Uomo vs macchina nelle campagne a pagamento: chi vince davvero?

Il duello che non esiste

Il dibattito “uomo contro macchina” parte da un’idea sbagliata: che ci sia un vincitore.

Da una parte immaginiamo l’AI: veloce, instancabile, capace di analizzare centinaia di ads, generare decine di hook, leggere recensioni, trovare pattern.
Dall’altra parte immaginiamo il media buyer, il creative strategist o l’imprenditore: esperienza, intuito, conoscenza del mercato, notti passate a guardare campagne che salgono, scendono, sembrano funzionare e poi crollano senza apparente motivo.

Secondo me vince chi li fa lavorare insieme  non chi sceglie uno dei due.

È un po’ quello che è successo nel poker professionistico con l’arrivo dei solver e della GTO, la Game Theory Optimal.
Per anni il poker è stato raccontato quasi solo come intuito, lettura dell’avversario, esperienza al tavolo. Poi sono arrivati strumenti capaci di analizzare milioni di scenari e indicare, spot dopo spot, quale strategia teoricamente non exploitabile sarebbe più corretta.

All’inizio sembravano una minaccia per i giocatori. In realtà i migliori non hanno smesso di giocare: hanno usato il solver per studiare le frequenze corrette, e poi si sono adattati al contesto reale del tavolo a chi avevano davanti, non solo alla teoria.

Nel paid advertising sta succedendo lo stesso. Un esempio concreto: oggi puoi dare a un modello centinaia di ads competitor e farti estrarre in pochi minuti gli angle ricorrenti, le promesse, le obiezioni  un lavoro che via manuale richiedeva giornate intere. 

Ma se ti limiti a seguire quell’output in modo meccanico, senza leggere il contesto, rischi scelte tecnicamente sensate e strategicamente sbagliate.

Non stai competendo contro l’AI. Stai competendo contro altri advertiser che la usano come un professionista usa un solver: non per smettere di pensare, ma per pensare meglio.

Una parte della campagna è già gestita dalle macchine

A volte diciamo: “Io l’AI non la uso poi così tanto”. Ma se lavori sulle piattaforme, in realtà una parte del lavoro è già automatizzata.

Meta decide a chi mostrare quale creatività. Google amplia le query, interpreta l’intento e riscrive porzioni degli annunci. Advantage+ può rimontare, ritagliare e combinare creatività in modi che non sempre controlliamo del tutto.

Quindi la macchina è già dentro il processo.

La questione non è più: “La faccio entrare o no?”.
La questione è: “Dove la lascio lavorare da sola e dove, invece, devo tenerla sotto controllo?”.

Perché automatizzare tutto senza criterio è pericoloso. Ma ignorare questi strumenti significa anche lavorare più lentamente, con meno output e spesso con meno informazioni.

Dove l’AI vince davvero

Ci sono alcune aree in cui, oggi, non usare l’AI significa semplicemente fare più fatica del necessario.

Ricerca di mercato e analisi competitor

Prima la ricerca funzionava così: aprivi Meta Ads Library, scrollavi per ore, salvavi screenshot, guardavi pagine prodotto, Trustpilot, Amazon, commenti, recensioni, Reddit, forum. Dopo due giorni avevi una cartella piena di materiale e, forse, qualche insight utile.

Oggi puoi raccogliere molti più dati in molto meno tempo. Puoi dare a un modello decine o centinaia di ads competitor e chiedergli di estrarre angle ricorrenti, promesse, format, offerte, hook, obiezioni. Puoi analizzare recensioni e conversazioni reali per capire come le persone parlano del problema, quali parole usano, quali dubbi ripetono, quali frasi tornano più spesso.

Questo non significa che l’AI “capisce il mercato” al posto tuo. Significa che ti aiuta a fare più velocemente la parte sporca della ricerca: raccogliere, ordinare, raggruppare, trovare pattern. Poi però serve una persona che sappia leggere quei pattern e trasformarli in strategia.

Il rischio, infatti, è prendere l’output dell’AI come se fosse già una verità. Non lo è.

Produzione di varianti creative

Chi lavora con Meta lo sa: oggi serve molta più varietà creativa rispetto a qualche anno fa. Non basta più testare tre immagini e due copy. Servono angle diversi, formati diversi, hook diversi, visual diversi, livelli di awareness diversi.

Ed è qui che l’AI diventa molto utile. Può aiutarti a generare b-roll, adattare hook, creare varianti di script, produrre immagini, mockup, storyboard, briefing per creator, versioni alternative dello stesso concept.

Prima molte di queste cose richiedevano shooting, designer, editor, tempi lunghi e budget più alti. Oggi una parte del lavoro può essere prototipata molto più velocemente.

Per brand piccoli e medi questa è una leva enorme, perché abbassa la barriera d’ingresso alla produzione creativa.

Detto questo, c’è un problema.

Se tutti usano gli stessi tool, gli stessi prompt e gli stessi riferimenti, dopo un po’ le ads iniziano ad assomigliarsi tutte. Quindi sì, l’AI aumenta la quantità. Ma la qualità della direzione creativa resta decisiva. Generare 50 varianti non serve a nulla se sono tutte versioni leggermente diverse dello stesso contenuto piatto.

Copy e velocità di test

Primary text, headline, descrizioni, varianti per angle, versioni più razionali, più emotive, più dirette, più educative.
Qui l’AI è oggettivamente utile.

Non perché scriva sempre meglio di un bravo copywriter. Anzi, spesso il primo output è abbastanza generico, perché il modello non conosce ancora la voce del brand né il contesto specifico del cliente. Però ti permette di superare il blocco iniziale e produrre molte versioni in poco tempo.

Il vantaggio vero non è “l’AI scrive al posto tuo”. Il vantaggio è che accorcia il ciclo:

idea → variante → test → apprendimento.

E in advertising questo conta tantissimo.

Poi, anche qui, il lavoro umano resta fondamentale. L’AI può proporre venti headline. Ma scegliere quella che ha più senso per il brand, per il target e per altri n. motivi, è un’altra cosa.

Analisi dati e reportistica

Questa è una delle aree dove la differenza si sente subito.
Analizzare tante creatività, tante metriche e tanti periodi diversi è un lavoro noioso, ripetitivo ed è facile sbagliare.

L’AI può aiutare a trovare anomalie, pattern, cali improvvisi, variazioni tra creatività, audience o canali. Può riassumere report, evidenziare cosa è cambiato, suggerire dove guardare.

Non prende decisioni strategiche al posto tuo, ma ti aiuta senza dubbio a vedere e trovare in meno tempo ciò che cerchi. E soprattutto ti libera tempo da attività che spesso consumano ore senza generare vero pensiero strategico.

Le 4 aree dove l’AI si ferma

La parte meno interessante del dibattito sull’AI è quando viene raccontata come se potesse fare tutto.

Non è così. Ci sono aree in cui l’AI può aiutare, ma non può sostituire il giudizio umano.

La strategia

La strategia vive nel contesto. E il contesto, spesso, non è dentro Ads Manager.

L’AI non sa che il cliente ha problemi di marginalità su un prodotto. Non sa che il magazzino è pieno di una taglia e vuoto di un’altra. Non sa che il founder vuole spingere una linea specifica per motivi commerciali. Non sa che un competitor ha appena lanciato una promo aggressiva. Non sa che un certo messaggio, anche se performa, rischia di danneggiare il posizionamento.

Puoi darle queste informazioni, certo. Ma devi essere tu a sapere che sono rilevanti.

Questo è il punto. La strategia non è solo guardare i dati. È collegare i dati al business, al mercato, al prodotto, al cliente e al momento specifico.

Il giudizio sulle creative

L’AI può produrre tante varianti. Ma chi decide cosa va live?
Qui servono gusto, esperienza, conoscenza del brand e memoria storica dei test.

Una creatività può essere bella ma inutile. Può essere tecnicamente ben fatta, ma debole come messaggio. Può sembrare moderna, ma essere uguale a mille altre. Può avere un visual forte, ma un concept che non parla davvero al target.

Questo è uno dei rischi principali dell’AI nelle creative: confondere l’estetica con l’efficacia.

Un’immagine può sembrare ottima. Un video può sembrare prodotto bene. Ma se il messaggio è piatto, se l’angle è già saturo o se il target non si riconosce, la performance non arriva.

La responsabilità

Quando una campagna va male, non puoi dire al cliente: “L’ha deciso l’algoritmo”.

Puoi dirlo una volta. Forse. Ma alla lunga il cliente paga qualcuno per capire cosa sta succedendo, spiegarglielo e correggere la direzione.

L’accountability resta umana.

Ed è anche il motivo per cui un’azienda non dovrebbe semplicemente mettere tutto in automatico e sperare. Gli automatismi sono utili quando qualcuno sa impostare i vincoli, leggere i segnali e intervenire quando serve.

La fiducia e il paradosso di quando l’AI funziona meglio

Questo è un tema ancora sottovalutato.

Non tutto ciò che può essere generato con AI dovrebbe sembrare generato con AI. Soprattutto nei brand premium, nei prodotti ad alto coinvolgimento o nei mercati dove la fiducia è centrale, la percezione conta moltissimo.

Se un contenuto sembra finto, troppo pulito, troppo sintetico, troppo “AI slop”, rischia di indebolire il brand invece di aiutarlo.

Su prodotti commodity o promozioni molto dirette il problema può essere minore. Ma su posizionamento, desiderabilità e relazione con il cliente, la naturalezza fa ancora una grande differenza.

Il paradosso è proprio questo: spesso l’AI funziona meglio quando non si vede. Molte ads generate o supportate dall’AI performano bene non perché le persone amino i contenuti AI, ma perché l’AI aiuta a seguire alcune best practice: volti umani ben visibili, messaggi chiari, format semplici, variazioni rapide, test più frequenti.

Il problema nasce quando il contenuto tradisce i segnali dell’artificialità: manca una tensione vera, il volto sembra finto, il copy sembra scritto per “suonare bene” ma non dice nulla, il video è tecnicamente pulito ma emotivamente vuoto.

La macchina può aiutarti a produrre, a velocizzare, a esplorare più strade.

AI-First, Human-Final: come dividere il lavoro in pratica

Come accennavo all’inizio, la regola che mi sembra più utile è questa: l’AI apre il lavoro, l’essere umano lo chiude.

In pratica:

• nella ricerca: l’AI raccoglie e organizza, l’uomo interpreta
• nell’analisi delle recensioni: l’AI trova pattern, l’uomo capisce quali contano davvero
• nella strategia: guida l’uomo, l’AI può fornire scenari e supporto
• nei concept creativi: guida l’uomo, l’AI può ampliare, declinare e stressare le idee
• nella produzione di varianti: guida l’AI, l’uomo definisce brief, limiti e direzione
• nella selezione delle creative: guida l’uomo, l’AI può aiutare a filtrare
• nella delivery: guidano le piattaforme, l’uomo imposta i vincoli corretti
• nella reportistica: l’AI velocizza, l’uomo decide cosa fare dei numeri
• nella relazione con il cliente: guida l’uomo. Questa parte non è delegabile.

Questa distinzione è importante perché evita due errori opposti.

Il primo è usare l’AI come un giocattolo, senza inserirla davvero nel workflow. Il secondo è delegarle troppo, trasformandola in una specie di pilota automatico senza controllo.

La via più sensata sta nel mezzo: usare l’AI dove comprime tempi e aumenta output, ma lasciare all’essere umano le decisioni che richiedono contesto, responsabilità e gusto.

Conclusione: il nuovo ruolo dell’advertiser

Quindi, l’AI ruberà il lavoro al media buyer?
Secondo me no, almeno non a chi ha già iniziato a cambiare mestiere.

Il media buyer del 2026 non può essere solo una persona che sposta budget, guarda campagne e modifica interessi. Quel lavoro è già stato in parte assorbito dalle piattaforme.

Il ruolo diventa più vicino a quello di un direttore d’orchestra.

Devi saper leggere il business, capire il mercato, guidare la produzione creativa, usare gli strumenti AI, interpretare i dati, gestire il cliente e prendere decisioni.

La macchina è veloce, ma non ha contesto.
L’essere umano ha contesto, ma non può più permettersi di lavorare con la lentezza di prima.

Le campagne migliori non nasceranno scegliendo tra uomo e macchina.

Nasceranno da chi saprà costruire un workflow in cui l’AI fa quello che sa fare meglio, e l’essere umano resta responsabile della direzione.

Perché alla fine non vince chi usa più AI. Vince chi la usa meglio.