Tra i leader del marketing high-tech sento sempre la stessa storia.

I progetti pilota funzionano. Il product marketing usa l’IA per i contenuti, la generazione della domanda la applica al targeting del pubblico, il customer marketing automatizza i programmi basati sul ciclo di vita del cliente. Ogni team ha un caso d’uso concreto da mostrare.

Poi arriva la domanda inevitabile: su quale di questi investire per primo, e quanto? Una risposta tutt’altro che scontata.

Ogni team ha misurato il proprio lavoro in base a obiettivi, sistemi e definizioni del successo differenti. I singoli programmi possono mostrare risultati solidi, ma mancano basi condivise per confrontarli e decidere dove convogliare il prossimo investimento.

Questa è la realtà di molte aziende high-tech oggi. Di tecnologia IA capace ce n’è in abbondanza e la sperimentazione è ovunque. Il problema è che questi sforzi restano spesso isolati, privi di integrazione.

Il CMO, il VP della generazione della domanda, il responsabile del customer marketing e i leader del marketing operations, delle vendite e dell’IT possono tutti fare avanzare l’IA, ma operano con priorità, dati e processi decisionali differenti. Individualmente si registrano progressi; trasformarli collettivamente in un metodo di lavoro ripetibile è però molto più difficile.

Il Frozen Middle nel settore high-tech

Adobe ha collaborato con Incisiv per analizzare 5.633 dirigenti in 12 settori, di cui 521 nel settore high-tech. La ricerca ha rilevato che il 44% delle organizzazioni high-tech rientra in quello che definiamo il Frozen Middle.

Queste aziende hanno superato la fase sperimentale: l’IA è già attiva nelle singole funzioni, ma faticano a replicare un caso d’uso di successo da un team all’intera organizzazione.

La generazione di contenuti, la personalizzazione, l’account intelligence e l’ABM possono essere operativi in qualche area aziendale. Ma quando ogni area gestisce, finanzia e misura le proprie iniziative in modo indipendente, i leader faticano a dimostrare il Return on Investment (ROI) al di là della singola campagna, a confrontare gli investimenti o a decidere quali casi d’uso meritino un maggiore finanziamento.

È facile capire come le aziende si ritrovino in questa situazione.

L’IA tende a partire da un caso d’uso alla volta, con ogni team che avanza al proprio ritmo. Nel frattempo, molti dei processi che collegano marketing, dati e tecnologia ruotano ancora attorno ai cicli di pianificazione annuale e alle revisioni trimestrali.

L’IA si muove molto più velocemente: i team devono iterare con rapidità, sapere chi ha l’autorità per prendere decisioni e avere accesso condiviso ai dati necessari per farlo.

Senza queste condizioni, le implementazioni individuali si moltiplicano. E più si moltiplicano, più diventa difficile collegarle e governarle.

I dati sull’approvazione illustrano il problema. Su 100 iniziative di IA proposte nel settore high-tech, solo 18 arrivano in produzione. La valutazione dell’integrazione elimina la quota maggiore già alla prima fase di selezione.

Le domande relative ai diritti sui dati, alla titolarità dei sistemi e all’integrazione emergono spesso tardi nel processo, anche se avrebbero potuto orientare il caso d’uso fin dall’inizio.

Cosa fanno di diverso i leader

La ricerca ha identificato 342 organizzazioni in vari settori che si collocano nel 6% più alto per maturità del modello operativo. Analizzando come lavorano questi leader, emergono cinque pratiche distintive.

1. I leader hanno un responsabile dell’IA con mandato trasversale sui risultati: i leader hanno una probabilità 2,3 volte maggiore di nominare un responsabile dell’IA con mandato definito e autorità di budget. Nel settore high-tech nel complesso, solo il 40% delle organizzazioni ha nominato un responsabile dell’IA e, dove questa figura esiste, il suo ruolo si ferma spesso al confine funzionale.

Il problema diventa concreto quando i flussi di lavoro dell’IA attraversano più team. Un caso d’uso del ciclo di vita può richiedere dati di utilizzo del prodotto, accesso al CRM e personalizzazione tramite la piattaforma di customer experience. Serve qualcuno con autorità sufficiente a risolvere queste dipendenze e mantenere il lavoro in avanzamento.

Non serve necessariamente un’altra figura dirigenziale o un ulteriore livello nell’organizzazione. Un CMO o un VP Marketing può ricoprire questo ruolo. Ciò che conta è attribuire a quella persona un perimetro d’azione sufficientemente ampio per prendere decisioni su budget, piattaforme, dati e team.

2. I leader definiscono come misurare il valore prima del lancio: il 44% dei leader misura il Return on Investment (ROI) in modo completo, rispetto al 20% delle organizzazioni high-tech. Questo significa definire il risultato atteso, la baseline e l’approccio all’attribuzione mentre il caso d’uso è ancora in fase di progettazione, con team come RevOps e customer success allineati su come interpretare i risultati.

Questo è importante perché le baseline diventano molto difficili da ricostruire in seguito. Non appena una campagna, un lancio di prodotto o un’interazione con il cliente modifica i comportamenti, i team rischiano di passare più tempo a discutere del contributo dell’IA che ad apprendere dai risultati.

Integrare la misurazione fin dall’inizio fornisce ai leader del marketing prove molto più solide quando tornano a discutere degli investimenti.

3. Marketing e tecnologia condividono i risultati: l'81% dei leader opera a un livello collaborativo o integrato, rispetto al 41% delle organizzazioni high-tech. Il 59% del settore high-tech opera ancora attraverso relazioni a silos, transazionali o di tipo consulenziale.

Gli obiettivi e i risultati chiave condivisi (OKR) rappresentano una delle differenze più evidenti.

Quando “generazione della domanda” e “marketing operations” rispondono dello stesso risultato commerciale, è molto più probabile che brief, sviluppo e misurazione rimangano allineati. I problemi relativi a dati e tempistiche possono essere risolti man mano che il lavoro avanza, evitando così un ulteriore passaggio di consegne.

Gran parte di questo può avvenire nell’ambito delle strutture organizzative esistenti, senza richiedere automaticamente una riorganizzazione.

4. I leader imparano da ciò che non funziona: È stato uno dei risultati che ho trovato più interessanti. Il 16% delle organizzazioni high-tech mostra pattern di fallimento distruttivi, caratterizzati dall’attribuzione delle colpe e dalla ripetizione. Tra i leader, quella percentuale è inferiore all'1%.

I team di marketing high-tech lavorano con scadenze molto ravvicinate. Quando un modello di account scoring non funziona come previsto o i contenuti generati dall’IA perdono qualità con la scalabilità, la pressione per risolvere immediatamente il problema e andare avanti è enorme.

Eppure quei fallimenti contengono informazioni preziose.

Un modello di segmentazione ICP con prestazioni scarse può rivelare qualcosa sui dati, sulle ipotesi o sul processo che lo sottende. Una sequenza ABM che non centra l’obiettivo può indicare dove si è interrotta l’orchestrazione.

I leader riservano spazio nelle revisioni operative per analizzare quei segnali e trasferire le lezioni apprese al caso d’uso successivo. Questa disciplina diventa sempre più importante man mano che il numero di iniziative di IA cresce.

5. I leader individuano e valorizzano i champion interni: Il dato culturale è probabilmente quello che preferisco. Il 42% dei leader ha indicato l’individuazione e la valorizzazione dei champion interni come l’azione culturale più efficace in assoluto, davanti alla sponsorizzazione esecutiva al 16% e alla formazione formale all'11%.

Questo corrisponde perfettamente a ciò che osservo nella pratica.

Le persone si interessano all’IA quando vedono qualcuno che conoscono utilizzarla per migliorare il proprio lavoro quotidiano: un responsabile della generazione della domanda che ottimizza un brief ABM con segnali di intento più efficaci, un esperto marketing dei contenuti che accelera la produzione di risorse per il lancio, o un analista del ciclo di vita che trasforma dati di prodotto in trigger di conversione più performanti.

Queste figure possono avere un impatto considerevole. Basta dar loro visibilità, alcune risorse e il permesso di condividere ciò che hanno imparato con un altro team: l’adozione inizierà a diffondersi in tutta l’organizzazione.

Dai progetti pilota a un modo di lavorare

Nel complesso, questi dati indicano la direzione in cui si sta muovendo la prossima fase di adozione dell’IA nel settore high-tech.

Molte aziende hanno già gli strumenti. Hanno già i casi d’uso. E hanno già persone che dimostrano come l’IA possa creare valore.

La domanda successiva per i leader del marketing riguarda la capacità della propria organizzazione di prendere ciò che funziona in un team e renderlo replicabile su più fronti.

Per riuscirci, servono una governance chiara, metriche di valore comuni, una responsabilità condivisa tra marketing e tecnologia, spazio per imparare dagli errori e figure professionali in grado di diffondere gli approcci vincenti in tutta l’organizzazione.

Sono queste le condizioni che consentono all’IA di andare oltre una raccolta di progetti pilota promettenti e diventare parte integrante del modo in cui l’azienda opera.

Esplora il report completo per scoprire a che punto si trovano le organizzazioni high-tech e cosa fanno diversamente i leader.

https://business.adobe.com/fragments/resources/cards/thank-you-collections/high-tech