L’industria pubblicitaria ha investito miliardi in AI negli ultimi 18 mesi. E adesso stanno scoprendo un problema imbarazzante: non riescono a misurare il valore che l’AI sta generando. Il ROI che manca sta trasformando l’AI da “silver bullet” a “casino di costi incontrollati”. E nessuno sa come uscirne.
CMO sono stati promessi tre cose: costi ridotti, velocità aumentata, output di qualità migliore. Dopo 18 mesi di implementazione massiccia, le agenzie possono documentare la velocità (più veloce, sì). Possono contare i token spesi (molti). Ma il valore misurato? Silenzio assordante.
Quando i contratti sono stati rinnovati il primo semestre 2026, i clienti hanno chiesto: “Dov’è la riduzione di costo che mi era stata promessa?” La risposta è stata disagevole: “Beh, in realtà i costi sono aumentati perché le macchine costano”. Questo non è un dettaglio implementativo: è il crollo della business case che l’AI era stato venduto come.
Una grande agenzia ha riportato: il costo per output è sceso del 15% (perché AI produce più veloce), ma il costo totale è aumentato del 30% (perché usano AI per 10 cliente nuovi). Net result: il cliente paga di più per ricevere lo stesso servizio.
Per altri clienti, è peggio: stanno ricevendo output AI che non usa nessuno. Una agenzie ha generato 500 concept creativi al mese con AI: il cliente ne ha approvato 3. Il resto erano “spese fantasma” che gravavano sul budget.
Quando l’AI era giovane, tutti lo usavano gratuitamente, oppure con crediti limitati finanziati dall’agenzia. Il risultato? Nessuno contava. Fecero una cosa stupida: gli sviluppatori potevano accedere a GPT-4 senza limite e usarlo per tutto, anche per task che potevano fare a mano in 10 minuti.
PMG ha fatto uno studio pilota e ha scoperto una verità sconfortante: senza governance, i team spendono $50 al giorno in token per task che potevano essere fatte manualmente in 10 minuti, utilizzando modelli da $0.01. Hanno implementato un cap: $50 per utente per giorno. E così? La produttività è andata su, non giù.
Perché? Perché forzare la gente a pensare al cost di ogni AI call li obbliga a chiedere: “Davvero mi serve GPT-4 oppure potrei usare Claude Haiku?” La disciplina è tornata.
Dollar Shave Club ha fatto lo stesso: passata da “esplora tutti gli AI tool che vuoi” a “triage system con modelli cheap per task semplice e advanced models per task complesso”. Risultato? Cost containment senza sacrificare quality.
Prima avevano: tutti usano GPT-4 per tutto, costo fuori controllo. Adesso hanno: GPT-4 per strategie, Claude Sonnet per implementazione, Claude Haiku per editing. Costo: -40%. Output quality: uguale o meglio, perché ogni tool è usato per quello che fa meglio.
La lezione: non è “usare meno AI”: è “usare la giusta quantità di AI per la giusta task”.
Il vero problema non è l’AI, è che nessuno sa come misurare l’output dell’AI. Contare i token è facile (macchina). Misurare il valore è impossibile (umano). Le agenzie stanno risolvendo il problema nascondendolo: alcuni non dettagliano i costi AI nei contratti cliente, altri li bundlano in package subscription, altri li nascondono nei margini.
Sono workaround, non soluzioni. E i clienti lo sanno. Una CMO di un brand grande ha detto: “La mia agenzia mi dice che l’AI ha aumentato la velocità di 40%, ma io non vedo 40% più output: vedo un 40% più caro di servizio che prima.”
Servirebbe uno standard industriale: metrica che misura “output quality per euro speso in AI”. Non è difficile da costruire: è difficile da concordare perché ogni agenzia ha una definizione diversa di “qualità”.
Una proposta: tracking ROI di campagne generate con AI vs campagne generate manualmente. Se AI genera 10% più conversioni, il valore è lì. Se genera 10% meno, il valore non è lì, non importa quanti token hai speso.
Fin che l’industria non avrà questo standard, continuerà il gioco dello “trust me, it’s working”: e i CMO resteranno scettici. E a ragione.
Nel 2027 mi aspetto che i clienti inizieranno a chiedere: “Quanto mi costa l’AI che state usando? Qual è il ROI?” E le agenzie che non possono rispondere onestamente perderanno clienti a favore di quelle che possono.
Questa non è una cattiva notizia per l’AI: è una buona notizia. Significa che finalmente l’industria smette di fingere che l’AI sia automaticamente un bene, e inizia a misurare se lo è davvero. E quando misura, scopre che l’AI ben usata genera valore enormen, e l’AI male usata è solo un buco nero di costi.
06 Agosto 2026