Troppi contenuti senza alcun effetto
Scrivere testi, inserire immagini, creare diverse versioni, ottimizzare per ogni canale: ciò che per anni ha richiesto tempo, budget e nervi saldi, oggi può essere fatto rapidamente grazie all’IA generativa. Non sempre in modo ottimale, ma in modo affidabile. Ma cosa succede se tutti riescono a produrre di più contemporaneamente?

L’anno scorso, per la prima volta, i contenuti generati dall’intelligenza artificiale sul web hanno superato quelli creati dall’uomo. Molte aziende partecipano attivamente a questo fenomeno, ma allo stesso tempo ne risentono. I loro messaggi si perdono nel rumore di fondo. La sfida si sposta quindi dalla creazione alla rilevanza e all’impatto. Chi vuole ancora farsi sentire ha bisogno di più idee proprie, di una maggiore capacità di contestualizzazione e di meno semplice esecuzione.
La mancanza di risorse, il desiderio di una maggiore portata e la sfida di produrre contenuti sufficienti per i vari canali sono stati a lungo i temi centrali di molti reparti di comunicazione e marketing. Chi pubblicava molto aveva investito e prendeva sul serio il content marketing. Quei tempi sono finiti. Ciò che per anni ha richiesto molto tempo, oggi avviene rapidamente. I contenuti vengono creati in breve tempo tramite prompt e l’IA generativa sembra aver risolto il problema della complessa produzione di contenuti.
Eppure, le conseguenze di un aumento dell’efficienza sono quasi sempre le stesse: un aumento della produzione. Se la stesura di un testo richiede solo pochi minuti invece che due giorni, produciamo e pubblichiamo di più, riempiamo il piano editoriale e aumentiamo la frequenza delle pubblicazioni. Questo fenomeno è noto come «paradosso di Jevons»: i miglioramenti nell’efficienza nell’utilizzo delle risorse portano ad un aumento del consumo complessivo di tali risorse, anziché a una sua diminuzione. Nel caso specifico dei contenuti generati dall’IA, ciò significa che i costi marginali di produzione si avvicinano a zero e tutti pubblicano di più. Le conseguenze? Si generano enormi quantità di contenuti mediocri generati dall’IA che intasano i canali (University of Florida, 2026). Ormai più della metà di tutti i contenuti in rete viene generata dall’IA generativa (cfr. Paredes et al. 2025). Senza verifica dei fatti e spesso di qualità mediocre. Generiamo il cosiddetto «AI Slop», perché la produzione avviene con un semplice clic (Merriam-Webster, parola dell’anno 2025). Per chi produciamo, con quale intento, con quali conseguenze e se il contenuto abbia effettivamente un senso dal punto di vista strategico, sono domande che spesso rimangono senza risposta.
L’AI Slop non è un errore della macchina. Quest’ultima scrive solitamente in modo affidabile e, a prima vista, appropriato. Tuttavia, la macchina continua a produrre contenuti in modo affidabile anche quando non c’è nulla da dire. Non si pone la domanda se un contenuto debba essere prodotto o meno. È proprio qui che servirebbe una persona in grado di pensare in modo strategico e critico. Un «Human-in-the-Loop» che prenda decisioni chiare fin dall’inizio e non agisca solo come correttore di bozze alla fine.
Cosa non può sostituire l'intelligenza artificiale nel lavoro di comunicazione
L’IA generativa non cambia solo il modo in cui produciamo contenuti. Cambia i processi e le esigenze dei professionisti del marketing e della comunicazione. Questo va oltre il semplice «prompting» e riguarda piuttosto ciò che la macchina non è in grado di fare e non dovrebbe fare, ovvero la questione di dove e in quali ambiti la macchina non può sostituirci. E non dovrebbe sostituirci. Di conseguenza, i compiti si spostano: dalla semplice formulazione verso la capacità di giudizio, la conoscenza del contesto e la competenza specialistica dell’essere umano. L’attenzione non è più incentrata sulla domanda «Come posso utilizzare meglio lo strumento?», ma su «Qual è il mio contributo, ciò che la macchina non è in grado di fare?».»
Capacità di giudizio: un modello, ad esempio, non può sapere se un’affermazione sia adeguata al contesto aziendale: non è a conoscenza né del conflitto in corso con uno stakeholder né dell’accordo informale di venerdì scorso. La decisione se pubblicare o meno qualcosa rimane quindi di competenza umana e richiede la capacità di scegliere l’opzione giusta tra diverse alternative plausibili e di motivare tale scelta. La decisione coraggiosa di non produrre o non pubblicare un contenuto richiede pensiero strategico e un agire con sicurezza.
Conoscenza del contesto: i sistemi generativi producono contenuti plausibili. Per valutare se questi siano anche significativi, è necessario il coinvolgimento umano (Human-in-the-Loop). La conoscenza dell’organizzazione, del mercato, degli sviluppi attuali e delle esigenze degli stakeholder e dei gruppi target è necessaria per produrre risultati significativi all’interfaccia uomo-macchina. Che utilizziamo la macchina come creatore di contenuti, sparring partner o sfidante, è la conoscenza del contesto a fare la differenza.
Competenza tecnica: i modelli di IA generativa calcolano le probabilità, indipendentemente dal fatto che il risultato sia corretto. A questa verifica siamo noi esseri umani a dover provvedere. È questo che vogliamo? Deve essere così? Può essere così? Quando utilizziamo strumenti per ambiti in cui non disponiamo di competenze né conoscenze specialistiche, non siamo in grado di effettuare tale verifica. Ecco perché l’IA generativa ci supporta proprio laddove possiamo apportare le nostre conoscenze e il nostro pensiero.
Queste competenze non sono nuove. La novità è che non vengono più sviluppate e allenate nella stessa misura. Chi in passato ha scritto un centinaio di comunicati stampa ha sviluppato un senso per la rilevanza e per le formulazioni incisive. Chi invece si limita a far redigere cento comunicati stampa non sviluppa questa sensibilità. Le competenze che finora venivano acquisite sul campo dovranno in futuro essere sviluppate in modo mirato. Il passaggio dalle attività esecutive alla responsabilità, dall’esecuzione alle decisioni e dalla semplice conoscenza alla capacità di contestualizzare richiede tempo e impegno.
Queste competenze sono necessarie per decidere cosa e come produrre e se un messaggio riesca effettivamente a raggiungere il pubblico. Infatti, parallelamente alla marea di contenuti, cambia il modo in cui questi vengono trovati e la fiducia che viene riposta in essi. Chi vuole farsi ascoltare deve quindi rispondere contemporaneamente a due domande: cosa vale la pena dire e da dove nasce la fiducia che conferisce al messaggio la sua efficacia?
La fiducia e la credibilità richiedono una posizione chiara
Sempre più persone utilizzano sistemi di risposta basati sull’intelligenza artificiale al posto dei classici elenchi di risultati (cfr. DigitalLeverage 2025). Vogliono risposte rapide e, per ottenerle, meno clic. Oggi Google mostra risultati diversi rispetto a un anno fa. Allo stesso tempo, le persone utilizzano quotidianamente e intensamente ChatGPT e sistemi simili per trovare risposte alle loro domande. Il traffico sui siti web e anche i tassi di clic sono in calo. Questo cambia il modo in cui i contenuti vengono ottimizzati e per quale scopo. Non più principalmente per ottenere clic, ma affinché un modello trovi, comprenda e riproduca correttamente i propri contenuti. Sono necessari una struttura chiara, affermazioni esplicite, fatti verificabili e un contesto corretto. La Generative Engine Optimization (GEO) sta cambiando anche le regole di distribuzione. I propri canali, come ad esempio il sito web, non sono più in prima linea quando si tratta di reperibilità e visibilità. I sistemi di intelligenza artificiale privilegiano sistematicamente le fonti di terze parti rispetto ai contenuti che un’azienda pubblica su se stessa (Chen et al., 2025). Chi si autoproclama leader di mercato, quindi, convince ben poco il sistema. Chi invece viene definito tale da una rivista specializzata, uno studio o un portale di valutazione indipendente, viene preso maggiormente in considerazione nella risposta generata dall’IA.
La logica della distribuzione si sta spostando dalla portata alla credibilità e alla fiducia. La vecchia domanda era: «Dove raggiungiamo il maggior numero di persone?» La nuova è: «Dove collochiamo i nostri messaggi e presentiamo la nostra azienda senza dover pagare?» A tal fine occorre una strategia di contenuto chiara e la consapevolezza di dove valga la pena esprimersi. In quali ambiti siamo una fonte credibile? Cosa possiamo raccontare che interessi ai nostri gruppi target? Chi può raccontare la storia in modo credibile? Un articolo pubblicato esclusivamente sul blog aziendale viene raramente citato dall’intelligenza artificiale (Kumar et al. 2025). Di conseguenza, gli «earned media» e le pubbliche relazioni stanno riacquistando importanza. Una menzione su un media di settore, una citazione di un’esperta indipendente o uno studio proprio attendibile sono estremamente importanti per la fiducia e la reperibilità e non possono essere generati automaticamente.
Dalla sperimentazione all'integrazione
Atteggiamento, fiducia, credibilità: tutto questo non può essere imposto né gravare sulle spalle di una singola persona. La domanda cruciale raramente riguarda la capacità di una singola persona di utilizzare lo strumento, ma piuttosto se il team e l’organizzazione creino il contesto necessario. Chi definisce le regole del gioco? Come cambiano i ruoli, i flussi di lavoro e la garanzia della qualità in un reparto di marketing o comunicazione quando improvvisamente tutti lavorano con gli stessi strumenti, ma a livelli molto diversi? E come gestisce un team questo divario di competenze senza che alcuni rimangano indietro e altri procedano da soli a tutta velocità?
La maggioranza dei collaboratori delle aziende svizzere dichiara di utilizzare regolarmente l’IA. Circa la metà delle aziende svizzere ha individuato casi d’uso e avviato progetti pilota. Solo pochissimi vanno oltre la fase pilota, e ben un terzo non misura affatto il valore di questi progetti (cfr. studio Colombus Consulting, 2026). L’utilizzo dell’IA è in aumento, eppure gran parte dei progetti pilota avviati non viene portata avanti o viene addirittura considerata un fallimento. Utilizzo e integrazione sono due cose diverse. Abbiamo molto della prima. Abbiamo ancora troppo poco della seconda. Un maggiore utilizzo dell’IA non significa automaticamente una maggiore competenza in materia. Questo paradosso delle competenze impedisce attualmente l’integrazione sistematica e la scalabilità dei progetti di IA.
Con il rapido sviluppo dell’IA generativa, le aspettative relative alle proprie competenze e alle risorse disponibili aumentano continuamente. Allo stesso tempo, il passaggio dal progetto pilota all’integrazione subisce una battuta d’arresto. Se una tecnologia non è integrata nei processi lavorativi, il suo utilizzo rimane un onere aggiuntivo. In queste condizioni, le competenze personali si sviluppano più lentamente, oppure si ricorre meno spesso allo strumento perché l’ostacolo nella quotidianità è troppo alto. Anche «rimanere aggiornati» diventa un onere aggiuntivo se un’azienda non offre corsi di formazione, non ha definito casi d’uso e non persegue una strategia di integrazione. Il singolo collaboratore deve recuperare ciò che l’organizzazione non ha preparato. In questo contesto, raramente la tecnologia è il fattore limitante. Piuttosto lo sono le persone e i processi. Gli strumenti non mancano. Ciò che manca è la chiarezza su come utilizzarli (e su come non utilizzarli), su chi sia responsabile della qualità e su come il tutto venga integrato nei processi esistenti. È quindi fondamentale che un’organizzazione crei le condizioni affinché la sperimentazione possa trasformarsi in integrazione: chi definisce le linee guida? Chi garantisce che un progetto pilota di successo diventi un processo consolidato, anziché un semplice ricordo di un buon tentativo? Chi decide come garantire la qualità quando una macchina registra i dati? In questo ambito, gli esperti di marketing e comunicazione sono in pole position. Tra i loro compiti rientrano la comprensione dei gruppi target, la valutazione della rilevanza e la verifica dell’efficacia e della credibilità dei messaggi. Non si tratta solo di padroneggiare una nuova tecnologia, ma di integrare consapevolmente le competenze esistenti nella progettazione dei processi di marketing e comunicazione.
Dare forma all’uso dell’IA, invece di limitarci a utilizzarla
Le narrazioni sul futuro si articolano solitamente in due direzioni. La prima: l’intelligenza artificiale ci renderà superflui, quindi non c’è nemmeno bisogno di decidere, dato che tutto è comunque già predeterminato. L’altra: alla fine tutto rimarrà com’è, quindi non dobbiamo decidere nulla, visto che comunque non succederà nulla. Questo approccio «o l’uno o l’altro» non è né sensato né realistico per i professionisti del marketing e della comunicazione. La domanda rilevante è ormai da tempo: come viene impiegata l’IA? Tre punti di partenza aiutano a passare dal reagire al plasmare il futuro.
#1 Integrare l’IA in modo strategico anziché utilizzarla solo in modo sporadico
Sono necessari obiettivi, responsabilità e processi chiari per l’impiego dell’IA generativa. Non come semplice esperimento con uno strumento, ma come parte integrante della comunicazione e sempre con un occhio di riguardo alla creazione di valore. Un impiego efficace dell’IA richiede le giuste condizioni quadro, soprattutto un approccio chiaro che fornisca orientamento e dia sicurezza.
#2 Gestire attivamente la qualità e la fiducia
I reparti di marketing e comunicazione dovrebbero definire e stabilire chiari standard di qualità per i contenuti generati dall'intelligenza artificiale. In questo contesto, la pertinenza, il contesto e la credibilità rivestono un ruolo centrale. In un ambiente informativo caratterizzato da un flusso crescente di contenuti, la qualità curata favorisce il processo di fiducia.
#3 Sviluppare l’alfabetizzazione all’IA come competenza fondamentale
Capacità come la capacità di contestualizzare, di mettere in discussione e di assumersi le proprie responsabilità non nascono più spontaneamente nella quotidianità lavorativa. Devono essere sviluppate in modo mirato. Ciò è possibile in una cultura che consenta la sperimentazione, che utilizzi gli errori come fonte di apprendimento e che richieda la riflessione. La competenza nasce dall’applicazione consapevole, non dal semplice utilizzo. Ciò richiede tempo e impegno.
L'intelligenza artificiale produce risultati solo se viene integrata strategicamente, applicata con competenza e utilizzata con standard di alta qualità. Non è lo strumento a determinare il valore aggiunto, bensì la struttura, la responsabilità e un'azione consapevole. Si tratta di un lavoro di progettazione, che non parte dal prossimo strumento, ma da noi stessi.
La domanda, quindi, non è cosa sarà in grado di fare la macchina in futuro, ma come noi, in quanto #TeamHuman, possiamo plasmare l’interfaccia tra uomo e macchina.

Formazione continua in linea con l'argomento
CAS in Intelligenza Artificiale nel Marketing e nella Comunicazione
Questo CAS, strutturato in modo modulare, fornisce le competenze necessarie per utilizzare l’intelligenza artificiale nel marketing e nella comunicazione in modo efficace, responsabile e nel rispetto della normativa vigente.
Tutti i programmi SAS possono essere prenotati anche singolarmente.
IA generativa SAS per il marketing e la comunicazione
La trasformazione dell'intelligenza artificiale di SAS nel marketing e nella comunicazione
SAS: Intelligenza artificiale responsabile nel marketing e nella comunicazione
Progetto SAS di marketing basato sull'intelligenza artificiale applicata
Maggiori informazioni sul CAS AI in Marketing e Comunicazione
> hslu.ch/ai
