I successi dell'IA agentica di Bayer e Zoom devono ancora essere dimostrati

Bayer e Zoom hanno portato il marketing agentico su Google News, nonostante il divario crescente tra progetti pilota promettenti e risultati aziendali verificati in modo indipendente. I successi riportati riguardano attività operative poco appariscenti, tra cui revisioni di conformità, aggiornamenti CRM, offerte per campagne e coordinamento con i partner.

Questo aspetto conta perché mette in discussione la versione più rumorosa della promessa dell'IA agentica. Queste aziende non stanno affidando interi reparti marketing a sistemi autonomi. Stanno applicando agenti a processi circoscritti, nei quali input, autorizzazioni e risultati attesi possono essere definiti.

La competizione principale non è quindi tra esseri umani e macchine. È tra l'automazione controllata dei flussi di lavoro e la promessa del marketing autonomo. Bayer e Zoom suggeriscono che il primo approccio stia già generando valore, mentre il secondo resta più difficile da convalidare su scala aziendale.

Cosa hanno effettivamente cambiato Bayer e Zoom

Il cambiamento rilevante consiste nel passare dal chiedere all'IA di creare contenuti al lasciarle far avanzare il lavoro attraverso i sistemi operativi.

Il resoconto di ADWEEK sul marketing agentico a Cannes Lions ha descritto i brand come più cauti rispetto ad agenzie, aziende media e fornitori di tecnologie pubblicitarie. Mentre i fornitori promuovevano ambiziosi lanci di agenti, i brand si concentravano su flussi di lavoro interni con colli di bottiglia misurabili.

La pubblicazione ha affermato che Zoom stava utilizzando agenti per automatizzare gli aggiornamenti CRM. Secondo un riepilogo sull'IA agentica condiviso da ADWEEK, questo consente ai marketer di dedicare più tempo alla strategia e alle decisioni creative.

L'automazione CRM è un caso d'uso ristretto ma rilevante. Un CRM, ovvero un sistema di gestione delle relazioni con i clienti, registra le interazioni con potenziali clienti e clienti. Il suo valore diminuisce quando i dipendenti lasciano i record incompleti, in ritardo o incoerenti.

Un agente può estrarre i dettagli rilevanti da una riunione, classificare l'interazione e proporre un aggiornamento. Può anche collegare la conversazione alle attività di follow-up. Il flusso di lavoro diventa agentico quando il software valuta il contesto e compie azioni autorizzate tra diversi sistemi, anziché limitarsi a generare testo.

Il caso d'uso riportato per Bayer affronta una diversa fonte di attrito. L'azienda sta applicando agenti alle approvazioni di marketing ad alta intensità di conformità e all'allineamento degli indicatori di performance con i partner media esterni.

Questo lavoro comporta rischi maggiori rispetto alla stesura di un post sui social. Le promozioni farmaceutiche e legate alla salute passano attraverso revisioni legali, normative, mediche, di brand e di mercato. Un'affermazione mancata o un requisito non aggiornato può avere conseguenze che vanno oltre le performance di una campagna.

Il potenziale valore dell'agente deriva dal coordinamento di questi controlli. Può identificare informazioni mancanti, indirizzare gli asset al revisore corretto, confrontare i materiali con regole stabilite e mantenere una traccia delle decisioni.

Nessuno dei due casi rappresenta un'operazione di marketing completamente autonoma. Gli esseri umani definiscono ancora le regole, gestiscono i controlli di accesso, esaminano le eccezioni e restano responsabili del lavoro pubblicato.

Questa limitazione è anche il risultato più importante. Bayer e Zoom riportano valore laddove gli agenti operano all'interno di flussi di lavoro delimitati. Non stanno presentando prove che un sistema IA possa definire autonomamente la strategia, creare una campagna, approvarla, distribuirla e valutarne gli effetti più ampi sul brand.

La distinzione spesso scompare nei titoli di Google News perché “agentico” può descrivere diversi livelli di autonomia. Un sistema che suggerisce una voce CRM e attende l'approvazione differisce in modo significativo da uno che modifica i record dei clienti senza revisione.

Lo stesso vale per Bayer. Uno strumento che raccoglie evidenze di conformità non equivale a un agente autorizzato ad approvare un'affermazione sanitaria.

Queste implementazioni restano comunque importanti. Spostano l'IA da assistente opzionale ai margini del lavoro al percorso operativo che determina se il lavoro viene completato. Tuttavia, mostrano anche che l'adozione aziendale inizia con azioni strettamente governate.

Perché l'attrito nei flussi di lavoro è diventato il primo obiettivo

I team marketing stanno adottando agenti dove i costi di coordinamento sono visibili, ripetitivi e sufficientemente elevati da giustificare il lavoro di integrazione.

Le campagne moderne attraversano molti sistemi specializzati. I team usano applicazioni separate per record dei clienti, acquisto media, analisi, gestione dei contenuti, approvazioni e reportistica. Le informazioni devono transitare tra queste applicazioni prima che una campagna raggiunga il pubblico.

Questa frammentazione crea un contesto favorevole per gli agenti. Un agente può interpretare informazioni meno strutturate, decidere quale sia il passaggio successivo e richiamare uno strumento approvato. L'automazione tradizionale spesso fallisce quando un input varia o una decisione richiede contesto.

L'opportunità ha attirato aziende che costruiscono livelli di orchestrazione sui software di marketing esistenti. Gradial, per esempio, descrive il proprio prodotto come un sistema operativo attraverso il quale gli agenti eseguono lavoro su piattaforme quali Adobe, Salesforce, ServiceNow e Databricks.

Nel giugno 2026, Gradial ha annunciato un round di finanziamento legato a questo modello. Axios ha riferito che tra i clienti dell'azienda figurano AWS, Prudential, T-Mobile, Vanguard, Kaiser Permanente e U.S. Bank.

Il rapporto ha anche citato una dichiarazione particolarmente forte di un cliente. T-Mobile ha affermato di aver ridotto i tempi di esecuzione delle campagne dall'80% al 90%, con un tasso di accuratezza riportato del 99%, utilizzando la tecnologia di Gradial. Questi dati provengono dalle aziende coinvolte e richiedono la stessa cautela degli altri casi studio dei fornitori.

Ciononostante, il modello di flusso di lavoro per il marketing aiuta a spiegare perché le aziende regolamentate figurino tra i primi adottanti. I loro flussi di lavoro includono molte regole, approvazioni e requisiti di documentazione. Questi vincoli offrono a un agente confini più chiari rispetto a quelli della strategia di brand aperta.

Il processo di approvazione di Bayer si adatta a questo schema. I suoi agenti possono potenzialmente applicare ripetutamente politiche note, escalando al contempo i casi ambigui. L'azienda può valutare se il sistema abbia ridotto i tempi di revisione o prevenuto omissioni senza affermare che l'IA abbia sostituito il giudizio umano.

Bayer stava già costruendo un'attività creativa più misurabile prima della più recente discussione sugli agenti. L'azienda utilizza CreativeX per valutare gli asset digitali rispetto a pratiche definite e condividere i risultati con le agenzie.

Secondo Digiday, Bayer ha aumentato la quota di creatività digitali coperte dalla misurazione della qualità da circa il 20% al 70% in approssimativamente un anno. L'azienda ha inoltre chiesto a mercati e brand di raggiungere l'80% del proprio standard consolidato di best practice.

Si tratta di dati riportati dall'azienda, non di prove indipendenti di crescita delle vendite. Mostrano comunque la base operativa necessaria per flussi di lavoro agentici. Gli agenti hanno bisogno di standard documentati e feedback strutturati prima di poter prendere decisioni utili.

I responsabili marketing di Bayer esaminano inoltre dashboard che collegano la qualità creativa agli investimenti media. Il processo segnala i casi in cui una spesa sostanziale sostiene materiale di qualità inferiore.

Questa base rende meno misteriosa l'adozione degli agenti. Bayer non sta chiedendo a un chatbot generico di comprendere ogni dimensione della pubblicità sanitaria. Sta inserendo l'IA in un sistema già esistente di punteggi, politiche, revisioni e responsabili identificabili.

Zoom gode di un vantaggio simile perché le conversazioni avvengono già all'interno della sua piattaforma. Le riunioni forniscono trascrizioni, partecipanti, timestamp, decisioni e attività assegnate. Questo contesto può supportare aggiornamenti CRM e azioni di follow-up senza costringere gli utenti a copiare dati tra strumenti.

Zoom ha inoltre ampliato AI Companion con competenze agentiche. L'azienda afferma che il sistema può usare il contesto delle riunioni per completare attività in Zoom Workplace e nelle applicazioni connesse.

La sua roadmap sull'IA agentica descrive una progressione dai riepiloghi alle azioni. Ciò crea un percorso diretto da una conversazione con il cliente a un'attività di vendita o marketing registrata.

La pressione a breve termine ricade sui fornitori di software marketing e sulle agenzie che dipendono dal coordinamento manuale. Se i brand riescono a codificare decisioni di routine e a conservare i registri delle approvazioni, si aspetteranno che i partner si integrino con questi flussi di lavoro.

Potrebbero anche mettere in discussione i modelli di servizio basati sulle ore di lavoro dedicate allo spostamento di informazioni tra sistemi. L'agente non deve sostituire il lavoro strategico per mettere in discussione l'economia dell'esecuzione ripetitiva.

Google News sta amplificando un successo dell'IA più limitato

La storia da titolo è il marketing autonomo, ma la realtà operativa è un'automazione supervisionata costruita attorno a passaggi specifici.

Google News può far apparire esperimenti aziendali separati come prove di un'unica transizione ampia. Bayer, Zoom, agenzie media e fornitori software usano tutti il termine “agentico”, ma i loro sistemi non condividono necessariamente le stesse capacità.

Una definizione utile è ristretta. L'IA agentica si riferisce a software in grado di interpretare un obiettivo, selezionare i passaggi e compiere azioni autorizzate con supervisione limitata. La quantità di supervisione e l'ambito delle autorizzazioni determinano quanta autonomia abbia effettivamente il sistema.

L'esempio CRM di Zoom sembra più vicino a un'assistenza orientata all'azione che a una gestione indipendente del marketing. Il sistema può ridurre lo sforzo amministrativo dopo le conversazioni, ma i marketer restano responsabili delle decisioni sul pubblico, del posizionamento, del giudizio creativo e delle relazioni con i clienti.

Anche il caso di Bayer è limitato in modo analogo. Gli agenti possono accelerare l'instradamento delle approvazioni e confrontare i materiali con requisiti documentati. Non possono eliminare la necessità di esperti responsabili quando il linguaggio promozionale implica giudizi clinici, normativi o reputazionali.

Questi confini non sminuiscono i progetti. Spiegano perché i progetti abbiano un percorso plausibile verso la produzione.

Gli agenti aperti affrontano un problema di valutazione più ampio. Una campagna può migliorare una metrica danneggiandone un'altra. Costi di acquisizione inferiori possono accompagnarsi a una qualità dei lead più debole, a una frequenza eccessiva dei messaggi o a un calo della fiducia nel brand nel lungo periodo.

Un flusso di lavoro operativo offre verifiche più chiare. L'agente ha compilato i campi CRM corretti? Ha inviato l'asset ai revisori appropriati? Ha conservato la documentazione richiesta? Una persona autorizzata ha approvato l'azione finale?

Queste domande producono risultati osservabili. La strategia di brand raramente offre etichette così nette.

L'esperienza di Zoom nell'ottimizzazione pubblicitaria illustra l'attrattiva delle decisioni delimitate. I metadati indicano che Zoom ha utilizzato il proprio Bid Agent per ottimizzare la pubblicità su LinkedIn e ha riportato una riduzione del 77% del costo per clic, insieme a un ritorno sull'investimento triplicato.

Il caso sull'automazione delle offerte è stato pubblicato dal fornitore della tecnologia. I risultati dovrebbero quindi essere trattati come un caso studio del cliente, non come un confronto controllato.

Anche così, le offerte sono adatte all'assistenza delle macchine. Il sistema riceve dati strutturati sulle campagne, opera entro limiti di budget e piattaforma e può essere valutato rispetto a misure di performance consolidate.

Il rischio consiste nel supporre che il successo nelle offerte si trasferisca direttamente al resto del marketing. L'ottimizzazione media non risolve se un messaggio sia veritiero, distintivo, culturalmente appropriato o utile per un cliente.

L'esperienza di Bayer rende visibile questa tensione. L'IA generativa aumenta l'offerta di contenuti, ma più contenuti non garantiscono una comunicazione migliore.

Digiday ha riferito che Bayer era preoccupata di preservare una dimensione umana mentre la produzione automatizzata si espandeva. Celine Baudin di Bayer ha affermato che l'AI ha reso più facile creare contenuti, ma più difficile distinguere i materiali davvero significativi.

Bayer ha inoltre citato dati di CreativeX secondo cui circa il 45% degli annunci dei creator su Meta non mostrava un branding visibile nei primi tre secondi. Il problema dimostra come l'automazione possa aumentare l'output senza soddisfare obiettivi di comunicazione fondamentali.

Le conclusioni sulla qualità creativa indicano un ruolo diverso per gli agenti. Invece di massimizzare la produzione, un agente può ispezionare gli asset, individuare lacune nelle policy o nella qualità e dare priorità ai materiali per la revisione umana.

Questo è il ribaltamento centrale alla base della storia di Google News. Il marketing agentico sta diventando credibile restringendo le proprie ambizioni.

I sistemi più difendibili non dichiarano di voler sostituire il marketer. Riducono il carico di coordinamento che circonda le decisioni che marketer, team legali, revisori medici e responsabili aziendali devono comunque prendere.

I Numeri Non Dimostrano Ancora il Marketing Autonomo

La maggior parte delle evidenze pubbliche proviene da fornitori e aziende partecipanti, mentre misure standardizzate delle prestazioni degli agenti restano scarse.

I casi di studio disponibili offrono segnali incoraggianti, ma non dimostrano che il marketing agentico funzioni in modo coerente tra organizzazioni diverse. Ogni azienda ha qualità dei dati, autorizzazioni, processi, canali e definizioni di successo differenti.

I miglioramenti pubblicitari riportati da Zoom sono derivati da uno specifico flusso di lavoro per le offerte. I dati di Bayer sulla copertura creativa riflettono l'espansione di un programma interno di misurazione. I miglioramenti di esecuzione riportati da T-Mobile coinvolgono un altro fornitore e un altro ambiente operativo.

Questi risultati non possono essere combinati in una stima universale del rendimento. Rispondono a domande più circoscritte su singole implementazioni.

L'attribuzione crea un altro problema. Quando una campagna ottiene risultati migliori dopo l'introduzione di un agente, possono essere cambiate diverse variabili. Durante l'implementazione, i team possono anche rivedere budget, targeting, creatività, regole di approvazione o pratiche di reporting.

Senza una base di confronto adeguata, l'agente può ricevere il merito di miglioramenti prodotti altrove. Un caso di studio di un fornitore può riportare correttamente il cambiamento osservato, pur non riuscendo a isolarne la causa.

Anche la parola “agente” complica il confronto. Un prodotto può formulare una raccomandazione che una persona approva. Un altro può eseguire automaticamente modifiche entro determinate soglie. Un terzo può coordinare più modelli specializzati e applicazioni aziendali.

Definire agentici tutti e tre i sistemi nasconde differenze importanti in termini di autonomia e rischio. Gli acquirenti enterprise devono chiedersi cosa il software possa leggere, cosa possa modificare e quando debba fermarsi.

La verificabilità è particolarmente importante per Bayer. Un sistema di approvazione deve mostrare quale regola l'agente ha applicato, quali prove ha esaminato, quale versione di un asset ha gestito e chi ha autorizzato la pubblicazione.

Un risultato apparentemente corretto non basta quando un'azienda deve ricostruire il processo in un secondo momento. I team marketing hanno bisogno di registri comprensibili per gli stakeholder legali, di sicurezza, normativi e aziendali.

L'automazione CRM solleva questioni di governance proprie. La trascrizione di una riunione può contenere informazioni riservate sui clienti, dati personali, piani strategici o dichiarazioni inesatte. L'accesso dell'agente dovrebbe corrispondere all'autorizzazione del dipendente e allo scopo per cui le informazioni sono state raccolte.

Anche gli errori possono propagarsi. Una classificazione CRM errata può attivare un'e-mail sbagliata, modificare una previsione o influenzare il modo in cui un altro dipendente tratta il cliente.

La revisione umana resta preziosa quando un errore comporta un elevato costo a valle. La questione pratica di progettazione non è se inserire una persona in ogni ciclo. È dove l'approvazione umana generi più valore del ritardo che comporta.

I team possono rispondere a questa domanda classificando le azioni in base a reversibilità e conseguenze. Redigere un riepilogo interno comporta meno rischi che pubblicare un'affermazione medica. Suggerire un aggiornamento CRM è diverso dall'eliminare o sovrascrivere una scheda cliente.

I sistemi più sicuri assegnano agli agenti autorizzazioni ristrette, convalidano gli output prima dell'esecuzione ed elevano i casi incerti. Monitorano inoltre gli esiti dopo l'implementazione, perché flussi di lavoro, dati e regole esterne cambiano.

Questo onere di governance indebolisce l'idea che gli agenti eliminino semplicemente il lavoro. Spostano parte dell'impegno dall'esecuzione ripetitiva alla progettazione del sistema, alla valutazione, alla gestione delle eccezioni e alla responsabilità.

Può comunque essere uno scambio vantaggioso. Tuttavia, gli acquirenti dovrebbero includere queste responsabilità nella misurazione dell'efficienza.

L'esperienza stessa di Bayer suggerisce che il cambiamento organizzativo possa essere più difficile della tecnologia. I suoi responsabili hanno descritto gli sforzi per creare una responsabilità condivisa tra team frammentati. Un agente non può da solo risolvere una responsabilità poco chiara.

Se diversi reparti non concordano sulla definizione di un'affermazione valida, di un lead qualificato o di una campagna di successo, l'automazione può eseguire più rapidamente il disaccordo. L'organizzazione deve definire la regola prima di aspettarsi che un agente affidabile la applichi.

La qualità della conoscenza diventa quindi un input competitivo. I team hanno bisogno di policy aggiornate, esempi, decisioni e registri delle prestazioni che persone e agenti possano recuperare.

Una base di conoscenza ricercabile può supportare questo lavoro rendendo più facile ispezionare il materiale di origine. Non sostituisce la governance né l'approvazione degli esperti.

La copertura di Google News dovrebbe essere letta tenendo presente questa lacuna di evidenze. Bayer e Zoom hanno individuato usi operativi credibili. Il quadro pubblico non dimostra ancora che agenti autonomi gestiscano funzioni di marketing complete con risultati coerenti e misurati in modo indipendente.

Cosa Dovrebbero Osservare i Marketer

La prossima fase sarà decisa da piste di audit, adozione sostenuta e risultati che resistano a un esame indipendente.

Il primo segnale è un utilizzo più profondo nella produzione. Le aziende dovrebbero rivelare se gli agenti restano limitati a progetti pilota o diventano componenti standard dei flussi di lavoro CRM, di approvazione e di campagna.

L'utilizzo conta più di un annuncio. Uno strumento può funzionare bene in una dimostrazione, ma fallire quando i dipendenti incontrano dati insoliti, istruzioni in conflitto o autorizzazioni mancanti.

Per Zoom, la domanda chiave è se le azioni guidate dalle conversazioni diventeranno una pratica ordinaria tra i team a contatto con i clienti. L'adozione dovrebbe produrre registri CRM coerenti e follow-up completati senza aumentare il lavoro di correzione.

La strategia AI più ampia dell'azienda le offre un vantaggio di distribuzione. Le riunioni contengono già il contesto necessario per agire. Tuttavia, Zoom deve dimostrare che gli utenti si fidano abbastanza del sistema da collegare applicazioni aziendali sensibili.

Il secondo segnale è la qualità delle evidenze. Gli acquirenti dovrebbero cercare misurazioni che separino gli effetti dell'agente da altri cambiamenti della campagna e che riportino i tassi di errore accanto ai guadagni di tempo o di prestazioni.

Una valutazione credibile dovrebbe definire la base di confronto, il campione, il processo di revisione e il periodo considerato. Dovrebbe inoltre rivelare con quale frequenza gli esseri umani hanno corretto, respinto o annullato il lavoro dell'agente.

Le affermazioni sull'accuratezza diventano più utili quando le aziende spiegano cosa sia stato considerato corretto. Un'azione del sistema tecnicamente valida può comunque non sostenere l'obiettivo del cliente o della campagna.

Anche periodi di misurazione più lunghi sono importanti. Un agente può migliorare una metrica di breve termine selezionando pubblici sempre più ristretti o ripetendo tattiche che alla fine perdono efficacia.

Il terzo segnale è la governance sotto pressione. Il flusso di lavoro di conformità di Bayer diventerà più convincente se gestirà cambiamenti nelle policy, affermazioni insolite e differenze tra mercati mantenendo registri chiari.

Il vero test arriva quando un agente si trova davanti all'ambiguità. Un sistema affidabile dovrebbe riconoscere l'incertezza ed elevare la decisione, anziché produrre una risposta sicura non supportata dalla policy.

I fornitori risponderanno aggiungendo controlli di approvazione, dashboard di valutazione, gestione delle autorizzazioni e cronologie delle azioni tracciabili. Queste funzionalità potrebbero rivelarsi più importanti per l'adozione enterprise della capacità di generare un altro concetto di campagna.

Anche le agenzie affrontano una scelta strategica. Possono difendere il coordinamento manuale come parte del loro servizio, oppure riprogettare gli incarichi attorno a risultati, giudizio e supervisione.

I sistemi agentici renderanno più facile ispezionare i passaggi di consegna di routine. I clienti potrebbero chiedere perché un semplice aggiornamento abbia richiesto diverse riunioni, e-mail e ore fatturabili.

Allo stesso tempo, i brand hanno ancora bisogno di una prospettiva esterna. Un sistema interno efficiente può rafforzare le ipotesi se nessuno mette in discussione i suoi obiettivi, i dati di origine o la direzione creativa.

La posizione più solida per un'agenzia combinerà automazione e giudizio indipendente. Le agenzie possono aiutare i clienti a definire standard di valutazione, testare gli agenti su casi difficili e individuare conseguenze che un flusso di lavoro interno trascura.

I marketer dovrebbero resistere alla tentazione di usare “agentico” come scorciatoia negli acquisti. L'etichetta non risponde alla domanda se un sistema si adatti al processo effettivo dell'organizzazione.

Una valutazione utile inizia con un flusso di lavoro circoscritto. I team dovrebbero documentarne input, decisioni, autorizzazioni, costi dei fallimenti e risultato desiderato prima di selezionare la tecnologia.

Dovrebbero poi confrontare l'agente con il processo attuale. Il confronto deve includere tempo di revisione, lavoro di correzione, manutenzione delle integrazioni, controlli di sicurezza e qualità del risultato aziendale finale.

Se Bayer e Zoom pubblicheranno evidenze più solide, i loro progetti sosterranno una conclusione più ampia sul marketing enterprise. Se le divulgazioni resteranno limitate a metriche di successo selezionate, prevarrà l'interpretazione più prudente.

Per ora, la narrativa di Google News è importante nella direzione indicata, ma più circoscritta di quanto suggerisca il titolo. Gli agenti stanno trovando lavoro reale nelle operazioni di marketing, soprattutto dove regole e passaggi di consegna sono già visibili.

L'opportunità non è un reparto marketing che si gestisce da solo. È un livello operativo migliore per il lavoro che oggi si perde tra conversazioni, sistemi, partner e approvazioni.

Prima di adottare questo livello, scegliete un collo di bottiglia ricorrente e definite l'aspetto di un'azione corretta. Poi chiedetevi se un agente possa completarla in sicurezza, spiegare le proprie scelte e ottenere un utilizzo continuativo. Questo test rivelerà più di un'altra ampia promessa sul marketing autonomo.