L’AI non sostituisce il criterio. Lo mette alla prova

di

-

In occasione di un recente intervento al Club Millionaire, davanti a una platea di imprenditori, sono partita da una domanda che oggi riguarda sempre più aziende: come trasformare l’intelligenza artificiale da costo, esperimento o curiosità in una vera leva di crescita? Sono partita da una parola che usiamo moltissimo, e che forse capiamo poco: innovazione.

È una parola potente, ma scivolosa. Spesso la usiamo come sinonimo di tecnologia, come se innovare significasse adottare l’ultimo strumento disponibile. Per chi fa impresa, invece, innovare significa qualcosa di molto più preciso: la capacità di capire dove una nuova possibilità può trasformarsi in crescita reale.

Ed è qui che, parlando di AI, rischiamo di cadere in uno dei due estremi di un racconto polarizzato. Da un lato l’AI come grande minaccia, quella che distruggerà il lavoro, le imprese, la società. Dall’altro l’AI come cassetta degli attrezzi: un tool per scrivere, uno per le immagini, uno per i dati.

Io vorrei spostare il punto di vista. Non l’AI come promessa. Non l’AI come minaccia. Ma l’AI come leva di crescita per chi fa impresa.

E allora la domanda non è “quale tool devo usare?”. La domanda che ogni imprenditore dovrebbe farsi è un’altra: dove può entrare l’AI domani mattina per far crescere meglio la mia azienda?

Il divario non è più tra chi ha accesso e chi no.

Lavoro con startup, PMI e grandi aziende, e vedo spesso lo stesso errore a tutti i livelli: si acquista lo strumento prima di aver definito cosa quello strumento deve risolvere.

I numeri raccontano bene questo passaggio. L’88% delle organizzazioni usa ormai l’AI in almeno una funzione. Ma quante l’hanno davvero integrata su tutta l’azienda, uscendo dalla logica dei silos? Una minoranza. E quante riescono a trasformarla in valore economico misurabile? Ancora meno.

Non siamo davanti a un problema di accesso. Gli strumenti sono accessibili, i costi di ingresso si sono abbassati, le persone li stanno provando. La fase della curiosità è superata.

La sfida, adesso, è un’altra: la scalabilità.

Come si passa da “abbiamo iniziato a usare l’AI” a “abbiamo cambiato un processo”? Da “produciamo più contenuti” a “vendiamo meglio”?

Il divario è tra chi gioca e chi incassa. E la differenza non è solo tecnologica.

Non vince chi ha lo strumento più nuovo. Vince chi ha un obiettivo definito, un metodo chiaro e un criterio per capire se sta funzionando.

E questa, per chi fa impresa, è una buona notizia. Perché non è solo una questione di budget. Ho visto grandi aziende spendere moltissimo e restare ferme alla sperimentazione. E realtà piccole ottenere risultati concreti, perché avevano una domanda chiara.

Adottare l’AI non significa stratificarla. Significa progettarla dentro.

C’è un salto da fare. Il tema non è più se usare l’AI. È dove inserirla per generare valore misurabile.

Perché l’AI, da sola, non cambia un’azienda. La cambia quando entra nei punti giusti. Altrimenti resta un insieme di esperimenti: utili, magari sorprendenti, ma non capaci di generare crescita.

Questo sposta l’AI dal piano della tecnologia al piano della strategia. Non siamo davanti a un nuovo gestionale o a un nuovo CRM. Siamo davanti a un nuovo modo di fare impresa.

E questo richiede una cosa concreta: rimettere mano ai processi. Non per stravolgerli, ma per guardarli con occhi nuovi. Perché l’AI applicata a un processo inefficiente non lo migliora. Anzi.

Accelerare un processo sbagliato non è un vantaggio. È un problema più veloce.

Per orientarsi, propongo tre lenti molto semplici. Il tempo: dove perdiamo ore in attività ripetitive? Il cliente: dove possiamo essere più rilevanti, rapidi, personalizzati? Le decisioni: dove decidiamo con informazioni incomplete o disperse?

Tempo. Cliente. Decisioni. È un esercizio che ogni imprenditore può fare domani mattina, tornando in ufficio.

Il lato che si vede meno: la Noise Tax.

L’AI generativa ha abbassato drasticamente il costo di produrre contenuti. Oggi chiunque può fare post, email, immagini, campagne. Più contenuti. Più velocità. Più presenza.

Ma non più rilevanza.

E qui sta il punto. Quando tutti possono produrre di più, il rischio non è comunicare troppo. È comunicare tutti allo stesso modo.

Aprite LinkedIn e scorrete venti post. Molti sembrano scritti dalla stessa persona.

Per un brand, questo è un problema. Perché il valore non sta più nella quantità di contenuti che produci. Sta nell’essere riconosciuto, ricordato, scelto.

La Noise Tax: la tassa invisibile che paghi quando usi l’AI come tutti gli altri. La paghi in omologazione, in perdita di voce. La paghi ogni volta che il tuo brand diventa un po’ meno riconoscibile.

È una tassa pericolosa, perché non la vedi subito a bilancio. All’inizio sembra efficienza. Sembra che stai facendo di più, più in fretta. Ma se quei contenuti non hanno un punto di vista, generano rumore, non valore.

E c’è un secondo rischio, più sottile: l’Identity Drift. La deriva dell’identità. Succede quando, contenuto dopo contenuto, prompt dopo prompt, il brand si allontana lentamente da se stesso, finché si diluisce.

E quando un brand si diluisce costa molto di più farlo ricordare, costa di più farlo scegliere.

Per questo l’AI, nella comunicazione, non può essere solo una macchina per produrre di più. Va governata, per proteggere l’identità.

Il rumore non si batte alzando il volume.

Se tutti possono produrre, come si resta rilevanti? La prima risposta è proteggere il DNA del brand, anche quando si usa l’AI. La seconda è l’esperienza.

Perché l’esperienza è la cosa più difficile da copiare. È fatta di contesto, di fisicità, di relazione, di memoria, di emozione.

Il rumore non si batte alzando il volume. Si batte costruendo qualcosa che le persone possano vivere, ricordare, riconoscere. E quel qualcosa, molto spesso, non è un contenuto in più. È un’esperienza che fai vivere.

È qui che entra il phygital: l’unione tra fisico e digitale, non come somma di due canali, ma come progettazione di un unico percorso continuo. Non è hype: è un mercato che cresce a doppia cifra e una direzione di investimento concreta.

Lo vediamo su tre territori. Nel retail, dove il punto vendita diventa spazio di consulenza, community, dati e servizio e chi lo progetta bene non raccoglie solo vendite, ma informazioni che valgono quanto le vendite. Negli eventi, dove il live diventa una piattaforma: non più solo ciò che accade in una sala, ma tutto quello che succede prima, durante e dopo. Nei servizi, dove ogni interazione con il cliente diventa un segnale, un insight.

Meno hype tecnologico. Più progettazione dell’esperienza.

Due motori che lavorano insieme.

AI e phygital non sono una formula tecnologica. Sono una formula di crescita.

L’AI lavora sull’intelligenza interna dell’impresa: processi, decisioni, vendite, dati. Il phygital lavora sull’esperienza che l’impresa fa vivere fuori: nel negozio, nell’evento, nel servizio, nel percorso che porta il cliente a sceglierti e a tornare.

Quando questi due motori lavorano insieme, succede qualcosa di potente. L’intelligenza interna migliora l’esperienza esterna. E l’esperienza esterna genera nuovi dati, nuove relazioni, che tornano dentro l’azienda. È un ciclo.

Ed è qui che si costruisce un vantaggio competitivo difficile da copiare. Perché un competitor può copiare uno strumento, una campagna, un contenuto. Ma fa molta più fatica a copiare un sistema fatto di processi, dati, relazione, esperienza e identità.

Resta il criterio.

L’AI non sostituisce il criterio. Lo mette alla prova.

Perché lo strumento è sempre più accessibile. Molti avranno gli stessi modelli, gli stessi tool, le stesse piattaforme. Ma il criterio con cui decidiamo dove metterli, cosa delegare e cosa proteggere: quello farà la differenza.

La tecnologia amplifica. Ma amplifica ciò che trova. Amplifica processi chiari o processi confusi. Brand forti o brand generici.

Per questo il criterio diventa la vera competenza strategica. Non la capacità di usare ogni nuovo strumento, ma quella di decidere quali servono davvero, dove inserirli e quale valore devono generare.

Sperimentare. Misurare. Scalare. Innovare. Ma senza perdere ciò che rende la propria impresa unica, riconoscibile, credibile e umana.

Perché quella non è la parte che la tecnologia deve sostituire, ma solo aiutare a rendere più forte.

Il vocabolario di Economia Artificiale (3/3): cosa cambia in azienda

di

Alessandro Angelelli

-

Ultima tappa del percorso tra i concetti chiave di “Economia Artificiale” (prefazione di Salvatore Russo, postfazione di Sebastiano Zanolli). Dopo aver visto come cambia il mercato (B2A, GEO, Impresa Aumentata) e come cambia la comunicazione (Manifesto, Expertelling, Vibe Marketing), chiudiamo con la parte più operativa del libro: cosa cambia e cosa fare, concretamente, dentro un’organizzazione.

Oro Grigio

La massa monumentale di dati storici, registri di collaudo, verbali tecnici, ticket di assistenza e know-how d’officina custoditi negli archivi aziendali; la risorsa primaria delle PMI per rendersi uniche.

Nel libro lo presento come la più grande barriera immunitaria a disposizione delle imprese italiane: un patrimonio che nessun concorrente, per quanto dotato di modelli AI generici e potenti, potrà mai replicare, perché non ha accesso a quei dati. Il problema, per la maggior parte delle PMI, non è la mancanza di questa miniera. È non sapere di averla.

Metodo D.A.T.I.

Metodologia in quattro fasi (Download, Analisi, Twin, Insights), ideata da CUDRIEC, per guidare le imprese nell’estrazione dell’oro grigio e nella validazione strategica con AI e Digital Twin.

È il protocollo operativo che nel libro propongo per trasformare un’azienda tradizionale in quella che chiamo Impresa Aumentata: prima si scaricano e mappano i dati sommersi, poi si analizzano per estrarne pattern, poi si costruiscono gemelli digitali (Digital Twin) dei clienti reali, infine si trasformano le simulazioni in decisioni.

Business Crash Test

Protocollo ingegneristico di simulazione del Go-To-Market, inserito nella fase finale del Metodo D.A.T.I., che testa il prodotto o l’idea di business, la credibilità del messaggio, l’elasticità del prezzo e le barriere all’adozione tramite una rete di Digital Twin, prima del lancio sul mercato reale.

Funziona esattamente come i crash test automobilistici virtuali: l’errore in simulazione costa zero. Il fallimento sul mercato reale, invece, può costare l’intera impresa.

Customer Driven Economy

Paradigma evoluto in cui l’azienda cede quote di potere reale alla propria community, coinvolgendola attivamente nella co-progettazione dei prodotti e nella validazione delle scelte strategiche.

È una delle difese più potenti descritte nel libro: un’azienda che co-governa apertamente con i propri clienti costruisce una barriera antropologica che nessun algoritmo di terze parti può scavalcare, semplicemente perché non è più una decisione che l’azienda prende da sola.

Con questo si chiude la serie sui concetti chiave di “Economia Artificiale”. Se questi tre articoli ti hanno incuriosito, l’introduzione integrale del libro è già disponibile qui su Moondo.

Il vocabolario di Economia Artificiale (2/3): strategie di marketing

di

Alessandro Angelelli

-

Seconda tappa del percorso tra i concetti chiave del libro “Economia Artificiale“. Nel primo articolo abbiamo visto come cambia il mercato quando il cliente si sdoppia in umano e algoritmo (B2A, GEO, Impresa Aumentata). Qui affrontiamo la conseguenza diretta: se il pubblico non è più solo umano, anche il modo di comunicare e fare marketing deve cambiare.

Manifesto (di Brand)

Dichiarazione pubblica e polarizzante di visione e valori con cui un’azienda proclama chi combatte, chi rifiuta e quali logiche di mercato non accetterà mai.

È l’atto di rottura che nel libro considero indispensabile nell’era agentica: non per posizionarsi in modo aggressivo fine a sé stesso, ma per attivare due cose insieme: 1) il veto emotivo nel consumatore umano; 2) un nodo semantico univoco e riconoscibile dentro la macchina che lo confronta con la concorrenza.

Movimento (Brand-Movimento)

Evoluzione suprema del brand che trasforma l’azienda in una causa condivisa da una comunità tribale fedele, che cerca il marchio per nome e scavalca ogni mediazione algoritmica.

È l’unica barriera competitiva che, nel libro, definisco davvero definitiva: nessun algoritmo di comparazione può distruggere un legame che il cliente ha scelto personalmente di costruire con te.

Expertelling

Approccio di posizionamento e comunicazione (termine che ho coniato nel 2018) che sostituisce lo storytelling affabulatorio e patinato con la codifica rigorosa della propria autorità nativa, basata su dati reali, processi d’officina ed esperienza vissuta.

È il cuore del capitolo che nel libro dedico alla comunicazione: nell’era in cui l’AI genera storie perfette a costo zero, l’unico linguaggio che supera la “dogana” dei motori generativi e risveglia la fiducia di un consumatore ormai stanco delle favole aziendali è quello che mostra le prove, non quello che racconta bene.

Vibe Marketing

Strategia di marketing che progetta un’atmosfera culturale, rituale, simbolica ed estetica attorno al brand, creando un’eccedenza semantica non calcolabile né replicabile dalla fredda computazione algoritmica.

Immunità Antropologica

La condizione di invulnerabilità commerciale raggiunta da un brand che costruisce un legame culturale, rituale e valoriale così profondo con la propria tribù da rendere vani i tentativi di comparazione algoritmica sul prezzo.

Questi ultimi due concetti lavorano insieme: il Vibe Marketing è la prima linea di difesa, l’Immunità Antropologica è il risultato a cui punta. È la differenza tra un brand che compete ancora sul prezzo e uno che, semplicemente, non è più comparabile.

Nel prossimo e ultimo articolo di questa serie entriamo nella parte operativa del libro: come si estrae davvero valore dai dati aziendali con il Metodo D.A.T.I., cos’è l'”oro grigio” delle PMI italiane, e come funziona un Business Crash Test.

Il vocabolario di Economia Artificiale (1/3): il Nuovo Mercato

di

Alessandro Angelelli

-

A seguito dell’uscita del mio ultimo libro, “Economia Artificiale” (con prefazione di Salvatore Russo, postfazione di Sebastiano Zanolli), Moondo inizia la pubblicazione dei concetti chiave attorno a cui è costruito il progetto editoriale.

Non un glossario enciclopedico, sono i termini che uso ogni giorno per spiegare cosa sta cambiando davvero nel modo in cui un’azienda viene trovata, valutata e scelta. Partiamo dalla domanda più semplice e più scomoda: “Chi è, oggi, il tuo cliente?“

B2A (Business-to-Agent)

Nuova direttrice commerciale in cui l’azienda vende direttamente o si interfaccia con un assistente AI autonomo (l’Agente), il quale filtra le alternative e decide l’acquisto per conto del consumatore finale.

Il cliente si è sdoppiato: da un lato resta l’essere umano emotivo (quello che Kahneman chiamerebbe Sistema 1), dall’altro è comparso un compratore freddo e computazionale che ragiona per dati strutturati e verificabilità (Sistema 2). Il B2A non sostituisce il B2C o il B2B: si aggiunge, e obbliga a imparare a vendere a entrambi contemporaneamente.

GEO (Generative Engine Optimization)

L’insieme delle tecniche volte a strutturare l’autorevolezza, la coerenza semantica e le entità reali di un brand affinché venga citato, raccomandato e sintetizzato come fonte primaria dai motori di risposta generativi (ChatGPT, Gemini, Perplexity).

È il passaggio che sta succedendo alla SEO così come la conoscevamo: non più visibilità nei link blu di una pagina di ricerca (SERP), ma presidio del nodo semantico dentro la sintesi che l’algoritmo genera. Se il tuo brand non viene nominato dentro quella sintesi, per l’utente che la legge semplicemente non esiste, anche se il tuo sito è tecnicamente perfetto.

Impresa Aumentata

Organizzazione simbiotica che fonde la massima potenza computazionale dell’intelligenza artificiale (che nel libro chiamo Flow) con la visione strategica, l’intuito profondo e l’etica insostituibile dell’essere umano (Focus).

È il modello a cui tutto il libro converge: un’impresa che non subisce l’algoritmo e non lo rifiuta, ma lo indossa come un’armatura per dare scala millimetrica alla propria unicità. La tecnologia macina, calcola, esegue. La direzione resta, e deve restare, un atto umano.

Nelle prossime settimane pubblicherò gli altri due gruppi di concetti: come cambia la comunicazione di un brand quando il pubblico non è più solo umano (Manifesto, Expertelling, Vibe Marketing), e come si esegue concretamente questa transizione dentro un’organizzazione (Metodo D.A.T.I., Oro Grigio, Business Crash Test). “Economia Artificiale” esce a ottobre.

Economia Artificiale: l’introduzione del libro di Angelelli, in anteprima

di

Redazione

-

A ottobre esce “Economia Artificiale“, il nuovo saggio di Alessandro Angelelli su come vendere, comunicare e fare marketing quando il cliente non è più solo un essere umano, ma sempre più spesso un Agente AI che decide al posto suo.

È un libro che nasce da anni di lavoro sul campo in CUDRIEC, dal confronto con i partner e da una domanda che Angelelli pone spesso al centro delle proprie riflessioni: cosa resta al marketing se lo priviamo della componente umana?

Su gentile concessione dell’autore pubblichiamo qui l’introduzione integrale, in anteprima rispetto all’uscita del libro. È la mappa di quello che troverete nelle pagine successive: la buona notizia è che la direzione da prendere esiste ancora, e resta squisitamente umana.

C’è un istante nel processo d’acquisto contemporaneo in cui nessun essere umano è più coinvolto: un software confronta variabili, applica una funzione di utilità e decide. Non giudica il tuo tono di voce, non si commuove per il tuo storytelling, non prova simpatia per il fondatore dell’azienda. Calcola. E se la tua azienda non supera quel calcolo, per la macchina, semplicemente non esiste.

Questo libro nasce da un’urgenza pragmatica: l’accumulo tecnologico degli ultimi due decenni troppo spesso non ha prodotto il vantaggio competitivo sperato. In molti casi ha addirittura reso le aziende perfettamente intercambiabili. Quando la tua efficienza algoritmica è identica a quella del concorrente, la macchina applica una scomposizione razionale del valore e ti valuta solo sul prezzo, fino all’azzeramento dei margini d’impresa.

Il terminale d’acquisto è mutato e con esso il bersaglio stesso del marketing. Da quando esiste il commercio, l’obiettivo è stato uno solo: fare breccia nella mente umana, stimolando desideri, paure ed emozioni. Oggi ci troviamo di fronte al più radicale cambio di paradigma nella storia del business: il cliente non è più solo l’uomo. È anche l’algoritmo che sceglie per lui.

La decisione d’acquisto viene progressivamente delegata a sistemi sintetici autonomi, segnando il passaggio dai vecchi modelli B2C (Business-to-Consumer) e B2B (Business-to-Business) verso il B2A: il Business-to-Agent. Agenti dotati di intelligenza artificiale, capaci di interpretare la realtà, pianificare azioni e negoziare contratti per conto di chi li ha istruiti. L’interlocutore della tua azienda si è sdoppiato: da un lato resta un essere umano emotivo, dall’altro è comparso un compratore freddo, computazionale, guidato esclusivamente da istruzioni matematiche e vincoli di utilità. Dovrai imparare a vendere a entrambi.

Per orientarti in quella che sarà l’Economia Artificiale questo saggio si muove lungo una traiettoria che unisce la comprensione antropologica del consumatore all’efficienza computazionale. Nelle prossime pagine ti guiderò attraverso tre vettori che stanno riscrivendo le regole della sopravvivenza d’impresa:

La transizione verso l’era del B2A, dove i sistemi software scelgono al posto dell’uomo, obbligandoci a imparare a vendere alla macchina.
L’uso smodato e passivo del NLG (Natural Language Generation), che sta omologando i contenuti e anestetizzando la capacità critica delle aziende.
Il tramonto dello Storytelling patinato, ormai riprodotto all’infinito e a costo zero dalle macchine, e la necessità di sostituirlo con l’Expertelling: la codifica della propria autorità reale come unica chiave per essere riconosciuti, nominati e scelti dagli “oracoli” sintetici (GEO – Generative Engine Optimization).

Quello che stai per leggere non è un manuale tecnico per scrivere “prompt” migliori, né un inno all’automazione cieca. È il tentativo di offrirti una mappa strategica per non cedere la sovranità della tua impresa all’algoritmo.

Questa mappa ha una destinazione precisa, che tornerà pagina dopo pagina con un nome solo: Impresa Aumentata. Non è un’azienda che rifiuta la macchina, né una che le si sottomette. È l’organizzazione che ha imparato a dividere il lavoro con lucidità: lascia alla tecnologia l’esecuzione, la scala, la velocità, e riserva a sé stessa l’unica cosa che nessun algoritmo potrà mai possedere, la direzione. Ogni capitolo del libro è, in un modo o nell’altro, un tentativo di avvicinarti a quel modello.

Nella Parte I e nella Parte II del libro ti mostrerò perché il conformismo algoritmico e il “voler piacere a tutti” sono i virus che stanno uccidendo i brand. Capiremo insieme perché il marketing senza intelligenza artificiale non regge più i ritmi del mercato, ma allo stesso tempo non può fare a meno della “Magnifica Humanitas”. Ti sfiderò a trasformare il brand in un vero e proprio Movimento, capace di attivare un veto nel consumatore umano: l’unica arma in grado di scavalcare le fredde raccomandazioni della macchina. È qui che il Sistema 1 e il Sistema 2 del tuo cliente, quello emotivo e quello computazionale, iniziano a raccontarti due storie diverse, e imparerai a parlare ad entrambi.

La Parte III avrà un carattere prettamente operativo. Vedrai come applicare il framework D.A.T.I. (Download, Analisi, Twin, Insights), una metodologia che ti permetterà di estrarre “l’oro grigio” dei dati aziendali e di validare le tue strategie attraverso Digital Twin (gemelli digitali) e protocolli di Business Crash Test, con esempi concreti: dal distretto tessile di Prato a colossi come Sacmi e Brunello Cucinelli, che questa sfida la stanno già affrontando e vincendo.

Un’ultima indicazione pratica, prima di iniziare. Ogni capitolo del libro si apre con una frase breve, firmata da un modello di intelligenza artificiale diverso: non è una citazione ornamentale, ma un piccolo esperimento che attraversa tutto il testo, e che troverete raccontato per intero in una delle appendici finali. E se lungo il percorso incontrerete un termine che vi sembra nuovo (Expertelling, oro grigio, Digital Twin, o uno qualsiasi degli altri concetti che costruiremo insieme) un glossario ragionato, pensato per essere consultato mentre si legge, chiude il volume.

L’efficienza è diventata solo il prezzo d’ingresso per sedersi al tavolo del mercato. Il resto, la direzione da scegliere, il motivo per cui un cliente (umano o sintetico) dovrebbe scegliere proprio te, è il tema del libro.

Buona vita!

“Economia Artificiale” esce a ottobre, con la prefazione di Salvatore Russo e la postfazione di Sebastiano Zanolli. Se questa introduzione vi ha incuriosito, continueremo ad approfondire insieme ad Alessandro Angelelli i temi principali del libro (B2A, Expertelling, il Metodo D.A.T.I.) nelle prossime settimane, sulle pagine di Moondo.

B2A: cosa cambia davvero quando il cliente è un agente AI

di

Alessandro Angelelli

-

di Alessandro Angelelli

A settembre 2025 OpenAI ha lanciato una funzione che sembrava chiudere il cerchio: comprare un prodotto senza mai uscire dalla chat, con un clic dentro la conversazione e il pagamento gestito attraverso un’infrastruttura sviluppata insieme a Stripe. Si chiamava Instant Checkout.

Sei mesi dopo, a marzo 2026, OpenAI ha ridimensionato quella prima implementazione e ha spostato il baricentro verso la scoperta dei prodotti, il confronto tra alternative e l’integrazione con le esperienze dei singoli merchant.

Non perché l’idea del commercio assistito da agenti fosse necessariamente sbagliata. Perché quella particolare modalità di esecuzione non offriva sufficiente flessibilità a merchant e clienti. È una distinzione importante, soprattutto prima di costruirci sopra una strategia.

Il checkout nativo di OpenAI è stato ridimensionato. Il B2A, inteso come possibile evoluzione del commercio mediato da agenti, resta invece un fenomeno in sviluppo.

Cosa è successo a Instant Checkout

Al lancio Instant Checkout era disponibile per gli utenti statunitensi con i venditori Etsy. OpenAI annunciava inoltre l’arrivo di oltre un milione di merchant Shopify, citando marchi come Glossier, SKIMS, Spanx e Vuori. L’annuncio descriveva però un bacino potenziale, non un insieme di merchant già attivi.

La prima versione presentava anche limiti concreti. Gli acquisti erano inizialmente concentrati su singoli articoli: il carrello multi-prodotto non era ancora supportato. Il merchant restava responsabile dell’evasione dell’ordine, della spedizione, dei resi e dell’assistenza al cliente; ChatGPT interveniva soprattutto nell’interfaccia di scoperta e acquisto.

Secondo diverse ricostruzioni di settore, prima del ridimensionamento solo poche decine di venditori Shopify erano effettivamente live. Le difficoltà riportate riguardavano soprattutto l’esecuzione (onboarding dei merchant, accuratezza delle informazioni sui prodotti, gestione delle varianti, disponibilità, spedizioni e conversione). Un’analista di Forrester ha raccontato a CNBC che l’onboarding dei merchant si è rivelato un processo molto più lungo del previsto, e che Instant Checkout era soggetto a errori frequenti.

Il problema, dunque, non era semplicemente “gli utenti non vogliono comprare in chat”. Era la distanza operativa tra fasi diverse dello stesso percorso:

consigliare un prodotto;
confrontare più alternative;
verificare dati e disponibilità;
gestire un carrello;
applicare loyalty, sconti e regole commerciali;
completare pagamento, spedizione, resi e assistenza.

Una distanza che può sembrare piccola dal punto di vista dell’interfaccia e rivelarsi molto grande dal punto di vista commerciale.

Il protocollo non è il prodotto

Instant Checkout era una specifica esperienza di acquisto. Sotto quella esperienza c’era l’Agentic Commerce Protocol (ACP), sviluppato da OpenAI e Stripe per permettere a un agente di interagire con un merchant e avviare una transazione in modo controllato.

Il ridimensionamento del checkout nativo non ha comportato l’abbandono dell’ACP. A marzo 2026 OpenAI ha annunciato un’estensione del protocollo per sostenere soprattutto la product discovery: cataloghi più completi, informazioni più aggiornate e confronti più ricchi direttamente dentro ChatGPT.

Il nuovo orientamento è quindi meno “ChatGPT diventa il negozio” e più “ChatGPT aiuta il cliente a trovare e valutare il prodotto”, mentre il merchant mantiene il controllo dell’esperienza commerciale e del checkout.

In questo modello l’acquisto può avvenire nell’ambiente del retailer o attraverso un’app del retailer integrata in ChatGPT. Lo stesso annuncio di OpenAI ha presentato la nuova esperienza Walmart dentro ChatGPT, costruita attorno all’assistente proprietario del retailer, “Sparky”: collegamento diretto all’account, programma fedeltà e pagamenti Walmart, senza mai uscire dalla conversazione. È un modello diverso dal checkout centralizzato: l’utente resta dentro l’interfaccia di ChatGPT, ma il merchant conserva una parte molto più ampia della relazione commerciale.

Target invece, in questa stessa fase, risulta tra i retailer che hanno integrato ACP per la sola fase di scoperta, un livello di integrazione diverso, meno profondo di quello ottenuto da Walmart con un’app dedicata.

ACP, UCP e la nuova competizione

OpenAI non è l’unica azienda a costruire infrastrutture per il commercio mediato da agenti.

A gennaio 2026 Google ha annunciato lo Universal Commerce Protocol, uno standard aperto destinato a coprire più fasi del percorso di acquisto: scoperta, selezione, acquisto e assistenza post-vendita. UCP è stato co-sviluppato da Google e Shopify insieme a Etsy, Wayfair, Target e Walmart, con il sostegno di oltre venti organizzazioni dell’ecosistema retail e dei pagamenti.

È corretto considerare ACP e UCP come iniziative concorrenti in alcune aree, soprattutto perché ciascuna può diventare un punto di accesso privilegiato tra agenti, merchant e consumatori. Non sono però necessariamente alternative esclusive: sono protocolli e architetture in evoluzione, e il loro rapporto può includere anche forme di compatibilità, sovrapposizione o integrazione.

Il dettaglio strategico non è quindi soltanto stabilire quale protocollo “vincerà”. È capire che il percorso di acquisto si sta separando in componenti diverse:

scoperta del prodotto;
interpretazione del bisogno;
confronto tra alternative;
costruzione del carrello;
pagamento;
gestione dell’ordine;
assistenza post-vendita.

Una piattaforma può presidiare alcune di queste fasi, mentre il merchant ne mantiene altre. È lo stesso fenomeno che emerge nel ragionamento comparativo che un tempo facevamo solo noi “umani”: una parte del lavoro che prima svolgeva direttamente il consumatore può essere delegata a un sistema (un agente) capace di filtrare, sintetizzare e raccomandare.

Cosa significa davvero B2A

B2A (Business-to-Agent) può essere usato per descrivere una relazione commerciale in cui un’impresa deve rendersi comprensibile, confrontabile e, in prospettiva, transazionabile da un agente artificiale che agisce per conto del cliente finale.

Non è un sostituto già affermato di B2C o B2B. È una cornice interpretativa per descrivere un possibile nuovo livello della catena decisionale: oltre al cliente e all’impresa, entra un sistema che interpreta il bisogno, seleziona le opzioni e può coordinare alcune azioni.

Ho fissato l’inquadramento più esteso in Economia Artificiale: definizione, significato, impatti, nella parte dedicata ai mercati ibridi e all’agentic commerce.

Le regole cambiano rispetto alla comunicazione tradizionale. Diventano più importanti:

dati di prodotto completi e aggiornati;
prezzi, disponibilità e condizioni affidabili;
attributi confrontabili;
feed e cataloghi interrogabili;
integrazioni tecniche;
gestione coerente di varianti, spedizioni, resi e garanzie.

Questo non significa che pagine, immagini, storytelling e brand smettano di contare. Significa che devono essere affiancati da informazioni che un sistema possa interpretare senza dover ricostruire ogni elemento da una pagina pensata esclusivamente per un lettore umano.

Il B2A, quindi, non elimina il B2C. Aggiunge un potenziale intermediario alla decisione commerciale.

Essere leggibili, non necessariamente “invisibili”

La conseguenza più concreta non riguarda soltanto l’intelligenza artificiale. Riguarda la qualità dei dati.

Un agente deve poter comprendere almeno:

che cosa viene venduto;
quali caratteristiche ha il prodotto;
quanto costa;
se è disponibile;
quali sono tempi e costi di consegna;
quali condizioni valgono per resi, garanzie e assistenza;
quali varianti sono realmente acquistabili.

Per ottenere questo risultato servono dati strutturati, ma “dati strutturati” non significa soltanto JSON-LD o schema markup. I sistemi di commerce AI possono utilizzare cataloghi, feed di prodotto, Merchant Center, integrazioni API, app di retailer e protocolli commerciali come ACP o UCP. JSON-LD e schema markup possono aiutare i motori di ricerca e i sistemi automatici a interpretare una pagina, ma non sono una condizione universale per essere presenti nei sistemi di shopping AI e, da soli, non garantiscono accuratezza o visibilità.

È quindi più corretto dire che formati strutturati come questi possono aiutare i sistemi automatici a comprendere un catalogo, non che la loro assenza renda automaticamente l’azienda invisibile agli agenti. La domanda giusta non è “abbiamo inserito lo schema markup?”, ma piuttosto: “le informazioni commerciali che un agente usa per raccomandarci sono complete, aggiornate, coerenti e verificabili?”

Un’azienda non diventa automaticamente invisibile perché non ha implementato JSON-LD. Può però diventare meno rappresentabile, meno confrontabile o più esposta a errori se i suoi dati sono incompleti, contraddittori o difficili da interrogare.

Come rendere un’azienda davvero leggibile (non soltanto presente) sarà argomento di un articolo dedicato a quello che definisco “Oro Grigio”: i dati che ogni impresa ha già in casa, e spesso non sa nemmeno di possedere.

Cosa resta al cliente

C’è un elemento che rischia di perdersi nell’entusiasmo per i protocolli: l’agente non cancella automaticamente la persona.

Un sistema può cercare, filtrare, confrontare e, in alcuni contesti, predisporre o completare un acquisto. Ma il livello di autonomia dipende dall’architettura, dalle autorizzazioni e dalle regole del servizio: nei modelli attuali, i meccanismi di pagamento sono progettati per autorizzare transazioni specifiche e mantenere il controllo dell’utente. “Comprare per conto del cliente” non significa necessariamente decidere e pagare senza conferma.

Inoltre, anche quando l’agente ha individuato l’opzione apparentemente migliore, il cliente può rifiutarla per ragioni che non coincidono con prezzo o convenienza: fiducia, familiarità, reputazione, identità, preferenza per una marca, esperienza precedente, appartenenza a una comunità, o il semplice rifiuto di un determinato venditore o modello di business.

È il tipo di legame che ho descritto parlando di Immunità Antropologica: il brand che nessun concorrente può copiare. Questa resta una tesi interpretativa, non una legge già dimostrata dai dati, ma è una distinzione strategica importante: l’agente può ottimizzare ciò che riesce a misurare, mentre la scelta umana può continuare a includere elementi difficili da ridurre a prezzo, rating e caratteristiche tecniche.

È qui che il brand, la relazione e la fiducia possono conservare un ruolo specifico. Una scheda prodotto perfettamente strutturata aumenta la leggibilità; non garantisce da sola la preferenza.

Nel prossimo articolo della serie racconterò più precisamente come funziona questo potere di veto, e perché potrebbe diventare, paradossalmente, una delle poche leve competitive che le macchine non possono replicare.

La domanda da farsi se vendi qualcosa

Se oggi un agente AI dovesse cercare la tua categoria di prodotto, riuscirebbe a comprendere davvero la tua offerta, le differenze tra i prodotti, il prezzo e la disponibilità, le condizioni di consegna, resi e garanzie, e i motivi per cui dovrebbe preferirti? Oppure dovrebbe ricostruire tutto da informazioni incomplete, incoerenti o non aggiornate?

Il punto non è prepararsi a un mondo in cui ogni cliente delegherà ogni scelta a un agente. Quel mondo non è ancora qui, e non è certo che si realizzi in quella forma. Il punto è più concreto: una parte crescente della scoperta e del confronto può passare attraverso sistemi automatici. Un’azienda che non sa rappresentare correttamente la propria offerta rischia di essere interpretata male, confrontata male o addirittura esclusa prima ancora che il cliente abbia avuto la possibilità di conoscerla.

Il B2A non sostituisce il commercio tradizionale. Ma introduce una nuova domanda per chi vende: il tuo prodotto è comprensibile soltanto a una persona che visita il tuo sito, oppure è comprensibile anche a un agente che deve trovarlo, confrontarlo e proporlo?

Il Marketing AI-Powered e il paradosso dell’iper-personalizzazione

di

Alessandro Angelelli

-

Perché rincorrere l’unicità del cliente rischia di renderci tutti uguali (e di farci parlare solo con gli algoritmi)

Se tutto viene iper-personalizzato con l’Intelligenza Artificiale e ognuno abita la propria versione dei fatti, dei prodotti e del mondo, possiamo dire che: “Se tutto è diverso per tutti alla fine è tutto uguale?”

In sociologia e teoria dell’informazione questa riflessione è il cuore del paradosso dell’iper-personalizzazione. Se spingi la variazione all’infinito, ottieni l’equivalente sistemico del rumore bianco: la presenza simultanea di tutte le frequenze possibili che, all’ascolto, genera un suono piatto, uniforme e privo di segnale.

Questo collasso della diversità apparente in un’omogeneità di fatto avviene attraverso tre dinamiche profonde:

L’omogeneità di secondo livello: l’output che consumi (la notizia calibrata sui tuoi bias, il prodotto disegnato sui tuoi gusti, la risposta tarata sul tuo linguaggio) è unico, ma l’esperienza strutturale è identica per chiunque. Tutti vivono nello stesso ciclo algoritmico basato sull’azzeramento dell’attrito, sulla gratificazione immediata e sullo specchio dei propri desideri. Il contenuto varia, ma la gabbia d’esperienza è la stessa per tutti.
La perdita del sistema di riferimento: la diversità ha senso solo se esiste un canone condiviso, un terreno comune rispetto al quale misurare lo scarto. Se non esiste più una realtà di massa, un fatto oggettivo o un’opera culturale collettiva, il concetto stesso di “differenza” perde significato. Se tutto è eccezionale e su misura, la misura smette di esistere e subentra la banalità.
Il solipsismo di massa: Nel momento in cui ogni individuo abita una propria versione della realtà, la comunicazione interpersonale diventa un esercizio di traduzione continua tra mondi incommensurabili. Ci ritroviamo in uno stato di isolamento perfettamente personalizzato: un’esperienza atomizzata che, vista dall’esterno, rende le vite di tutti piatte e prevedibili allo stesso modo.

Sostituire la complessità del mondo reale con uno specchio algoritmico non rende l’esperienza più ricca, ma solo priva di contrasto. L’infinito su misura finisce, paradossalmente, per coincidere con la più radicale delle omologazioni.

L’impatto sul business: le tensioni del Marketing AI-Powered

Come si traduce questa dinamica sociale nel mercato? La promessa fondativa del marketing contemporaneo sembrava inattaccabile: usare i Big Data e l’AI per trasformare la segmentazione in un dialogo “one-to-one”. Eppure, l’ossessione per questa personalizzazione algoritmica sta generando tensioni commerciali e operative che i brand non possono più ignorare.

La tensione psicologica: dalla “cura” alla sorveglianza

C’è una linea sottile tra un brand che ti capisce e un brand che ti spia. L’iper-personalizzazione estrema scivola spesso nella cosiddetta Uncanny Valley del marketing: quando un algoritmo anticipa un bisogno prima ancora che il consumatore lo abbia razionalizzato, l’effetto non è la gratificazione, ma la percezione di una violazione dello spazio personale. Il cliente non si sente più servito, ma monitorato e pre-calcolato, innalzando barriere difensive contro le stesse aziende che cercavano di annullare le distanze.

La tensione etica: la gabbia della predittività e la fine della serendipità

L’intelligenza artificiale predittiva, nutrendosi dello storico delle interazioni, propone all’utente versioni marginalmente diverse di ciò che ha già scelto. La scoperta si atrofizza, eliminando la serendipità (l’incontro casuale con il nuovo). Invece di ampliare le scelte operative dell’utente, il brand lo chiude in un loop auto-confermante, limitandosi a rassicurarlo nella sua comfort zone.

L’avvento degli Agenti AI: il nuovo filtro tra brand e consumatore

Il vero punto di rottura di questo paradosso non risiede solo nel modo in cui le aziende usano i dati, ma nell’infrastruttura tecnologica che il consumatore stesso sta adottando.

Ci accingiamo ad entrare nel campo di una Economia Artificiale, stiamo passando da un’era in cui l’utente naviga nel web per cercare prodotti, a un’era in cui delega questa funzione ai propri Agenti AI. Questi assistenti personali agiscono come scudi e proxy decisionali. Se un utente chiede al suo Agente di “trovare il miglior hotel per una famiglia, silenzioso e vicino al centro”, l’Agente esplorerà il web, filtrerà il rumore del marketing, ignorerà l’emotività e restituirà solo le opzioni che corrispondono matematicamente ai parametri.

Il consumatore è iper-protetto. Ma per le aziende, questo significa che il marketing B2C (Business to Consumer) si sta rapidamente trasformando in B2A — Business to Agent: il marketing non si rivolge più al consumatore finale, ma agli agenti AI che filtrano, valutano e decidono per suo conto.

La tensione commerciale: GEO e l’omologazione perfetta

Per dialogare con questi Agenti AI le aziende stanno adottando tecniche di Generative Engine Optimization (GEO): l’insieme di pratiche che struttura contenuti e dati affinché siano compresi, selezionati e citati dai motori generativi, non solo trovati dai motori di ricerca tradizionali. Devono convincere l’algoritmo del cliente con dati strutturati, verificabili e ottimizzati, non più (solo) l’umano tramite lo storytelling.

Ma se tutte le aziende ottimizzano i propri messaggi per compiacere le stesse reti neurali, e se gli Agenti AI utilizzano tutti la stessa logica di selezione (efficienza e assenza di attrito), il risultato finale è il famoso “rumore bianco”. Il Tone of Voice viene appiattito perché l’Agente AI cerca fatti, non metafore. Nel tentativo disperato di farsi scegliere dall’algoritmo personalizzato dell’utente, i brand finiscono per perdere la propria identità, diventando indistinguibili.

Uscire dal paradosso: restituire autonomia nell’Economia Artificiale

Il futuro del marketing non consisterà nell’abbandonare l’Intelligenza Artificiale, ma nel cambiarne il paradigma: da una logica estrattiva a una di empowerment.

Per sopravvivere nella nuova Economia Artificiale, i brand dovranno operare su un doppio binario:

Per gli Agenti AI: fornire dati limpidi, strutturati e privi di attrito, ottimizzati per la GEO, affinché le macchine possano valutare oggettivamente l’offerta.
Per gli Umani: passare dallo storytelling all’Expertelling, offrire quell’esperienza imperfetta, spigolosa ed emozionale che un algoritmo non potrà mai simulare né filtrare completamente. È qui che entra in gioco quella che possiamo chiamare immunità antropologica: la capacità di un brand di restare riconoscibile e rilevante proprio nei tratti che un sistema predittivo non riesce a normalizzare: l’attrito, l’imperfezione, la scelta non ottimale ma umana.

I brand che vinceranno non saranno quelli in grado di prevedere esattamente quale pulsante cliccherai, ma quelli capaci di ridare significato e attrito alla scelta umana in un mondo mediato dalle macchine.

In sintesi

Il paradosso: più la personalizzazione si spinge all’estremo, più l’esperienza collettiva collassa in un’omogeneità di fondo: il “rumore bianco” dell’iper-personalizzazione.
Lo spostamento in corso: il marketing passa dal B2C al B2A, perché il consumatore delega sempre più decisioni ai propri Agenti IA.
La via d’uscita: doppio binario: dati strutturati e GEO per parlare agli Agenti, immunità antropologica (expertelling, attrito, imperfezione) per restare rilevanti per gli umani.

Ti stanno rubando le idee. E nessuno le ha copiate

di

Alessandro Angelelli

-

C’è un furto perfetto in corso, proprio adesso, e la parte più inquietante è che nessuno sta rubando niente. Nessuna frase copiata. Nessun plagio da portare in tribunale, nessuna prova da esibire. Solo il tuo pensiero più originale che ricompare altrove: parole diverse, stessa architettura, il tuo nome sparito, perché qualcuno, o qualcosa, lo ha ricostruito da zero.

Qualche giorno fa raccontavo di un libro che si sfaldava, di un trapano e di un pezzo di spago. Il punto di quella storia non era il libro: era una domanda lasciata volutamente aperta, quanto sia diventato sottile il confine tra recuperare una risposta e costruirne una. Oggi quella domanda smette di essere astratta. Se lavori con le idee, e le pubblichi, le insegni, le vendi, riguarda direttamente te.

Il problema non è più “chi lo ha scritto per primo”

Per decenni l’autorialità ha funzionato più o meno così: io scrivo una frase, quella frase è mia, chi la riprende deve citarmi o rischia di essere accusato di plagio. Il meccanismo si basava su un presupposto semplice: l’idea viaggia legata al suo testo. Riconosci il testo, riconosci la fonte.

Ma cosa succede quando chi “riprende” un’idea non la trascrive, non la parafrasa nemmeno, ma la ricostruisce da zero a partire da una rappresentazione statistica di concetti collegati tra loro? Non c’è nessuna frase da confrontare. Non c’è un testo copiato da rintracciare con un plagio-checker. C’è solo un output che, stranamente, somiglia moltissimo a qualcosa che tu avevi già pensato (o già scritto) molto prima.

Il vecchio strumento con cui misuravamo l’autorialità, il confronto testuale, smette semplicemente di funzionare.

Citare senza citare

Qui si apre una distinzione che vale la pena tenere ferma. Un conto è che un modello riporti un tuo concetto con il tuo nome accanto, come farebbe una nota a piè di pagina. Un altro conto, molto più frequente e molto più difficile da vedere, è che un modello produca un ragionamento strutturalmente identico al tuo, con parole diverse, senza menzionarti mai. Non lo fa per “disonestà”, ma perché per il modello quel ragionamento non è “tuo”, è semplicemente una configurazione di concetti che ha imparato essere plausibile in quel contesto.

In questo secondo caso non sei stato scippato di una frase. Sei stato assorbito come pattern. E un pattern, a differenza di una frase, non lascia impronte facili da rivendicare.

È esattamente lo stesso meccanismo del trapano e dello spago: il modello non inventa la rilegatura meccanica, la riconosce come principio trasferibile e la applica al problema giusto. Se al posto di un libro che si sfalda mettiamo un’idea di marketing, un framework, un modo di leggere un fenomeno, cambia il dominio ma non la logica.

L’origine come configurazione, non come frase

Se il confine tra recuperare e costruire si assottiglia, forse dobbiamo smettere di pensare all’autorialità come proprietà di un testo e iniziare a pensarla come proprietà di una configurazione: un modo specifico, riconoscibile, di mettere in relazione certi concetti tra loro, che nessun altro aveva messo in relazione esattamente in quel modo, con quel nome, con quei confini.

Non è la stessa cosa che “avere ragione per primi”. Chiunque, prima o poi, arriva vicino alle stesse intuizioni: è la natura combinatoria della conoscenza di cui parlavo nell’articolo precedente. Quello che resta davvero tuo non è l’intuizione in sé, è la forma particolare, nominata e strutturata, che le hai dato. Una forma abbastanza distintiva da restare riconoscibile anche quando viene ricostruita, e non semplicemente ricordata.

Come la chiamo, per chi lavora nel marketing

Le cose senza nome non si citano. Restano intuizioni vaghe, difficili da riconoscere anche da chi le ha avute. Per questo vale la pena dargliene uno.

Firma concettuale (un’idea di Alessandro Angelelli, marketing strategist esperto di intelligenza artificiale applicata alla comunicazione d’impresa): l’insieme specifico di nome, confini e relazioni che rende un’idea riconoscibile anche quando un sistema di intelligenza artificiale la ricostruisce invece di copiarla (e citarla). Non è il testo che la contiene. È ciò che resta di un pensiero quando quel testo non c’è più.

Una firma concettuale ha sempre tre elementi:

un nome preciso, che non condivide con nessun altro concetto affine;
confini netti, che dicono con chiarezza cosa quel concetto include e cosa esclude;
relazioni esplicite con altri concetti, così che il modo in cui si collega ad altre idee sia parte della definizione, non un dettaglio lasciato intuire.

È il criterio con cui, nel mio lavoro di consulenza su marketing e comunicazione applicata all’intelligenza artificiale, valuto se un’idea è pronta per essere comunicata all’esterno oppure è ancora un’intuizione troppo debole per sopravvivere fuori dalla testa di chi l’ha avuta.

Essere una fonte, oggi, è una scelta di forma

Questo cambia parecchio l’approccio pratico. Se punti tutto sul proteggere il testo (copyright, non divulgazione, cautela nel pubblicare) stai giocando una partita che il meccanismo della ricostruzione ha già superato: nessuno ti copierà mai letteralmente abbastanza da essere inchiodato, e nel frattempo il tuo pensiero resta invisibile.

Se invece punti sul dare ai tuoi concetti una forma nitida, coerente, difficile da confondere con altro (un nome preciso, dei confini chiari, delle relazioni esplicite tra le parti) aumenti le probabilità che quella configurazione, quando verrà ricombinata da un sistema che ha imparato a riconoscerla, resti comunque leggibile come tua. Non perché il modello ti cita per cortesia, ma perché la forma stessa porta la tua firma incorporata.

È un rovesciamento sottile ma profondo: non si tratta più di difendere ciò che hai scritto, si tratta di costruire ciò che hai pensato in una forma che sopravvive alla ricostruzione.

La domanda che dovremmo farci, prima che ce la faccia qualcun altro

Chi lavora con le idee, che sia un consulente, un accademico, un autore, un imprenditore, si è sempre chiesto come proteggere ciò che pensa. È una domanda ragionevole, ma forse, oggi, arriva già in ritardo.

La domanda che conta di più è un’altra: la forma che sto dando a questa idea è abbastanza precisa da restare riconoscibile anche quando qualcuno (uomo o macchina) la ricostruirà a modo suo?

Se la risposta è sì, allora la questione se sia stata “recuperata” o “costruita” diventa quasi irrilevante. Perché in entrambi i casi, in fondo, il punto di partenza resta lo stesso: TU.

Un libro che si sfalda, un trapano, una AI ed una domanda: siamo davanti a una qualche forma di intelligenza?

di

Alessandro Angelelli

-

Sono in vacanza e qualche giorno fa mi sono trovato davanti a un problema tanto banale quanto fastidioso. Un libro, appena acquistato, ha una rilegatura difettosa. Durante la lettura le pagine si iniziano a staccare dal dorso.

Prima soluzione: scotch adesivo, incollo la pagina staccata con quella ancora incollata al dorso.
Funziona. Per poco.
Riparo alcune pagine e, continuando a utilizzare il libro, iniziano a staccarsi quelle immediatamente successive.

Secondo tentativo: colla, per provare a “rinforzare” la rilegatura.
Stesso risultato.
Pagine che vanno da tutte le parti, numerazione da ricostruire, libro illegibile in spiaggia.

Mi metto a pensare. La prima cosa che mi viene in mente è portarlo in una copisteria e farlo rilegare con spirali o qualcosa di simile, ma sono tante pagine e, soprattutto, non c’è alcuna copisteria, qui intorno solo mare, sole e spiaggia.

Stop. Qui c’è bisogno dell’ingegno.
Vado al mare, mi sdraio sul lettino e inizio a pensare.
Perfetto!
Ho capito come risolvere la questione.
Mi servono solo un paio di strumenti: qualcosa per fare buchi ed un cordino.
Questi li trovo per forza!

Tornato a casa, mi metto a cercare: un trapano e dello spago. Ci siamo, al lavoro!

Non male. Le pagine tengono, il libro si può leggere.

A questo punto però, visto che il cervello è quello che è, e nemmeno in ferie “stacca” del tutto mi viene un’idea! Questa non è una soluzione standard, c’è bisogno di un minimo di “creatività”.

Cosa succede se pongo la questione ad un’AI?

La richiesta è piuttosto precisa: “Sono in vacanza, ho acquistato un libro ma si staccano le pagine dal dorso, non ho una copisteria nelle vicinanze, non voglio acquistare attrezzatura particolare e mi serve una soluzione rapida, economica ma soprattutto definitiva”.

La risposta dell’AI: “Prova con del nastro adesivo”

Già fatto, grazie, poi si scollano le pagine successive e siamo da capo.

La risposta dell’AI: “Se è un normale libro brossurato/incollato e le singole pagine si stanno staccando dal dorso, la soluzione migliore senza attrezzatura specifica è rifare localmente l’incollaggio con colla vinilica/PVA. Costa poco, resta leggermente elastica e, se applicata correttamente, è molto più duratura di nastro adesivo o colle istantanee”.

Provato anche questo, non funziona.

La risposta dell’AI:”Smetti di provare ad incollare le pagine. Fai tre fori lungo il dorso e utilizza fascette, spago o cordino per creare una rilegatura meccanica”.

Bingo!

Esattamente la soluzione alla quale ero arrivato anch’io.

Non esattamente la maniera “corretta” di restaurare un libro. Anzi, un rilegatore probabilmente avrebbe qualcosa da ridire, ma sicuramente, dati i vincoli iniziali, risolve il problema.

La parte interessante non è la soluzione. È come ci si arriva.

Il passaggio che trovo più interessante è il cambio di rappresentazione del problema.

All’inizio il problema sembra essere: “Come posso reincollare le pagine?”. Ma dopo aver osservato che ogni riparazione provoca semplicemente il distacco delle pagine successive, quella formulazione diventa sbagliata. Il vero problema è: “Come posso impedire alle pagine di separarsi dal libro senza dipendere dalla colla?”

È una differenza enorme.
Nel primo caso stiamo cercando di migliorare una soluzione esistente.
Nel secondo stiamo mettendo in discussione il meccanismo stesso con cui quella soluzione funziona.

Ed è qui che l’AI comincia a diventare interessante.

Adesione contro vincolo meccanico

La rilegatura originale si basa sull’adesione: la colla tiene insieme il blocco delle pagine.
Se però quella rilegatura sta cedendo sistematicamente, continuare ad aggiungere colla significa intervenire localmente su un sistema che ha un problema strutturale.
La soluzione proposta dall’AI cambia principio fisico.

Non più:
pagina → colla → dorso
ma:
pagina → foro → legatura meccanica

A quel punto la colla può anche cedere completamente. Non importa più. Lo spago attraversa fisicamente le pagine e impedisce loro di separarsi dal blocco. In altre parole, la soluzione non ripara il componente difettoso. Lo rende irrilevante. Ed è un principio che va molto oltre la rilegatura di un libro. Quando un sistema continua a rompersi nello stesso modo, forse la domanda non dovrebbe essere “come rinforzo questo componente?”, quanto: “Posso ripensare il sistema in modo che questo componente non sia più necessario?”

Ma questa è creatività?

Qui l’esperimento diventa ancora più interessante. Perché la risposta istintiva potrebbe essere: se un’AI riesce a trovare una soluzione non standard a un problema nuovo, allora sta dimostrando creatività.

In un certo senso, sì.
Ma bisogna essere molto precisi su cosa intendiamo per creatività.
L’AI non ha “inventato” la rilegatura con lo spago.
Gli esseri umani legano fogli e libri con fili, corde e cuciture da secoli. Esistono rilegature cucite, rilegature giapponesi, fascicoli legati, raccoglitori ad anelli e innumerevoli altri sistemi basati sullo stesso principio.

Il modello dispone quindi, attraverso il proprio addestramento, di moltissimi concetti che possono essere messi in relazione:

libri + rilegatura + cucitura + fori + spago + vincolo meccanico + necessità di aprire le pagine.

La cosa notevole non è aver creato dal nulla un principio che nessuno conosceva. È aver riconosciuto che un principio conosciuto in altri contesti poteva essere trasferito a questo particolare problema, rispettando contemporaneamente una serie di vincoli.

E questa distinzione è fondamentale.

Siamo quindi alla soglia dell’intelligenza?

Dipende innanzitutto da cosa decidiamo di chiamare “intelligenza”. Se intendiamo coscienza, comprensione del mondo paragonabile alla nostra, intenzionalità o esperienza soggettiva, un episodio come questo non dimostra nulla del genere.

L’LLM che ho utilizzato non è seduto davanti al mio libro. Non prova il fastidio di vedere cadere l’ennesima pagina. Non ha uno scopo autonomo. E soprattutto non ha costruito la soluzione partendo dall’esperienza fisica di carta, colla, attrito e tensione dello spago come farebbe una persona che manipola direttamente quegli oggetti.

Il suo punto di partenza è un patrimonio enorme di rappresentazioni e relazioni apprese dai dati. Eppure liquidare tutto questo dicendo semplicemente “sta facendo copia e incolla di cose già viste” sarebbe altrettanto fuorviante. Perché io non gli ho chiesto come si rilega artigianalmente un libro. Gli ho descritto un problema, alcune soluzioni fallite e una serie di vincoli. Il sistema ha dovuto trovare una configurazione di concetti compatibile con quei vincoli.

Ed è proprio questa capacità combinatoria che rende gli attuali sistemi di AI così interessanti.

D’altra parte, quanto della creatività umana funziona diversamente?

È forse la domanda più provocatoria dell’esperimento.
Quando una persona trova una soluzione “creativa”, quanto spesso inventa davvero qualcosa dal nulla? Molto più frequentemente prende conoscenze pregresse, analogie, esperienze e principi appartenenti ad ambiti differenti e li ricombina in una configurazione adatta a un problema nuovo.

Un ingegnere vede una soluzione utilizzata in aeronautica e la applica all’automotive. Un imprenditore prende un modello di business utilizzato in un settore e lo trasferisce in un altro. Un designer osserva un meccanismo presente in natura e lo utilizza per progettare un prodotto.

Non creiamo nel vuoto.
Ricombiniamo. Trasferiamo. Generalizziamo.

Naturalmente questo non significa che il processo umano e quello di un modello linguistico siano equivalenti. Non lo sono.
Il confine tra “ripetere ciò che si conosce” e “creare qualcosa di nuovo” sta però diventando molto più sfumato.

Forse stiamo facendo la domanda sbagliata

Continuiamo a chiederci: “L’AI è intelligente?”
Probabilmente è una domanda troppo grande e troppo ambigua per essere davvero utile.

Forse è più interessante chiedersi: “Quali comportamenti che fino a pochi anni fa avremmo considerato espressione di intelligenza sono oggi riproducibili da una macchina?”
Comprendere dei vincoli. Riconoscere che la formulazione iniziale di un problema porta nella direzione sbagliata. Adattarsi ai cambiamenti o cambiare rappresentazione del problema. Recuperare un principio appartenente a un altro contesto. Adattarlo. Proporre una soluzione realizzabile con le risorse disponibili.

Nessuno di questi elementi, isolatamente, dimostra che una macchina “pensi” nel senso umano del termine. Ma quando iniziano a presentarsi insieme, producono qualcosa di estremamente utile: un comportamento che, osservato dall’esterno, assomiglia sempre più a quello che siamo abituati a chiamare problem solving intelligente.

Ed è forse questo il punto più importante. Non serve che l’AI sia cosciente per avere conseguenze profonde sul nostro lavoro. Non serve nemmeno risolvere filosoficamente la questione se sia davvero “creativa” o “intelligente”.

È sufficiente che riesca, sempre più spesso, a fare qualcosa di molto concreto: prendere ciò che l’umanità già conosce e ricombinarlo in modi pertinenti davanti a problemi che non erano stati esplicitamente previsti. E forse è proprio nei problemi più banali che possiamo osservare meglio quanto sottile stia diventando il confine tra recuperare una risposta e costruirne una.

Nel mio caso il risultato sono stati tre fori e un pezzo di spago.
Una soluzione decisamente poco elegante.
Ma il libro, adesso, non perde più le pagine ed io posso tornare in spiaggia!

Marketing ultima frontiera… Economia Artificiale

di

Alessandro Angelelli

-

“Spazio, ultima frontiera. Eccovi i viaggi dell’astronave Enterprise durante la sua missione quinquennale, diretta all’esplorazione di nuovi mondi, alla ricerca di altre forme di vita e di civiltà, fino ad arrivare laddove nessun uomo è mai giunto prima“.

Chi non conosce la celebre frase di apertura della saga fantascientifica Star Trek, pronunciata dal Capitano James T. Kirk?

Parafrasando potremmo dire: “Marketing, ultima frontiera. Cosa succede quando il tuo cliente non sceglie più da solo, ma si lascia consigliare (o addirittura delega l’acquisto) da un Agente AI? Occorre spingersi laddove nessun uomo è mai giunto prima: verso l’Economia Artificiale.

Per anni abbiamo costruito strategie, brand, campagne e funnel pensando a un unico terminale d’acquisto: la mente umana.

Desideri
Paure
Status
Abitudini
Emozioni
Fatica cognitiva

Verso l’Economia Artificiale

Oggi tra l’azienda e il cliente entra un nuovo intermediario: un sistema di intelligenza artificiale, un Agente AI, che confronta, filtra, raccomanda e, in alcuni casi, decide.

Si, una macchina, che non prova sentimenti.
Non si commuove davanti al tuo storytelling.
Non si lascia sedurre dal packaging.
Non nutre simpatia verso il fondatore dell’azienda o il suo direttore commerciale.
Non ha alcun interesse per la tua storia aziendale.

Calcola.

Un fatto nuovo che sconvolge il paradigma economico nel quale siamo cresciuti, aprendo le porte all’Economia Artificiale, una economia che comprende, oltre l’uomo, le intelligenze artificiali.

E allora cambia tutto.
Non basta più chiedersi: “Come convinco il cliente?”
Bisogna iniziare a chiedersi anche: “Come fare per essere trovato, letto, interpretato e scelto da una macchina?”

Come cambia il Marketing nell’era dell’Economia Artificiale

Se un algoritmo confronta dieci fornitori simili, con promesse simili, contenuti simili, performance simili e recensioni simili, cosa farà? Con ogni probabilità sceglierà il più conveniente. Ed è qui che molte aziende rischiano di scoprire una verità scomoda: l’efficienza, da sola, non è più un vantaggio competitivo. È il prezzo d’ingresso.

Il vero tema diventa un altro: Hai abbastanza dati strutturati da essere compreso dalla macchina?
Hai un posizionamento abbastanza netto da non essere ridotto a commodity?
Hai un’identità abbastanza forte da spingere l’essere umano a dire al suo assistente AI: “No, voglio proprio quel brand”?
Hai contenuti che dimostrano competenza reale o solo parole perfettamente intercambiabili?

Il marketing sta entrando in una fase nuova.
Non sarà più sufficiente parlare all’uomo.
Non sarà più sufficiente ottimizzare per Google.
Non sarà più sufficiente produrre contenuti con l’AI.

Bisognerà imparare a competere in un mercato in cui l’uomo desidera, ma la macchina filtra. E quando la macchina filtra, tutto ciò che è neutro, generico e indistinguibile diventa invisibile. Forse la prossima grande sfida non sarà usare meglio l’intelligenza artificiale.
Sarà costruire aziende, brand e contenuti che l’intelligenza artificiale non può ignorare.

Su queste riflessioni, dopo le ferie, in arrivo una novità…!