Podcast Pieces: perché Agentic AI promette un futuro entusiasmante per i team

Nella vita dei professionisti del marketing impegnati, l'obiettivo è chiaro: dedicare meno tempo ad attività ripetitive ma necessarie e più tempo a strategie ad alto impatto. L'automazione tradizionale prometteva di rendere le cose un po' più semplici, ma l'intelligenza artificiale agentica ha il potenziale per andare molto oltre.

In questo episodio di Podcast di marketing locale Beat, il presentatore Christian Hustle parla con Uberall CTO Ana Martinez, che guida il team di ricerca e sviluppo dell'azienda per il prodotto, il design e l'ingegneria.

Ana spiega perché considera l'intelligenza artificiale agentica come uno dei cambiamenti più trasformativi dagli albori di Internet e come Uberall si sta evolvendo dall'automazione statica all'orchestrazione nativa dell'IA e basata sugli obiettivi. Con innovazioni come Punteggio delle prestazioni della posizione (LPS) e UB-I, la piattaforma sta diventando più intelligente, più proattiva e pronta a collaborare con gli esperti di marketing come un fidato compagno di squadra.

Dove l'intelligenza artificiale agentica differisce dall'automazione tradizionale

Ana Martinez: «Con l'orchestrazione e l'intelligenza artificiale agentica, puoi avvicinarti molto all'intelligenza proattiva e operare in modo molto più dinamico. Dico sempre che non è che l'IA sostituirà gli umani. L'intelligenza artificiale farà le cose che onestamente non ci piace fare; farà il lavoro pesante e aiuterà gli umani a rimanere strategici. Le squadre possono scalare senza caos. Penso che questo sia il principale cambiamento di ciò che è possibile fare qui».

L'automazione tradizionale è ideale per attività semplici e ripetitive. Ma come sottolinea Ana Martinez, il percorso del cliente di oggi è tutt'altro che semplice. Un cliente potrebbe iniziare con una raccomandazione basata sull'intelligenza artificiale, aggiungere un prodotto al carrello, attendere uno sconto e infine effettuare l'acquisto tramite un link condiviso da un influencer. Il percorso di acquisto è frammentato, imprevedibile e si svolge in tempo reale.

Tale complessità crea un sovraccarico di dati. Le regole e i flussi di lavoro possono andare solo fino a un certo punto: coprono alcuni scenari, ma non tutti. E nel momento in cui un'azienda identifica un nuovo modello e ne scrive una regola, l'opportunità potrebbe già essere persa. Allo stesso tempo, i consumatori ora si aspettano esperienze altamente personalizzate, qualcosa che l'automazione rigida semplicemente non può offrire su larga scala.

È qui che l'intelligenza artificiale agentica fa la differenza. Anziché affidarsi a regole preimpostate, ragiona, si adatta e risponde in modo dinamico al comportamento dei clienti in tempo reale. Per Ana, si tratta di adottare una nuova mentalità, in cui l'intelligenza artificiale lavori in modo proattivo per aiutare le aziende a soddisfare le crescenti aspettative dei clienti in questo momento.

UB-I: IA agentica nella pratica

Ana Martinez: «Ciò che abbiamo fatto è incorporare l'intelligenza agentica nei nostri flussi di lavoro principali. Cosa UB-I (L'agente AI di Uberall) non può fare altro che operare in migliaia di località. Ciò che assicuriamo è che l'essere umano sia sempre aggiornato e abbia il controllo; tutto ciò che fa UB-I e tutti gli agenti dietro di esso è verificabile al 100% e tracciabile al 100%».

Per Ana, l'agente AI di Uberall UB-I è la vetrina e il direttore della piattaforma agentica di Uberall. Dietro le quinte, uno sciame di agenti specializzati lavora in armonia, mentre UB-I funge da responsabile delle prestazioni per ogni sede, 24 ore su 24, 7 giorni su 7. Tiene traccia del Location Performance Score (LPS) di ogni sito e capisce Ottimizzazione delle prestazioni della posizione (LPO) pratica e sa come agire in modo efficiente. Nelle parole di Ana, è trasformativo.

Lo sviluppo di UB-I, afferma, è stato molto diverso dalla creazione di software tradizionale. Invece di requisiti deterministici in base ai quali gli ingegneri sanno esattamente come si comporterà il sistema, UB-I è basato su un modello linguistico di grandi dimensioni (LLM). Ciò significa che le interazioni possono essere imprevedibili e spesso piacevolmente sorprendenti. I primi utenti hanno posto a UB-I domande che il team non si aspettava, solo per scoprire che UB-I era in grado di gestirle grazie alla sua profonda integrazione con la piattaforma Uberall tramite MCP e dati contestuali.

Per farlo funzionare nel mondo reale, il team ha investito fin dall'inizio in guardrail e circuiti di feedback. UB-I è progettato per rimanere in tema, in linea con il marchio e in linea con la fiducia dei clienti. Ciò richiede test, monitoraggio e persino stress test continui per «rompere» il sistema e imparare dalle sue risposte. Come afferma Ana, si tratta di un cambiamento nel modo in cui il software viene costruito, passando da cicli di sviluppo statici a una continua evoluzione della produzione. Il risultato è un'intelligenza artificiale agentica più intelligente, sicura e in costante miglioramento su cui i clienti possono contare.

Per i marchi con più sedi, agenti di intelligenza artificiale come UB-I sono sinonimo di coerenza su larga scala. Possono aspettarsi meno lavoro manuale, un'esecuzione più rapida e una maggiore visibilità online. Ciò consente ai team di concentrarsi sui risultati anziché sulle attività quotidiane. E se combinate con le pratiche LPO, osserva Ana, le aziende dovrebbero vedere non solo una maggiore crescita dei ricavi, ma anche una maggiore efficienza e margini più solidi.

Come le aziende vincono il gioco dell'IA

Ana Martinez: «Anche se hai il miglior tirocinante al mondo che viene a lavorare nella tua azienda, non ti aspetti che quella persona sia efficace sin dal primo giorno. Continuerai a fare l'onboarding di quella persona. Devi comunque dare loro un contesto. Devi spiegare come fai le cose nella tua azienda. Con l'intelligenza artificiale agentica, è più o meno la stessa cosa. È in grado di comprendere il contesto. Può prendere decisioni in modo autonomo e agire in modo proattivo se glielo permetti, ma devi lavorare con esso e dargli quel contesto. Gli darai un feedback e questo a sua volta migliorerà sempre di più».

I consumatori stanno adottando l'IA a una velocità vertiginosa. Come sottolinea Ana, nel prossimo futuro, le persone si aspetteranno di interagire direttamente con gli agenti per tutto, dalla scoperta del prodotto all'acquisto. E man mano che gli agenti diventeranno sempre più diffusi, le piattaforme software seguiranno l'esempio, collegando la collaborazione tra uomo e macchina in modi nuovi e potenti.

Per i team di marketing, questo cambiamento crea due priorità urgenti: l'adattamento al comportamento dei consumatori basato sull'intelligenza artificiale e il ripensamento delle operazioni interne. Le strategie relative ai contenuti devono evolversi per Ricerca AI, mentre le aziende devono identificare le aree ad alto impatto in cui l'intelligenza artificiale può sostituire lo sforzo manuale o gestire i casi limite in modo più efficace rispetto ai flussi di lavoro e alle regole. Ana consiglia di iniziare in piccolo, con un piano di 30-60-90 giorni, per testare i casi d'uso, misurare i risultati e scalare ciò che funziona. L'attenzione, sottolinea, dovrebbe essere rivolta agli obiettivi e ai risultati, non solo alla replica dei processi esistenti.

Soprattutto, esorta le aziende a non temere l'intelligenza artificiale, ma a trattarla come una superpotenza. I migliori risultati derivano dalla collaborazione tra uomo e macchina, guidata da framework collaudati come LPO. Proprio come l'inserimento di un nuovo tirocinante, il successo richiede contesto, feedback e pazienza. L'intelligenza artificiale può commettere errori, ma se guidata, migliora rapidamente e chi investe precocemente ottiene un «incentivo» che rende difficile per i concorrenti recuperare il ritardo. Come dice Ana: la trasformazione sta avvenendo in entrambi i modi. La domanda è se la tua azienda la guiderà o la seguirà.