COMUNICARE UN BRAND
ai tempi dell’Intelligenza Artificiale fra innovazione e omologazione

(con intervento di Maria Luisa Bionda, Head of Research TF Group)

L’Intelligenza Artificiale è passata in pochi anni dai laboratori ai tavoli dei consigli di amministrazione. E si sviluppa a una velocità tale che oggi possiamo solo cercare di fotografarne un istante, certe di non riuscire a metterne completamente a fuoco l’intera fisionomia. Almeno tentiamo di catturarne un frammento, quasi in stile di ricordo. Di certo, quello che fino a pochi anni fa era considerato un tema tecnico, confinato all’ambito dell’IT, oggi è (e sarà sempre più) un elemento con cui quotidianamente le aziende si devono confrontare. L’AI è una leva strategica per progettare valore, comunicare il brand e analizzare i comportamenti dei clienti.

Prima di analizzare alcuni di questi aspetti, partiamo da qualche dato. Secondo lo State of AI Report 2025 di McKinsey & Company, l’88% delle imprese globali utilizza l’AI in almeno una funzione aziendale. In Italia, l’adozione è ancora bassa rispetto ai benchmark europei, ma cresce rapidamente e siamo al 16% nel 2025 (https://www.assolombarda.it/centro-studi/utilizzo-dellintelligenza-artificiale-nelle-imprese).

Nella nostra istantanea, si vede che stiamo maneggiando una infrastruttura competitiva, come suggerito già dal naming scelto: “l’intelligenza” artificiale. Come spiegano i tecnici, nonostante quello che la prima parte del nome possa far immaginare, questa tecnologia non pensa, non comprende, non interpreta nel senso umano del termine. Essa calcola ricorrenze e correlazioni probabilistiche e la sua potenza deriva dalla elevata capacità di processare velocemente un altissimo numero di dati e informazioni. Dal mio punto di vista di studiosa del branding e dei comportamenti di consumo, è interessante in particolare la cosiddetta AI conversazionale e generativa, che ha un impatto rilevante per la comunicazione aziendale, perché può intervenire direttamente nella produzione simbolica, ovvero nella costruzione di contenuti, immagini e strategie di comunicazione rivolte ai consumatori, ovvero tutti noi. Ma cercheremo qui di osservare soprattutto tre sfide che coinvolgono da vicino i consumatori e di conseguenza i brand.

La prima sfida. Il consumatore dentro l’ecosistema AI rischia l’omologazione dei contenuti

Fino a pochi anni fa il problema per i brand era presidiare i diversi touchpoint (ovvero punti di contatto fisici e digitali) come i punti vendita, sito, social, motori di ricerca, secondo una sfidante ottica omnicanale. Oggi l’AI sta diventando un nuovo intermediario tra marca e consumatore come evidenzia il titolo di un articolo de Il Sole24 ore: “Un cliente su cinque fa shopping sotto dettatura dei nuovi algoritmi” (https://www.ilsole24ore.com/art/un-cliente-cinque-fa-shopping-sotto-dettatura-nuovi-algoritmi-AHhxoBrD). L’AI è diventata, infatti, per molti un sistema evoluto di motore di ricerca, una forma di consulente digitale permanente: le piattaforme AI (uso volutamente “le AI” al plurale perché queste piattaforme sono ormai tante e ciascuna con la sua peculiarità) possono suggerire prodotti, confrontare alternative, orientare scelte complesse a partire dai nostri “prompt”. Ma non bisogna dimenticare che per lo più l’AI apprende dai dati esistenti, tendendo a replicare nelle risposte pattern consolidati: gli algoritmi apprendono dal passato e ottimizzano ciò che ha già funzionato. Il risultato per il cliente assomiglia a un’esperienza su misura, ma di fatto è culturalmente standardizzata. Assistiamo a un fenomeno di “inerzia algoritmica” che produce come effetto finale un’omologazione dei contenuti per i consumatori contemporanei. Dunque, quando un sistema di AI ci suggerisce una soluzione personalizzata (ma sulla base di comportamenti passati), non fa altro che rafforzare preferenze pregresse, limitare l’esplorazione, conformare i gusti. Così il mito dell’esperienza “su misura” per il cliente si trasforma paradossalmente in qualcosa di standardizzato. Se i contenuti vengono generati o mediati da AI che attingono agli stessi dati e alle stesse logiche probabilistiche, il rischio è una progressiva indistinguibilità tra brand.

Esistono anche due ulteriori sfide che vanno a toccare temi di business ma anche etici.

La seconda sfida. Un equilibrio delicato fra Pubblicità e AI

Nella nostra istantanea, rientra un secondo nodo particolarmente critico e riguarda le vie che il settore sta studiando per trovare forme di monetizzazione sostenibili. Ecco, quindi, l’idea/proposta di alcuni big brand del mondo tecnologico di poter inserire della pubblicità all’interno dei sistemi di AI conversazionale e generativa. Google, ad esempio, a partire dalla metà del 2025, ha introdotto annunci pubblicitari direttamente all’interno delle sue “AI Overviews” (le risposte generate dall’AI) e nella “AI mode“. Questi annunci appaiono in modo contestuale, spesso consigliando prodotti correlati alla query dell’utente. La proposta di queste soluzioni è strettamente correlata alla ricerca di coperture di costi. Come si legge in un recente articolo di Wired “Secondo le ultime proiezioni, OpenAI brucerà circa 115 miliardi di dollari entro il 2029. Come già evidenziato da Bain & Co nel suo sesto rapporto annuale globale sulla tecnologia, con il modello attuale l’AI non sarà in grado di generare ricavi sufficienti a sostenere la potenza di calcolo necessaria per svilupparla. Diversi addetti ai lavori si chiedono infatti come farà il business degli LLM a trovare i soldi per sopravvivere”. (fonte https://www.wired.it/article/ai-pubblicita-chatbot-openai-google-anthropic-business-model/).

Se per il business questa può diventare una soluzione efficace, potranno sorgere alcuni problemi per il consumatore. A differenza dei motori di ricerca o dei social network, dove l’utente è ormai abituato alla presenza esplicita di annunci, l’interazione con un assistente AI si fonda su una relazione percepita come neutrale, quasi fiduciaria. Se l’AI diventa un “consulente” che suggerisce prodotti o servizi, la linea di confine tra raccomandazione oggettiva e promozione a pagamento dovrà essere chiaramente definita e comunicata, pena la perdita di credibilità dell’intero sistema stesso. L’integrazione pubblicitaria nei sistemi AI richiede quindi un attento studio di nuove logiche sia etiche e normative sia reputazionali.

La terza sfida. Il nuovo trend dell’avvento dell’AI nelle ricerche di mercato

L’uso dell’Intelligenza Artificiale sta prendendo sempre più piede anche nel settore delle ricerche di mercato e sta trasformando radicalmente il modo in cui le aziende raccolgono, analizzano e interpretano i dati, passando da metodi tradizionali – considerati lenti e costosi – a soluzioni tecnologiche viste come più rapide e precise. Tuttavia, la velocità non coincide automaticamente con la profondità interpretativa. Inoltre, la comprensione culturale e simbolica dei consumi richiede competenze quali solide capacità di interpretazione, visione strategica e attenta rilettura del contesto.

Abbiamo chiesto a Maria Luisa Bionda, Head of Research – TF Group, di commentare questo recente trend e il suo impatto sul mercato italiano.

L’intelligenza artificiale è entrata in modo strutturale nel lavoro del ricercatore e degli istituti di ricerca lungo due direttrici distinte: da un lato come offerta di prodotti e servizi AI based rivolti al cliente, dall’altro come tecnologia incorporata nelle pratiche quotidiane, dalla scrittura di questionari e tracce di intervista fino all’analisi dei dati.

Sul primo fronte (servizi AI based rivolti al cliente) l’impatto è rilevante: l’AI consente di raccogliere e sistematizzare quantità di informazioni prima difficilmente gestibili e ridefinisce in modo stimolante il confine tra qualitativo e quantitativo, rendendo scalabili approcci conversazionali grazie alla quasi totale accuratezza dei sistemi speech to text. Tuttavia lo sviluppo dei cosiddetti digital twin, modelli sintetici che simulano individui o segmenti sulla base di dati storici, fa emergere con rilevanza il forte rischio di conservatorismo predittivo impattando sulla natura stessa della ricerca.

Sul piano delle pratiche individuali l’AI amplia le possibilità operative del ricercatore, ma ne può anche indebolire il rigore: l’uso non governato di modelli generativi può produrre errori, semplificazioni e false sicurezze, soprattutto quando strumenti linguistici vengono impiegati per finalità computazionali senza un’adeguata progettazione dei prompt. L’approccio corretto non è né sostitutivo né ingenuamente entusiastico, ma critico e metodologicamente fondato. L’AI va trattata come strumento aumentativo, sottoposto a verifica costante, integrato in un disegno di ricerca chiaro e in un controllo umano capace di validarne assunti, passaggi logici e coerenza interpretativa (si parla di human-in-the-loop, epistemic oversight, augmented intelligence). Solo in questo equilibrio tra potenza tecnologica e responsabilità epistemologica l’intelligenza artificiale può rafforzare, e non svuotare, il valore euristico della ricerca di mercato.

Le foto sono gratuite ai sensi della Licenza Unsplash

Per ascoltare il Podcast di Caos Management clicca qui.