Inter e Milan prendono Mbappé. Sì, entrambe. Non chiediamoci come: per cinque minuti sospendiamo le regole del calciomercato.
Stesso giocatore.
Stesso talento.
Stessa velocità.
Stessi gol nelle gambe.
Poi inizia la stagione. L’Inter studia come inserirlo nel proprio sistema, cambia alcuni movimenti, adatta la squadra alle sue caratteristiche e costruisce intorno a lui le condizioni per farlo rendere al massimo.
Il Milan, invece, guarda la formazione, vede un buco sulla fascia e pensa: “Mbappé corre forte. Facciamolo giocare terzino.”
Tecnicamente, entrambe hanno Mbappé. Ma solo una delle due ha davvero capito cosa farsene.
Ed è più o meno quello che sta succedendo oggi con l’AI. Le aziende possono comprare gli stessi modelli, pagare gli stessi abbonamenti e mettere nelle mani dei propri team praticamente la stessa tecnologia.
Poi una ripensa i processi, ruoli, competenze e responsabilità per capire dove l’AI può davvero fare la differenza. L’altra apre ChatGPT e gli chiede di scrivere dieci post LinkedIn in meno tempo. Stesso Mbappé. Una lo mette nelle condizioni di segnare. L’altra lo fa giocare terzino.
Il punto, quindi, non è avere il giusto tool AI. È costruire un’organizzazione che sappia cosa farsene.
Il vantaggio con l’AI non sta nel tool
È una tesi che ci sentiamo di sostenere con più convinzione da quando abbiamo iniziato a osservare da vicino sia i casi pubblicati dalle grandi reti internazionali, sia quello che vediamo nei progetti che portiamo avanti.
Il pattern è sempre lo stesso: c’è chi festeggia solo la velocità in più che l’AI genera, prima o poi produce più in fretta la cosa sbagliata (come il team Ferrari… fino alle simulazioni tutto bene poi però quando è il momento della gara un po’ meno)… e chi invece ha ridisegnato il processo attorno alla macchina (come Mercedes, e noi ne sappiamo qualcosa 😉), ottiene un vantaggio che il concorrente non recupera comprando lo stesso abbonamento.
Un numero non può raccontare tutta la storia
Un caso diventato piuttosto noto, quello di un grande network che ha integrato l’AI generativa nella propria piattaforma di advertising, parla di task creativi iper accelerati (da mezz’ora a due minuti). Sei volte più veloce. È un dato reale e ha convinto molti a pensare che il problema dell’AI in agenzia fosse risolto: bastava trovare lo strumento giusto e la produttività sarebbe arrivata da sola.
Ma la realtà è ben diversa: non è così che funziona, e non è nemmeno la lezione più interessante di quel caso. La velocità in più che l’AI “regala” (vende) non produce automaticamente un vantaggio, produce più output, punto. Se quell’output non è indirizzato da qualcuno che sa cosa deve dire e cosa no, il risultato è semplicemente più contenuto generico, prodotto più in fretta. Lo vediamo capitare quando si cominciano a generare decine di varianti creative senza aver deciso a monte quale idea quelle varianti devono servire: il volume sale, la qualità media scende, e nessuno se ne accorge finché non arrivano i risultati della campagna.
Metodo >>> strumento
Nel nostro modo di guardare l’adozione dell’AI nei processi, distinguiamo quattro momenti che quasi tutte le agenzie attraversano, ma che pochissime lo fanno nell’ordine giusto:
- il team deve arrivare pronto, con competenze e una mentalità disposta al cambiamento;
- poi arriva una fase di co-creazione vera, in cui persone e macchina lavorano fianco a fianco sull’idea;
- poi la validazione, il momento in cui qualcuno si prende la responsabilità di dire se il risultato tiene;
- solo alla fine c’è l’esecuzione su scala.
La sequenza più comune, invece, è l’opposto: si parte dallo strumento, si salta dritti all’esecuzione, e ci si stupisce se il team creativo resiste al cambiamento o se il risultato non convince. Quello che passa è resistenza al progresso, quando invece è l’effetto di un workflow che nessuno ha pensato di ridisegnare.
La frizione non nasce dalla tecnologia, ma dal fatto che il salto tra “abbiamo il tool” e “lo stiamo usando bene” veniva sistematicamente sottovalutato.
Mentalità, mentalità, mentalità
Le poche realtà che stanno davvero traendo un vantaggio duraturo dall’AI non si sono limitate a distribuire un abbonamento al reparto creativo.
Alcuni grandi network hanno costruito centri dedicati, con creativi e legali che lavorano fianco a fianco fin dal primo giorno per gestire insieme la parte creativa e quella etica del problema.
Altri hanno riorganizzato i team su più livelli: chi possiede la strategia complessiva, chi porta avanti i singoli progetti, chi garantisce che la base tecnica sia solida. In tutti i casi che abbiamo trovato convincenti, la mossa decisiva non riguardava quale AI comprare. Riguardava chi, nell’organizzazione, doveva rispondere di ogni fase del lavoro.
È lo stesso principio che noi applichiamo quando entriamo in un progetto: prima capiamo chi decide cosa, e solo dopo scegliamo lo strumento più adatto a quel processo.
Si potrebbe pensare che sia una posizione comoda per chi lavora di processi e organizzazione: certo che un’agenzia dirà che serve organizzazione, altrimenti di cosa vivrebbe? È un’obiezione ragionevole, ma la risposta è semplice: se il problema fosse solo tecnologico, comprare l’accesso al modello giusto lo risolverebbe. Non lo risolve, né per i grandi network né per i clienti più piccoli con cui lavoriamo ogni giorno.
Cambiamento incrementale vs iterativo
L’accesso alla tecnologia si appiattirà ancora di più. Chiunque avrà più o meno gli stessi modelli, alle stesse condizioni, con costi simili. Quando la tecnologia diventa uguale per tutti, il vantaggio non sparisce: si sposta verso chi ha già deciso come lavorarci insieme. Verso chi ha dato tempo alla fase in cui la squadra si prepara, invece di saltarla per arrivare prima alla produzione. Verso chi tiene sempre qualcuno responsabile di validare il risultato prima che esca. Le agenzie che continueranno a inseguire il prossimo tool arriveranno sempre un passo indietro rispetto a chi, prima ancora di scegliere lo strumento, ha deciso come costruire il processo intorno ad esso.
Ok, basta teoria: cosa puoi fare da oggi
Fin qui abbiamo parlato di metodo, di processo, di readiness… fuffology. Tutto giusto, ma se resta teoria non serve a nessuno. Quindi mettiamola così: cosa si può fare davvero, da oggi, in pochi minuti, per iniziare a lavorare in questo modo?
DIVIDERE IL LAVORO PER FASI!
- Crea la tua prima Claude Skill.
Vai in Impostazioni, poi Personalizza, poi Skills: lì trovi lo Skill Creator, che è letteralmente una skill che ne crea altre, senza scrivere una riga di codice.
Prendi un lavoro che rifai spesso, una caption per Instagram , un tipo di email, e fallo fare a Claude come faresti normalmente, su un esempio vero, non ipotetico.
Quando il risultato ti convince, gli dici “trasforma questa conversazione in una skill”, le dai un nome chiaro “es. Caption-Writer”, e salvi. Da lì in poi, ogni volta che chiedi la stessa cosa, Claude la riconosce da solo e applica lo stesso standard, senza che tu debba riscrivere il brief da capo. S
Se non vuoi partire da zero, esistono anche repository pubbliche con skill già pronte per il marketing: le scarichi e le carichi direttamente dal browser, senza installare nulla.
👉🏻 Qui il procedimento passo passo
👉🏻 qui una raccolta già pronta per chi lavora in marketing.
- Prova un workflow su n8n.
Non serve partire con qualcosa di complicato. Il primo, quello con cui iniziano quasi tutti, è semplice: un trigger, un nodo che manda un prompt a un modello AI, e un’azione finale, tipo un messaggio su Slack o un’email.
In mezz’ora ce l’hai in piedi, e ti basta per capire la logica: da lì puoi iniziare a immaginare il tuo, magari un report settimanale che si genera da solo invece di essere rifatto a mano ogni lunedì.
👉🏻 Questa guida parte da zero.
- Apri Perplexity, in modalità Comet o Computer, e usala per una ricerca.
La prossima volta che devi fare un’analisi competitor o cercare dati di mercato, provaci: la differenza rispetto a un chatbot qualsiasi è che vedi le fonti reali da cui prende le informazioni, quindi puoi controllare invece di fidarti e basta.
