AI, data gravity e privacy guidano l'evoluzione dello stack MarTech 2026

Insight sul modern marketing data stack con Slalom

Nell’ultimo anno abbiamo visto il marketing trasformato da tre forze interconnesse: Intelligenza artificiale, data gravity e privacy. La nuova edizione del report Modern Marketing Data Stack esplora come queste forze continuino a evolversi in base ai cambiamenti tecnologici, alle condizioni di mercato, alle aspettative dei consumatori e alle esigenze dei marketer. Il report include insight di esperti del settore, tra cui i leader di Slalom, uno dei nostri partner di fiducia che aiuta i marketer a liberare tutto il potenziale dei dati e dell’AI. Di seguito approfondiremo i loro insight sui trend più recenti nello stack tecnologico, sul perché questa evoluzione è cruciale e su come marketer e inserzionisti dovrebbero orientarsi in questo scenario.

Accelerare alla velocità dell’intelligenza artificiale

Le forze dell’AI, della privacy e della data gravity hanno avuto un impatto enorme su un’ampia gamma di strumenti e tecnologie di marketing. Ma nel 2025, quale singolo sviluppo AdTech o MarTech ha avuto il maggiore impatto sul settore? Secondo Heather Roth, Director of Digital Strategy di Slalom, è stata l’applicazione di AI a livello consumer-grade negli strumenti di marketing. “Non solo la creazione di contenuti con la Gen AI, ma un’intelligenza agente e integrata che personalizza i percorsi, prevede i comportamenti e automatizza le decisioni”, afferma Roth. “Le aspettative sono passate dagli insight alle azioni, ridefinendo il modo in cui i dati vengono utilizzati in tempo reale.”

Questa ampia adozione dell’intelligenza artificiale ha avuto un impatto tale che oggi le tecnologie AI/ML sono integrate in ogni livello dello stack e una nuova categoria dedicata ai LLM è stata aggiunta al modern marketing data stack. Il core dei dati di marketing e dell’AI e il nuovo layer LLM sono strettamente integrati e alimentano diverse funzioni di marketing. Le organizzazioni stanno inoltre sperimentando nuovi modi per implementare i LLM nelle proprie strategie di marketing. Questo nuovo livello di sperimentazione va ben oltre chatbot e servizi di assistenza clienti. I casi d’uso sono sempre più specifici: dai team che li utilizzano per colmare i dati mancanti nei profili dei clienti, fino alle prime versioni di agenti autonomi in grado di eseguire campagne multistep.

Tuttavia, nonostante i notevoli progressi nello sviluppo di casi d’uso avanzati, restano ancora delle sfide. Non siamo ancora al punto in cui i marketer possano interagire con i LLM come veri partner strategici, poiché la maggior parte di essi resta generalista anziché specializzata. Con l’aumento dei fornitori di LLM e l’evoluzione dei modelli, gli sviluppatori sono sotto pressione per costruire uno stack di intelligenza artificiale — più facile a dirsi che a farsi, dovendo anche gestire nuovi fornitori, supporti frammentati e integrazioni complesse. Aggiungendo la difficoltà di gestire separatamente sicurezza, governance e osservabilità per dati e modelli, diventa estremamente complicato ottenere la trasparenza necessaria per implementare l’AI in modo affidabile.

Un modo in cui le aziende stanno affrontando il problema è spostare i modelli verso i dati, e non viceversa. Questo approccio contribuisce a creare fiducia, proteggendo i dati dei clienti, evitando di utilizzare la proprietà del marchio per addestrare modelli esterni e controllando i risultati dell’AI per ridurre i bias. Creare una data foundation unificata, in cui le stesse regole che governano i dati aziendali si estendono anche all’AI che apprende da quei dati, è fondamentale per distinguere la semplice sperimentazione da un cambiamento realmente strutturale e duraturo.

Un enorme potenziale dell’intelligenza artificiale, ancora in parte inesplorato, è quello degli agenti AI realmente autonomi. Se ne è parlato molto quest’anno, ma l’Agentic AI non è ancora matura al punto da pianificare campagne di marketing o gestire attività multiple contemporaneamente. Quando quel momento arriverà, gli agenti AI saranno in grado di sviluppare autonomamente flussi di lavoro, risolvere problemi e operare in modo probabilistico. Nel frattempo, le organizzazioni possono iniziare ad adottare agenti AI per compiti mirati e processi ripetibili, definendo limiti chiari per favorire fiducia e trasparenza.

Dunque, i marketer dovrebbero cercare attivamente nuove tecnologie AI o attendere che siano integrate dai propri fornitori? Secondo Roth, è meglio lasciare ai fornitori il rischio, ma sapere anche quando guidare il cambiamento. “L’AI integrata nelle piattaforme sta maturando rapidamente, ma le organizzazioni più lungimiranti stanno testando modelli AI su misura nelle aree dove la differenziazione è cruciale, come la modellazione del media mix, le next-best action intelligenti e la personalizzazione. Il successo dell’AI è una questione di equilibrio”, afferma Roth.

Mentre le aziende valutano il modo migliore per aggiornare e ottimizzare i propri stack, secondo Logan Patterson, Managing Director for Marketing, Advertising and Customer Experience di Slalom, è fondamentale affrontare la modernizzazione del MarTech non solo come progetto tecnologico, ma come iniziativa di cambiamento umano.

“Lo stack più sofisticato del mondo fallirà se i team marketing, business e tecnici non saranno formati, motivati e consapevoli di come il loro modo di lavorare evolverà verso nuove modalità più efficienti”, afferma Patterson. “Consentirà loro di dedicarsi al lavoro che desiderano fare, invece di quello che devono fare, automatizzando i processi manuali con l’AI per accelerare i flussi di lavoro e dare vita a quella che chiamo una rinascita creativa umana, possibile quando uniamo creatività e tecnologia. “I leader devono assicurarsi di investire in formazione e cultura, non solo nell’acquisto di nuove tecnologie.”

L’attrazione della data gravity

L’intelligenza artificiale sta amplificando l’impatto della data gravity: il desiderio crescente di unificare tutti i dati aziendali su un’unica piattaforma e portare il lavoro ai dati, anziché il contrario. L’enorme quantità di dati che le aziende accumulano oggi rende sempre più rischioso e costoso spostarli da un’applicazione all’altra. È inoltre fondamentale eliminare i silos di dati e disporre di un’unica fonte di verità per garantire che nei modelli di AI vengano inclusi solo i dati corretti. Ciò significa che il lavoro — dagli strumenti alle applicazioni, fino ai modelli di AI — deve spostarsi verso i dati.

Questo cambiamento ha avuto un impatto su diverse categorie del MarTech, ma in particolare sulle Customer Data Platform (CDP). Sebbene le CDP siano nate per riunire i dati a supporto di campagne e programmi di marketing, il valore che offrono ai marketer sta evolvendo. Alcune CDP vengono integrate in soluzioni più ampie — spesso tramite acquisizioni — mentre molte altre si stanno spostando verso l’ambito del customer engagement. Jennifer Fleck, Senior Principal Consultant of MarTech and Digital Strategy di Slalom, consiglia alle aziende di affrontare il consolidamento del mercato CDP con una strategia mirata e un approccio prudente. “Il consolidamento segnala la maturità del mercato e, come ogni ondata MarTech precedente, è un’opportunità per le organizzazioni che mettono al primo posto la strategia e le esigenze dei clienti. Ma per chi insegue le ultime novità e i grandi nomi senza obiettivi chiari, può nascondere un rischio costoso”, afferma Fleck.

Dare priorità alla privacy

Nel frattempo, le preoccupazioni per la privacy non si placano. Anche con nuove leggi e regolamenti volti a tutelare i dati dei consumatori, le loro preoccupazioni in materia di privacy continuano a crescere. Le statistiche del Pew Research Center non sono incoraggianti: Il 77% degli americani non si fida che i dirigenti dei social media proteggano i propri dati e il 70% non si fida delle aziende di AI per la tutela della privacy.

Tra la crescente diffidenza dei consumatori, le spinte alla deregolamentazione e i progressi nella raccolta e monetizzazione dei dati, marketer e inserzionisti faticano a comprendere la direzione futura delle tendenze sulla privacy. Ma una cosa è certa: Dare priorità alla privacy è essenziale per creare fiducia, proteggere i clienti e ottenere un vantaggio competitivo. “Consenso, trasparenza e AI responsabile non sono solo requisiti da soddisfare, ma fattori di differenziazione competitiva.”, afferma Roth. “Le organizzazioni devono integrare privacy e governance in ogni livello di attivazione, intelligenza artificiale e personalizzazione.”

Può sembrare un compito impegnativo in un contesto ambiguo e in continua evoluzione, come quello legato alle politiche di Google sui cookie di terze parti. Dopo anni di posizioni rigide in nome della privacy, ad aprile 2025 Google ha annunciato che i cookie non scompariranno. Tuttavia, per Nick Miller, Senior Director of Marketing & Advertising Strategy di Slalom, ciò non dovrebbe cambiare il modo in cui le aziende affrontano le proprie strategie di privacy.

“In breve, nulla cambia per i nostri clienti né per le raccomandazioni che forniamo loro. Con la permanenza dei cookie di terze parti — almeno per ora — le organizzazioni ottengono una tregua temporanea, ma non un motivo per rallentare la transizione verso strategie resilienti alla privacy”, afferma Miller. “La consideriamo un’opportunità per rafforzare l’uso dei dati di prima parte, delle soluzioni di identità durature e della personalizzazione basata sul consenso, rivalutando al contempo la dipendenza dai segnali di terze parti. È vero che gli inserzionisti potranno ancora fare retargeting, ampliare le audience e misurare cross-site, ma a quale prezzo in futuro se non iniziano a evolversi ora? Prepararsi al futuro resta essenziale, poiché la pressione normativa e i cambiamenti delle piattaforme continueranno a modellare l’ecosistema.”

I marketer dovrebbero sviluppare strategie e pratiche di privacy in grado di resistere all’incertezza e concentrarsi sulla costruzione di relazioni di fiducia con i clienti attraverso una gestione dei dati trasparente e responsabile.