I 10 errori più costosi che le aziende fanno con l’AI nel marketing

Sono i dieci errori più costosi e frequenti che abbiamo visto nel 2025 nelle aziende italiane: tra i clienti arrivati in Komsulting dopo un fallimento, nei progetti ereditati da altre consulenze, nei racconti di manager che avevano provato da soli. Per ognuno trovi esempi, costi e rimedi, perché nel marketing scientifico gli errori si riconoscono e si misurano.

Errore 1: Comprare prima di aver definito il problema

L’errore più frequente è la corsa allo strumento: dopo una conferenza, un articolo entusiasta o una bella demo, un manager decide di comprare X senza aver messo a fuoco il problema. Sei mesi dopo, quasi sempre, la licenza è attiva, il team la usa poco e il ROI è negativo.

Come va di solito. Un’azienda B2B di medie dimensioni compra una piattaforma AI di marketing automation da 40.000 euro l’anno «per stare al passo», senza aver analizzato i processi né deciso cosa migliorare. Dopo 12 mesi la usa come prima usava Mailchimp: circa 30.000 euro di costi in più, nessun valore in cambio.

Come evitarlo. Prima mappa i processi di oggi, trova le attività frequenti e di valore e fissa i miglioramenti attesi. Poi scegli lo strumento, rispondendo a una domanda: per quale attività, e con quale miglioramento misurabile?

Errore 2: Sottovalutare il costo della formazione

Molti considerano la licenza l’intero costo e rimandano la formazione del team a «più avanti». Così strumenti potenti vengono usati male, i risultati sono mediocri, cresce la frustrazione e l’uso si spegne.

I numeri che abbiamo visto. Nei progetti con ROI deludente la formazione costava in media 300-800 euro a persona nel primo anno, in quelli con ROI positivo 1.500-3.500 euro. Con lo stesso strumento, i team formati meglio hanno prodotto tre volte il valore.

Come evitarlo. Riserva alla formazione almeno il 15-25% del budget AI del primo anno: un percorso strutturato, con esercitazioni sui casi reali dell’azienda e aggiornamenti continui.

Errore 3: Usare l’AI senza validazione umana sistematica

Si considera «abbastanza buono» ciò che produce l’AI e si salta il controllo umano. Succede quando, dopo i primi successi, si allenta la supervisione per produrre di più, e gli errori emergono quando sono già pubblicati o arrivati al cliente.

Due casi reali. Un e-commerce pubblica schede prodotto scritte dall’AI senza rileggerle: caratteristiche tecniche sbagliate, resi al 12% sui prodotti nuovi contro il 4% medio, perdite importanti. Un’azienda B2B invia in automatico email personalizzate dall’AI con nomi sbagliati, riferimenti a incontri mai avvenuti e un tono inadatto a quei clienti, con danni concreti alla reputazione.

Come evitarlo. Il controllo umano è una fase del processo, con tempi e costi da mettere a bilancio: a campione (10-20%) sui materiali poco delicati, sempre al 100% su email dirette, contenuti pubblici e comunicazioni ufficiali.

Errore 4: Ignorare la qualità dei dati di partenza

Capita di aspettarsi risultati «magici» da dati pessimi. Se i dati sono sporchi, l’AI ne ingigantisce i difetti.

Un esempio. Un’azienda retail vuole una personalizzazione dinamica avanzata, ma il database clienti ha doppioni, segmenti basati su dati di 5 anni fa, tracciamento incompleto e consensi privacy da aggiornare. La piattaforma AI produce una personalizzazione scadente perché riceve dati scadenti.

Come evitarlo. Prima di comprare una piattaforma AI valuta con onestà i tuoi dati e, se sono di bassa qualità, parti dalla bonifica (pulizia del CRM, tracciamento integrato, segmenti aggiornati), anche se servono 3-6 mesi prima di toccare l’AI.

Errore 5: Creare dipendenza tecnologica senza piano di uscita

Legare processi di marketing essenziali a uno strumento AI senza sapere come uscirne è un errore strategico. Succede quando una piattaforma proprietaria diventa l’ossatura del lavoro e sostituirla avrebbe effetti devastanti.

Uno scenario che abbiamo visto. Un’azienda adotta la piattaforma AI X per la personalizzazione, la integra a fondo con CRM e sito e ci costruisce sopra i processi. Tre anni dopo il fornitore alza il prezzo del 40%, peggiora il servizio o cambia modello commerciale, e uscirne richiede un progetto di 12-18 mesi da centinaia di migliaia di euro.

Come evitarlo. Valuta prima quanto ti costerebbe cambiare piattaforma. Preferisci API aperte e dati che puoi portare via, conserva in azienda almeno le competenze di base per lavorare senza la piattaforma e negozia clausole di uscita nei contratti pluriennali importanti.

Errore 6: Confondere quantità con qualità nei contenuti

È l’errore tipico del content marketing: con l’AI si produce moltissimo, e la corsa ai volumi genera contenuti inutili o penalizzati.

Lo schema classico. Grazie all’AI un’azienda passa da 4 a 40 articoli al mese, tutti sullo stesso settore e pensati per le parole chiave, ma di qualità discutibile perché nessuno li supervisiona. Dopo 6 mesi il traffico organico totale è più basso di quando ne pubblicava 4, perché Google premia la qualità.

Come evitarlo. Aumenta i volumi solo se cresce anche la cura editoriale: il metodo ibrido per avere qualità sui grandi numeri esiste (lo descriviamo nell’articolo dedicato), ma chiede investimenti in redazione oltre che in strumenti. Altrimenti pubblica meno e bene.

Errore 7: Trattare i modelli AI come intercambiabili

Si sceglie il modello più economico perché «tanto sono tutti uguali». Al confronto tra Claude, ChatGPT, Gemini e Copilot abbiamo dedicato un articolo intero: le differenze ci sono e si vedono nei risultati.

Un caso concreto. Un’azienda che analizza molti documenti complessi adotta il modello X perché «costa meno», mentre per quel lavoro Claude avrebbe reso molto meglio: gli 8.000 euro l’anno «risparmiati» in licenze sono diventati 25.000-40.000 euro l’anno di lavoro da rifare a mano.

Come evitarlo. Scegli il modello, o la combinazione di modelli, prima in base alle tue attività e poi al prezzo. Di solito conviene usarne più d’uno: Claude per analisi e testi complessi, ChatGPT per varianti rapide, Gemini o Copilot per lavorare dentro Google Workspace o gli strumenti Microsoft.

Errore 8: Trascurare AI Act e GDPR

Le regole sull’uso dell’AI nel marketing e nelle attività che riguardano i consumatori si trascurano facilmente, perché non si vedono finché non diventano un problema serio.

Cosa sta succedendo nel 2026. L’AI Act europeo è entrato in vigore per tappe e si vedono i primi casi di applicazione, con sanzioni fino al 7% del fatturato globale per le violazioni gravi. Il GDPR resta valido e le autorità nazionali controllano sempre di più l’uso dell’AI e dei dati personali.

Le aree a rischio nel marketing. Profilazione avanzata con l’AI, comunicazioni personalizzate automatiche, decisioni automatiche che ricadono sui consumatori (per esempio prezzi diversi da cliente a cliente), dati sensibili dei candidati nelle selezioni, dati dei clienti affidati a piattaforme AI esterne.

Come evitarlo. Coinvolgi il DPO (il responsabile della protezione dei dati) e l’ufficio legale fin dalla valutazione, documenta come tratti i dati, offri informative chiare e scegli fornitori AI che diano garanzie sul rispetto delle norme. È normale gestione del rischio aziendale.

Errore 9: Ignorare il cambiamento organizzativo richiesto

L’arrivo dell’AI viene trattato come un tema tecnico, mentre cambia l’organizzazione: processi, ruoli, competenze. Se nessuno guida l’azienda in questo passaggio, le resistenze interne bloccano tutto anche con lo strumento perfetto.

Cosa vediamo nei team. Solo 1-2 persone usano l’AI con costanza e le altre restano ai vecchi processi; «innovatori» e «tradizionalisti» si scontrano; i responsabili non sanno valutare il lavoro fatto con l’AI; le risorse umane giudicano le prestazioni con criteri ormai superati.

Come evitarlo. Gestisci il progetto AI come un cambiamento organizzativo: coinvolgi i vertici, definisci ruoli e responsabilità, aggiorna i criteri di valutazione, spiega a tutti il perché e segui le persone con un piano strutturato.

Errore 10: Smettere di misurare

L’ultimo è forse il più subdolo: si introduce l’AI e si smette di verificare se rende. L’entusiasmo copre la mancanza di misure e, a 18 mesi dall’adozione, l’azienda non sa se l’investimento sia stato conveniente.

Come va a finire. Per 3-6 mesi sono tutti contenti («fa risparmiare tempo», «i contenuti sono migliori»), poi l’entusiasmo cala e, visto che nessuno ha mai cominciato a misurare, i dubbi restano senza risposta. Due anni dopo nessuno sa dire se continuare o spegnere.

Come evitarlo. Decidi prima come giudicherai il successo: valori di partenza senza AI, miglioramento atteso, metodo di misura. Poi confronta ogni trimestre risultati e obiettivi e scegli se proseguire guardando i dati. È il marketing scientifico applicato all’AI.

La sintesi della serie in tre punti

La serie ha guardato all’AI nel marketing da molti lati: bilancio dell’anno, confronto tra strumenti, metodi per lavori specifici (analisi dei concorrenti, contenuti SEO, sentiment, prompt engineering), e-commerce, selezione del personale, ROI, errori. Tre idee tornano in tutti gli articoli.

Prima idea: l’AI amplifica quello che trova. Un processo ben fatto, con l’AI, rende molto di più; uno che zoppica ripete i suoi errori su scala più grande. Per questo il processo si sistema prima di introdurre l’AI.

Seconda idea: le persone contano più della tecnologia. Nei casi riusciti il valore è venuto da formazione seria, controllo critico dei risultati, abitudine a correggere e competenze ampie, più che dallo strumento scelto.

Terza idea: il marketing scientifico vale anche per l’AI. Definire il problema, misurare il punto di partenza, provare un’ipotesi, spegnere ciò che non funziona: è il metodo di ogni buon marketing, e chi lo segue senza scorciatoie ottiene un ROI positivo con regolarità.

Come lavoriamo con l’AI, in pratica

Il manifesto di Komsulting chiede un marketing trasparente, basato sui dati e senza fuffa. Con l’AI significa stare lontani dalle mode, distinguere promesse e risultati e aiutare con metodo chi vuole portarla nei propri processi.

Nei progetti questo a volte vuol dire accelerare con l’AI i processi che ne beneficiano, altre volte consigliare di investire altrove, dove serve di più. In entrambi i casi decidiamo misurando e lo spieghiamo apertamente.

Se hai letto la serie e vuoi applicare queste idee alla tua azienda, parliamone. Il nostro audit marketing parte dai tuoi problemi concreti, compresi gli errori di questa lista in cui ti sei riconosciuto, e ti lascia indicazioni utili comunque vada.

Grazie per aver seguito la serie. Il modo più concreto per dirci che ti è stata utile è applicare anche una sola di queste indicazioni: le altre nove restano qui per dopo.