L’AI ti fa risparmiare tempo. Ma poi che ne fai?

Una campagna pronta in metà tempo, una risposta al cliente scritta in pochi secondi. L’AI può velocizzare molte attività di marketing. Il problema è capire se quel tempo risparmiato cambia davvero qualcosa per l’azienda.

Una campagna è pronta. Almeno per chi l'ha preparata.

I testi ci sono, le immagini anche. Manca soltanto l'approvazione. Che però tarda ad arrivare, perché il commerciale vuole rivedere un passaggio, serve una conferma sul prodotto e non è chiarissimo chi debba dare il via libera definitivo.

Nel frattempo passano tre giorni.

Ora immaginiamo che, grazie all'AI, il team abbia preparato quella campagna in metà tempo. Un bel risultato, senza dubbio. Ma se la pubblicazione avviene comunque nella stessa data, che cosa abbiamo ottenuto?

Chi ha lavorato alla campagna ha risparmiato tempo. L'azienda, forse, non ha ancora sfruttato quel vantaggio.

È un aspetto su cui mi soffermo spesso quando si parla di intelligenza artificiale applicata al marketing. Ci concentriamo sulla velocità con cui riusciamo a produrre qualcosa, molto meno su quello che accade prima e dopo.

Eppure è proprio lì che si gioca buona parte del risultato.

Se riusciamo a scrivere più contenuti, ma poi non abbiamo il tempo di verificarli, pubblicarli o utilizzarli, abbiamo semplicemente spostato il problema.

Per questo credo che, prima ancora di introdurre un nuovo strumento, dovremmo chiederci che cosa vogliamo fare con il tempo che ci permette di recuperare.

Rispondere più rapidamente ai clienti? Dedicare maggiore attenzione a un'attività trascurata? Oppure alleggerire il carico di un team che lavora costantemente in emergenza?

Sono tutti obiettivi interessanti, vero! Ma non sono la stessa cosa, e non producono necessariamente gli stessi risultati.

Punti chiave

• Perché il tempo risparmiato con l’AI non si traduce automaticamente in risultati per l’azienda.
• Come far lavorare insieme AI, marketing e commerciale senza perdere informazioni utili al cliente.
• Quali controlli e responsabilità definire quando uno strumento entra nel lavoro quotidiano.
• Come usare il tempo recuperato per le attività che continuiamo a rimandare.
• Come misurare il risparmio reale e scegliere da quale attività partire.

I numeri di McKinsey raccontano una situazione interessante

Nel rapporto The state of AI in 2026: On the road to ROI, McKinsey riporta due dati che vale la pena leggere insieme.

L'80% degli intervistati che utilizza l'AI nel proprio lavoro dichiara un aumento della produttività personale. Quando però si passa ai risultati economici dell'azienda, la percentuale cambia: il 37% attribuisce all'AI un contributo positivo all'EBIT, cioè al risultato operativo prima di interessi e imposte. Una quota sostanzialmente stabile rispetto al 2025.

Fonte: McKinsey, pp. 11–14

Attenzione, però, a non interpretare male questi numeri.

Non significa che il restante 63% stia sprecando il tempo guadagnato. Le due domande misurano cose differenti e le risposte provengono da un'indagine internazionale, non da un campione specifico di PMI italiane.

Resta comunque una questione interessante.

Essere più produttivi individualmente significa automaticamente rendere più efficace l'intera azienda?

Pensiamo a una richiesta commerciale. Se il marketing riesce a preparare una risposta in pochi minuti anziché in mezz'ora, il cliente riceve davvero prima l'informazione che cerca? Il commerciale si ritrova una richiesta più semplice da gestire?

Oppure abbiamo soltanto velocizzato un'attività, lasciando tutto il resto esattamente com'era?

Il cliente voleva sapere se quell'impianto era adatto alla sua produzione

Facciamo un esempio.

Un'azienda produce impianti per il confezionamento. Dal sito arriva una richiesta: un potenziale cliente vuole sapere se un determinato macchinario può gestire i formati che utilizza e quanto tempo serve per passare da una produzione all'altra.

È una domanda piuttosto precisa. E, soprattutto, è una domanda che potrebbe precedere una decisione d'acquisto.

L'azienda utilizza l'AI per leggere il messaggio, riassumerlo e preparare una risposta. In pochi secondi viene generata un'email ben scritta, completa di presentazione della gamma, brochure e proposta di appuntamento.

Tutto molto rapido.

Peccato che il cliente non avesse chiesto una presentazione dell'azienda. Voleva sapere se quel macchinario fosse adatto al suo lavoro.

La risposta è partita velocemente, ma il suo dubbio è rimasto.

Dovrà scrivere un'altra email, telefonare o aspettare l'appuntamento per ottenere l'informazione che cercava fin dall'inizio.

È un esempio ipotetico, naturalmente, ma credo descriva bene un rischio: confondere la velocità della risposta con la sua utilità.

In un caso del genere, prima di automatizzare l'invio, dovremmo cercare di capire come viene gestita oggi la richiesta.

Quali informazioni servono al commerciale per valutarla? Dove si trovano le specifiche aggiornate dei prodotti? Chi può confermare che un impianto sia compatibile con una determinata esigenza?

L'AI potrebbe essere molto utile per recuperare le schede tecniche, individuare i dati mancanti e preparare una prima risposta.

Ma se manca un'informazione fondamentale, dovrebbe segnalarlo. Non riempire il vuoto con una frase plausibile.

Una bozza scritta bene può dare l'impressione che il lavoro sia concluso. E forse è proprio questo uno degli aspetti a cui prestare più attenzione.

Il problema, spesso, è come passano le informazioni

Torniamo al nostro produttore di impianti.

Immagino un sistema piuttosto semplice: l'AI legge la richiesta e cerca le informazioni in una raccolta di documenti verificati dall'azienda. Prepara una sintesi per il commerciale, segnala ciò che non sa e propone una bozza di risposta.

Il messaggio originale rimane disponibile, perché un riassunto può essere comodo, ma non dovrebbe sostituire la fonte.

A quel punto interviene il commerciale. Controlla la richiesta, verifica la risposta e, quando serve, coinvolge un tecnico.

Una volta chiariti i dubbi, il cliente riceve le informazioni. Nel CRM rimane traccia di ciò che ha chiesto e di quello che gli è stato comunicato.

Non serve necessariamente costruire un sistema complesso. Serve, prima di tutto, evitare che le informazioni si perdano ogni volta che una richiesta passa da una persona all'altra.

È un tema che ho affrontato anche parlando di omnicanalità e integrazione fra marketing, strumenti digitali e commerciale.

Quando un cliente cambia interlocutore, non dovrebbe essere costretto a ricominciare da capo.

La cosa interessante è che anche McKinsey, nel suo rapporto, richiama l'attenzione sull'organizzazione del lavoro.

Quasi tre quarti delle aziende definite AI high performer dichiarano di aver ripensato profondamente i propri processi. Fra gli altri intervistati, lo afferma circa un quarto.

Parliamo di aziende che attribuiscono all'AI almeno il 5% del proprio EBIT e dichiarano di ricavarne un valore significativo.

Non possiamo concludere che basti riorganizzare un processo per ottenere gli stessi risultati. Il dato, però, mostra un'associazione che merita attenzione.

Fonte: McKinsey, pp. 17–19

In una PMI, comunque, non partirei necessariamente da una revisione generale dell'organizzazione.

Comincerei da un problema che le persone conoscono bene. Una richiesta che rimane ferma sulla scrivania di qualcuno. Un'informazione che viene cercata ogni volta da zero. Una risposta che torna indietro perché manca sempre lo stesso dato.

A volte basta seguire una richiesta dall'inizio alla fine per scoprire dove intervenire.

Un piccolo strumento AI può diventare un problema di tutti

Oggi chi conosce bene un'attività può sperimentare con l'AI senza dover avviare subito un progetto software strutturato.

È una possibilità che trovo particolarmente interessante.

Una persona che gestisce ogni giorno decine di richieste conosce probabilmente meglio di chiunque altro i passaggi ripetitivi, le informazioni difficili da trovare e le eccezioni che fanno perdere tempo.

Può provare a costruire un piccolo strumento, verificarne l'utilità e confrontarsi con chi si occupa della parte tecnica avendo già qualcosa di concreto da mostrare.

Fin qui, benissimo.

Il discorso cambia quando quello strumento smette di essere un esperimento e diventa parte del lavoro quotidiano.

Chi aggiorna le schede prodotto che utilizza? Chi controlla che le risposte siano ancora corrette? Cosa succede quando arriva una richiesta completamente diversa dalle precedenti?

E soprattutto, chi interviene se qualcosa non funziona?

Nel nostro esempio si potrebbe lasciare all'AI il compito di preparare una risposta, non quello di confermare autonomamente la compatibilità di un impianto.

Pensaci, una conferma sbagliata potrebbe influenzare una decisione d'acquisto. Non è una cosa da poco! Non credi?

Per arrivare a quel livello di autonomia servirebbero verifiche molto più rigorose, dati affidabili e regole chiare su ciò che il sistema può o non può fare.

Naturalmente non tutte le aziende hanno bisogno delle stesse competenze interne. Alcune possono gestire questi aspetti direttamente, altre avranno bisogno di un partner tecnologico.

L'importante è non scoprire chi deve occuparsene soltanto quando qualcosa si rompe.

E se usassimo il tempo risparmiato per fare quello che non riusciamo mai a fare?

C'è poi un'altra possibilità che, personalmente, mi interessa molto.

Usare il tempo recuperato per occuparsi di attività che continuiamo a rimandare.

Restiamo nel nostro esempio.

Se il marketing impiega meno tempo a preparare le risposte, potrebbe finalmente analizzare le richieste ricevute negli ultimi sei mesi.

Quali domande tornano più spesso? Quali caratteristiche dei prodotti generano più dubbi? Ci sono informazioni che il cliente cerca sul sito e non trova?

Magari si scopre che il commerciale deve spiegare ogni settimana la stessa cosa a clienti diversi.

A quel punto si potrebbe migliorare una pagina del sito, preparare una scheda tecnica più chiara o rivedere il modo in cui viene presentata una soluzione.

Oppure si potrebbe trovare il tempo per parlare con alcuni clienti.

Chiedere perché hanno scelto un prodotto, quali alternative stavano valutando, che cosa li aveva lasciati perplessi.

Sono informazioni che possono valere molto più di altri dieci contenuti pubblicati soltanto perché oggi riusciamo a produrli più velocemente.

E aiutano anche a comunicare meglio il valore dell'offerta.

Quando conosciamo il problema che un cliente sta cercando di risolvere, possiamo spiegare il prodotto partendo da qualcosa che per lui conta davvero.

Naturalmente il tempo recuperato può servire anche a lavorare con meno pressione.

Non tutti i miglioramenti devono tradursi in nuove campagne, nuovi contatti o maggiori vendite. Se un team riesce finalmente a gestire il lavoro senza accumulare continuamente arretrati, è già un beneficio.

L'importante è sapere quale risultato stiamo cercando.

E, se vogliamo parlare di ritorno economico, dobbiamo fare un ragionamento in più.

Un'ora di lavoro risparmiata non equivale automaticamente a un'ora di costo eliminato. Se le spese rimangono le stesse, il vantaggio economico dipenderà da ciò che riusciremo a fare in più, dalle spese che eviteremo o da altri benefici concretamente misurabili.

Senza dimenticare quanto ci costa utilizzare e mantenere lo strumento.

Quanto tempo abbiamo risparmiato davvero?

Proviamo a fare due conti.

Prima dell'AI, preparare una risposta commerciale richiedeva mediamente 30 minuti.

Adesso ne bastano 8 per recuperare le informazioni e generare una bozza. Poi, però, ne servono altri 12 per controllarla, correggerla e renderla utilizzabile.

Il tempo complessivo è sceso a 20 minuti.

Abbiamo risparmiato 10 minuti, non 22.

I numeri sono inventati, ma il ragionamento è importante. Se misuriamo soltanto quanto impiega l'AI a produrre qualcosa, rischiamo di sopravvalutare il beneficio.

E non abbiamo ancora considerato il tempo necessario per configurare lo strumento, aggiornarlo e risolvere gli eventuali problemi.

Per una prima verifica non costruirei un sistema di misurazione particolarmente elaborato. Mi concentrerei su poche domande.

Il cliente riceve prima una risposta utile?

Non mi interessa soltanto quanto tempo impieghiamo a scriverla. Voglio sapere anche quanto aspetta il cliente.

Quante volte dobbiamo correggere o rifare il lavoro?

Se una risposta viene generata in pochi secondi ma richiede continue verifiche e riscritture, il vantaggio si riduce.

Il commerciale lavora meglio?

Riceve richieste più complete? Ha già le informazioni necessarie o deve comunque cercarle e richiederle?

Le richieste commerciali vengono gestite con maggiore efficacia?

Possiamo osservare quante vengono considerate interessanti, quante proseguono e quante diventano ordini. Senza attribuire automaticamente all'AI risultati che dipendono anche dal mercato, dall'offerta e dalla qualità dei contatti.

Quanto ci costa tutto questo?

Abbonamenti, configurazione, controlli, aggiornamenti e manutenzione.

Non serve misurare tutto dal primo giorno. Serve scegliere indicatori che aiutino a capire se il cambiamento sta funzionando.

Un numero, da solo, racconta poco. Conta ciò che ci permette di capire e, soprattutto, quali decisioni ci aiuta a prendere.

Se prepariamo le risposte in pochi minuti ma il cliente continua ad aspettare tre giorni per riceverle, abbiamo già un'indicazione abbastanza precisa di dove intervenire.

Da dove potremmo iniziare, in pratica

Non partirei dalla scelta dello strumento.

Piuttosto si potrebbe prendere un'attività che si ripete spesso, magari una di quelle che tutti considerano inutilmente complicate, e sedersi con le persone che la gestiscono.

Marketing, commerciale e, se necessario, chi conosce la parte tecnica.

E seguire una richiesta reale. Da quando arriva a quando viene chiusa.

Dove si ferma? Quali informazioni mancano? Chi deve intervenire? Quali passaggi vengono ripetuti ogni volta?

Solo dopo si capirebbe quale parte del lavoro potrebbe essere affidata all'AI.

A quel punto è necessario fare una prova su un numero limitato di casi, lasciando alle persone la possibilità di intervenire e gestire le eccezioni.

Si confronta il risultato con il metodo precedente, sia in termini di tempo sia di qualità, e si valuta in modo razionale se il nuovo sistema richiede più lavoro di quanto ne fa risparmiare.

Ma attenzione! Potrebbe anche succedere qualcosa di più interessante.

Magari, analizzando le richieste, scopriamo che buona parte dei chiarimenti nasce dal fatto che nel modulo di contatto manca una domanda.

Aggiungerla potrebbe risolvere il problema senza ricorrere all'AI.

Sarebbe comunque un buon risultato.

Perché l'obiettivo non dovrebbe essere utilizzare l'intelligenza artificiale a tutti i costi, ma migliorare il modo in cui lavoriamo. E questo, spesso, viene sottovalutato.

Ho visto più volte voler usare l’AI, passami il termine, per mettere “una pezza” a dei processi più complessi del dovuto, e soggetti ad errori.

Torniamo, per un momento, alla campagna dell'inizio.

Il team ha preparato tutto in metà tempo, ma la pubblicazione è rimasta ferma per tre giorni.

Forse l'AI ha già fatto esattamente quello che doveva fare. Ora bisogna capire chi approva la campagna, quali informazioni gli servono e perché quel passaggio richiede tanto tempo.

È un problema di organizzazione, prima ancora che di tecnologia.

Ecco perché, quando si valuta un nuovo utilizzo dell'AI nel marketing, aggiungerei sempre una domanda:

Che cosa riusciremo a fare meglio, oltre che più velocemente?

Mi piacerebbe che il risultato fosse anche poter dire: «Finalmente abbiamo trovato il tempo per occuparci di questa cosa».

Sarebbe un modo molto concreto per dare valore al tempo risparmiato.

Se nella tua azienda c'è un'attività di marketing che richiede troppo tempo, raccontamela. Possiamo partire da un caso concreto, ricostruire come viene gestito oggi e capire insieme dove intervenire.

Anche valutando se l'AI sia davvero la soluzione più adatta.