Dall’intelligenza artificiale generativa a quella decisione. Il marketing potrebbe presto entrare in una nuova era. Nelle ultime settimane, gli addetti ai lavori, si interrogano sul nuovo strumento progettato dalla start up Type Safe AI: Jev, un modello di intelligenza artificiale per decisioni rapide.
Non si tratta di un nuovo modello linguistico di grandi dimensioni, Jev non nasce per generare testo o campagne pubblicitarie, ma per prendere decisioni.
Indice degli argomenti
Jev e l’AI decisionale nel marketing: velocità e costi
La nuova AI ha riscosso un immediato successo tra gli sviluppatori, registrando nelle prime 24 ore dal suo rilascio la diffusione più rapida mai registrata per un modello su Vercel AI Gateway.
Nulla di sconvolgente dal punto di vista tecnologico, tanto che nelle discussioni online in tanti hanno paragonato Jev ai ‘vecchi’ classificatori, sistemi capaci di assegnare automaticamente una categoria, un’etichetta o un valore a un dato (documento, immagine, testo o record) in base a regole predefinite, piuttosto che agli LLM.
Proprio i modelli linguistici di grandi dimensioni hanno rappresentato un miglioramento rispetto ai tradizionali sistemi di classificazione. Tuttavia, però, richiedono una maggiore potenza di calcolo per elaborare decisioni, il che li rende sia più costosi che più lenti rispetto a strumenti come Jev.
Il modello di TypeSafe AI è progettato per fornire decisioni in modo più rapido ed economico rispetto ai modelli linguistici generici, ma con la stessa capacità di configurare il classificatore tramite semplici istruzioni in linguaggio naturale offerte dai modelli linguistici generici.
Le decisioni di marketing che Jev può automatizzare
Al netto della componente creativa, gran parte del lavoro dei marketer consiste in una sequenza: Questo contenuto è coerente con il posizionamento del brand? Questo lead è interessante? Questa campagna parla davvero al target? Quanto? Questo annuncio appartiene alla fase di awareness o a quella di conversione? Questa recensione è positiva, neutra o negativa? Questo messaggio richiede una risposta umana? Questa landing page mantiene la promessa fatta nell’advertising? Questa creatività è diversa abbastanza dalle altre?
La domanda diventa quindi: perché usare un modello generalista, costoso e progettato per generare linguaggio per rispondere a domande che, in fondo, richiedono soltanto una decisione? Paolo Rosson, responsabile dell’AI applicata presso l’azienda di software contabile Dext, ha affermato a Fortune che il problema con i modelli lineari basati su logica (LLM) è che “si paga per una risposta scritta completa quando tutto ciò di cui si ha bisogno è un’etichetta”.
È qui che Jev può avere un suo spazio, non al posto degli LLM, ma accanto a loro.
Un team marketing potrebbe utilizzare un modello generativo per costruire una campagna e Jev per controllarne automaticamente centinaia di variabili. Potrebbe utilizzare un LLM per elaborare una strategia e Jev per classificare migliaia di contenuti, filtrare lead, verificare messaggi, individuare anomalie o decidere quali elementi meritano l’intervento di una persona.
Automazione operativa e responsabilità umana
“Quando sento parlare di intelligenza artificiale che prende decisioni, mi si accende sempre una spia” commenta Luca Pelati, CEO della digital agency Ventie30 che al suo interno ha creato un centro di sviluppo AI.
“Sono favorevole all’AI come strumento, molto meno all’idea di delegarle il nostro pensiero e le nostre responsabilità. Stiamo già correndo il rischio di atrofizzare alcune capacità cognitive, abituandoci a chiedere alle macchine risposte prima ancora di aver provato a ragionare. C’è poi un tema ancora più profondo: una macchina può ottimizzare un obiettivo senza comprenderne necessariamente le implicazioni umane, non possiamo confondere l’ottimizzazione con il buon senso” aggiunge Pelati.
“Trovo interessanti sistemi come Jev soprattutto quando vengono utilizzati per migliorare processi esistenti, automatizzare decisioni operative ripetitive e ridurre attività a basso valore aggiunto. La distinzione per me è semplice: possiamo delegare l’esecuzione, non la responsabilità. E aggiungo una cosa: salvaguardare la centralità dell’essere umano sta diventando una priorità tanto importante quanto innovare. E se l’innovazione non si ferma mai, la direzione in cui andare può e deve rimanere una prerogativa dell’essere umano” conclude Pelati.
Il test di Jev sugli annunci e il vantaggio per il marketing
La dimostrazione più interessante, almeno per il marketing, arriva da Matthew Berman fondatore dell’AI media company Future Forward.
Berman ha utilizzato Jev su 724 annunci attivi di 37 brand. In 40 secondi, il programma ha etichettato ogni elemento distintivo, formato, offerta, call to action e fase di consapevolezza, segnalando anche le landing page non pertinenti all’annuncio, il tutto per circa 9 centesimi di token. Questo è un lavoro che la maggior parte dei team pubblicitari svolge manualmente una volta al trimestre.
Non è tanto il fatto che un’AI abbia analizzato degli annunci a essere interessante. Gli LLM lo fanno già. È il rapporto tra volume, velocità e costo.
Da TypeSafe AI fanno sapere che Jev è 193,6 volte più veloce e 444,6 volte più economico di un normale sistema di intelligenza artificiale generativa.
Un’attività di competitive intelligence che normalmente richiederebbe ore uomo, fogli Excel, scraping, strumenti di advertising intelligence e una buona dose di pazienza può diventare una query automatizzata.
E qui Jev comincia a parlare una lingua che il marketing conosce molto bene: quella dell’efficienza.
Dall’AI copilota all’infrastruttura decisionale del marketing
Il marketing ha parlato moltissimo di AI come copilota. Jev suggerisce un paradigma diverso: l’AI come infrastruttura decisionale.
È meno visibile e, proprio per questo, potenzialmente più pervasiva.
“Credo che alcune delle applicazioni più sensate dell’AI nel marketing siano proprio quelle meno appariscenti. Penso all’ottimizzazione automatica delle campagne, alla gestione operativa degli e-commerce, al monitoraggio delle community, alla classificazione delle richieste dei clienti o all’individuazione di anomalie nei dati. Sono tutte attività nelle quali un sistema intelligente può farci risparmiare tempo, migliorare l’efficienza e supportare decisioni operative, purché lavori all’interno di regole e obiettivi definiti dalle persone” spiega Pelati.
Un marketer potrebbe non usare Jev nel senso tradizionale del termine. Potrebbe semplicemente lavorare dentro un CRM, una piattaforma di advertising, un sistema di marketing automation o una dashboard nella quale decine di microdecisioni vengono prese automaticamente.
Il marketing del futuro va sempre più della direzione di un’architettura, sempre meno dipendente da un’unica grande intelligenza artificiale generalista, fatta di piccoli modelli specializzati.
I limiti dell’AI decisionale applicata al marketing
Jev è progettato per essere stretto. Non è un LLM generalista e non vuole esserlo. Non scrive testi, non produce codice, non sostiene conversazioni aperte e non fa ragionamento libero. Le sue risposte sono vincolate alle categorie e alle domande definite dal sistema.
È efficace quando il problema è ben definito. Non lo è quando il problema non è circoscritto ed il marketing, del resto, vive spesso in una sorta di terra di mezzo.
Una classificazione non coglie necessariamente ironia, rottura delle convenzioni, contesto culturale o intenzione del brand. Una headline apparentemente sbagliata può diventare quella che funziona meglio.
Non tutto ciò che conta può essere ridotto a una scelta tra opzioni predefinite.
E soprattutto: una decisione corretta non è necessariamente quella migliore per il marketing.
Jev può dirci che una creatività appartiene a una determinata categoria, ma anche con categorie ben definite, il sistema può sbagliare. Servono soglie di affidabilità, verifiche e livelli di supervisione proporzionati al rischio. La stessa documentazione di TypeSafe chiarisce che la calibrazione delle probabilità non garantisce che ogni singola previsione sia corretta.
E questa distinzione, nel marketing, è fondamentale.
Decisioni errate e supervisione proporzionata al rischio
Jev non genera testo libero e quindi elimina una particolare classe di problemi degli LLM: non può inventarsi una risposta fuori formato o restituire una struttura diversa da quella prevista dall’interfaccia.
Ma sarebbe sbagliato tradurre questo in ‘Jev non sbaglia’. Può prendere una decisione sbagliata. La differenza è che lo fa all’interno di uno spazio decisionale definito.
Per un marketer significa che la domanda non dovrebbe essere “Jev ha ragione?”, ma piuttosto: quanto costa un suo errore e dove posso permettermi di lasciargli decidere da solo?
Per una classificazione preliminare di migliaia di annunci, probabilmente molto.
Per decidere quale campagna lanciare molto meno.
È la stessa logica che dovrebbe governare qualsiasi automazione intelligente: autonomia proporzionata al rischio.
Input strutturati e contesto multimediale
Il caso Berman è potente proprio perché mostra Jev nel suo ambiente ideale: un problema estremamente strutturato, ripetitivo, ad alto volume e con una risposta definibile.
Ma c’è un aspetto da non trascurare.
La documentazione disponibile indica che Jev, allo stato attuale, accetta input testuali e strutturati, non immagini, audio e video direttamente.
Questo rende più complesso parlare di Jev come di una macchina capace indistintamente di ‘guardare’ qualsiasi cosa faccia il marketing.
Nel caso degli annunci, per esempio, ciò che appare come un’analisi completa della creatività può richiedere una pipeline nella quale altri strumenti estraggono e trasformano le informazioni prima che Jev possa effettuare la propria decisione.
Ed è un dettaglio tutt’altro che marginale.
Perché nel marketing il contesto è spesso multimediale: video, immagini, musica, testo, tono di voce, pagina di destinazione, comportamento dell’utente.
Ridurre tutto a testo o dati strutturati può essere esattamente ciò che rende il sistema veloce. Ma può anche essere ciò che gli fa perdere una visione d’insieme.
Jev nel futuro del marketing tra automazione e controllo umano
Il marketing non è soltanto ottimizzazione, è certamente la parte più misurabile, ma non necessariamente la più importante.
Se trasformiamo ogni problema in una classificazione, rischiamo di trasformare anche il marketing in una gigantesca macchina a risposta multipla.
La conferma arriva anche dalla digital agency Ventie30 “In Ventie30 sperimentiamo queste logiche e più in generale l’integrazione dell’AI nei processi di lavoro. Ci interessa capire come possa supportare l’analisi, automatizzare attività ripetitive, migliorare i flussi operativi e rendere più efficiente il lavoro delle persone. Non ci interessa invece costruire sistemi che sostituiscano il giudizio strategico umano. Crediamo molto nella sperimentazione, ma non nell’automazione fine a sé stessa”.
E il marketing e la comunicazione, così come la creatività, hanno bisogno di sbagliare.
Jev nasce invece per restringere quello spazio e rendere le decisioni più rapide, prevedibili e automatizzabili. Le due cose non sono necessariamente in conflitto. Ma non sono nemmeno la stessa cosa.
Jev sarà quindi utile al marketing?
La risposta, per ora, è sì. Ma con una precisazione importante: Jev non è un nuovo marketer artificiale. L’AI decisionale (oltre a Jev anche OpenAi sta progettando un modello simile) sarà un possibile nuovo pezzo dell’architettura marketing.
Non sostituirà ChatGPT, Claude o gli altri LLM. Al contrario, il futuro più plausibile sembra essere un’architettura ibrida nella quale modelli generativi e modelli decisionali fanno lavori diversi: gli uni producono e ragionano, gli altri classificano e decidono all’interno di perimetri definiti. La stessa documentazione di TypeSafe descrive questo tipo di combinazione come un possibile ‘hybrid agent stack’.
La prima fase dell’AI generativa ci ha abituati a delegare alle macchine la produzione di contenuti. La prossima potrebbe portarci a delegare una parte delle decisioni che attraversano ogni giorno i processi di marketing.
Non è detto che siano le decisioni più importanti. Saranno, probabilmente, le migliaia di classificazioni, verifiche e valutazioni che oggi assorbono tempo e risorse.
Jev potrà trovare spazio se dimostrerà di rendere queste attività più rapide ed economiche senza compromettere l’affidabilità dei risultati. Ma la vera competenza non sarà automatizzare tutto. Sarà capire quali decisioni possono essere delegate, a quali condizioni e con quale livello di controllo umano.
Perché il futuro del marketing non dipenderà soltanto da quanto velocemente l’intelligenza artificiale saprà decidere. Dipenderà anche dalla capacità dei marketer di stabilire che cosa merita davvero una decisione automatizzata.
Partecipa alla community