Barilla cerca un Marketing AI Adoption Senior Manager. È uno dei primi annunci italiani per dirigere l’intelligenza artificiale nel marketing, ed è scritto meglio della media: proprio per questo dice molto su ciò che le imprese hanno capito, e ancora di più su ciò che non hanno ancora messo a fuoco. Per le PMI la questione è la stessa, in forma più acuta — e più facile da risolvere.
Il 28 agosto Barilla ha pubblicato la ricerca di un Marketing AI Adoption Senior Manager per la sede di Parma: contratto a tempo indeterminato, retribuzione annua lorda non inferiore a 65.000 euro più variabile, collocazione nell’area «AI, Analytics & Insights». In due settimane l’annuncio ha raccolto oltre duecento candidature. Non è un caso isolato: posizioni con lo stesso perimetro stanno comparendo in tutti i settori, e nei prossimi mesi diventeranno la norma anche in aziende molto più piccole.
Vale la pena leggerli con attenzione, perché sono il primo documento in cui le imprese mettono per iscritto che cosa credono sia il problema.
Che cosa chiedono
Chiedono, in sostanza, tre cose. Che qualcuno costruisca un motore di produzione dei contenuti assistito dall’intelligenza artificiale — testi, immagini, materiali — e lo adatti ai diversi mercati, con la loro lingua, le loro sensibilità culturali e i loro vincoli normativi. Che qualcuno presidi la visibilità dell’impresa nelle risposte generate dai sistemi conversazionali, il tema che il mercato ha imparato a chiamare GEO. E che qualcuno metta dei paletti: regole d’uso, obblighi di trasparenza, allineamento dei fornitori esterni.
È un elenco ragionevole e nettamente sopra la media. Riconosce, per esempio, che il problema non è comprare strumenti ma far cambiare modo di lavorare alle persone, il che è vero e viene capito da meno aziende di quante lo dichiarino. E ha il merito di mettere la governance dentro il mandato invece che accanto.
Il punto è che descrive con precisione il presente, e il presente su questo tema dura circa diciotto mesi.
Che cosa non chiedono
Tre assenze, in ordine di gravità.
La prima riguarda la misura. Gli annunci chiedono di definire indicatori sull’intelligenza artificiale generativa, cruscotti, cadenze di reporting. Nessuno chiede a chi ricoprirà il ruolo di sapere che cosa quegli indicatori misurano davvero. Una rilevazione di quanto un’azienda compare nelle risposte di un sistema conversazionale non è un dato finché non dichiara come è stata fatta: la domanda posta per esteso, il sistema usato, la lingua, il mercato, la data, quante volte è stata ripetuta e quanto i risultati variavano fra una ripetizione e l’altra. Questi sistemi non sono deterministici: la stessa domanda posta due volte può dare risposte diverse. Senza quelle condizioni non si ha una misura, si ha un aneddoto in forma numerica.
C’è di più, ed è scomodo. Il termine GEO nasce da uno studio informatico presentato nel 2024 a una conferenza con revisione fra pari: è la valutazione di alcuni interventi testuali su un insieme costruito di domande, non l’osservazione di un mercato. Non vi compaiono imprese, né clienti, né comportamenti d’acquisto. E a oggi nessuno studio indipendente ha stabilito la relazione fra il comparire in una risposta generata e l’essere effettivamente scelti. È un’ipotesi ragionevole. Non è un fatto accertato. Chi accetta un ruolo di questo tipo così com’è scritto si impegna a portare in consiglio un cruscotto di esposizione presentandolo come misura di risultato.
La seconda riguarda l’accuratezza. Tutti stanno contando quante volte l’azienda viene nominata. Quasi nessuno sta verificando se ciò che viene detto è vero. È il passaggio che le rilevazioni professionali saltano più spesso, ed è quello che conta di più, perché comparire con una descrizione sbagliata è peggio che non comparire affatto.
Il meccanismo che produce quelle descrizioni sbagliate va capito, perché non è quello che si immagina. I sistemi generativi non inventano per capriccio: riempiono le lacune. Dove l’informazione su un’impresa è assente, vecchia o presente in un’unica fonte di seconda mano, il sistema completa con ciò che è probabile per aziende simili. Un dettaglio marginale diventa la caratteristica principale, una lavorazione dismessa nel 2019 resta la specializzazione dichiarata, una certificazione che l’azienda non ha compare perché ce l’hanno quasi tutti i suoi concorrenti. Nessuno avvisa l’impresa che è successo. L’unico modo di accorgersene è cercarsi.
La terza riguarda l’archivio. Negli annunci non c’è traccia di ciò che l’impresa ha già pubblicato e che è ancora accessibile. Eppure un comunicato di sette anni fa, un listino superato, la scheda di un prodotto ritirato, un profilo compilato da terzi in un elenco che nessuno ricorda continuano a fornire enunciati, e un contenuto privo di data viene letto come attuale. L’archivio non è un deposito: è una fonte attiva, e per un sistema che sintetizza può pesare quanto la pagina pubblicata ieri.
Adozione e responsabilità non sono la stessa cosa
Sotto le tre assenze c’è un equivoco di fondo, e vale la pena nominarlo perché condizionerà molte assunzioni nei prossimi anni. Il nome stesso della posizione lo contiene: adoption, adozione.
I ruoli di adozione scadono. Servono a far sì che un’organizzazione cominci a usare qualcosa, e quando l’uso è diffuso non hanno più oggetto: è la storia del responsabile digitale, che si è dissolto dentro le funzioni nel momento in cui il digitale ha smesso di essere una cosa a parte. Fra cinque anni nessuno assumerà qualcuno per far usare l’intelligenza artificiale al marketing, così come oggi nessuno assume qualcuno per far usare la posta elettronica.
Ciò che non scade è la responsabilità. Una parte crescente di ciò che l’impresa dice e decide non è prodotta da chi la firma: è prodotta da sistemi che propongono, o che decidono entro spazi che qualcuno ha fissato. Quella responsabilità non si trasferisce. Chi pubblica risponde di ciò che è pubblicato comunque sia stato prodotto, e l’origine automatica di un errore non ne attenua le conseguenze. Ne discende un vincolo che nessuna efficienza compensa: il volume di ciò che un’impresa dice di sé è limitato dalla sua capacità di verificarlo — cioè proprio dal vincolo che l’automazione prometteva di rimuovere.
Questa è la posizione che varrà la pena creare. Gli annunci di oggi ne descrivono un’altra.
Perché per una PMI la questione è più seria, e più risolvibile
Il problema del riempimento delle lacune colpisce più duramente chi ha poca documentazione pubblica e poche fonti indipendenti che parlino di lui. È esattamente il profilo della piccola e media impresa italiana: eccellente in una nicchia, nota ai suoi clienti, quasi invisibile alle fonti che i sistemi trattano come autorevoli. Dove non trova informazione, il sistema la costruisce per somiglianza con i concorrenti — e la somiglianza con i concorrenti è precisamente ciò che una PMI specializzata ha passato vent’anni a non essere.
Vale anche un secondo punto, meno ovvio. Essere presenti in una lingua non implica esserlo in un’altra: i dati su cui questi sistemi sono costruiti sono distribuiti in modo molto diseguale fra le lingue, e chi esporta e misura solo in italiano — o solo in inglese — ottiene una stima distorta in direzione prevedibile.
La buona notizia è che l’asimmetria funziona anche a favore. Un gruppo con quasi centocinquant’anni di storia e decine di mercati non può censire in tempi brevi tutto ciò che ha pubblicato, e ogni correzione passa da un comitato. Una PMI può fare in una settimana ciò che quel gruppo farà in tre anni con un manager dedicato.
Tre operazioni, a costo quasi nullo
Cercatevi, e fatelo come si fa una misura. Scrivete dieci domande che un vostro cliente porrebbe davvero quando ha il problema che risolvete — non le domande che vorreste ricevere. Ponetele a due o tre sistemi diversi, ripetendo ciascuna tre volte, nelle lingue dei vostri mercati. Registrate tutto: la domanda per esteso, il sistema, la data, la risposta. Poi fate la cosa che quasi nessuno fa: prendete ogni affermazione che vi riguarda e segnate se è vera, falsa, non verificabile, oppure vera ma fuorviante perché omette qualcosa. È quella tabella il risultato, non la percentuale di volte in cui siete comparsi.
Censite ciò che avete pubblicato e che è ancora raggiungibile. Venti contenuti sono già un buon inizio: comunicati, schede di prodotti non più in gamma, documenti tecnici, vostri profili in portali e directory di settore compilati anni fa da qualcun altro. Per ognuno annotate la data di pubblicazione, quella dell’ultimo aggiornamento e se almeno una delle due sia visibile a chi legge. Vi accorgerete che una parte di ciò che è ancora online contraddice quello che l’azienda afferma oggi.
Correggete alla fonte, e correggete invece di rimuovere. Non si può agire su ciò che i sistemi dicono; si può agire solo su ciò che leggono. E la rimozione, che sembra la soluzione pulita, di solito non lo è: copie e riprese di terzi sopravvivono all’originale, e cancellando si toglie di mezzo l’unica versione autorevole lasciando in circolazione quelle sbagliate. Meglio correggere sul posto, mantenendo lo stesso indirizzo e dichiarando la data dell’aggiornamento. La rimozione ha senso solo per ciò che non ha alcun valore informativo.
Nessuna delle tre richiede un budget, un fornitore o un software. Richiedono che qualcuno in azienda ne risponda — e che quel qualcuno abbia il tempo per farlo, il che è l’unica voce di costo reale.
Le grandi imprese stanno assumendo per costruire il motore. La domanda che conta, e che vale per aziende di qualunque dimensione, è più semplice: chi risponde di ciò che le macchine dicono di voi, e come fa a saperlo?
