A cura di Tommaso Massarini e Francesca Maria Spinelli

Immagina di dire al tuo assistente: «Trovami un paio di scarpe da running sotto i 120 euro, consegna entro venerdì». Niente ricerca, niente confronto tra siti, niente pagina di risultati. L’agente valuta, sceglie e compra. A quel punto una domanda diventa inevitabile: a chi parla la pubblicità se a decidere non è più una persona?

Il contesto

È la domanda con cui sono uscito dalla sessione di Equativ a Intersections 2026, l’evento di IAB Italia a Milano a cui ho partecipato con il master. Il blocco si chiamava «AI is now», e l’intervento di Andrea Galtieri, Managing Director Italy di Equativ, aveva un titolo che era già una tesi: Why model training and performance will define the next era of ad tech AI. Non «perché l’AI cambierà l’adtech», ma perché a fare la differenza saranno l‘addestramento e le performance dei modelli. Una distinzione che sembra sottile e invece sposta tutto: dice che la partita non si gioca sugli strumenti, ma su come vengono costruiti.

Dall’AI che risponde agli agenti che agiscono

Negli ultimi anni l’intelligenza artificiale è entrata nel marketing come strumento generativo: produce un testo, un’immagine, una sintesi, e poi resta in attesa della richiesta successiva. Gli agenti cambiano la natura del rapporto. La loro evoluzione li porta a ricevere un obiettivo, scomporlo in azioni, eseguirle e correggere la rotta in base ai risultati. Il ruolo umano non sparisce: si sposta dall’esecuzione alla supervisione.

La tesi di Equativ parte da qui, ma guarda oltre il lato dell’offerta. Gli agenti non resteranno uno strumento di agenzie e piattaforme: finiranno nelle mani dei consumatori, che delegheranno loro una parte crescente delle decisioni d’acquisto. Galtieri è stato esplicito: è su questa delega che i brand dovranno lavorare nei prossimi anni. Se oggi un’inserzione deve convincere una persona, domani dovrà essere leggibile, rilevante e affidabile per un agente che compra al posto suo. Equativ l’ha capito presto e ha costruito uno strumento che funziona già con questa logica.

Un ecosistema che nasce adesso

Perché due agenti si parlino serve un linguaggio comune, e il mercato lo sta definendo proprio in questi mesi. Da una parte i buyer agent, quelli che comprano media, con nomi come Scope3 e WPP Media. Dall’altra i seller agent, coloro che vendono, come Equativ. Tra i due, tre modalità di integrazione: un agente integrato nella piattaforma, il protocollo MCP, oppure una connessione diretta agent-to-agent. Gli standard sono ancora in discussione, ma la direzione è chiara: la compravendita di pubblicità sta diventando una conversazione tra macchine.

Maestro: quattro agenti in un unico ambiente

La risposta di Equativ si chiama Maestro, la piattaforma di gestione delle campagne che riunisce quattro agenti AI:

• Media planning: dal brief alla struttura della campagna, analizzando oltre 400.000 siti e app. Lanciato il 9 dicembre 2025, dichiara fino al 40% di tempo di pianificazione risparmiato.
• Troubleshooting: individua i problemi di erogazione e suggerisce le correzioni.
• Reporting: raccoglie tutti i dati in un unico pannello.
• Optimization (in arrivo): monitora le campagne e le migliora in tempo reale.

I primi tre, in forme diverse, esistevano già in molte piattaforme. Equativ li ha riuniti in un unico ambiente e sta aggiungendo il quarto, quello che chiude il cerchio tra decisione e risultato. Chi dispone già di un proprio agente può integrarlo.

L’agente parla, il modello decide

È il passaggio centrale dell’intervento, e quello che ha cambiato il mio modo di guardare agli agenti. Un agente singolarmente non decide nulla: riceve istruzioni, dialoga, esegue. La decisione appartiene al modello che lo governa, e un modello vale esattamente quanto i dati su cui è stato addestrato. «Modelli generici generano risposte generiche», ha sintetizzato Galtieri. Il vantaggio competitivo non sta nella velocità dell’agente, ma nella qualità dell’addestramento che c’è dietro.

Addestrarlo bene significa addestrarlo su dati specifici. Galtieri lo ha mostrato scomponendo il percorso di una singola impression in una catena di quattro decisioni, ciascuna affidata a un modello: se un determinato buyer debba vederla (traffic shaping), quanto valga (valuation), quanto debba costare (pricing e floor), quale creatività mostrare (creative decisioning). Ogni modello impara dai risultati passati del mercato e prevede cosa accadrà dopo. Per il consumatore finale l’obiettivo dichiarato è un’esperienza «rilevante senza essere inquietante»: precisa quanto basta per essere utile, non così precisa da far sentire osservati.

Tutto questo avviene in millisecondi. Ma la velocità non è il punto: lo dico da persona che lavora con l’AI ogni giorno. Nessun agente nasce con il DNA di un advertiser: non conosce il tono del brand, il suo pubblico, cosa vuole davvero ottenere. Sono cose che vanno insegnate, e questo lavoro non si delega. Ed è nell’addestramento che un brand smette di essere intercambiabile.

Lanciata in minuti, ottimizzata in millisecondi

Per rendere concreto il concetto, Galtieri ha mostrato quella che Equativ definisce la campagna ideale. Il brief sta in una riga: lanciare una scarpa da running sulla TV connessa, per gli appassionati di sport americani. L’agente imposta la campagna in pochi minuti. Da quel momento, per ogni singola impression, sono i modelli a decidere in millisecondi: il pubblico giusto, l’offerta corretta, la probabilità di conversione, la collocazione migliore. Lo spot, costruito su una creatività Nike, integra un QR code e i risultati NFL in diretta. Ne guadagnano tutti: l’inserzionista spende dove converte, l’editore ricava più valore a parità di spazi pubblicitari, lo spettatore vede un annuncio che vale la pena guardare.

Better, not just faster

Il titolo della sessione era una previsione precisa. Gli agenti renderanno tutti più veloci, e quando tutti sono veloci la velocità smette di essere un vantaggio. Quello che resta è la qualità delle decisioni: dati specifici, obiettivi chiari, modelli addestrati sul proprio brand, non su un brand qualunque. La prossima era dell’adtech non la vince chi arriva prima, la vince chi ha insegnato meglio alla macchina cosa cercare e come agire.