UPA26. Koen Pauwels sfata i miti sull'IA nel marketing e indica un modello pragmatico per i brand, tra dati, monitoraggio della visibilità nelle risposte AI ed esecuzione agentica

Tre convinzioni molto diffuse nel marketing legate all'intelligenza artificiale sono già state smentite dai fatti. È la tesi al centro del keynote di Koen Pauwels, Distinguished Professor of Marketing alla Northeastern University di Boston, intervenuto all'assemblea UPA 26, "L'anno della svolta".

Pauwels ha aperto il suo intervento con alcuni dati McKinsey: l'88% dei marketer utilizza già l'IA in qualche funzione, ma solo il 23% l'ha portata su scala, e appena il 27% ritiene di essere davvero al passo con l'evoluzione della tecnologia. Un divario ampio, che secondo lo studioso nasce da un errore di prospettiva: la domanda giusta non è se adottare l'IA, ma quali applicazioni presidiare subito e quali lasciare sperimentare prima ai concorrenti, imparando dai loro errori e dalle reazioni dei consumatori.

Il primo mito riguarda la sostituzione del marketer. Citando un confronto con Shenan Reed, Global Chief Media Officer di General Motors, Pauwels ha chiarito che il rischio reale non è essere rimpiazzati dall'IA, ma restare esposti agli errori che l'IA può produrre: quando un progetto va storto, la responsabilità resta comunque del marketer, che deve saperla spiegare.

Il secondo mito è che più contenuti equivalgano a maggiore rilevanza. La possibilità di moltiplicare all'infinito varianti di un annuncio non si traduce in efficacia, ha spiegato Pauwels: i consumatori non gradiscono essere sommersi da messaggi personalizzati e mostrano riluttanza quando l'uso dell'IA è evidente. Tra gli esempi citati, la Chief Marketing and Communications Officer di Publicis Sapient, Teresa Barreira, che ha rivisto l'intero processo di marketing della propria organizzazione, rinunciando ai brief tradizionali: l'IA aiuta a verificare che una proposta non sia offensiva o fuori tono, ma non costruisce da sola la memorabilità di un brand, che resta un investimento umano.

Il terzo mito è che i contenuti generati dall'IA raggiungano le stesse prestazioni di un lavoro autenticamente umano. Secondo Pauwels l'IA produce buoni risultati quando è addestrata sui materiali propri del brand, ma tende a generare contenuti di media efficacia, utili per restare “top of mind”, non per creare le campagne che si ricordano a distanza di dieci o vent'anni.

E ha proseguito: dove l'IA funziona davvero è sul fronte dell'esecuzione e dell'ottimizzazione, la personalizzazione su larga scala, la reportistica di campagna in tempo reale, la capacità di intercettare segnali comportamentali per ottimizzare le conversioni, come nel caso dei servizi di food delivery che individuano il momento in cui un consumatore è più propenso a un acquisto. Anche sull'uso dell'IA generativa nella produzione creativa, ha osservato Pauwels citando una propria ricerca, i consumatori sono meno critici quando il risultato non sarebbe stato altrimenti realizzabile, mentre restano diffidenti quando l'IA sostituisce qualcosa che si sarebbe potuto fare comunque.

Le nuove regole dell’AI Search

Un capitolo a parte riguarda la ricerca mediata dai Large Language Model. Pauwels ha invitato a non generalizzare: chi ama esplorare più fonti continuerà a usare i motori di ricerca tradizionali, mentre chi cerca una risposta rapida si affida sempre più agli LLM. Le due logiche di ottimizzazione, ha avvertito, non coincidono: un brand ben posizionato sulla SEO classica non è automaticamente ben posizionato nelle risposte generate dall'IA. Portando l'esempio del settore delle scarpe da running, Pauwels ha mostrato come un marchio di nicchia con una comunità coesa e una posizione distintiva possa comparire più spesso nelle risposte dei modelli linguistici rispetto a un brand più grande ma dal posizionamento diffuso: gli LLM privilegiano la coerenza tra ciò che un brand dichiara di sé e ciò che i clienti confermano nei contenuti terzi, e tendono a interpretare tutto in chiave razionale, ignorando il valore simbolico di un prodotto se i clienti non lo esplicitano.

Da qui un'indicazione pratica per i brand: presidiare sia i contenuti proprietari, tenendoli coerenti e ricchi di informazioni verificabili, sia i contenuti generati dagli utenti, che gli LLM utilizzano per validare l'affidabilità di un marchio su aspetti più esperienziali, dalla vestibilità di un prodotto alla sua reale qualità percepita.

Sul fronte della fiducia, Pauwels ha segnalato un dato in controtendenza: se nel 2023 il 60% dei consumatori si dichiarava favorevole all'uso dell'IA nella pubblicità, oggi la quota è scesa al 26%. La trasparenza sull'uso dell'IA, se dichiarata, genera oggi più reazioni che nel recente passato.

A proposito del rapporto tra IA e content creator, secondo Pauwels chi costruisce la propria audience su una relazione personale subisce un contraccolpo più forte quando ricorre all'IA, percepita come una rottura di quel legame; mentre chi è seguito per la propria competenza tecnica viene giudicato con maggiore indulgenza, perché il pubblico valuta il risultato e non il processo.

Tra gli esempi di buone pratiche, Pauwels ha citato Spotify, capace di intercettare pattern di ascolto inconsci per suggerire scoperte musicali inattese e uscire dalla bolla dei gusti già noti, e Zalando, che sfrutta l'IA per individuare rapidamente variazioni comportamentali utili alla segmentazione, dal dato demografico a quello psicografico fino al comportamento online.

Su Nike il giudizio è stato più sfumato: il marchio resta per Pauwels un caso di studio ambivalente sull'autenticità percepita, ma ha comunque realizzato campagne di personalizzazione efficaci, come “Nike By You” e “Always Evolving”, quest'ultima costruita insieme a una testimonial come Serena Williams.

Non sono mancati i controesempi: aziende che hanno sostituito con l'IA interi reparti di customer service per poi tornare ad assumere personale, avendo toccato con mano che un sistema automatico non si stanca mai, ma non basta da solo a garantire la qualità di relazione attesa dai clienti.

Il messaggio conclusivo per gli investitori pubblicitari è un modello in tre mosse: investire in infrastrutture dati solide, monitorare costantemente la visibilità del proprio brand nelle risposte generate dall'IA, e implementare l'IA agentica per l'esecuzione operativa. Il tutto, ha avvertito Pauwels, resistendo a due tentazioni opposte: la fantasia di un'automazione totale e senza supervisione, e i progetti pilota lanciati senza un ritorno sull'investimento misurabile.

Tommaso Ridolfi