La tesi di Isenberg e il cambio di ritmo del marketing

Ed è qui che il ragionamento di Isenberg mi ha colpito.

La sua tesi è abbastanza semplice: il costo e il tempo necessari per realizzare un esperimento di marketing si stanno riducendo enormemente grazie all'intelligenza artificiale. Chi riesce a sperimentare più velocemente può imparare più rapidamente e utilizzare quello che ha imparato per prendere decisioni migliori.

Sembra quasi banale, detta così. Poi però ci pensi e ti rendi conto di cosa comporta.

Per anni abbiamo organizzato il marketing attorno a tempi di produzione, budget, pianificazioni, persone e competenze distribuite tra reparti diversi. Un'idea doveva attraversare una quantità di passaggi prima di diventare qualcosa da mettere alla prova.

Oggi posso immaginare un'ipotesi, costruire uno strumento, collegarlo a un sistema esistente, raccogliere informazioni e verificare se ha senso continuare. Posso farlo in tempi che qualche anno fa avrei considerato improbabili.

Attenzione, non significa che cento campagne generate automaticamente producano cento risultati utili. Per imparare bisogna sapere cosa si sta verificando, raccogliere dati attendibili e interpretare quello che succede. Altrimenti stiamo semplicemente producendo più cose, più velocemente. E di cose inutili prodotte velocemente ne abbiamo già abbastanza.

Ma è la possibilità di costruire tutto il processo che mi interessa.

Dal prodotto ai processi: il lavoro invisibile dietro il risultato

È quello che sto facendo da tempo, spesso partendo da problemi che inizialmente non avevano nulla a che vedere con l'intelligenza artificiale.

Penso a Mò, il prodotto sviluppato in NoiEnergia al quale ho lavorato dalla sua ideazione fino alla costruzione del sistema che ne gestisce diverse attività operative. Dietro un prodotto che il cliente incontra attraverso un messaggio, una campagna o un'applicazione, ho progettato decine di scenari, logiche di attivazione, contenuti, punteggi, reportistiche e watchdog che devono segnalarmi eventuali anomalie.

La parte visibile è soltanto una porzione del lavoro. Quella che mi interessa maggiormente è tutto ciò che deve accadere perché l'esperienza promessa funzioni davvero.

E penso anche ai sistemi editoriali che ho costruito, alle integrazioni tra strumenti, ai workflow, ai plugin WordPress, agli strumenti di acquisizione e gestione delle informazioni. A volte sembrano progetti completamente diversi. In realtà continuo ad affrontarli con lo stesso metodo: capire il problema, studiare il processo, individuare ciò che manca, progettare una soluzione, costruirla e verificare come si comporta.

Questo è anche il motivo per cui negli ultimi mesi mi sono ritrovato a scrivere sempre più spesso di sistemi, fino a trasformare quel ragionamento nella rubrica Sistemi, non automazioni, che diventerà un libro.

Growth Repo, grafo e contesto come memoria operativa

Isenberg introduce anche un concetto che trovo particolarmente interessante: il Growth Repo. Un archivio strutturato nel quale conservare conoscenze sui clienti, esperimenti, risultati, contenuti, informazioni commerciali e istruzioni degli agenti AI. Una memoria operativa che permette ai sistemi di lavorare utilizzando ciò che un'azienda ha già imparato.

Questa riflessione mi ha fatto pensare anche a una scelta recente: iniziare a osservare tutto il mio lavoro attraverso una vista a grafo, dove progetti, idee, ragionamenti, esperimenti e decisioni diventano connessioni visibili. Da fuori potrebbe sembrare un gran casino. Per me, invece, è quasi liberatorio vedere quanto siano collegate cose che fino a poco tempo fa consideravo separate.

Forse è anche per questo che mi fanno sorridere quelli che si costruiscono il proprio Jarvis, magari con un'interfaccia spettacolare e una voce sintetica, per poi chiedergli cose che potrebbero tranquillamente chiedere a Gemini su Android o a Siri su Apple. Per carità, sperimentare è sempre utile, ma continuo a chiedermi quale sia il valore aggiunto.

A me interessa molto di più costruire qualcosa che sappia utilizzare il contesto reale del mio lavoro, recuperare ragionamenti precedenti, collegare informazioni e permettermi di partire da ciò che ho già imparato. Non avere semplicemente un altro assistente a cui ripetere ogni volta le stesse cose.

Ed è proprio questa una delle parti della visione di Isenberg nelle quali mi riconosco maggiormente. La tecnologia, da sola, non basta. Conta come la inserisci all'interno di un sistema e cosa quel sistema è effettivamente in grado di fare.

Non è sufficiente conservare informazioni, naturalmente. Bisogna organizzarle, distinguere ciò che sappiamo da ciò che supponiamo e costruire processi capaci di utilizzarle correttamente. Anche perché un agente AI che lavora in autonomia senza controlli può moltiplicare gli errori con la stessa efficienza con cui esegue le attività giuste.

Una definizione professionale che arriva dal percorso

Forse è proprio questo il punto che trovo più interessante nella figura descritta da Isenberg: il Marketing Engineer deve comprendere il marketing, ma deve anche essere in grado di costruire gli strumenti, integrare i dati, progettare i processi e capire se quello che ha realizzato sta effettivamente funzionando.

Non so quanto questa definizione si affermerà e, francamente, non sento neppure il bisogno di adottarla immediatamente come nuovo titolo su LinkedIn. Già facciamo abbastanza confusione con i nomi delle professioni digitali.

Però mi aiuta a mettere a fuoco il percorso che sto facendo con VinBis.com.

Sono partito dalla produzione di contenuti e dalla comunicazione, ho attraversato il marketing, il product management e la gestione dei progetti, fino ad arrivare alla progettazione di processi, integrazioni, automazioni e sistemi AI. Non è stata una successione ordinata di professioni. Una competenza ha finito per rendere necessaria quella successiva, spesso perché mi trovavo davanti a un problema che non riuscivo a risolvere utilizzando soltanto ciò che già conoscevo.

A un certo punto, per fare bene marketing, ho avuto bisogno di capire il prodotto. Per gestire il prodotto ho dovuto comprendere i processi. Per migliorare i processi ho iniziato a integrare strumenti, dati e automazioni. E oggi l'intelligenza artificiale mi permette di affrontare problemi che fino a poco tempo fa avrei potuto soltanto progettare sulla carta o affidare interamente ad altri.

Naturalmente non tutto quello che immagino è già diventato un sistema funzionante. Alcune cose sono in produzione, altre le sto sviluppando, altre ancora richiedono tentativi, correzioni e qualche imprecazione. Fa parte del lavoro, anche se nei racconti sull'intelligenza artificiale questa fase tende misteriosamente a scomparire.

Ma è proprio qui che sto cercando di posizionare VinBis.com.

Voglio che sia riconoscibile per la capacità di affrontare problemi aziendali e trasformarli in soluzioni concrete, attraverso marketing, progettazione di prodotto, organizzazione, dati e tecnologia. Senza dover scegliere uno strumento prima ancora di aver capito cosa serve.

Non voglio proporre automazioni perché oggi vanno di moda gli agenti AI, così come non voglio costruire software soltanto perché ora è diventato più semplice farlo. Voglio poter individuare una necessità reale e avere le competenze per progettare e realizzare qualcosa che abbia senso, che sia utilizzabile, controllabile e possibilmente replicabile.

A pensarci, è anche il motivo per cui continuo a studiare ambiti che sembrano allontanarmi dal marketing e che invece finiscono per riportarmi sempre lì.

La riflessione di Isenberg mi ha dato una prospettiva esterna su qualcosa che sto vivendo professionalmente. Non perché abbia scoperto una professione che prima non esisteva, né perché qualcuno abbia improvvisamente inventato un nuovo modo di lavorare. Semplicemente, alcune competenze che per anni abbiamo trattato come specializzazioni separate stanno diventando parti dello stesso lavoro.

E oggi abbiamo strumenti che permettono di tenerle insieme molto più facilmente.

Continuo a pensare a quante aziende abbiano già a disposizione informazioni, competenze, strumenti e persone sufficienti per migliorare enormemente il proprio modo di lavorare, ma continuino a gestirli come pezzi separati.

Magari il prossimo problema del marketing non sarà nemmeno produrre campagne migliori.

Sarà capire chi è in grado di costruire e governare tutto quello che dovrebbe esserci intorno.

E, soprattutto, quanti si rendano conto che quel lavoro è già marketing.

RIFERIMENTI

Greg Isenberg, Podcast sul Marketing Engineer e gli AI Agents

Greg Isenberg, Intervento originale sul tema