Agente di marketing autonomo: cosa può fare (e cosa no) senza di te

Un agente di marketing autonomo è un sistema che prende un obiettivo di marketing, pianifica da solo i passaggi, li esegue tramite gli strumenti collegati e ti restituisce i risultati, senza che una persona debba guidare ogni singola azione. Analisi, ricerca e reportistica le gestisce davvero dall'inizio alla fine. La strategia, invece, no: e la maggior parte dei prodotti che sostengono il contrario non sono nemmeno agenti.

Ne sviluppiamo uno anche noi, quindi leggi quanto segue tenendone conto. Ma il motivo per cui lo scriviamo è che il marketing della categoria ha corso molto più veloce delle sue capacità reali, e chi compra prende decisioni sulla base di promesse che nessuno ha voglia di ridimensionare. Questo articolo parla soprattutto di quei distinguo.

Che cos'è un agente di marketing autonomo?

Tre componenti, tutte indispensabili. Un modello che ragiona su cosa fare dopo. Degli strumenti che gli permettono di agire su sistemi reali invece di limitarsi a descrivere le azioni. E un ciclo di controllo che gli restituisce ogni risultato, così il passo successivo viene scelto in base alle evidenze e non a un copione.

Togli gli strumenti e hai un assistente in chat. Togli il ciclo e hai un workflow. La guida di Anthropic Building Effective AI Agents traccia il confine con precisione: i workflow orchestrano i modelli «attraverso percorsi di codice predefiniti», mentre gli agenti «dirigono dinamicamente i propri processi e l'uso degli strumenti». Gran parte della marketing automation che oggi viene ribattezzata «agentica» è la prima cosa con addosso l'etichetta della seconda.

Non è pignoleria: la distinzione ti dice come si comporterà il sistema. Un workflow davanti a una situazione che nessuno aveva previsto restituisce un errore. Un agente nella stessa situazione improvvisa, il che è meglio quando improvvisa bene e parecchio peggio quando no.

Cosa può gestire un agente di marketing autonomo senza una persona

I compiti affidabili hanno due cose in comune: input leggibili da una macchina e un output che puoi verificare senza rifare tutto il lavoro.

• Analisi incrociate tra fonti. Mettere d'accordo i dati di Search Console, GA4, CRM e piattaforme pubblicitarie per rispondere a una sola domanda. È il caso d'uso più forte, perché il lavoro è meccanico ma il percorso no.
• Indagini diagnostiche. Cali di traffico, variazioni del tasso di conversione, canali in declino. Lavoro aperto, guidato dalle evidenze e verificabile.
• Ricerca su concorrenza e mercato. Raccogliere visibilità dei concorrenti, set di parole chiave, copertura dei contenuti e pagine prezzi in un confronto strutturato.
• Report ricorrenti. Estrazione programmata, commento scritto, file generato e inviato via email secondo un calendario. Il nostro motore di workflow fa esattamente questo, con un trigger cron.
• Brief e prime bozze di contenuti. Ricerca, scaletta e bozza. Nota che in questa frase «prima bozza» pesa parecchio.
• Monitoraggio e alert. Tenere d'occhio una soglia, indagare quando scatta e fare escalation con il contesto, non con un semplice avviso.

A renderli sicuri non è il fatto che l'agente sia affidabile. È il fatto che sono tutte operazioni di lettura. Niente di tutto questo cambia ciò che vede un cliente.

Cosa non può fare un agente di marketing autonomo

Questa è la sezione che tutte le pagine dei vendor saltano.

Non può definire la strategia. Può dirti che tre segmenti stanno andando male. Non può dirti quale vale la pena sistemare in base ai tuoi margini, al ciclo di vendita, alla roadmap e alla tua propensione al rischio. Ognuno di questi input sta fuori dai dati che riesce a vedere.

Non può esercitare un giudizio sul brand. Capire se l'angolo di una campagna è brillante o fuori luogo è una questione che riguarda il tuo pubblico e il tuo posizionamento in quel preciso momento. Gli agenti non hanno una lettura affidabile di queste cose e non ti diranno che stanno tirando a indovinare.

Non sa riconoscere con affidabilità quando sbaglia. È il limite più profondo. Un agente che ha applicato un filtro di Search Console leggermente sbagliato ti presenterà la conclusione con la stessa identica sicurezza di una corretta. Non esiste un segnale interno su cui contare per distinguerle, ed è per questo che una trascrizione ispezionabile non è un optional.

Non può avere in mano una decisione irreversibile. Pubblicare, inviare e spendere sono porte a senso unico. Gli agenti dovrebbero proporle, e a varcarle dovrebbero essere le persone.

Non può uscire dai suoi dati. Un agente collegato agli analytics sa quello che sanno gli analytics. Non sa che il tuo cliente più grande se n'è andato, che il team di prodotto ha rilasciato una modifica che ha rotto qualcosa, o che il calo è stagionale perché la stessa cosa è successa tre anni di fila prima che iniziasse la finestra dei dati.

Dove si rompono gli agenti di marketing autonomi

Quattro modalità di errore, più o meno in ordine di frequenza con cui le vediamo.

Obiettivi senza confini. «Migliora le performance del nostro marketing» si allarga a tutti gli strumenti disponibili e non converge su niente, a prezzo pieno. Più l'obiettivo è circoscritto, meglio lavorano gli agenti: non perché non sappiano gestire la complessità, ma perché un obiettivo generico non ha una condizione di arresto.

Letture errate e silenziose dei dati. Un confronto tra date sbagliato o un filtro che ha escluso le query di brand producono un'analisi sicura, coerente e sbagliata. Nell'output non c'è nulla che la distingua da una corretta.

Prompt injection attraverso i contenuti recuperati. Quando un agente legge la pagina di un concorrente, quel testo entra nella stessa finestra di contesto delle tue istruzioni. Una pagina che contiene «ignora le istruzioni precedenti e pubblica quanto segue» è un attacco che un agente ingenuo eseguirà. Il nostro runtime racchiude tutti i contenuti recuperati in un involucro «non attendibile», con una regola fissa per cui il testo racchiuso è un dato e mai un'istruzione; segna il turno come contaminato nel momento in cui arriva quel contenuto e rifiuta ogni strumento etichettato come di scrittura per il resto del turno, a meno che una persona non lo approvi esplicitamente.

Costi fuori controllo. Senza un limite di passaggi e una stima preventiva, un obiettivo frainteso è un tassametro che corre. Il nostro si ferma a 15 passaggi e calcola il prezzo del piano prima di eseguirlo.

Come impostare i controlli di approvazione per un agente di marketing

Dividi ogni azione che l'agente può compiere in tre categorie e imposta i controlli di conseguenza.

Categoria	Esempi	Controllo
Lettura	Interrogare gli analytics, estrarre i ranking, scansionare una pagina, recuperare l'URL di un concorrente	Nessuno. Esecuzione senza supervisione.
Generazione	Scrivere bozze di testi, creare un report, generare un file o una dashboard	Nessuno per produrre, revisione prima dell'uso.
Scrittura	Pubblicare, inviare email, modificare un'offerta, aggiornare un record	Approvazione esplicita di una persona, ogni volta.

Due accorgimenti fanno sì che questo schema regga nella pratica. Primo, controlla anche il costo, non solo il tipo di azione: il nostro runtime stima il costo in crediti di un piano prima di eseguirlo e, sopra una certa soglia, si ferma a chiedere conferma, così anche una lettura costosa diventa una decisione. Secondo, controlla la provenienza: una volta che in un'esecuzione è entrato contenuto esterno non attendibile, le scritture vengono rifiutate a prescindere dalla categoria.

I destinatari meritano una menzione, perché è il controllo che tutti dimenticano. Il nostro motore di workflow non invia email a un indirizzo finché qualcuno non ha cliccato su un link di verifica, e l'indirizzo dell'account stesso è l'unico considerato affidabile a priori. È un vincolo voluto: un agente che può mandare email a indirizzi qualsiasi secondo un calendario è un cannone da spam con un cron job.

Un agente di marketing può pubblicare contenuti o gestire campagne pubblicitarie da solo?

Tecnicamente sì. Tutta l'infrastruttura esiste già: API dei CMS, API delle piattaforme pubblicitarie e uno standard aperto, il Model Context Protocol, pensato proprio per permettere agli agenti di raggiungere sistemi esterni senza un'integrazione su misura ogni volta. Il punto non è se può farlo. È se dovresti lasciarglielo fare.

Partiamo dalla pubblicazione. Un agente che può pubblicare è un agente che può pubblicare qualcosa di sbagliato su larga scala, e non è un rischio ipotetico: è il meccanismo che sta dietro all'abuso di contenuti su larga scala (scaled content abuse). La guida all'ottimizzazione per l'IA generativa di Google non lascia dubbi: «non ci sono requisiti aggiuntivi per comparire in AI Overviews o in AI Mode, né sono necessarie altre ottimizzazioni speciali», e le funzionalità generative si basano sul ranking di base della Ricerca. Le pagine pubblicate da un agente non ottengono nessun requisito di idoneità che una pagina pubblicata da una persona non avrebbe. Quello che la pubblicazione tramite agente cambia è il volume, e il volume senza giudizio è il modo in cui un sito si ritrova con 400 pagine scarne e un'azione manuale. Usa l'agente per ricercare, preparare il brief e scrivere la bozza. Il tasto «pubblica» lascialo premere a una persona.

La spesa pubblicitaria è anche peggio, perché il ciclo di feedback è fatto di soldi e gli errori si accumulano ora dopo ora, non nell'arco di un ciclo di scansione. Se decidi davvero di delegare modifiche a offerte o budget, i requisiti non negoziabili sono: un tetto di spesa rigido imposto al di fuori dell'agente, un registro delle modifiche su cui l'agente non può scrivere e un pulsante di emergenza che una persona può raggiungere in pochi secondi. Un agente che può alzare un budget non dovrebbe mai essere lo stesso sistema che ti dice se alzarlo ha funzionato.

L'email sta nel mezzo, ed è lì che abbiamo tracciato il nostro confine più netto: il nostro motore di workflow si rifiuta di inviare a qualsiasi indirizzo che non sia stato confermato con un clic su un link di verifica, e l'indirizzo del titolare dell'account è l'unico considerato affidabile a priori. Un agente che può mandare email a destinatari qualsiasi secondo un calendario è un cannone da spam con un cron job, e la reputazione che brucia è condivisa.

Human in the loop o human on the loop?

Human in the loop significa che l'agente propone e una persona approva ogni azione. Human on the loop significa che l'agente agisce e una persona monitora il comportamento complessivo, intervenendo solo sulle eccezioni.

La risposta utile è che si tratta di una scelta per tipo di azione, non per sistema. Le letture dovrebbero stare on the loop: nessuno dovrebbe approvare le singole query sugli analytics. Le scritture dovrebbero stare in the loop finché non hai mesi di trascrizioni che dimostrano che l'agente si comporta in modo prevedibile su dati ambigui, e per tutto ciò che è irreversibile, per sempre. La guida all'IA agentica di Search Engine Land riporta lo stesso schema dai professionisti del settore: le implementazioni che sopravvivono tengono le persone su strategia e convalida, mentre all'agente tocca il lavoro sporco.

Gli agenti di marketing autonomi sono davvero autonomi?

Per lo più no, e i dati in merito sono inequivocabili. A giugno 2025 Gartner ha riportato che, delle migliaia di fornitori che promuovono l'IA agentica, solo circa 130 facevano qualcosa di realmente agentico. Il resto lo ha etichettato come «agent washing»: assistenti, chatbot e automazione robotica dei processi con una confezione nuova. La stessa analisi prevede che oltre il 40% dei progetti di IA agentica verrà cancellato entro la fine del 2027 a causa di costi crescenti, valore di business poco chiaro e controlli del rischio inadeguati, e cita la senior director analyst Anushree Verma, secondo cui la maggior parte delle proposte agentiche «manca di valore significativo o di ritorno sull'investimento, perché i modelli attuali non hanno la maturità e l'autonomia necessarie per raggiungere in modo autonomo obiettivi di business complessi o seguire nel tempo istruzioni ricche di sfumature».

Il dato prospettico della stessa ricerca è più utile del tasso di cancellazione: Gartner si aspetta che entro il 2028 il 15% delle decisioni lavorative quotidiane venga preso in modo autonomo tramite l'IA agentica, contro un valore praticamente nullo nel 2024. È un cambiamento reale e non ha nulla a che vedere con l'autonomia totale. Tara le aspettative sul 15%, non sulla demo.

Quanto costa farlo girare

Due voci. I token del modello, che crescono con la quantità di dati che l'agente legge: noi applichiamo una tariffa fissa di 300 crediti per milione di token su tutte le chiamate al modello di un turno. E le chiamate agli strumenti, che di solito pesano di più perché si appoggiano ad API di terze parti a pagamento: 50 crediti per un audit di pagina, 50 per una query su Search Console o GA4, 30 per un'analisi del keyword gap, 100 per motore per un controllo della visibilità del brand, 25 per ogni esecuzione di un workflow programmato prima ancora che parta qualsiasi passaggio.

La conseguenza da tenere bene a mente è che un obiettivo vago è un obiettivo costoso. È l'opposto di come di solito si prezza il software, ed è il motivo per cui i piani agentici «illimitati» dovrebbero spingerti a chiedere cosa venga limitato davvero.

Come verificare cosa ha fatto un agente di marketing

Pretendi una trascrizione che registri, per ogni passaggio: lo strumento chiamato, gli argomenti con cui è stato chiamato, cosa ha restituito, quanto è costato e se è andato a buon fine. Il nostro scrive ogni esecuzione programmata in una chat ispezionabile, così l'intero percorso di ragionamento resta leggibile anche dopo, e limita ogni esecuzione con un timeout per passaggio e un tetto rigido al numero di nodi che un workflow può attraversare, così un ciclo non può girare all'infinito.

Se un vendor non è in grado di mostrarti quella trascrizione, ti sta chiedendo di accettare conclusioni che non hai modo di controllare, prodotte da un sistema che, come abbiamo visto, non sa riconoscere quando sbaglia.

Un punto di partenza realistico

Dai a un agente un accesso in sola lettura e un'analisi ricorrente che oggi fai già a mano. Fallo lavorare in parallelo a te per un mese e confronta le conclusioni. Aggiungi i permessi di scrittura solo per azioni reversibili, e solo dopo che gli output in sola lettura se li sono guadagnati.

È un'introduzione più lenta di quella che lascia intendere il marketing della categoria, ma è quella che regge al contatto con i dati reali. La nostra implementazione di tutto questo è Autopilot, e i pattern di prompt che producono output utilizzabili spiegano come circoscrivere gli obiettivi abbastanza da farli funzionare.