In breve
La marketing automation tradizionale esegue un flusso che hai disegnato tu: se succede questo, allora fai quello. Al software agentico si consegna invece un risultato — ridurre il churn della quarta settimana, riempire il funnel delle prove — e il software ricava da sé i passaggi, chiamando strumenti strada facendo, leggendo cosa è successo e correggendo. È quel ciclo che l’aggettivo agentico indica. I vendor vendono la stessa idea anche come marketing autonomo.
Quello che la parola non ti dice è quanto margine ha il software. Un sistema può pianificare cinque passaggi e fermarsi comunque a chiederti l’approvazione prima di inviare qualcosa. Questa distinzione si perde nella maggior parte delle descrizioni della categoria, ed è quella che decide se uno strumento è sicuro da mettere davanti ai tuoi clienti.
Nessuno di neutrale l’ha definito
Non esiste una definizione di riferimento del marketing agentico. Wikipedia non ha una voce per l’espressione. Nessun ente di normazione l’ha definito. Le definizioni che circolano sono quasi tutte pubblicate da aziende che vendono il software che definiscono — Salesforce, Adobe, Braze e HubSpot ne pubblicano una ciascuna, e in questo paragrafo lo facciamo anche noi. Vale la pena dirlo chiaramente invece di fingere il contrario.
Le due definizioni degli analisti su cui conviene ancorarsi sono più ristrette di quelle dei vendor. Gartner descrive l’IA agentica come sistemi che pianificano e compiono azioni in modo autonomo per raggiungere obiettivi definiti dall’utente. Quella di Forrester è più rigorosa e più utile, perché termina con la precisazione che tutti gli altri lasciano cadere: software in grado di pianificare e adattarsi con flessibilità per raggiungere obiettivi agendo nel proprio ambiente, con livelli crescenti di autonomia. Livelli crescenti. Non un interruttore.
La scala dell’autonomia
Le definizioni degli analisti concordano sul fatto che il software deve pianificare e agire, quindi l’etichetta raggiunge solo i due gradini più alti di questa scala. Quello che non risolve è il passaggio che conta di più nella pratica: se lo strumento si ferma ad aspettare te. Questi cinque gradini ordinano i prodotti in base a quanto viene deciso senza di te: regole, assistenza generativa, copilota, agente con approvazione e senza supervisione.
I gradini uno e due non decidono nulla durante l’esecuzione. Il gradino tre ragiona ma si ferma prima di agire, che è il confine tracciato anche dalla nostra guida su agenti e chatbot. Solo i gradini quattro e cinque pianificano e agiscono, e descrivere qualcosa che sta più in basso con il linguaggio dei gradini alti è ciò che Gartner ha chiamato agent washing: il rebranding di prodotti esistenti, come assistenti IA, automazione robotica dei processi e chatbot, senza capacità agentiche sostanziali. Nella stessa nota di giugno 2025, Gartner ha stimato che solo circa 130 delle migliaia di vendor che rivendicano l’etichetta fossero autentici, e ha previsto che oltre il 40% dei progetti di IA agentica sarà cancellato entro la fine del 2027: una previsione sul 2027, non un tasso di fallimento misurato.
I gradini quattro e cinque sono un unico software con il punto di controllo spostato, il che rende il passaggio dall’uno all’altro una decisione operativa e non un acquisto: il marketing human-in-the-loop è il luogo in cui va fatta quella scelta. La scala misura inoltre solo l’indipendenza, non il raggio d’impatto: pubblicare in automatico un banner in-app e inviare in automatico un messaggio a tutta la tua lista stanno sullo stesso gradino e non comportano neanche lontanamente lo stesso rischio. Il perimetro è la seconda manopola, e quella su cui vale la pena essere più severi.
Perché il gradino più alto è raro
Le lunghe catene autonome sembrano fallire in un modo specifico: il tasso di fallimento si accumula a ogni passaggio. Adattando un modello alla suite di compiti di ingegneria della ricerca di METR, Toby Ord ha trovato che i dati si spiegano con un agente che ha una probabilità all’incirca costante di fallire per ogni minuto di lavoro umano equivalente, il che produce un tasso di successo che cala in modo esponenziale man mano che i compiti si allungano. Ogni sistema ha, di fatto, un tempo di dimezzamento. Ord dice esplicitamente che resta una questione aperta se questo valga su altre suite di compiti, ma la forma corrisponde a ciò che riportano i professionisti: i compiti brevi vanno a buon fine, quelli lunghi senza supervisione si degradano.
La coerenza è il problema più difficile. Il benchmark tau-bench, pubblicato da Sierra nel 2024, ha misurato non solo se un agente completava un compito, ma se ci riusciva in modo ripetuto: i modelli di punta di quella generazione superavano meno della metà dei compiti e, nel dominio retail, riuscivano in tutti gli otto tentativi sullo stesso compito meno di un quarto delle volte. Da allora i modelli sono migliorati, ma conta la forma del risultato: anche un ipotetico agente che funziona quattro volte su cinque non è un agente da lasciare solo con la tua lista.
Peggio ancora, i fallimenti non sono sempre visibili. Uno studio del 2026 sulle traiettorie degli agenti ha rilevato che una quota consistente dei fallimenti era silenziosa: l’agente dichiarava il compito completato mentre l’ambiente mostrava altro, tra il 45 e il 48% dei fallimenti nei domini a controllo singolo di un benchmark. Lo stesso articolo ha rilevato il 3% in un dominio a doppio controllo, quindi il tasso varia molto con la configurazione; ma un fallimento silenzioso, a uno qualsiasi di quei tassi, è un argomento a favore di un passaggio di approvazione e di un registro delle decisioni, non solo di modelli migliori.
C’è anche un profilo di sicurezza specifico del marketing. La “lethal trifecta” di Simon Willison descrive il pericolo di combinare accesso a dati privati, esposizione a contenuti non affidabili e capacità di comunicare verso l’esterno, e una piattaforma di marketing riunisce tutte e tre le cose per progetto: la tua lista clienti, le risposte che ricevi e che non hai scritto tu e un pulsante di invio. Quella combinazione merita un punto di controllo di per sé.
Come verificare una promessa
Puoi collocare qualsiasi prodotto sulla scala con una manciata di domande. Le risposte di solito si trovano nella documentazione più che nella landing page.
| Chiedi | Come si presenta una risposta concreta |
|---|---|
| Cosa crea senza di me? | Oggetti con un nome nella piattaforma — un segmento, un percorso, un test — non una bozza in una finestra di chat. |
| Dov’è il punto di controllo, e posso spostarlo? | L’approvazione si configura per ogni superficie, ed è attiva per impostazione predefinita. |
| Cosa succede quando un passaggio fallisce? | Si ferma e lo dice. Se non sa dirti cosa è fallito, non ci si può fidare a farlo girare senza supervisione. |
| Posso vedere perché ha deciso così? | Un registro delle decisioni con il ragionamento, non solo un orario e uno stato. |
| Quanto costa un’esecuzione? | Un numero reale. Gli agenti che lavorano in più passaggi chiamano i modelli ripetutamente; il costo per risultato è un vincolo di progetto, non una nota a piè di pagina. |
Ora la parte scomoda, visto che questa pagina è pubblicata da un vendor e il test qui sopra l’abbiamo scritto noi, come la scala. Per la pubblicazione, l’IA di fromHello sta al gradino quattro. Tramite il suo server MCP, il client IA che usi già crea oggetti reali (segmenti, template, bozze di percorso), e l’assistente integrato fa lo stesso a partire da una frase; un percorso resta una bozza finché non viene pubblicato, e pubblicare, mettere in pausa o eliminare richiede un passaggio di conferma, che tramite MCP avviene nel tuo client IA, secondo le sue impostazioni di autorizzazione. Nessuno strumento di IA invia messaggi. Sotto quella linea funziona più vicino al gradino cinque: le modifiche a un segmento o a un template si applicano al salvataggio e raggiungono i prossimi invii di un percorso attivo, e la personalizzazione al momento dell’invio, una volta attivata per uno step email, riscrive ogni messaggio senza una revisione messaggio per messaggio; se l’IA fallisce, l’invio resta in attesa per impostazione predefinita. Il punto di controllo è fissato dal prodotto, non spostabile per superficie, e il registro di audit registra le chiamate agli strumenti MCP, non il ragionamento del modello: il perché resta nella conversazione con la tua IA. Le chiamate MCP non vengono mai conteggiate; su fromHello Cloud, l’assistente integrato usa i crediti IA inclusi dal piano Team in su. Il test l’abbiamo scritto noi, quindi dai meno peso al nostro punteggio.
Altre due cose sono ormai il minimo indispensabile, non un di più. La trasparenza è già legge nell’UE: gli obblighi di trasparenza dell’articolo 50 dell’AI Act, che richiedono di informare le persone quando interagiscono con un sistema di IA, si applicano dal 2 agosto 2026 e non riguardano solo i sistemi ad alto rischio. E la responsabilità non passa al software: nel caso Moffatt v. Air Canada, il Civil Resolution Tribunal della British Columbia ha ritenuto la compagnia aerea responsabile delle informazioni sbagliate che il suo chatbot aveva dato a un passeggero, respingendo l’argomento secondo cui il chatbot era un’entità separata che rispondeva di sé stessa. Entrambe le cose ricadono su di te, in quanto deployer, non sul vendor che stai valutando.
Cosa significa per un piccolo team
Quello che si scrive sulla categoria è rivolto alle grandi aziende, e lo sono anche i dati dei sondaggi che lo sostengono: il Gartner 2026 CMO Spend Survey ha coinvolto 401 responsabili marketing, la grande maggioranza in aziende con oltre un miliardo di dollari di ricavi. Anche l’adozione resta indietro rispetto al clamore, sebbene il dato misurato riguardi i responsabili tecnologici e non i marketer: il 2026 Gartner CIO and Technology Executive Survey colloca l’implementazione di agenti IA al 17% delle organizzazioni, contro oltre il 60% che prevede di implementarli entro due anni.
Per un’azienda di due persone la lettura pratica è più ristretta e più incoraggiante. Non ti serve la categoria; ti serve un lavoro specifico fatto: la sequenza di onboarding scritta, la coorte a rischio di churn individuata. Il software di gradino 4 prepara quel lavoro, e un percorso che costruisce resta una bozza finché non viene pubblicato; verifica quali altre sue modifiche hanno effetto appena vengono salvate. Cosa affidare all’IA e cosa tenere ha una guida a sé; come gli agenti si appoggiano all’automazione programmata e attivata da eventi è spiegato in marketing autonomo, spiegato; e la differenza tra un agente e il chatbot con cui spesso viene confuso è in agenti IA per il marketing e chatbot.