Social Rocket
Nel mercato pubblicitario gli agenti IA assumono quote crescenti di pianificazione, acquisto e ottimizzazione con budget reali. I sistemi sono ancora lontani da un media buying completamente autonomo, ma i progetti attuali mostrano che il settore sta già passando dall'assistenza all'esecuzione.
I primi budget reali passano attraverso gli agenti
ADWEEK riporta che Apostra, negli ultimi tre mesi, ha gestito circa 1,2 milioni di dollari USA di media buy automatizzati per grandi marchi. Gli agenti possono occuparsi di attività come discovery, negoziazione, approvazione ed esecuzione su più canali.
Un esempio concreto di performance arriva da PubMatic. Il marchio wellness Rouge Care avrebbe investito, secondo ADWEEK, 25.000 dollari USA in una campagna CTV e generato oltre 125.000 dollari USA di fatturato attribuibile. L'acquisto è avvenuto tramite AgenticOS di PubMatic.
In questo modo diventa più concreto lo sviluppo che avevamo già osservato nel lavoro di IAB Europe sul media buying agentico. Lì 58 percento degli intervistati si aspettava sistemi agentici in uso operativo o su scala più ampia entro un anno.
Monks fa lavorare gli agenti in autonomia per 36 fino a 48 ore
Cambia anche il modo di lavorare sul lato delle agenzie. S4 Capital Monks fa lavorare gli agenti IA su attività software interne, secondo Wesley ter Haar, Chief AI and Revenue Officer, per 36 fino a 48 ore senza supervisione umana continua.
Questi lunghi cicli autonomi riguardano oggi soprattutto il coding. Monks estende però già il principio al social e al performance marketing. Qui gli agenti dovrebbero reagire a segnali come trend, volume dei commenti o post in calo.
Per l'inizio di 2027 Monks prevede, secondo Digiday, un primo workflow per i clienti che, dagli insight fino alla gestione della community, dovrebbe girare su questa architettura agentica.
I costi dei token diventano parte del budget per i talenti
Ter Haar descrive i costi di calcolo e dei modelli come parte del budget per i talenti. I team devono quindi decidere quali attività richiedono un modello di punta costoso e dove bastano modelli più economici.
Questo cambia il calcolo tradizionale del lavoro delle agenzie. Accanto alle ore di lavoro si generano costi correnti per agenti, modelli e utilizzo degli strumenti. Allo stesso tempo si riduce il tempo necessario per alcune attività. Monks descrive cicli di lavoro interni scesi da due settimane a due giorni.
La domanda di controllo sta anche alla base della nostra panoramica su IA nel media buying e automazione delle piattaforme.
Standard per il media buying agentico
A settembre l'IAB Tech Lab ha presentato AAMP 3.0. La specifica OpenProposal mira a trasformare il percorso, finora fortemente manuale, dal RFP fino alla promessa di acquisto in un formato leggibile dagli agenti.
In questo modo gli agenti di acquirenti e venditori possono scambiarsi e confrontare offerte in modo strutturato. Allo stesso tempo governance e interoperabilità restano temi centrali, perché in parallelo nascono più protocolli e piattaforme.
Apostra è un esempio di questo nuovo livello di coordinamento. L'azienda, in precedenza Scope3, ora orienta miratamente il proprio modello di business sul media buying agentico. Maggiori dettagli nel nostro approfondimento su Scope3 e Apostra.
Cosa dovrebbero considerare ora i marketer
Il media buying agentico non è ancora una strada in discesa. ADWEEK cita dati di Gartner secondo cui le applicazioni altamente autonome 2025 rappresentavano meno del cinque percento dei casi d'uso di marketing. Per 2028 si prevede 15 per cento.
Per le aziende contano quindi tre aspetti più dell'autonomia massima: limiti di budget chiari, decisioni tracciabili e un modello di escalation umana definito. Più un agente può spostare, acquistare o pubblicare autonomamente, più diventa importante chiarire chi risponde degli errori.