Marketing, loyalty & Ai, dal dato alla relazione

La conferenza “Marketing, Loyalty & Ai: dal dato alla relazione”, tenutasi a Brand Power il 22 gennaio e organizzata dall’Associazione Italiana Sviluppo Marketing (Aism), ha affrontato un tema fondamentale per il presente e il futuro del business: come trasformare la massiccia disponibilità di dati in vere relazioni di valore con i clienti, sfruttando l’intelligenza artificiale come abilitatore e non come fine a se stessa. È un dibattito che tocca il cuore della sfida competitiva contemporanea, soprattutto per un’economia, come quella italiana, che storicamente ha faticato nell’adozione delle tecnologie digitali.

Il paradosso del dato. Abbondanza di informazioni, scarsità di competenze

Ho aperto la conferenza “Marketing, Loyalty & Ai: dal dato alla relazione” con una considerazione semplice, ma tutt’altro che scontata: nella “società dei dati” il dato, da solo, vale poco. Può sembrare un’ovvietà, eppure nelle aziende italiane questa frase fotografa una realtà ancora complessa, i dati abbondano, mentre scarseggiano competenze, metodologie e, soprattutto, una visione strategica capace di trasformarli in informazione utile e, da lì, in relazione con il cliente.

L’Ai generativa può essere di grande aiuto ma i numeri sulla sua adozione sono ancora modesti. Analizzando una dozzina di report di istituti autorevoli, nel mio intervento ho evidenziato che nelle grandi imprese europee l’adozione dell’Ai è diventata strutturale nel 55% dei casi, ma questa percentuale crolla drasticamente al 17% quando ci si riferisce alle pmi (Use of artificial intelligence in enterprises, Eurostat, 2025). Per l’Italia il quadro è ancora più critico: nel Digital Economy and Society Index (Desi), per quanto riguarda le competenze digitali di base della popolazione, siamo quintultimi in Europa. Non si tratta semplicemente di un gap tecnologico, ma di una frattura strategica che rischia di relegare il paese a ruoli marginali nella competizione globale.

Le barriere all’adozione sono ben identificate: mancanza di competenze qualificate, complessità normative (gdpr, Ai Act…), costi di implementazione. Ma c’è un elemento che i report non evidenziano con sufficiente chiarezza: la resistenza culturale. Le organizzazioni italiane, soprattutto le pmi, tendono ancora a vedere la tecnologia come un costo più che come un investimento.

Dall’economia dell’attenzione alla profondità della relazione

Guido Bosticco, nel suo intervento, ha apportato una prospettiva affascinante, radicata nella storia del pensiero economico. Ricorrendo a Herbert Simon e al concetto di “economia dell’attenzione” sviluppato negli anni settanta, ha evidenziato una metafora illuminante: se l’informazione aumenta a dismisura (i conigli), la risorsa che scarseggia è l’attenzione (la lattuga). Nel contesto contemporaneo, dove ogni marchio compete per catturare frammenti di consapevolezza del cliente, questa scarsità di attenzione è diventata il vero collo di bottiglia.

Gran parte del web contemporaneo costruisce engagement attraverso piccoli “tocchi” continui, il cosiddetto “drip engagement”: notifiche, reminder, pop-up. È una strategia che genera traffico ma non profondità relazionale. Le comunità umane vere, secondo Bosticco, si fondano su racconti che trasmettono valori: la Bibbia, Omero, i poemi cavallereschi o i film western sono veicoli potenti di significato perché operano a livello simbolico.

Qui emerge un punto critico per il marketing contemporaneo: confondiamo spesso “fedeltà” con “frequenza di contatto”. La fedeltà è invece un patto, una dedizione, una forma di reciprocità che implica un elemento di fiducia. Cosa rappresenta simbolicamente una tessera fedeltà tradizionale? Spesso poco più di uno schema di accumulo transazionale. Il valore simbolico, secondo la distinzione di Baudrillard tra valore d’uso, valore di scambio e valore segnico (appunto simbolico), è quello che resiste meglio alle mutazioni del mercato. Una Ferrari non è desiderata come mezzo di trasporto in sé (valore d’uso), ma perché comunica uno status, l’appartenenza a un immaginario.

L’antropologo Marcel Mauss, nel “Saggio sul dono” (1925), aveva già intuito che il dono implica l’obbligo della ricerca di reciprocità e cementa i gruppi sociali. Il marketing moderno, avviluppato nella logica transazionale, ha in gran parte abbandonato la dimensione del dono, del gesto generoso che crea legame. Recuperare questa prospettiva, trasformandola nel linguaggio contemporaneo, è una sfida che l’Ai potrebbe aiutare a scalare, ma non può risolvere autonomamente.

Qui Bosticco pone una domanda provocatoria ma centrale: a cosa serve l’Ai in questo percorso? La risposta che fornisce è doppia. Primo, la Ai è uno strumento di comprensione: permette di analizzare l’ambiente relazionale non solo per identificare il “cosa” (quale prodotto compra il cliente), ma il “perché” (quali valori lo guidano). Secondo, consente una scalabilità e creatività diverse, modellizzare comportamenti e creare “reward” inediti che una mente umana singola non potrebbe generare.

Ma Bosticco lancia un avvertimento importante sulla qualità del dato. La qualità dell’ambiente relazionale non si automatizza. Se vogliamo dati robusti per allenare algoritmi significativi, dobbiamo passare attraverso il dialogo e la relazione umana autentica. Automatizzare questo passaggio non produce la qualità di dati necessaria. È una limitazione che i tecnici spesso sottovalutano.

Il settore assicurativo, un caso studio di “anarchia” organizzativa

Pierfrancesco Basilico, direttore generale per l’Italia di Afi Esca (Gruppo Burrus), ha affrontato il tema dal punto di vista di un settore che governa dati straordinariamente sensibili: salute, investimenti, protezione patrimoniale. Le assicurazioni hanno subito tre ondate trasformative negli ultimi dieci anni: prima la digitalizzazione documentale, poi l’introduzione dei processi di riconoscimento e firma a distanza (la rivoluzione insurtech), ora l’intelligenza artificiale.

Il linguaggio di Basilico è significativo quando descrive la situazione attuale: le aziende del settore (e potremmo estendere questa osservazione a banche e società di credito) hanno accumulato “una valanga di dati” ma poca “visione per utilizzarli nella relazione”. Una situazione che Basilico definisce brillantemente come il passaggio “dall’anarchia alla disciplina del dato”.

L’aneddoto personale che fornisce è illuminante: in trent’anni di fedeltà a un blasonato brand di carte di credito, non ha mai ricevuto una comunicazione proattiva basata sulla sua storia di acquisti. Questo brand, che certamente possiede un archivio completo dei suoi comportamenti di spesa, non ha mai sfruttato questa informazione per creare relazione personalizzata. Questa è l’anarchia: il dato esiste, ma viene usato male e non è governato strategicamente.

Il tema della vulnerabilità e della privacy diventa critico quando si parla di Ai nel contesto finanziario-assicurativo. Basilico distingue giustamente tra usi “low-risk” (utilizzare ChatGpt per redigere una mail quando i dati sono già pubblici) e usi “high-risk” (far analizzare a sistemi Ai i dati sensibili dei clienti). La sfida normativa è reale, ma la sfida organizzativa è ancora più profonda: come governare algoritmi che operano su dati estremamente sensibili mantenendo controllo, trasparenza e conformità normativa?

La dimensione operativa. Architettura, igiene del dato e competenze

Giulia Zaia, crm e innovation director Veneto Ricerche, infine, ha portato l’analisi al livello operativo, che è dove molte organizzazioni devono scontrarsi con la realtà. Disponiamo di molti dati, ma spesso non sappiamo sfruttarli perché il dato stesso è cambiato nel tempo. Il sistema tradizionale era monodirezionale (il marchio comunica al cliente). Oggi la frammentazione dei canali (telefono, form web, WhatsApp, social media, email…) crea una complessità radicale.

Nel settore automotive, che Zaia utilizza come caso di studio, i clienti non hanno pazienza per processi sequenziali: inviano una richiesta online, poi chiamano il numero verde, poi scrivono in chat. Se ogni interazione è tracciata in silos diversi, generiamo duplicati, confusione, disordine nel customer journey. La personalizzazione reale, quella che “disegna il vestito su misura per il cliente”, richiede visione integrata dei dati e dei processi.

Emerge qui il concetto di “igiene del dato” che Zaia enfatizza con forza. L’Ai funziona secondo il principio “garbage in, garbage out”: se alimentiamo algoritmi con informazioni sporche, obsolete, mal categorizzate, non possiamo attenderci output significativi. Una banca che integri dati da tre crm diversi, dove il cliente Mario Rossi è scritto in cinque modi differenti, non potrà costruire un profilo coerente per l’analisi predittiva.

Le tre leve che Zaia identifica come fondamentali per sbloccare il valore del dato sono complementari.

• Architettura integrata – I sistemi non devono operare a silos. Troppo spesso nelle organizzazioni italiane convivono ecosistemi tecnologici incompatibili: il marketing ha il suo crm, il customer service ne ha un altro, la logistica un terzo. Integrarli non è semplicemente un’opzione tecnologica, ma una priorità strategica.
• Gestione e monitoraggio condiviso – All’interno dell’organizzazione servono processi standardizzati per evitare che ogni dipartimento o individuo inserisca i dati a modo proprio nel sistema centralizzato. La governance del dato è tanto importante quanto l’infrastruttura tecnologica.
• Addestramento e alimentazione costante – Gli algoritmi, una volta implementati, non sono “accesi e dimenticati”. Richiedono alimentazione continua con dati di qualità, retraining periodico, monitoraggio delle performance. La sfida spesso sottovalutata è che chi ha le competenze tecniche per implementare l’Ai non sempre ha le competenze organizzative per governarla a lungo termine.

La sfida italiana: competenze, mentalità, tempi

Riflettendo sulla conferenza nel suo insieme, emergono alcune questioni specifiche per il contesto italiano. La questione delle competenze è la più urgente. Se siamo quintultimi in Europa nelle competenze digitali di base della popolazione, formare rapidamente una classe di professionisti in grado di governare Ai e big data diventa una priorità nazionale. Non è un problema che le singole aziende possono risolvere da sole.

C’è inoltre una questione di velocità di adozione. I tassi di adozione del 55% nelle grandi imprese europee e del 17% complessivo suggeriscono che stiamo ancora nelle fasi iniziali di una trasformazione che durerà decenni. Per le pmi italiane, che hanno dimostrato grande capacità di adattamento in passato, occorre però abbassare le barriere di ingresso: occorrono soluzioni “pronte all’uso” che non richiedano investimenti tecnologici massicci né team interni di data scientist che la maggior parte delle aziende non può permettersi.

Un elemento che la conferenza ha toccato implicitamente ma che merita approfondimento è la questione etica. Usare Ai per comprendere i “perché” dei comportamenti dei clienti è eticamente neutro? Quando iniziamo a modellizzare comportamenti e a disegnare reward psicologicamente calibrati, non rischiamo di scivolare verso forme di manipolazione? La distinzione tra “persuasione” e “manipolazione” diventa sempre più labile quando gli algoritmi sono addestrati a massimizzare una metrica (engagement, conversion rate) senza vincoli etici superiori.

Verso una sintesi: tecnologia come abilitatore, essere umano come decisore

Se dovessimo sintetizzare il messaggio complessivo della conferenza, potremmo condensarlo in questo: l’Ai e i big data sono strumenti potentissimi, ma la strategia, la competenza umana, la visione organizzativa e la qualità della relazione rimangono centrali.

La tentazione contemporanea è quella di “affidare” decisioni agli algoritmi. La realtà è che gli algoritmi dovrebbero amplificare le capacità umane, non sostituirle. Un consulente che usa Ai per analizzare velocemente milioni di interazioni tra brand e clienti, per identificare pattern che avrebbe impiegato mesi a vedere, è più efficace di un consulente senza Ai. Ma un algoritmo lanciato senza governance, senza visione strategica, senza comprensione dei “perché” profondi del comportamento umano, è rischioso.

La “disciplina” di cui parlava Basilico, l’integrazione dei “silos” di cui parla Zaia, la ricerca del valore simbolico e della reciprocità di cui parla Bosticco: questi non sono elementi tecnologici. Sono scelte organizzative, culturali, strategiche. L’Ai può supportare l’implementazione di queste scelte, ma non può determinarle autonomamente.

Per le aziende italiane, il messaggio è evidente: il tempo per aspettare che la tecnologia maturi ulteriormente sta finendo. La competizione globale non attende. Occorre partire dalle “fondamenta”, pulire i dati, integrarli, capire cosa rappresentano, costruire competenze interne anche piccole ma significative, e poi, e solo poi, pensare all’Ai come moltiplicatore di valore. Il viaggio dal dato alla relazione è un percorso che richiede strategia, pazienza e soprattutto comprensione profonda di cosa rende le persone veramente fedeli a un marchio, a un prodotto, a un servizio. E questo, per ora, rimane ancora principalmente un lavoro umano.

La conferenza Aism, in sintesi, non propone soluzioni magiche, ma chiede alle aziende di fare il lavoro difficile: investire in competenze, ripensare l’architettura organizzativa, riscoprire il valore della relazione autentica. Solo così la marea di dati che circonda ogni impresa italiana potrà trasformarsi in “valore competitivo”.