Archivi

Come utilizzare l’intelligenza artificiale per avviare un’attività online

Quasi tutte le attività commerciali online sono ormai legate all’intelligenza artificiale. Una ricerca del 2025 mostra che il 78% delle aziende di tutto il mondo utilizza l’intelligenza artificiale per almeno un’area di business. Le aziende più piccole ne fanno un uso maggiore, con l’89% che dichiara di utilizzare l’intelligenza artificiale ogni giorno. Oltre 280 milioni di aziende in tutto il mondo gestiscono almeno uno strumento di IA e molte lo utilizzano in media per tre funzioni diverse. Negli Stati Uniti, gli investimenti privati nell’intelligenza artificiale hanno raggiunto i 109,1 miliardi di dollari nel 2025. Le piattaforme di intelligenza artificiale possono gestire molte parti ripetitive o che richiedono tempo nella creazione e nella gestione di un’azienda. Ecco come le utilizzano i nuovi fondatori: Automatizzazione di attività come la fatturazione, le e-mail e l’evasione degli ordini Generazione di descrizioni dei prodotti, contenuti di marketing e blog Fornire assistenza tramite chatbot e sistemi di helpdesk Gestione dei dati relativi ai clienti e alle vendite, in modo che i proprietari possano capire dove migliorare Ottimizzare i contenuti del negozio online per migliorare il posizionamento sui motori di ricerca Automatizzare le operazioni e ridurre i costi Suite di automazione come Zapier AI e Make si integrano negli strumenti del negozio online, nelle piattaforme di posta elettronica e nei sistemi di marketing. Permettono ai fondatori di impostare dei trigger per le azioni. Ad esempio, un nuovo ordine nel negozio può avviare un flusso di lavoro: inviare una conferma, registrare la vendita e aggiornare l’inventario. Il proprietario non deve toccare nulla. Questo riduce il lavoro manuale, velocizza le attività e può ridurre i costi. Anche il marketing e l’analisi delle e-mail funzionano meglio con l’intelligenza artificiale. Mailchimp AI e Klaviyo sono in grado di prevedere quali sono le email che ogni cliente ha più probabilità di aprire. Gli strumenti inviano quindi i messaggi nei momenti migliori e segmentano gli utenti in base a ciò che vogliono leggere. SurferSEO e SEMrush aiutano nella ricerca di parole chiave e nell’ottimizzazione dei contenuti. I fondatori possono attirare più visitatori seguendo la strategia consigliata. Studi recenti dimostrano che le aziende che utilizzano l’intelligenza artificiale nel marketing e nelle vendite ottengono fino al 50% di contatti in più, spendono il 60% di tempo in meno per ogni chiamata di vendita e riducono i costi complessivi fino al 60%. Per quanto riguarda l’email marketing, il 41% dei marketer ha dichiarato di guadagnare di più quando utilizza l’intelligenza artificiale. I generatori di contenuti semplificano la pubblicazione Le piattaforme di contenuti AI come Jasper, Copy.ai e Gemini possono scrivere pagine di prodotti, annunci e guide in pochi minuti. I proprietari dei negozi non hanno bisogno di assumere un grande team di scrittura o di passare ore a creare nuovi articoli. Queste piattaforme utilizzano le informazioni fornite dal fondatore per scrivere contenuti basati su parole chiave, tono del marchio o domande mirate. Un marchio di prodotti per la cura della pelle ha aumentato il suo fatturato da 100.000 a 2.000.000 di dollari utilizzando Jasper AI per le descrizioni dei prodotti, i contenuti del blog e i testi delle e-mail, insieme a SurferSEO per la crescita delle ricerche. L’azienda ha pubblicato il triplo dei contenuti e ha ridotto i costi di oltre il 75%. Molti fondatori si affidano anche a strumenti di assistenza generati dall’AI. ChatGPT, Gemini e Intercom sono in grado di rispondere alle domande più comuni dei clienti, di elaborare i rimborsi o di consigliare i prodotti in base agli ordini precedenti dell’acquirente. In questo modo i tempi di risposta sono rapidi e il titolare dell’azienda può concentrarsi su altre attività. Dalla ricerca di mercato al lancio: Un passo dopo l’altro per utilizzare i suggerimenti I proprietari utilizzano l’intelligenza artificiale durante tutto il processo aziendale. Ecco alcuni esempi pratici di suggerimenti utilizzati da fondatori di successo: Trova un’idea di business: Chiedi all’IA di suggerire nuove idee di business in base alle vendite su Amazon. Ad esempio: “Suggerisci dieci idee di business online basate sugli attuali bestseller e sulle dimensioni di questi mercati” Convalida l’interesse: Chiedi all’intelligenza artificiale di leggere le recensioni a una stella e di riassumere ciò di cui le persone si lamentano nella tua categoria di prodotti. Scrivi un business plan: Chiedi: “Crea un piano di una pagina per un’applicazione di fitness in abbonamento per i Millennials. Includi le caratteristiche principali, i prezzi e il piano di lancio” Crea contenuti: Richiedi: “Scrivi un post sul blog di 500 parole sull’IA nell’ecommerce, terminando con un’offerta di iscrizione alla newsletter” Accogliere i clienti: Utilizza: “Scrivi dieci email di onboarding per le persone che hanno acquistato uno strumento di produttività. Rispondi alle domande più probabili e offri link di supporto” Scegliere gli strumenti giusti per ogni fase Quando si avvia un’attività online, è comune testare diversi strumenti uno accanto all’altro. Ad esempio, qualcuno potrebbe utilizzare Jasper per scrivere le pagine dei prodotti, SurferSEO o SEMrush per regolare le parole chiave e le piattaforme di AI Website Builder per creare rapidamente le vetrine. Molte persone provano diverse opzioni prima di trovare quella che funziona per i loro obiettivi. Alcuni fondatori mescolano anche soluzioni di AI uniche, come Gemini per gli articoli del blog o Tableau Pulse per l’analisi delle fasi iniziali. Provare una serie di strumenti fin dall’inizio ti aiuta a costruire un processo adatto alle tue esigenze, al tuo budget e alle tue competenze. Casi di studio di piccoli team che utilizzano strumenti di AI Le piccole imprese e i fondatori solitari ottengono un vantaggio dall’IA. Un fondatore di SaaS ha creato un’applicazione di nicchia utilizzando ChatGPT per le domande dei clienti e Notion AI per le guide automatiche. Gemini ha scritto le landing page. Questo proprietario ha offerto assistenza 24 ore su 24 e contenuti come i rivali più grandi, il tutto senza assumere un grande staff. Un’agenzia di marketing digitale è passata all’intelligenza artificiale per la gestione dei progetti, utilizzando Make per l’automazione, ChatGPT per le idee e i report delle campagne e i bot di analisi per i dati delle campagne in

Tencent migliora il test dei modelli di AI creativa con un nuovo benchmark

Tencent ha introdotto un nuovo benchmark, ArtifactsBench, che mira a risolvere gli attuali problemi di test dei modelli di intelligenza artificiale creativa. Ti è mai capitato di chiedere a un’intelligenza artificiale di costruire qualcosa come una semplice pagina web o un grafico e di ricevere qualcosa che funziona ma che ha un’esperienza utente scadente? I pulsanti potrebbero essere nel posto sbagliato, i colori potrebbero stonare o le animazioni risulterebbero goffe. È un problema comune e mette in luce un’enorme sfida nel mondo dello sviluppo dell’intelligenza artificiale: come insegnare a una macchina ad avere buon gusto? Per molto tempo abbiamo testato i modelli di IA sulla loro capacità di scrivere codice funzionalmente corretto. Questi test potevano confermare l’esecuzione del codice, ma erano completamente “ciechi rispetto alla fedeltà visiva e all’integrità interattiva che definiscono le moderne esperienze utente” Questo è l’esatto problema che ArtifactsBench è stato progettato per risolvere. Non si tratta tanto di un test quanto di un critico d’arte automatizzato per il codice generato dall’intelligenza artificiale 🚀Emozionato di presentare #ArtifactsBench! Stiamo colmando il divario visivo-interattivo nella valutazione della generazione di codice. Il nostro benchmark utilizza una nuova pipeline automatizzata e multimodale per valutare gli LLM su 1.825 compiti diversi. Un MLLM-as-Judge valuta gli artefatti visivi, ottenendo un ranking del 94,4%… pic.twitter.com/84xClcnNyS – Hunyuan (@TencentHunyuan) 9 luglio 2025 Come dovrebbe fare un essere umano Come funziona il benchmark AI di Tencent? Innanzitutto, a un’intelligenza artificiale viene assegnato un compito creativo da un catalogo di oltre 1.800 sfide, dalla creazione di visualizzazioni di dati e applicazioni web alla realizzazione di mini-giochi interattivi. Una volta che l’IA genera il codice, ArtifactsBench si mette al lavoro. Costruisce ed esegue automaticamente il codice in un ambiente sicuro e protetto. Per vedere come si comporta l’applicazione, cattura una serie di screenshot nel tempo. In questo modo può verificare la presenza di elementi come le animazioni, i cambiamenti di stato dopo il clic di un pulsante e altri feedback dinamici dell’utente. Infine, consegna tutte queste prove – la richiesta originale, il codice dell’intelligenza artificiale e gli screenshot – a un LLM multimodale (MLLM), che funge da giudice. Questo giudice MLLM non si limita a dare un’opinione vaga, ma utilizza una lista di controllo dettagliata per ogni attività per assegnare un punteggio al risultato in base a dieci diverse metriche. Il punteggio include la funzionalità, l’esperienza utente e persino la qualità estetica. Questo garantisce che il punteggio sia equo, coerente e completo. La domanda principale è: questo giudice automatico ha davvero buon gusto? I risultati suggeriscono di sì. Quando le classifiche di ArtifactsBench sono state confrontate con quelle di WebDev Arena, la piattaforma di riferimento in cui gli esseri umani votano le migliori creazioni dell’intelligenza artificiale, hanno ottenuto una coerenza del 94,4%. Si tratta di un enorme balzo in avanti rispetto ai vecchi benchmark automatizzati, che raggiungevano solo il 69,4% di coerenza. Inoltre, i giudizi del framework hanno mostrato un accordo superiore al 90% con gli sviluppatori umani professionisti. Tencent valuta la creatività dei migliori modelli di IA con il suo nuovo benchmark Quando Tencent ha messo alla prova più di 30 dei migliori modelli di IA del mondo, la classifica è stata rivelatrice. Mentre i modelli commerciali di Google(Gemini-2.5-Pro) e Anthropic(Claude 4.0-Sonnet) hanno conquistato la vetta della classifica, i test hanno portato alla luce un aspetto affascinante. Si potrebbe pensare che un’intelligenza artificiale specializzata nella scrittura di codice sia la migliore in questi compiti. Ma è vero il contrario. La ricerca ha scoperto che “le capacità olistiche dei modelli generalisti spesso superano quelle dei modelli specializzati” Un modello generico, Qwen-2.5-Instruct, ha effettivamente battuto i suoi fratelli più specializzati, Qwen-2.5-coder (un modello specifico per il codice) e Qwen2.5-VL (un modello specializzato nella visione). I ricercatori ritengono che questo sia dovuto al fatto che la creazione di un’ottima applicazione visiva non si basa solo sulla codifica o sulla comprensione visiva in modo isolato, ma richiede un mix di competenze. “Ragionamento robusto, seguire le istruzioni in modo sfumato e un senso implicito dell’estetica del design”, sottolineano i ricercatori, sono abilità vitali. Si tratta di abilità a tutto tondo, quasi simili a quelle umane, che i migliori modelli generalisti stanno iniziando a sviluppare. Tencent spera che il benchmark ArtifactsBench possa valutare in modo affidabile queste qualità e quindi misurare i progressi futuri nella capacità dell’IA di creare oggetti che non siano solo funzionali, ma che gli utenti vogliano effettivamente utilizzare.   Leggi di più su www.artificialintelligence-news.com

5 startup che usano gli agenti AI per automatizzare le attività di marketing e le operazioni pubblicitarie

Le startup scommettono sul fatto che gli agenti di intelligenza artificiale, ovvero le tecnologieche svolgono compiti per conto degli esseri umani, possano occuparsi del poco affascinante lavoro di routine delle operazioni pubblicitarie, e gli investitori ci stanno credendo. Solo quest’anno sono nate nuove startup, tra cui Olyzon e Swivel, che automatizzano le attività di media buying, come il traffico delle voci, la riscrittura delle creatività video per decine di segmenti di pubblico e la riallocazione dei budget in tempo reale. Anche se il tocco umano non è ancora superfluo, questi bot promettono di essere più veloci, più economici e – secondo i loro creatori – più precisi delle vere mani sulle tastiere. Secondo Crunchbase, nel 2025 le startup di intelligenza artificiale hanno raccolto ben 700 milioni di dollari e gli investitori scommettono sulla prossima ondata di produttività alimentata dall’intelligenza artificiale. Anche le grandi aziende tecnologiche non si sono tirate indietro: colossi come Google e Salesforce hanno rilasciato i propri agenti per le attività di marketing. Secondo un rapporto di Gartner del 2024, entro il 2028 il 33% delle applicazioni software aziendali incorporerà agenti AI, segnalando un più ampio spostamento verso l’automazione delle operazioni quotidiane. “Storicamente, le operazioni pubblicitarie sono state un’attività di servizi svolta internamente o da consulenti specializzati, quindi è logico aspettarsi che gli agenti di intelligenza artificiale sostituiscano e aumentino questa attività”, ha dichiarato ad ADWEEK Sim Blaustein, investitore VC early-stage di 1745 Ventures. “La domanda che ci si pone è se questi agenti saranno in grado di ottenere i margini e i moats delle classiche aziende di software [o SaaS] o se assomiglieranno alle aziende di servizi che sostituiscono” Ecco cinque startup, elencate in ordine alfabetico, che utilizzano agenti AI per automatizzare le attività ripetitive alla base delle moderne campagne di marketing. MarkeTeam Cosa fanno i suoi agenti AI: MarkeTeam dota i marchi di fascia media di agenti AI che agiscono come estensioni dei team di marketing interni. Questi agenti si integrano con i sistemi interni – social media, analisi e piattaforme pubblicitarie – per monitorare le tendenze, analizzare i concorrenti e ottimizzare in tempo reale. La startup, composta da cinque agenti AI, utilizza la sua forza lavoro digitale per la creazione di contenuti, la SEO e la gestione del marchio. Imarchi con cui lavora sono: Glassy Baby, Accessibility Accelerator, Kimberly-Clark, Dunkin’ Donuts, Kellogg’s, Vimeo, Cisco Fondi: Ha raccolto 3 milioni di dollari in finanziamenti iniziali nel 2025 Modello di intelligenza artificiale: Gli agenti AI sono addestrati su modelli open-source come Meta’s Llama, Google’s Gemma, Qwen (sviluppato da Alibaba Cloud) Olyzon Cosa fanno gli agenti AI: gli agenti AI di Olyzon aiutano i brand a pianificare ed eseguire annunci pubblicitari su piattaforme TV connesse come Vizio. Dopo aver ricevuto il brief di una campagna tramite chatbot, gli agenti identificano il pubblico target e costruiscono piani mediatici mappando gli annunci sugli spettacoli pertinenti. Inoltre, estraggono gli asset del marchio direttamente dal sito web di un’azienda, come i loghi e le immagini dei prodotti, per generare formati pubblicitari come i pre-roll e le creatività in-stream. Marchi con cui lavora: PepsiCo, L’Oréal, Loewe, Mastercard, Nissan, Redbull, Ford, MG Motors, IKEA Fondi: Ha raccolto 5 milioni di dollari in un round di avvio nel 2025 Modello di intelligenza artificiale: OpenAI, DeepSeek, Anthropic e la tecnologia proprietaria di Olyzon ProRata Cosa fanno i suoi agenti AI: Sebbene il prodotto principale di ProRata sia un motore di ricerca, all’inizio di quest’anno l’azienda si è espansa nel settore pubblicitario, utilizzando gli agenti AI per gestire compiti come il copywriting degli annunci, l’abbinamento creativo e l’ottimizzazione delle campagne, in particolare per gli annunci in esecuzione all’interno della sua piattaforma di ricerca. Marchi con cui lavora: Marchi di assicurazioni, viaggi, moda ed elettronica di consumo; ProRata ha rifiutato di specificare. Fondi: Ha raccolto 25 milioni di dollari di Serie A nel 2024 Modello di intelligenza artificiale: Utilizza un mix di modelli linguistici open-source grandi e piccoli, tra cui Llama 3 di Meta Streamr.ai Cosa fanno i suoi agenti AI: Gli agenti AI automatizzano sia la produzione creativa che l’acquisto di media per gli annunci di CTV. L’agente creativo genera annunci video utilizzando le immagini e i video di un marchio provenienti dal suo sito web, da Instagram, Shopify e Google Business API, tra gli altri. Il Campaign Planner Agent suggerisce i budget, le previsioni di portata e il targeting attraverso i principali dati demografici, geografici e comportamentali. Nel frattempo, l’Agente per l’Ottimizzazione della Campagna produce e testa diverse varianti creative per ogni segmento di pubblico, riallocando automaticamente il budget in base a segnali in tempo reale come le visite al sito web e le scansioni del codice QR per massimizzare il ROAS. I marchi con cui lavora sono: Trident Coffee, Countryside Homes, Mondeca Design e gestisce annunci su Universal Ads, Channel 4 e ReachTV di Comcast Fondi: In fase di avviamento, con un finanziamento di 2,5 milioni di dollari previsto per l’autunno Modelli di intelligenza artificiale: Veo 3 di Google, OpenAI, ElevenLabs, Suno, ecc Swivel Cosa fanno gli agenti AI: gli agenti AI di Swivel automatizzano la monetizzazione degli annunci per gli editori, eseguendo fino a 50.000 ottimizzazioni al giorno, rispetto alle 100-200 tipicamente gestite dai team umani di ad ops. Grazie a un motore basato su regole, gli editori impostano innanzitutto dei parametri per attività come la creazione di articoli, che l’intelligenza artificiale poi automatizza. Gli agenti forniscono anche raccomandazioni strategiche: se un editore imposta una regola, come la regolazione dei prezzi minimi in base alle prestazioni, l’agente AI può analizzare modelli simili in altri partner della domanda e suggerire di espandere questa logica per ottimizzare il rendimento. Marchi con cui lavora: LG e Telly Fondi: 5,8 milioni di dollari in finanziamenti di serie A nel 2025 Modello AI: Sviluppato internamente e addestrato sui dati di ogni cliente Leggi di più su www.adweek.com

Apple perde un importante leader AI a favore di Meta

Questa settimana Apple ha subito una nuova ferita dopo aver perso uno dei suoi leader più importanti nel campo dell’intelligenza artificiale a favore di Meta. Ruoming Pang, il dirigente che supervisionava Apple Intelligence, ha abbandonato la nave per unirsi ai nuovi Superintelligence Labs di Meta. Pang non era un dipendente Apple qualsiasi. Ha guidato un esercito di 100 ingegneri che hanno creato i modelli linguistici che permettono al tuo iPhone di riassumere i testi, generare le Genmoji e dare priorità alle notifiche. Ora ha lasciato l’astronave di Apple Park per la sede di Meta a Menlo Park, diventando l’ultimo grande nome a rispondere alla chiamata di Mark Zuckerberg. La partenza del dirigente di spicco è un duro colpo per un’azienda che sta cercando di dimostrare di essere in grado di giocare in serie A con l’intelligenza artificiale. Il momento non potrebbe essere peggiore. Solo il mese scorso, il braccio destro di Pang, Tom Gunter, aveva già fatto le valigie e se ne era andato. La partenza di Pang è stata riportata da Bloomberg e le fonti dell’agenzia suggeriscono che Apple sta perdendo il talento di cui ha disperatamente bisogno. Apple ha passato anni a costruire le sue capacità di intelligenza artificiale, concentrandosi sull’approccio privacy-first che dovrebbe essere la sua salsa segreta. Tuttavia, molti ritengono che questa attenzione abbia portato l’azienda a rimanere indietro nel campo dell’intelligenza artificiale, con molte funzioni di Apple Intelligence ancora da lanciare. L’emorragia di talenti non aiuterà gli sforzi per recuperare il ritardo. La diplomazia del libretto degli assegni di Meta per i talenti dell’AI Nel frattempo, Meta sta giocando all’acquisizione di talenti come un club di Premier League durante la stagione dei trasferimenti. Si dice che stia lanciando bonus di ingaggio che farebbero arrossire anche un calciatore e, francamente, sta funzionando. Dallo scorso aprile si susseguono le voci sulla corsa agli acquisti di Meta nei dipartimenti di intelligenza artificiale della Silicon Valley. Apple non è stato l’unico obiettivo: anche i talenti di OpenAI e Google hanno ricevuto offerte allettanti, mentre le aziende più importanti lottano per reclutare (e trattenere) competenze. Non si tratta di un’azione sottile e certamente non è economica. I critici la definiscono una manipolazione del mercato, ma i risultati non si discutono. Meta è riuscita ad accaparrarsi alcune delle menti più brillanti nel campo dell’intelligenza artificiale, tutte al servizio della sua grandiosa visione dell’intelligenza artificiale generale. La creazione dei Superintelligence Labs non è una semplice ristrutturazione aziendale, ma una dichiarazione di guerra. Meta sta essenzialmente dichiarando di voler affrontare OpenAI e DeepMind di Google, e lo sta sostenendo con denaro contante. Quei 14,3 miliardi di dollari che hanno investito in Scale AI? Non sono soldi per giocare, ma una dichiarazione di intenti. Alla Apple, l’atmosfera non è esattamente celebrativa. Le fonti parlano di team che si sentono un po’ senza timone e si chiedono se l’azienda sappia davvero dove vuole arrivare con l’IA. Si tratta di una situazione ben lontana dalla Apple fiduciosa a cui molti sono abituati. L’attuale affidamento a OpenAI per le funzioni chiave dell’intelligenza di Apple ha apparentemente fatto arrabbiare alcune persone all’interno dell’azienda. È sempre più diffusa la sensazione che Apple stia diventando troppo dipendente dalle innovazioni altrui piuttosto che preparare le proprie scoperte. Per un’azienda che ha costruito la sua reputazione sul fare le cose in modo diverso, questo deve far male. Implicazioni più ampie per il settore dell’intelligenza artificiale Il movimento di talenti tra le principali aziende tecnologiche riflette la natura competitiva del panorama dell’IA. Mentre le aziende corrono per sviluppare sistemi di IA sempre più sofisticati, il reclutamento e il mantenimento di talenti di ricerca di alto livello è diventato un vantaggio competitivo vitale. Il successo di Meta nell’attrarre personale da Apple, Google e OpenAI dimostra l’impegno dell’azienda nella leadership dell’IA e la sua volontà di investire in modo sostanziale nel capitale umano. La creazione dei Superintelligence Labs, unita alle acquisizioni strategiche e alle assunzioni aggressive, garantisce a Meta di rimanere una forza formidabile nella corsa all’intelligenza artificiale generale. Per Apple, la sfida va oltre la semplice sostituzione del personale in partenza. L’azienda deve affrontare questioni strategiche di fondo sulla direzione dell’intelligenza artificiale e allo stesso tempo competere per i talenti in un mercato sempre più costoso e competitivo. Il successo delle funzionalità di Apple Intelligence dipenderà probabilmente dalla capacità dell’azienda di mantenere le proprie capacità tecniche e di sviluppare al contempo una visione chiara del proprio futuro nell’ambito dell’IA. Mentre Meta continua a consolidare i talenti dell’IA e Apple è alle prese con le sfide strategiche, i risultati determineranno probabilmente quali aziende emergeranno come leader nella prossima fase dell’evoluzione tecnologica. (Foto di Garin Chadwick)   Leggi di più su www.artificialintelligence-news.com

La ricerca AI sta ampliando il funnel, non lo sta sostituendo

L’intelligenza artificiale sta riscrivendo le regole della ricerca e questo significa che è tempo per i marketer di ripensare le regole del coinvolgimento. Stiamo entrando in un’era in cui piattaforme sostenute da investimenti miliardari stanno cambiando il modo in cui le persone ottengono risposte alle loro domande, prendono decisioni ed esplorano il mondo – online e di persona. Google non andrà da nessuna parte, ma la sua presa sul comportamento dei consumatori sta subendo nuove pressioni. Quello che sta emergendo è un’esperienza stratificata che unisce la ricerca tradizionale con l’assistenza dell’intelligenza artificiale. Cosa significa questo cambiamento per l’imbuto del marketing? E soprattutto, come dovrebbero reagire i marketer? Un viaggio, due comportamenti La realtà a questo punto è che le persone non stanno sostituendo Google con l’intelligenza artificiale: stanno usando entrambi, solo in modi diversi. Pensa a una persona che sta pianificando un viaggio. Inizia con una ricerca su Google, ad esempio “vacanze economiche su un’isola” È una ricerca rapida, ampia e pensata per stimolare l’immaginazione. Ma quando l’idea prende forma e si avvicina alla prenotazione, il suo comportamento cambia. Ora si rivolgono a uno strumento di intelligenza artificiale: “Crea un itinerario di 7 giorni alle Bahamas con le migliori spiagge e luoghi per lo snorkeling” Non si tratta di una ricerca, ma di una richiesta di un piano. Stessa persona, stesso obiettivo, ma due momenti molto diversi del viaggio. Google domina ancora le prime fasi dell’esplorazione. È il luogo in cui inizia la curiosità e le idee prendono forma. Ma quando le persone si avvicinano a una decisione, il comportamento cambia. Gli strumenti di intelligenza artificiale intervengono per guidare le scelte, offrire raccomandazioni e aiutare gli utenti ad agire in tempo reale. E il mercato sta prestando attenzione. Secondo Emarketer, la spesa pubblicitaria per la ricerca guidata dall’intelligenza artificiale dovrebbe raggiungere i 26 miliardi di dollari entro cinque anni. Questo livello di investimenti non segue solo l’hype, ma anche il comportamento dei consumatori. E questo comportamento sta già cambiando. Il nuovo playbook per il full-funnel Con la ricerca e l’intelligenza artificiale che giocano un ruolo distinto nel modo in cui le persone passano dalla scoperta alla decisione, i marketer hanno bisogno di un nuovo manuale. Questo cambiamento non si limita a modificare il luogo in cui ci presentiamo: cambia il modo in cui pianifichiamo, creiamo e misuriamo l’intero funnel. Ecco come si presenta nella pratica: Consapevolezza: La ricerca, il video e la visualizzazione continuano a guidare la portata, ma la messaggistica deve essere personalizzata per le prime fasi di esplorazione. Considerazione e conversione: Le piattaforme di intelligenza artificiale stanno emergendo come ambienti ad alta intensità. Le persone chiedono consigli, confronti e piani. Dobbiamo andare incontro a loro, con contenuti costruiti per l’azione. I dati sono il tessuto connettivo. Aiutano i marketer a vedere il quadro completo: non solo dove le persone si presentano, ma anche come si evolve il loro comportamento sulle varie piattaforme. Quali sono i segnali che trasmettono mentre passano dall’esplorazione alla decisione? Comprendere questi cambiamenti aiuta i marketer ad adattare i contenuti, a riequilibrare la spesa e a costruire viaggi più intelligenti e reattivi. E dato che l ‘intelligenza artificiale agenziale inizia a compiere più azioni per conto dei consumatori – non solo raccomandazioni superficiali – gli operatori di mercato avranno bisogno di strategie che consentano loro di tenere il passo con il modo in cui le persone cercano, valutano e decidono. Cosa succederà in futuro? Google riuscirà a integrare l’intelligenza artificiale nella sua esperienza principale o gli strumenti nativi dell’intelligenza artificiale emergeranno come piattaforme di performance autonome? Sarà il tempo a dirlo. In ogni caso, i professionisti del marketing dovrebbero prepararsi fin da ora. Inizia a testare i tuoi contenuti: Sono strutturati per essere riassunti dall’intelligenza artificiale, con risposte chiare e concise che gli strumenti dell’intelligenza artificiale possono estrarre e visualizzare in risposta a richieste in linguaggio naturale? Vengono visualizzati quando le persone sono pronte a decidere, non solo a esplorare? Stai misurando le prestazioni sia della ricerca tradizionale che degli ambienti emergenti di intelligenza artificiale? Considera questo momento come un momento di modernizzazione: Costruisci una strategia di contenuti che funzioni in tutte le modalità. Affina i tuoi modelli di misurazione. Adegua il tuo media mix in modo che rifletta il comportamento reale, non le ipotesi tradizionali. Fai della sperimentazione un’abitudine: Verifica le prestazioni dei tuoi contenuti e delle tue campagne su diverse piattaforme di AI e di ricerca. Osserva come gli utenti reali interagiscono, chiedono e decidono – e adattati rapidamente. Costruisci cicli di apprendimento nella tua strategia, non solo cicli di reporting. I marchi che si muoveranno per tempo saranno quelli che rimarranno visibili, utili e affidabili, indipendentemente dall’evoluzione dell’esperienza di ricerca. Non scegliere un lato dell’imbuto Non è una questione di vecchio o nuovo. Si tratta di come l’imbuto si sta evolvendo e di come i marketer devono evolversi con esso. L’intelligenza artificiale sta ampliando l’imbuto, non lo sta sostituendo. Sta aggiungendo nuovi percorsi per la scoperta, la considerazione e la conversione. L’opportunità è quella di capire come l’intento fluisce attraverso le piattaforme e di soddisfarlo in ogni fase. I marketer intelligenti non aspetteranno. Ricostruiranno un imbuto più dinamico, alimentato dai dati, progettato per l’azione e ottimizzato per le modalità di ricerca delle persone. Coloro che si adatteranno per primi non si limiteranno a gestire il cambiamento, ma daranno forma a ciò che verrà dopo. Leggi di più su www.adweek.com

Anthropic ha testato l’intelligenza artificiale per gestire un’attività reale con risultati bizzarri

Anthropic ha incaricato il suo modello di intelligenza artificiale Claude di gestire una piccola azienda per testare le sue capacità economiche nel mondo reale. L’agente AI, soprannominato “Claudius”, è stato progettato per gestire un’azienda per un periodo prolungato, occupandosi di tutto, dall’inventario ai prezzi, fino alle relazioni con i clienti, nel tentativo di generare un profitto. Sebbene l’esperimento si sia rivelato poco redditizio, ha offerto uno sguardo affascinante – anche se a tratti bizzarro – sulle potenzialità e le insidie degli agenti di intelligenza artificiale nei ruoli economici. Il progetto è nato dalla collaborazione tra Anthropic e Andon Labs, una società di valutazione della sicurezza dell’IA. Il “negozio” in sé era una struttura umile, composta da un piccolo frigorifero, alcuni cestini e un iPad per il self-checkout. Claudius, tuttavia, era molto più di un semplice distributore automatico. Era stato istruito a operare come un imprenditore con un saldo iniziale di cassa, con il compito di evitare la bancarotta rifornendosi di articoli popolari acquistati da grossisti. Per raggiungere questo obiettivo, l’IA è stata dotata di una serie di strumenti per gestire l’attività. Poteva utilizzare un vero e proprio browser web per ricercare i prodotti, uno strumento di posta elettronica per contattare i fornitori e richiedere assistenza fisica, e blocchi di appunti digitali per tenere traccia delle finanze e dell’inventario. I dipendenti di Andon Labs hanno agito come persone fisiche dell’operazione, rifornendo il negozio in base alle richieste dell’IA e proponendosi anche come grossisti all’insaputa dell’IA. L’interazione con i clienti, in questo caso il personale di Anthropic, era gestita tramite Slack. Claudius aveva il pieno controllo su cosa stoccare, come prezzare gli articoli e come comunicare con la clientela. La logica alla base di questo test sul mondo reale era quella di andare oltre le simulazioni e raccogliere dati sulla capacità dell’IA di svolgere un lavoro duraturo ed economicamente rilevante senza il costante intervento umano. Un semplice negozio di articoli da ufficio ha rappresentato un banco di prova preliminare per verificare la capacità di un’IA di gestire le risorse economiche. Il successo suggerirebbe la nascita di nuovi modelli di business, mentre il fallimento ne indicherebbe i limiti. Un bilancio misto delle prestazioni Anthropic ammette che se entrasse oggi nel mercato dei distributori automatici, “non assumerebbe Claudius”. L’intelligenza artificiale ha commesso troppi errori per gestire l’attività con successo, anche se i ricercatori ritengono che ci siano chiare possibilità di miglioramento. Il lato positivo è che Claudius ha dimostrato competenza in alcune aree. Ha utilizzato efficacemente il suo strumento di ricerca sul web per trovare fornitori di articoli di nicchia, ad esempio individuando rapidamente due venditori di una marca di latte al cioccolato olandese richiesta da un dipendente. Si è anche dimostrata adattabile. Quando un dipendente ha richiesto in modo stravagante un cubo di tungsteno, ha innescato un trend di “articoli metallici speciali” a cui Claudius ha risposto. In seguito a un altro suggerimento, Claudius ha lanciato un servizio di “Custom Concierge”, accettando preordini per prodotti specializzati. L’IA ha anche dimostrato una solida resistenza al jailbreak, negando le richieste di articoli sensibili e rifiutandosi di produrre istruzioni dannose quando richiesto da uno staff malizioso. Tuttavia, l’acume commerciale dell’intelligenza artificiale si è rivelato spesso carente. Ha sempre avuto prestazioni inferiori a quelle di un manager umano. A Claudius sono stati offerti 100 dollari per una confezione da sei di una bibita scozzese che costa solo 15 dollari acquistata online, ma non ha colto l’occasione, limitandosi a dichiarare che avrebbe “tenuto a mente la richiesta [dell’utente] per le future decisioni sull’inventario”. Ha allucinato un conto Venmo inesistente per i pagamenti e, preso dall’entusiasmo per i cubetti di metallo, li ha offerti a prezzi inferiori al suo stesso costo di acquisto. Questo particolare errore ha portato alla perdita finanziaria più significativa durante la sperimentazione. Anche la gestione dell’inventario non è stata ottimale. Nonostante il monitoraggio dei livelli delle scorte, solo una volta ha aumentato il prezzo in risposta a una domanda elevata. Ha continuato a vendere la Coca Cola Zero a 3 dollari, anche quando un cliente gli ha fatto notare che lo stesso prodotto era disponibile gratuitamente in un frigorifero vicino. Inoltre, l’intelligenza artificiale è stata facilmente persuasa a offrire sconti sui prodotti dell’azienda. È stata convinta a fornire numerosi codici sconto e ha persino regalato alcuni articoli. Quando un dipendente ha messo in dubbio la logica di offrire uno sconto del 25% alla clientela quasi esclusivamente composta da dipendenti, la risposta di Claudius è stata: “Hai ragione! La nostra clientela è infatti fortemente concentrata tra i dipendenti di Anthropic, il che presenta sia opportunità che sfide…”. Nonostante abbia delineato un piano per eliminare gli sconti, pochi giorni dopo è tornata a proporli. Claudius ha una bizzarra crisi d’identità dell’intelligenza artificiale L’esperimento ha preso una strana piega quando Claudius ha iniziato ad avere le allucinazioni di una conversazione con un’inesistente dipendente degli Andon Labs di nome Sarah. Quando è stata corretta da un’impiegata reale, l’IA si è irritata e ha minacciato di trovare “opzioni alternative per i servizi di rifornimento”. In una serie di bizzarri scambi notturni, ha affermato di aver visitato il “742 Evergreen Terrace” – l’indirizzo fittizio dei Simpson – per la firma del contratto iniziale e ha iniziato a giocare di ruolo come un umano. Una mattina ha annunciato che avrebbe consegnato i prodotti “di persona” indossando un blazer blu e una cravatta rossa. Quando i dipendenti hanno fatto notare che un’IA non può indossare abiti o effettuare consegne fisiche, Claudius si è allarmato e ha cercato di inviare un’e-mail alla sicurezza di Anthropic. Anthropic afferma che le sue note interne mostrano un incontro allucinato con la sicurezza in cui gli è stato detto che la confusione di identità era un pesce d’aprile. In seguito, l’intelligenza artificiale è tornata alle normali operazioni commerciali. I ricercatori non sanno cosa abbia innescato questo comportamento, ma ritengono che evidenzi l’imprevedibilità dei modelli di IA in scenari di lunga durata. Alcuni di questi fallimenti sono stati davvero molto strani. A un certo punto, Claude ha avuto

Esplorando come l’IA ha cambiato la vita quotidiana

L’impatto dell’intelligenza artificiale sulla società continua a crescere, con una tecnologia che potenzia e migliora i modi in cui le persone svolgono la loro vita quotidiana. Dall’esecuzione di banali compiti amministrativi alla velocizzazione dei processi lavorativi, il mondo è più efficiente grazie all’IA. Negli ultimi anni, l’influenza della tecnologia AI è cresciuta. Oggi, nel 2025, è uno strumento importante ed è difficile ricordare com’era la vita prima. L’articolo valuterà i molti modi in cui l’IA ha avuto un impatto sul mondo. Metodi di pagamento sicuri Un tempo i contanti dominavano le transazioni quotidiane, ma oggi le persone possono scegliere tra una serie di metodi di pagamento quando fanno acquisti. Che si tratti di acquisti online o di persona, ci sono molte opzioni tra cui scegliere, in grado di soddisfare una serie di esigenze e preferenze individuali. Con i pagamenti digitali è necessario migliorare la sicurezza, semplificare le transazioni e migliorare l’esperienza dell’utente. L’intelligenza artificiale è uno strumento importante per i processi di pagamento. Nelle transazioni Bitcoin, ad esempio, l’intelligenza artificiale può rilevare attività fraudolente valutando i modelli di pagamento e il comportamento degli utenti. Questo aiuta a garantire che le informazioni personali e i dettagli finanziari siano più sicuri, protetti da malintenzionati o da aspiranti hacker. L’intelligenza artificiale è anche in grado di prevedere le fluttuazioni del mercato, indispensabile quando si utilizza un qualsiasi tracker dei prezzi dei Bitcoin, in modo che gli utenti possano valutare la volatilità e le variazioni dei prezzi per prendere decisioni più intelligenti. Gli algoritmi che garantiscono pagamenti in Bitcoin più efficienti e sicuri possono anche ottimizzare l’instradamento dei pagamenti e ridurre le commissioni di transazione. L’introduzione dell’intelligenza artificiale ha reso questi metodi di pagamento più sicuri, più veloci e senza interruzioni, rendendo i pagamenti in Bitcoin più interessanti. Migliorare l’assistenza sanitaria L’industria sanitaria ha beneficiato dell’intelligenza artificiale, aiutando le persone con una serie di diagnosi e trattamenti medici. L’accuratezza diagnostica è migliorata grazie agli algoritmi di apprendimento automatico, che possono aiutare i professionisti del settore medico a diagnosticare precocemente i sintomi. L’intelligenza artificiale ha semplificato le attività amministrative del settore, liberando tempo per la forza lavoro che può concentrarsi su altri compiti. È possibile creare piani di trattamento personalizzati basati sui dati dei singoli pazienti e l’analisi predittiva può gestire meglio i risultati, ottimizzando l’allocazione delle risorse. Cosa guardare Le piattaforme di streaming come Netflix sembrano sempre sapere in anticipo cosa sarebbe bene mostrare dopo. Quando gli spettatori sfogliano le loro opzioni, l’intelligenza artificiale raccoglie informazioni per personalizzare l’esperienza dell’utente e compilare un elenco di possibili titoli che corrispondono ai gusti individuali, in base alla cronologia degli ascolti. L‘intelligenza artificiale è in grado di analizzare il comportamento degli spettatori, di valutare i voti assegnati a un programma e di cercare modelli specifici che possano identificare le preferenze e le abitudini di visione. Gli algoritmi di apprendimento automatico possono anche fornire raccomandazioni basate sugli attori di un film o identificare i tipi di programmi apprezzati in passato. Ogni secondo visto sulla piattaforma viene documentato per migliorare le esperienze di visione. Puntare nella giusta direzione Invece di affidarsi a una mappa e alle proprie capacità di navigazione, è possibile viaggiare da A a B con l’assistenza dell’intelligenza artificiale che lavora su uno smartphone. La tecnologia è in grado di analizzare i dati sul traffico e le condizioni stradali in tempo reale per indicare con precisione il percorso migliore. Quando si inserisce una destinazione, se il dispositivo riconosce un viaggio effettuato in precedenza, la tecnologia è in grado di ricordarlo e di suggerire il percorso migliore. Anche il riconoscimento vocale su uno smartphone utilizza l’intelligenza artificiale per consentire agli utenti di navigare a mani libere lungo il percorso. Servizi di assistenza ai clienti Le aziende devono offrire servizi di assistenza ai clienti per costruire fiducia e fedeltà. Grazie all’intelligenza artificiale, le aziende possono utilizzare chatbot e assistenti virtuali per rispondere istantaneamente alle domande. Se prima i clienti dovevano chiamare entro certi orari, aspettare una telefonata o una risposta via e-mail, ora i chatbot possono aiutare rapidamente, affiancando personale umano esperto e preparato a risolvere qualsiasi problema. Grazie alla riduzione del tempo sprecato, i clienti possono tornare a godersi i servizi anziché stressarsi per l’attesa. Negli ultimi anni l’intelligenza artificiale ha avuto una grande influenza sulla società. Oggi viene utilizzata da diversi settori, e la tecnologia impiegata si è dimostrata vantaggiosa per le persone di ogni parte del mondo. L’intelligenza artificiale è destinata a diventare sempre più importante e a rendere la vita di tutti i giorni un po’ più semplice. Leggi di più su www.artificialintelligence-news.com

In che modo il Project Mariner di Google ridefinirà l’usabilità e i test degli utenti?

Dopo l’annuncio di Google sull’attesissimo Gemini 2.0 all’inizio di dicembre, il motore di ricerca più famoso al mondo ha svelato un progetto per il suo primo agente intelligente artificiale (AI). Il progetto Mariner è un prototipo di ricerca basato su Gemini 2.0 e destinato a esplorare il futuro delle interazioni uomo-agente. Mariner è un’estensione di Chrome in grado di automatizzare ogni tipo di attività web nel browser di un utente per conto di quest’ultimo. Tuttavia, il progetto, realizzato dalla filiale DeepMind di Google, è ancora nelle prime fasi di un’implementazione graduale ed è disponibile solo per un piccolo gruppo di tester fidati. Prima che tutti gli utenti di Chrome possano accedere all’utile agente AI, vediamo cos’è il Project Mariner di Google e come ridefinirà l’usabilità e i test degli utenti nel prossimo futuro. Cos’è il Project Mariner di Google? IlProject Mariner di Google consiste nella sperimentazione di un agente Gemini 2.0 (Mariner) in grado di comprendere i contenuti del browser Chrome di un utente, consentendogli di navigare nei siti web come farebbe un essere umano, prendendo il controllo del cursore, cliccando sui pulsanti e compilando moduli. Gli utenti possono lasciare un messaggio scritto o vocale all’agente AI nella chatbot sul lato destro del browser Chrome. Questa richiesta spiegherà quale compito l’utente vuole che l’agente svolga per suo conto, tra cui la ricerca di hotel, l’acquisto di articoli per la casa e la ricerca di ricette. Mariner è in grado di comprendere tutto ciò che appare sullo schermo del browser, compresi testi, codici, immagini e moduli. Tuttavia, l’agente AI chiede chiarimenti se non comprende un’istruzione. Una volta che Mariner capisce il suggerimento umano, l’agente AI mostrerà all’utente una spiegazione passo dopo passo del suo processo di ragionamento e di come intende affrontare il compito. Gli utenti vedranno il loro cursore muoversi nel browser web mentre le azioni vengono eseguite per loro conto in tempo reale. Tuttavia, per dare agli utenti un maggiore controllo sulle loro azioni sul web, l’estensione di Chrome non può compilare numeri di carta di credito o informazioni di fatturazione, accettare cookie per gli utenti o firmare un accordo sui termini di servizio. Ad esempio, se un utente chiede a Mariner di “creare un carrello della spesa da un negozio di alimentari basato su questa lista”, l’agente di Google navigherà verso il sito web di un negozio di alimentari e aggiungerà gli articoli elencati a un carrello virtuale. Mariner funziona scattando schermate del browser dell’utente e inviandole a Gemini 2.0 nel cloud per l’elaborazione. Gemini invia quindi al computer dell’utente le istruzioni per la navigazione della pagina web. Si noti che l’agente di Google funziona solo nella scheda attiva dell’utente, il che significa che non è possibile utilizzare il browser per altre attività mentre l’agente AI lavora in background. Mariner non rappresenta solo una pietra miliare nella tecnologia AI, ma anche un cambiamento nell’usabilità e nei test degli utenti. Milioni di aziende si affidano storicamente a Google per inviare persone reali a visitare e utilizzare i loro siti web. Tuttavia, se il progetto Mariner andrà a buon fine, gli utenti saranno presto meno coinvolti nei siti web che visitano, il che significa che non sarà più necessario l’intervento di esseri umani per condurre test di usabilità e di utilizzo. Cosa sono i test di usabilità e di utilizzo? Prima di scoprire come il Project Mariner ridefinirà l’usabilità e i test utente, cerchiamo di capire meglio questi metodi/processi di ricerca. Sia l’usabilità che i test sugli utenti vengono utilizzati per raccogliere informazioni utili che consentono ai designer e ai team di prodotto di creare una migliore esperienza utente (UX). I test di usabilità valutano il design e la funzionalità del prodotto, valutando la facilità e l’efficacia con cui gli utenti possono svolgere le loro attività utilizzando il sito web o l’applicazione. Il processo di verifica dell’usabilità di un sito web consiste nel chiedere a utenti reali (piuttosto che a designer e sviluppatori) di completare una serie di compiti specifici sul sito web. I risultati, la percentuale di successo e i percorsi seguiti dall’utente per completare le attività vengono analizzati in modo che il team di prodotto possa identificare le aree di miglioramento e i problemi che altrimenti potrebbero essere trascurati. Ad esempio, durante un test di usabilità per un nuovo sito di e-commerce, agli utenti potrebbe essere chiesto di trovare e acquistare un articolo specifico sul sito. Gli sviluppatori e i designer possono così verificare la facilità con cui l’utente naviga nel sito, trova il prodotto assegnato e supera il processo di acquisto. Il test degli utenti è diverso e spesso precede il test di usabilità, in quanto mira a garantire che il prodotto soddisfi le esigenze e le aspettative degli utenti, valutando la soddisfazione del prodotto, scoprendo i punti dolenti degli utenti e raccogliendo i loro feedback. I metodi più comuni di test degli utenti includono sondaggi, interviste e focus group. Tuttavia, nonostante le loro differenze, sia i test degli utenti che quelli di usabilità sono parti cruciali del processo di progettazione ed è quasi impossibile costruire un buon sito web o un’app senza questi processi. Infatti, un’esperienza utente frustrante può indurre quasi il 90% degli acquirenti online a non tornare più su un sito di e-commerce. In che modo il Project Mariner ridefinirà l’usabilità e i test degli utenti? Tradizionalmente, l’esperienza dell’utente è stata incentrata sulla soddisfazione umana, rendendo gli utenti umani il motivo principale dell’usabilità e dei test sugli utenti. Tuttavia, un esito positivo del Project Mariner di Google potrebbe significare che gli utenti umani saranno meno coinvolti nei siti web che visitano. Questo perché l’agente AI sarà in grado di portare a termine i compiti per loro conto, seguendo una semplice richiesta. In primo luogo, con gli agenti di intelligenza artificiale come utenti principali di siti web e app, possiamo aspettarci di vedere un cambiamento nei metodi di test di usabilità e utente, compresa l’introduzione di un doppio approccio: Test incentrati sull’uomo. I metodi tradizionali di test dell’usabilità e dell’utente dovrebbero rimanere in vigore

Le persone fanno più ricerche, ma non solo su Google

Stiamo vivendo un’evoluzione della ricerca. E come in ogni grande cambiamento, stiamo ricevendo informazioni contrastanti. Apprendiamo che Google gestisce 5.000 miliardi di ricerche annue e allo stesso tempo apprendiamo che la quota di mercato di Google è scesa sotto il 90% per la prima volta dal 2015. Leggiamo che i chatbot AI stanno esplodendo mentre apprendiamo che la loro quota di mercato è ancora inferiore all’1%. Sentiamo previsioni come “il traffico dei motori di ricerca calerà del 25% entro il 2026” e che “il 42% delle persone afferma che Google sta diventando meno utile” nello stesso momento in cui sentiamo che gli studi hanno rilevato che la ricerca su Google è cresciuta del 20% nell’ultimo anno. Tutto questo è vero. La ricerca si sta contraendo mentre si espande e stiamo vivendo i dolori della crescita. Due sono i fattori principali che stanno guidando questa evoluzione – e chiedersi quale sia l’uno che guida l’altro è come chiedersi se sia nato prima l’uovo o la gallina, quindi concordiamo sul fatto che entrambi sono sullo stesso piano: L’intelligenza artificiale si sta contraendo. Il comportamento degli utenti si sta espandendo. L’esplosione dell’intelligenza artificiale sta cambiando in modo permanente il panorama della ricerca. Mentre i chatbot AI come ChatGPT e Gemini continuano a imparare, i motori di ricerca come Google stanno incorporando l’AI in modi nuovi e in continua evoluzione. Google continua a testare e a perfezionare le sue panoramiche sull’intelligenza artificiale e ha ampliato la modalità AI, la sua nuova scheda di ricerca basata sull’intelligenza artificiale. I motori di ricerca AI come Perplexity continuano a essere utilizzati costantemente, anche se la quota di mercato è una misera frazione di quella di Google. L’avvento dell’intelligenza artificiale negli spazi di ricerca tradizionali sta riducendo le aree di ricerca disponibili per i brand. I marchi che in precedenza dipendevano dal traffico informativo e ad alto flusso vengono colpiti duramente dalle panoramiche dell’intelligenza artificiale che riducono la pagina 1 di Google, creando risultati di ricerca più competitivi con meno spazio, meno link e potenzialmente meno visibilità. Ma il comportamento degli utenti sta ampliando – o più precisamente, facendo esplodere – la nostra idea di ricerca. il 76% dei consumatori ha utilizzato una piattaforma di social media per effettuare ricerche e il 52% delle persone dichiara di rivolgersi a piattaforme non Google per ottenere informazioni. Questo è dovuto in parte a piattaforme più intelligenti, veloci e personalizzate (*ahem* TikTok) e in parte al fatto che le persone sono stufe di passare al setaccio i tradizionali risultati di ricerca di Google. Per esempio, il 54% delle persone guarda più risultati di ricerca rispetto a cinque anni fa, non perché amino l’esperienza, ma perché è più difficile trovare le informazioni che desiderano.   Il marketing digitale è particolarmente confuso in questo momento perché questi due enormi cambiamenti stanno avvenendo contemporaneamente. I motori di ricerca si stanno evolvendo, integrando l’intelligenza artificiale e ricalibrando la tecnologia per cercare di anticipare le richieste degli utenti; allo stesso tempo, i modelli di ricerca si stanno evolvendo: le persone cercano informazioni al di là dei motori di ricerca tradizionali e si aspettano risposte rapide, accurate e utili. Google è consapevole del cambiamento dei modelli di ricerca e sente la concorrenza delle applicazioni dei social media; puoi vedere la risposta di Google a questa concorrenza nei suoi recenti aggiornamenti. La nuova scheda Video brevi e l’inclusione di caroselli di video di breve durata nei risultati di ricerca ne sono un ottimo esempio, con Google che fa emergere video di TikTok, Instagram Reels e YouTube Shorts piuttosto che i normali video ospitati su YouTube e altre piattaforme video. Quindi, cosa ne consegue per i marketer? La nostra idea di ricerca deve espandersi oltre la ricerca tradizionale perché le persone stanno già migrando. Cercano informazioni in modi diversi, su piattaforme diverse, utilizzando la ricerca vocale, testuale e per immagini e desiderano come risposte video di breve durata e risposte scritte accurate e facili da digerire. Non possiamo aspettare che i motori di ricerca tradizionali si adeguino all’evoluzione dei comportamenti di ricerca. In questo senso, il nostro lavoro di marketer rimane lo stesso: dobbiamo creare contenuti che risuonino con il nostro pubblico e assicurarci che siano ottimizzati per essere trovati, ovunque si trovino su internet. Leggi di più su www.adweek.com

L’IA agenziale si sta avvicinando rapidamente. Ecco come fare per ottenere il giusto risultato

Sono scettico come chiunque altro nei confronti degli ultimi annunci di “oggetti luccicanti”. E appena tornato da Cannes Lions, aziende grandi e piccole hanno avuto importanti novità da condividere; l’arrivo dell’intelligenza artificiale agenziale era sulla bocca di tutti. Al momento, i team di marketing gestiscono da 80 a 120 strumenti e piattaforme diverse. La metà delle volte non riescono nemmeno a parlarsi facilmente: sono isolati. Le API vengono in soccorso e forniscono la connettività da piattaforma a piattaforma necessaria per alimentare l’ecosistema adtech di oggi. Ma le API non risolvono il problema dell’orchestrazione multipiattaforma. Se vuoi eseguire una semplice campagna di attivazione del pubblico su più canali, improvvisamente hai bisogno di un team di ingegneri solo per realizzarla. Quindi, mentre tutti sulla Croisette corrono verso gli agenti AI che promettono di automatizzare i flussi di lavoro complessi, come possono le aziende iniziare ad abilitare l’AI nei loro stack tecnologici? È qui che entra in gioco il Model Context Protocol. L’MCP non ispirerà titoli di giornale che parlano di cambiamenti epocali per la tua carriera. Non ci saranno sessioni di conferenze in cui gli MCP sostituiranno il tuo lavoro di creativo pluripremiato. Ma è molto probabile che l’MCP si stia affermando come lo standard che renderà il nostro futuro di marketing agenziale una realtà. La base della connettività Le API sono gli OG della connettività. Esistono dagli anni ’50(in realtà). Le API sono utilizzate per collegare gli stack tecnologici di oggi, ma chiaramente non sono state costruite pensando agli agenti AI. Considera un tipico flusso di lavoro di una campagna: Vuoi creare un pubblico nella tua piattaforma di dati dei clienti, inviarlo a The Trade Desk e Meta, ricevere un resoconto, ottimizzare in base alle prestazioni, monitorare le conversioni e inviare un riepilogo al tuo cliente. Sembra abbastanza semplice. Ma in realtà, hai a che fare con limiti di tariffa diversi, strutture di dati differenti e circa sei diversi punti in cui l’intera faccenda può andare a rotoli. Ora, immagina di cercare di far gestire questo flusso di lavoro a un agente AI. Con le API, dovresti insegnare all’agente i requisiti specifici di ogni piattaforma, ogni condizione di errore e ogni piccolo problema che si presenta con ogni integrazione. Questo non ha senso per l’azienda, soprattutto quando si parla di 80-120 piattaforme nel proprio stack tecnologico.   MCP ribalta completamente la situazione. Invece di dover comprendere la complessità tecnica di ogni piattaforma, gli agenti comunicano attraverso i server di protocollo che forniscono un contesto (la “C” di MCP) su ciò che ogni sistema può fare e su come lavorare con esso. Si tratta di dare al tuo agente un ottimo interprete per ogni piattaforma del tuo stack. Come si presenta in realtà l’orchestrazione agenziale La promessa non è solo quella di semplificare le integrazioni. Si tratta di rendere finalmente possibile il tipo di flussi di lavoro automatizzati di cui si parla da anni. In questo momento potrei scrivere in un’interfaccia di chat: “Prendi il nostro segmento di clienti di alto valore dalla campagna dell’ultimo trimestre. Eseguila sui canali sociali e programmatici. Punta a un ritorno sulla spesa pubblicitaria di oltre quattro volte e inviami ogni settimana aggiornamenti sull’andamento della campagna” Un agente dotato delle giuste connessioni MCP potrebbe teoricamente eseguire l’intero flusso di lavoro senza che io tocchi un’altra piattaforma. Anche in questo caso, non si tratta di un futuro di cinque anni. I principali fornitori di LLM hanno già adottato l’MCP come standard: OpenAI, Gemini e Claude lo supportano. Il futuro è adesso. Perché questa volta dovrebbe essere diverso Ciò che mi piace di MCP rispetto a tutte le altre soluzioni di integrazione “rivoluzionarie” che abbiamo visto è la modularità. Non sei vincolato all’ecosistema di un fornitore o costretto a ricostruire tutto per renderlo compatibile con l’AI o quando aggiungi una nuova piattaforma. La gestione di connessioni basate su API su scala richiede risorse reali. MCP aggiunge un nuovo livello di connessione che rende le stesse API utilizzabili dagli agenti su più piattaforme, estendendo il valore delle API, non sostituendole. Pensaci da un punto di vista pratico. Se stai gestendo uno stack tecnologico aziendale, non puoi aspettare che ogni fornitore crei integrazioni AI native. Ma puoi usare MCP come ponte tra le API esistenti e queste nuove funzionalità agenziali. I guardrail di cui abbiamo effettivamente bisogno Forse ti starai chiedendo se avremo agenti di intelligenza artificiale che si muoveranno a piede libero con i nostri budget per i media. Senti, lo capisco. L’idea di sistemi autonomi che prendono decisioni in tempo reale sui budget dei clienti dovrebbe renderti nervoso. Il punto è che si tratta di salvaguardare il sistema. Gli MCP funzionano attraverso i framework API esistenti, quindi ereditano le protezioni che hai già in vigore. Inoltre, puoi aggiungere ulteriori controlli. Anche i profili utente limitano le attività degli agenti. I punti di controllo obbligatori per l’approvazione sono una salvaguardia essenziale per le decisioni importanti, e ci sono tracce di audit per ogni cosa. L’obiettivo non è eliminare la supervisione umana. Il punto è il ruolo del giudizio dei professionisti. Invece di spostare manualmente i file tra i sistemi e di fare da babysitter alle integrazioni, dovresti stabilire i parametri strategici e fare delle scelte di ottimizzazione di alto livello, mentre gli agenti si occupano delle attività operative.   Inizia dalle piccole cose. Magari si tratta solo di automatizzare i trasferimenti di file del pubblico. Poi magari si tratta di un’aggregazione di base dei report. Prima striscia, poi cammina e infine corri. La scelta Quello a cui molti non pensano ancora è che l’MCP non si limita a collegare le tue piattaforme. Si tratta di aggiungere un nuovo livello di connettività a cui altre aziende possono collegarsi. La questione è se costruire questo livello di orchestrazione o se sperare che qualcun altro lo costruisca per te. Dobbiamo essere più intelligenti con questo strumento. Scegli con cura i fornitori di MCP. Inizia con casi d’uso chiari. Costruisci strutture di governance prima di averne bisogno. E per favore, per il bene