In breve: la maggior parte delle strategie di IA agentica non hanno successo non perché la tecnologia sia scadente, ma perché i team costruiscono agenti senza coordinamento, dati verificati o distribuzione diretta, ottimizzando per l'attività piuttosto che per l'impatto. Chris Brownlee, Senior Vice President of Product di Yext, spiega perché i brand che ottengono successo nell'era dell'IA non sono quelli dotati di più agenti di IA, ma quelli i cui agenti lavorano insieme a partire da un'unica fonte affidabile verificata.
Il termine "agenti di IA" è su tutti i titoli, al punto che queste parole hanno iniziato a significare tutto e niente.
Tutti i fornitori di software li possiedono (o così dicono). Tutte le aziende ne parlano: molte hanno trascorso l'ultimo anno a implementarli, solo per scoprire che i risultati non corrispondono del tutto alle loro aspettative.
Ma ciò non significa che ci sia un problema nella tecnologia o che gli agenti di IA non abbiano il potenziale per migliorare il nostro lavoro. È solo che c'è una differenza significativa tra "avere agenti di IA" e avere una strategia di IA agentica che produca risultati.
Avere una manciata di agenti di IA che inviano risposte alle recensioni, aggiornano i listing o programmano post sui social può sembrare un progresso. Ma se quegli agenti di IA non sono coordinati tra loro, non lavorano su dati accurati e non sono ancorati a obiettivi che vanno oltre i loro compiti individuali, non hai veramente costruito una strategia di IA agentica. Hai semplicemente creato una versione più automatizzata di ciò che già avevi.
Quindi, cosa dovrebbero fare i brand? Abbiamo chiesto a Chris Brownlee, Senior Vice President of Product di Yext, di spiegarci perché aumentare l'automazione non sempre funziona e cosa si può fare per evitare gli errori comuni.
Lauryn Chamberlain, Senior Editorial Strategy Manager : Chris, tutte le aziende oggi affermano di disporre di agenti di IA. Qual è la versione di questa conversazione che sei stanco di dover affrontare, e su che cosa vorresti che più persone iniziassero a farti domande?
Chris Brownlee, Senior Vice President of Product : Dal punto di vista tecnico, il termine può sembrare poco chiaro, ma quando si immagina un'IA agentica come un altro dipendente che può svolgere lavori per te, inizia ad avere più senso. Il problema è che oggi qualsiasi prodotto può applicare un LLM a un'attività e chiamarlo IA agentica, proprio come tecnicamente puoi assumere una persona qualunque per un lavoro.
Ma noi non cerchiamo una persona qualunque. Cerchiamo esperienza, conoscenza e competenza nel settore. Cerchiamo una persona capace di prendere decisioni mirate, basandosi sui dati a sua disposizione. Fondamentalmente, l'automazione è come un dipendente di livello base: può occuparsi solo del compito che ha davanti. Un vero agente di IA è più simile a un direttore di marketing digitale, in grado di gestire un livello di complessità molto più elevato.
Inserire un LLM in un prodotto è ormai una funzionalità già pronta all'uso e qualsiasi software può farlo. La vera domanda è: qual è il contesto in cui opera l'IA agentica e quali sono i limiti entro cui deve agire?
Questi limiti sono più importanti di quanto la maggior parte delle persone si renda conto.
Ecco un esempio concreto di come le cose possano andare storte. Supponiamo che un IA agentica identifichi che una gelateria potrebbe raggiungere un pubblico più ampio cambiando la sua categoria principale su Google. Con pochissimo contesto, potrebbe cambiare la categoria in "bar", perché il locale vende caffè e sempre più persone cercano caffè. A primo impatto sembra una scelta logica, ma ora quella gelateria è in concorrenza con centinaia di bar nelle vicinanze. Inoltre, a livello operativo, la modifica di una categoria primaria richiede una nuova approvazione del profilo da parte di Google, che può richiedere giorni o settimane. Un disastro.
Minore è la quantità di dati e contesto a disposizione di una IA agentica, maggiore è la probabilità che commetta un errore. La tua IA agentica segue le buone practice generali oppure sa effettivamente come ti posizioni rispetto ai tuoi concorrenti diretti e quali azioni specifiche possono migliorare i tuoi risultati? Questa è la domanda che vale la pena porsi.
Hai menzionato "dati" e "contesto" un paio di volte, quindi vale la pena approfondirli: hai parlato pubblicamente di dati strutturati come fondamento per la visibilità nell'IA. Ma la maggior parte dei professionisti del marketing tratta gli agenti di IA come un problema di flusso di lavoro, non come un problema di dati. Da dove nasce questa discrepanza e perché è importante?
Gli agenti di IA possono aiutarti a costruire un set di dati completo e ricco, e questi dati sono ciò che guida la visibilità nell'IA. Noi di Yext, strutturiamo tutto ciò che riguarda un brand in un grafo di conoscenza. Questi dati ti consentono di apparire in modo coerente sul web, il che contribuisce a creare fiducia nei motori di ricerca basati sull'IA. Quando un motore di ricerca IA vede informazioni coerenti e accurate sul tuo brand, si fida maggiormente nel condividerle con gli utenti.
La difficoltà sta nel mantenere questi dati completi e aggiornati. Gestirli manualmente per migliaia di sedi, ogni giorno, è quasi impossibile. Ecco perché abbiamo creato agenti di IA il cui compito è cercare informazioni che rendano il grafo di conoscenza più completo: scansionando il web, combinando dati esistenti in modi nuovi o attingendo alle interazioni con i clienti per completare il quadro.
Più informazioni conosce un motore di IA sul tuo brand, più è probabile che lo consigli a un cliente pronto ad acquistare. Le corrispondenze ad alto segnale collegano il tuo brand ai clienti con la massima intenzione di acquisto. Questa opportunità parte dai dati, non dal flusso di lavoro.
Nel valutare se una strategia di IA agentica è davvero valida, quali domande poni?
Lo scopo di un'IA agentica è quello di farti risparmiare tempo e aumentare il valore del tuo brand, proprio come se assumessi un dipendente. Assumi personale di livello base per lavori a basso rischio e poco complessi. La stessa logica vale per gli agenti: è proprio nell'esecuzione di attività altamente ripetibili e ben definite che danno il loro meglio, e ne abbiamo già svolte molte per i nostri clienti.
Ma ora ci troviamo in una fase di creazione di quelli che definirei agenti di IA di gestione intermedia: agenti di IA con accesso a set di dati più approfonditi e ampi, che hanno la capacità di confrontare le informazioni e la consapevolezza di comprendere cosa sta facendo l'agente di IA 1 e come questo dovrebbe influenzare le azioni successive dell'agente di IA 2.
La vera domanda da porsi su qualsiasi strategia agentica è se gli agenti di IA operano in modo indipendente o coordinato. Anche sommando più agenti indipendenti, il loro limite resta dato dalla somma dei singoli compiti che ciascuno è in grado di svolgere. Gli agenti di IA coordinati possono offrire qualcosa di più interessante.
Spiegami cosa succede quando gli agenti di IA non sono coordinati: che cosa può andare storto e perché è difficile accorgersene fino a quando non stanno già causando danni?
Questa volta vorrei usare un esempio positivo per illustrare cosa diventa possibile quando il coordinamento funziona davvero.
Supponiamo che la stessa gelateria abbia due agenti di IA: uno che risponde alle recensioni e uno che crea post sui social. Ognuno si dedica a fare il suo lavoro individuale. Ma ecco sarebbero in grado di fare se, come due colleghi, condividessero le informazioni a loro disposizione:
l'IA agentica di risposta alle recensioni si accorge che i clienti continuano a parlare del gusto del mese. Trasmette questo messaggio all'agente dedicato ai social: "In questo momento ai clienti piace tantissimo questo gusto." L'agente social sfrutta questo approfondimento per creare una campagna: post, tempistiche e prospettiva, basati su ciò che i clienti reali dicono in tempo reale.
Se i due agenti di IA non possono condividere le informazioni, questa opportunità viene a mancare. Più riesci a orchestrare gli agenti perché lavorino insieme, gestendo compiti poco strutturati in modo coerente con gli obiettivi complessivi del brand, più efficace diventa l'intero sistema.
Quindi, dove vuole arrivare Yext con tutto questo? Non la versione da roadmap, bensì che cosa significa davvero avere successo?
Si tratta proprio di questo livello di orchestrazione. Stiamo lavorando su un numero maggiore di agenti di IA, ma anche su un livello di gestione intermedio che possa coordinare e adattare la strategia in base ai segnali provenienti da una parte del brand che potrebbero influenzarne un'altra.
Il marketing end-to-end di un brand necessita di collaborazione. Per offrire a un cliente un'esperienza impeccabile durante l'intero percorso, tutto deve essere coordinato e deve comprendere obiettivi e intenti. Migliore è l'esperienza, più è probabile che quel cliente diventi un cliente pagante.
Qualche riflessione finale per i brand che stanno valutando l'IA agentica in questo momento?
Gli agenti di IA non sono una semplice casella da spuntare in una lista di funzionalità. Prima di prendere una decisione analizza a fondo i dati e i limiti operativi degli agenti di IA e assicurati che non ti vengano venduti dei "dipendenti" di livello base per un lavoro da "direttore".
