui un attimo. L'azienda che al mondo ha più interesse a mostrare che il suo modello lavora da solo sceglie di non farlo lavorare da solo sulle proprie campagne. Quando l'incentivo spinge in una direzione e la pratica va nell'altra, di solito è la pratica quella da guardare.

I numeri di chi ci sta già provando

A ottobre 2025 Gartner ha intervistato 413 responsabili martech. Il 43% sta già pilotando agenti AI proprio per gestire e migliorare le campagne. Non è più una cosa da valutare l'anno prossimo. È già una voce nei budget di quest'anno.

Poi c'è il resto del sondaggio. Il 45% di chi quegli agenti li ha in prova o in produzione dice che le prestazioni promesse dai vendor non corrispondono a quelle reali. Metà del campione indica la stessa causa: manca lo stack di dati e di strumenti per reggere la delega. Per un serramentista o un'impresa edile la traduzione è questa. Il problema quasi mai è se il modello sa scrivere un buon annuncio. Il problema è se intorno c'è qualcuno che si accorge quando sta sbagliando, e i dati puliti per farglielo vedere.

Servono due competenze insieme, non una

Parlare con un'AI non vuol dire scrivere un prompt che suona bene. Vuol dire accorgersi quando ti risponde con sicurezza a qualcosa che non sa. A volte inventa un numero plausibile invece di ammettere il vuoto. Altre volte ti dà ragione, perché è quello che vuoi sentirti dire e non quello che dicono i conti. Un prompt tipo scrivimi una campagna che mi faccia guadagnare tanto non crea un problema di marketing. Crea un problema di controllo.

L'altra competenza è leggere una campagna ads. Nei nostri account il costo medio per contatto si aggira sui 25 euro, ma la media da sola non dice niente, perché cambia parecchio a seconda del canale e della zona. Sapere se un numero storto è rumore o l'inizio di un guaio non si impara da un prompt. Si impara sugli account, uno dopo l'altro. Con una competenza sola ti fai male lo stesso, solo in modo diverso: chi sa di ads ma non di AI non tocca lo strumento, chi sa di AI ma non di ads lo lascia decidere.

Val la pena impararle entrambe, perché le AI generative stanno diventando anche un canale da cui arrivano richieste. Farsi trovare da ChatGPT e capire quando un modello inventa sono la stessa abilità di fondo. E intanto il traffico dai motori di ricerca è calato rispetto a un anno fa.

Sulle ads il tempismo cambia tutto

Sul lato campagne c'è una variabile in più che un modello, da solo, gestisce male: il tempo. Un numero debole in una campagna appena partita spesso si sistema da sé, perché l'algoritmo di Meta o Google è ancora in fase di apprendimento. Toccarla troppo presto la resetta e peggiora tutto. Al contrario, un dato che oggi sembra tranquillo può nascondere un problema che tra due settimane costa caro, se nessuno interviene subito.

Distinguere le due situazioni viene dall'aver gestito abbastanza account da riconoscere lo schema. E una volta deciso di intervenire, resta da scegliere quale leva toccare: budget, strategia di offerta, sovrapposizione dei pubblici, una alla volta. Nei nostri conti i numeri si stabilizzano in media in 60-90 giorni, e non perché li lasciamo fermi a decantare. Uno strumento che segna tutto in rosso o tutto in verde questa scelta non la fa per te. Aprire il pannello e creare la campagna è la parte facile. Impostarla bene è un altro mestiere.

Cosa non deleghiamo mai

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. Da noi l'AI arriva dopo aver imparato a leggere un account, non prima. La usiamo per la ricerca e per generare varianti di copy da rifinire. Non per decidere.

Lavoriamo con un solo cliente per provincia e per settore, quindi lo stesso account lo segue sempre la stessa persona, che sa com'era il mese prima. Se stai valutando chi ti affianca su questo, le domande da fare valgono a prescindere dallo strumento: chi tocca materialmente l'account, ogni quanto lo guarda, cosa ti mostra nei report. Sono le stesse domande da fare a un'agenzia prima di firmare, e tengono anche quando in mezzo c'è un modello. Il nostro metodo parte da lì, non dall'automazione. Se vuoi un parere sul tuo caso, ne parliamo.

Domande frequenti

Meta e Anthropic danno davvero all'AI accesso diretto alle campagne? Sì. Il 29 aprile 2026 Meta ha aperto in beta un connettore che permette a Claude e ChatGPT di usare 29 strumenti dell'API di Meta Ads, dalla creazione della campagna alla modifica di budget e targeting. Il rilascio include però dei limiti di sicurezza attivi di serie a livello di connettore. Anche Anthropic usa Claude per generare annunci Google Ads, ma fa passare ogni testo dal team marketing prima della pubblicazione.

Un titolare di un'azienda di infissi o edile dovrebbe provare questi strumenti da solo? Sì, vale la pena provarli, e lo consigliamo anche se lavoriamo nel settore. Sono utili per la ricerca, per generare varianti di testo e per ridurre il lavoro manuale. Il limite arriva quando servono decisioni su budget e targeting su un account che sta spendendo sul serio, perché lì conta l'esperienza di lettura della campagna più della capacità di scrivere un prompt.

L'AI può gestire budget e targeting da sola? Tecnicamente sì, alcuni strumenti spostano già il budget in autonomia. Il problema è il controllo. Un sondaggio Gartner di ottobre 2025 su 413 responsabili martech ha rilevato che il 45% di chi usa agenti AI per le campagne dice che le prestazioni promesse non corrispondono a quelle reali, e che spesso manca lo stack di dati per reggere la delega. Senza qualcuno che sa quando il modello sta sbagliando, l'errore si moltiplica prima che qualcuno se ne accorga.

Che competenze servono davvero per usare bene l'AI sulle campagne? Due, insieme. La prima è saper riconoscere quando un modello risponde con sicurezza a qualcosa che non sa o inventa un numero plausibile. La seconda è saper leggere una campagna ads, cioè capire se un dato debole è rumore o l'inizio di un problema e quale leva toccare. Chi ha solo una delle due si affida troppo o troppo poco allo strumento.