L’IA agentica è una priorità assoluta per la maggior parte dei team di marketing: va ben oltre la generazione di contenuti e i consigli, agendo in autonomia per rispondere ai clienti con maggiore rapidità e su una scala che i team non riuscirebbero a raggiungere manualmente.

I responsabili marketing sono entusiasti di questa capacità. Per lo stesso motivo, i colleghi IT la guardano con maggiore cautela.

Gli agenti IA possono accedere ai dati aziendali, connettere i sistemi e agire per conto degli utenti, introducendo un livello di rischio sostanzialmente diverso. Di conseguenza, i team IT sono diventati molto più selettivi rispetto agli strumenti di IA agentica che approvano e molto più precisi su cosa vogliono vedere prima di farlo.

Il risultato è che molti validi casi d’uso non arrivano mai al lancio. Secondo il 2026 State of IA Readiness report di Adobe, solo 47 iniziative su 100 superano la revisione di IT e sicurezza. E quando i team cercano di integrarle nei sistemi e flussi di lavoro esistenti, quel numero scende ulteriormente a 33.

Per gli esperti marketing, questo significa che un caso d’uso convincente è solo una parte della proposta per una specifica soluzione di IA agentica. Il resto consiste nel sapere cosa è probabile che un CIO chieda e nell’avere le risposte pronte. Le cinque domande seguenti sono quelle che emergono con maggiore frequenza.

1. Puoi fidarti dei dati che alimentano la soluzione agentica?

Gli esperti marketing vogliono uno strumento che si integri con le librerie di contenuti, i dati dei clienti e quelli delle campagne, e funzioni senza intoppi. I CIO hanno bisogno di certezze sia sui dati alla base della soluzione sia su come vengono gestiti i dati dell’organizzazione. Se queste fondamenta non sono chiare o sono scarsamente controllate, l’agente può amplificare il rischio con la stessa rapidità con cui genera valore.

La trasparenza dei dati è quindi tra le prime questioni da chiarire prima di presentarsi davanti all’IT. Chiedi risposte precise ai fornitori in shortlist su:

• Quali dati vengono usati per addestrare o alimentare questo sistema? Pretendi una risposta in termini comprensibili su come vengono acquisiti i dati e se esistono restrizioni legate a copyright o licenze.
• I tuoi dati vengono mai usati per addestrare il modello sottostante senza consenso? Ottieni un sì o un no netto. Devi avere il pieno controllo su quella scelta.
• Il sistema opera su dati che controlli, etichettati con il contesto corretto? Verifica che il modello IA sia in grado di riconoscere e applicare i controlli di accesso, le approvazioni e le restrizioni impostati.

Al termine di questa conversazione, non deve esserci alcuna ambiguità su quali dati utilizza la soluzione agentica né su quali norme regolano l’uso dei propri dati.

2. Riesci a vedere cosa sta facendo la soluzione agentica e a mantenere il controllo?

Se un agente invia l’email sbagliata a 10.000 persone o include il segmento di clienti errato in una campagna attiva, chi se ne accorge e in quanto tempo? È questa la preoccupazione alla base di tutto ciò che un CIO vuole sapere in tema di supervisione.

Più autonomia ha un sistema agentico, più è importante che la supervisione sia integrata fin dall’inizio. I CIO devono avere la certezza che il sistema non diventi una scatola nera nel momento in cui inizia ad agire sui flussi di lavoro. Visibilità e controllo sono quindi il banco di prova concreto. Cerca risposte chiare su tre aspetti:

• Riesci a vedere come l’agente è giunto all’output, non solo l’output stesso? Verifica se è in grado di mostrare le fonti e la logica di ragionamento dietro i risultati e di essere trasparente sui propri limiti.
• Una persona può intervenire prima che l’agente compia un’azione ad alto rischio? Solo il 5% dei leader aziendali consente agli agenti di prendere decisioni critiche senza revisione: è quindi fondamentale individuare punti di approvazione chiari.
• Se qualcosa va storto, è possibile ricostruire cosa è successo e perché? Devi poter tracciare le singole interazioni, non limitarti a un report aggregato, per capire dove e perché il flusso di lavoro si è interrotto.

Queste risposte ti dicono se puoi affrontare un colloquio con il CIO con la certezza che gli errori vengano individuati prima che si propaghino.

3. La soluzione agentica si integra nel tuo stack o lo frammenta ulteriormente?

I team IT hanno trascorso anni a consolidare lo stack tecnologico del marketing, e l’IA agentica sta mettendo alla prova questa disciplina. Ogni nuovo strumento agentico può portare con sé nuove funzionalità, autorizzazioni e integrazioni di dati. Non sorprende che il 94% dei responsabili IT affermi che la proliferazione dell’IA stia già aggiungendo complessità e rischi, mentre solo il 12% dispone di un metodo centralizzato per gestirla.

Per i CIO, la questione è se lo strumento si inserisce nell’ecosistema esistente senza aggiungere frammentazione. Gli esperti marketing possono valutarlo osservando due aspetti.

• L’agente può operare all’interno dei sistemi e dei flussi di lavoro aziendali? Una buona soluzione si integra nelle piattaforme esistenti e riduce i passaggi di consegna, senza aggiungere un ulteriore livello da gestire.
• Le autorizzazioni e le regole di governance esistenti rimangono valide quando l’agente agisce? L’agente deve accedere solo a ciò che gli è consentito, con le stesse autorizzazioni e policy applicate a ogni fase del flusso di lavoro.

Se entrambe le verifiche superano il test, la conversazione con il CIO diventa molto più semplice: l’agente rimane all’interno dei sistemi e dei controlli marketing che l’IT gestisce già.

4. La soluzione agentica è in grado di dimostrare il suo valore nel marketing?

Se si chiede alla maggior parte dei team marketing come funzioni una soluzione agentica, i segnali di adozione come accessi e utilizzo quotidiano sono spesso gli unici dati a disposizione. Secondo il 2026 AI and Digital Trends Report di Adobe, solo il 31% delle organizzazioni dispone di un framework di misurazione per l’IA agentica.

Colmare questa lacuna inizia dalla scelta di soluzioni che semplifichino la misurazione. Per garantire la visibilità necessaria sia ai responsabili marketing che a quelli IT, verifica se è possibile monitorare i risultati prodotti dai flussi di lavoro agentici e i relativi costi operativi.

• Lo strumento è in grado di mostrare l’impatto a livello di risultati? Verifica se puoi collegare l’attività agentica a conversioni, performance delle campagne, efficienza o altri risultati di business, non solo al volume di utilizzo.
• Esiste una modalità integrata per misurare il Return on Investment (ROI) specificamente per i flussi di lavoro agentici? Cerca un sistema di reporting a livello di flusso di lavoro che colleghi i risultati al consumo di crediti e ai costi dell’agente.
• Il fornitore parla di responsabilità sui risultati? Chiedi come viene definito il successo, chi è responsabile del risultato e come identificare quali flussi di lavoro debbano essere scalati, modificati o interrotti.

Marketing e IT avranno così una base concreta per decidere quali flussi di lavoro scalare e quali soluzioni meritino maggiori risorse.

5. Il fornitore ha testato la soluzione agentica per una rappresentazione sicura del brand?

La metà delle organizzazioni intervistate in un sondaggio recente ha dichiarato di aver già distribuito un agente IA che aveva superato le valutazioni interne, per poi causare un malfunzionamento lato cliente. A quel punto, i team avevano già costruito flussi di lavoro attorno allo strumento, rendendo molto più difficile isolare e correggere le lacune di qualità e sicurezza.

Questo rende la qualità della valutazione un fattore cruciale. Bisogna sapere cosa ha testato il fornitore, quali problemi sono emersi e come queste scoperte abbiano modificato il sistema prima del lancio. Servono quindi alcune ulteriori domande mirate.

• Il fornitore è in grado di fornire prove di test sui bias? Chiedi su quali gruppi demografici e scenari si è testato, quali disparità sono emerse e cosa è cambiato di conseguenza.
• Quali misure esistono per rilevare output dannosi o non conformi al brand?Chiedi quali casi di errore i test hanno evidenziato e quali protezioni il fornitore abbia aggiunto prima della messa in produzione.
• Il controllo qualità continua dopo la messa in produzione del sistema? Verifica se i cicli di feedback umano, oltre agli errori derivanti dall’uso reale, contribuiscono a gestire e migliorare il modello.

Richiedere queste informazioni specifiche aiuta marketing e IT a valutare se qualità, equità e sicurezza sono supportate da test concreti, misure di protezione e feedback continuo, e se il sistema è pronto a rappresentare il brand con coerenza nelle campagne e nei vari mercati.

Unire le esigenze del marketing con quelle dell’IT

Le cinque domande convergono verso uno stesso standard. Una soluzione di IA agentica deve integrarsi nei sistemi già utilizzati dagli esperti marketing, garantire governance e supervisione umana lungo l’intero flusso di lavoro, e restare ancorata al brand e al contesto aziendale dell’organizzazione.

Una volta integrata una soluzione agentica nei flussi di lavoro attivi, colmare le lacune in termini di supervisione, misurazione o sicurezza del brand diventa molto più difficile. Gli esperti marketing che tengono conto di queste esigenze già in fase di valutazione sono nella posizione migliore per scalare l’IA agentica e migliorare i risultati aziendali.

Adobe CX Enterprise Coworker è progettato secondo questo approccio: garantisce la continuità operativa e, quando è richiesto il giudizio umano, indirizza le approvazioni alle persone competenti. Ogni azione resta legata agli obiettivi aziendali definiti dai team e rientra nei permessi di cui l’utente già dispone nelle applicazioni Adobe CX Enterprise collegate. Questo garantisce agli esperti marketing maggiore velocità e autonomia, preservando al contempo la supervisione che l’IT si aspetta.

Per vedere come si presenta nella pratica un assistente IA governato e connesso, esplora CX Enterprise Coworker.

https://business.adobe.com/fragments/resources/cards/thank-you-collections/generative-ai