La crisi delle consulenze: perché l’AI schiaccia le agenzie generaliste

This post has already been read 12 times!

La resa dei conti delle consulenze: sta scomparendo la fascia media

L’intelligenza artificiale sta ridisegnando l’economia delle agenzie. I grandi operatori quantitativi possono sfruttare dati, infrastrutture e automazione; i consulenti di nicchia possono difendere il valore del giudizio e della relazione. Nel mezzo, chi vende soprattutto esecuzione rischia di trovarsi schiacciato tra prezzi in caduta e clienti sempre più autonomi.

Il problema non è che l’intelligenza artificiale lavori meglio. È che cambia il prezzo del lavoro

C’è una scena che potrebbe svolgersi in molte agenzie di marketing. Un cliente riceve una proposta per una ricerca di mercato, un’analisi dei concorrenti, un piano editoriale e una presentazione strategica. Il preventivo è di diverse migliaia di euro e la consegna richiede alcune settimane. Prima di approvarlo, il responsabile marketing apre un assistente AI, descrive il problema, carica qualche documento e ottiene una prima analisi nel giro di un pomeriggio.

Il risultato non è necessariamente migliore di quello che avrebbe prodotto l’agenzia. Potrebbe essere superficiale, contenere dati imprecisi o ignorare vincoli aziendali importanti. Eppure, dal punto di vista economico, è già successo qualcosa di rilevante: il cliente ha scoperto che una parte del lavoro per cui pagava può essere prodotta con costi molto inferiori.

La conseguenza non è soltanto una maggiore efficienza. È una nuova negoziazione del valore.

Per anni, una parte consistente del mercato delle consulenze ha funzionato grazie alla combinazione di competenze, tempo e capacità organizzativa. Il cliente acquistava un risultato, ma il prezzo incorporava anche le ore necessarie per raccogliere informazioni, analizzare dati, preparare documenti e coordinare collaboratori. La produzione aveva un costo significativo e, proprio per questo, costituiva una barriera all’ingresso.

L’intelligenza artificiale interviene su questa struttura. Riduce il tempo necessario per molte attività ripetibili, rende accessibili competenze operative prima costose e consente a gruppi piccoli di produrre una quantità di materiali che un tempo avrebbe richiesto una squadra più ampia.

Forrester ha evidenziato nel settembre 2025 il paradosso economico dei servizi di consulenza nell’era dell’AI: i fornitori possono svolgere più lavoro a costi inferiori, ma questa efficienza mette sotto pressione i margini quando non si traduce in una proposta di valore diversa. Anche nel marketing, produrre di più non significa automaticamente guadagnare di più.

La domanda che conta, quindi, non è se le agenzie sopravviveranno. È quali attività continueranno a meritare un prezzo elevato e quali diventeranno difficili da vendere separatamente.

La barbell economy delle consulenze

Per capire la trasformazione in corso, è utile utilizzare il modello economico del barbell, il bilanciere: due estremi che possono prosperare contemporaneamente, mentre le attività collocate nel mezzo subiscono una pressione crescente.

Nel mercato delle consulenze, i due estremi sono molto diversi.

Da una parte troviamo i grandi operatori capaci di combinare dati proprietari, tecnologia, capacità quantitativa, distribuzione commerciale e processi standardizzati. Possono investire in infrastrutture, automatizzare grandi volumi di lavoro e distribuire i costi tecnologici su molti clienti. Il loro vantaggio non consiste semplicemente nell’avere accesso all’AI, ma nell’integrarla in un sistema operativo commerciale che produce risultati ripetibili.

Dall’altra parte troviamo lo specialista di nicchia: il consulente che conosce profondamente un settore, comprende le motivazioni di una particolare categoria di clienti e sa prendere decisioni in situazioni nelle quali i dati sono incompleti, le preferenze sono difficili da formalizzare e gli errori hanno conseguenze rilevanti.

Nel mezzo si colloca il fornitore generalista che vende soprattutto capacità esecutiva: report, contenuti, campagne standard, analisi descrittive, presentazioni e attività di coordinamento relativamente facili da specificare e confrontare.

Non significa che tutte le agenzie medie siano destinate a scomparire. La dimensione aziendale, da sola, non determina il destino competitivo. Un’agenzia di venti persone con competenze verticali e processi proprietari può essere molto più difendibile di una struttura con cento dipendenti che vende servizi indistinguibili dalla concorrenza.

La vera linea di separazione passa fra ciò che il cliente può replicare facilmente e ciò per cui continua ad aver bisogno di un soggetto competente, responsabile e credibile.

👉 Carriera Antifragile: Come Applicare la Strategia Barbell di Nassim Taleb al Lavoro

Il costo marginale dell’esecuzione sta cambiando

In economia, il costo marginale è il costo aggiuntivo necessario per produrre un’unità in più di un bene o servizio. Nel lavoro consulenziale, possiamo applicare il concetto al tempo e alle risorse richieste per consegnare un’ulteriore analisi, una nuova variante di un contenuto o una versione aggiornata di un report.

Supponiamo che un’agenzia impieghi dieci ore per produrre un’analisi competitiva e che il costo interno complessivo sia di 50 euro per ora. Il costo diretto del lavoro è pari a 500 euro, prima di considerare vendita, coordinamento, infrastruttura e margine.

Con strumenti AI ben integrati, lo stesso lavoro potrebbe richiedere quattro ore di intervento umano, con un costo diretto di 200 euro, oltre agli eventuali costi tecnologici e di controllo. La riduzione del costo del lavoro è del 60%.

Il calcolo è semplice:

• Costo iniziale: 10 × 50 = 500 euro.
• Costo dopo l’automazione: 4 × 50 = 200 euro.
• Risparmio diretto: 300 euro, pari al 60%.

Questi numeri sono un esempio illustrativo, non una stima media del settore. Servono a mettere in evidenza il meccanismo.

Se il prezzo pagato dal cliente resta invariato, l’agenzia può migliorare il margine, almeno finché la concorrenza non la costringe a trasferire parte del risparmio al mercato. Se invece tutti i concorrenti riescono a produrre un servizio simile in meno tempo, il cliente avrà maggiori possibilità di negoziare il prezzo.

Qui si trova il punto critico: l’efficienza produttiva non garantisce il potere di determinare il prezzo.

Un’agenzia può diventare più veloce e, contemporaneamente, meno redditizia. Se il cliente percepisce il servizio come una commodity, il risparmio ottenuto attraverso l’AI può trasformarsi in uno sconto richiesto dal mercato anziché in un margine aggiuntivo per il fornitore.

Forrester ha descritto un problema analogo nel marketing: molte agenzie sostengono direttamente i costi necessari a sviluppare le proprie capacità AI, senza riuscire a trasferire automaticamente al cliente il valore di queste innovazioni. La tecnologia migliora la produzione, ma il modello di remunerazione non sempre premia chi la utilizza meglio.

La fascia media rischia di trovarsi proprio in questa trappola: investe per diventare più efficiente, ma continua a vendere un servizio che il cliente giudica principalmente in base al prezzo.

Due consulenze, due scelte opposte

Per comprendere le conseguenze strategiche, immaginiamo due società di consulenza che operano nello stesso mercato: il marketing digitale per imprese di medie dimensioni.

I casi seguenti sono simulazioni costruite per questo articolo. I valori economici non descrivono aziende reali e non devono essere interpretati come benchmark di settore.

La prima consulenza: diventare una macchina quantitativa

La società Alfa ha venticinque collaboratori e lavora per clienti appartenenti a diversi settori. Offre analisi di marketing, dashboard, report periodici, campagne pubblicitarie e presentazioni per il management.

Il suo modello commerciale si fonda sulla disponibilità di un gruppo di persone capaci di raccogliere informazioni, elaborarle e trasformarle in raccomandazioni. Il problema è che molte attività sono simili da un cliente all’altro.

Alfa decide di cambiare direzione. Invece di limitarsi a introdurre un chatbot per scrivere più velocemente, costruisce un processo che integra dati pubblicitari, CRM, vendite, costi commerciali e informazioni sulle campagne. L’AI supporta la preparazione delle analisi, ma il valore distintivo nasce dalla qualità dei dati, dai modelli di misurazione, dalle regole di controllo e dalla capacità di collegare le decisioni di marketing ai risultati economici.

Il prodotto non è più il report mensile. È un sistema che aiuta il cliente a rispondere a domande come queste: quale investimento incrementale genera più margine? Quale segmento acquisisce clienti con maggiore valore nel tempo? Quanto del risultato attribuito alla campagna sarebbe avvenuto comunque?

Alfa passa così dalla produzione di documenti alla gestione di un processo decisionale.

Immaginiamo che, prima della trasformazione, servano 100 ore al mese per servire un cliente, con un costo interno medio di 50 euro l’ora. Il costo diretto mensile è di 5.000 euro. Il canone è di 7.000 euro, con un margine diretto di 2.000 euro.

Dopo la trasformazione, le ore scendono a 55, mentre il costo medio rimane di 50 euro. Il costo diretto diventa 2.750 euro. Se il prezzo resta a 7.000 euro, il margine diretto sale a 4.250 euro.

Il margine diretto passa dal 28,6% al 60,7%.

È una differenza importante, ma non rappresenta il profitto netto: occorre ancora sottrarre i costi di sviluppo dei sistemi, licenze, infrastruttura, sicurezza, vendita, assistenza e controllo della qualità. La trasformazione conviene soltanto se questi costi aggiuntivi non assorbono il risparmio.

Il vantaggio più interessante, però, è un altro. Alfa può servire più clienti senza aumentare proporzionalmente il personale e può accumulare nel tempo procedure, modelli e conoscenze riutilizzabili. Se riesce a mantenere la qualità e a dimostrare l’impatto economico delle proprie analisi, la sua posizione competitiva diventa più solida.

Non ha semplicemente sostituito ore umane con AI. Ha costruito un sistema produttivo che combina automazione e competenze specialistiche.

La seconda consulenza: diventare insostituibile in una nicchia

La società Beta ha sei collaboratori e lavora con produttori indipendenti di arredamento di fascia alta. Non compete sui volumi e non propone ogni possibile servizio digitale.

Conosce invece le dinamiche del settore: il ruolo degli showroom, le differenze tra architetti e consumatori finali, i tempi lunghi delle decisioni d’acquisto, il peso della reputazione del marchio e la distanza fra interesse digitale e vendita effettiva.

Beta utilizza l’AI per attività che non richiedono una competenza esclusiva: preparare varianti di contenuti, organizzare ricerche preliminari, analizzare documenti e sintetizzare dati. Non vende però queste attività come prodotto principale.

Il suo servizio consiste nell’aiutare il cliente a prendere decisioni difficili. Per esempio, deve stabilire se un marchio debba investire in una rete di showroom, aumentare il budget pubblicitario, rafforzare la relazione con gli architetti oppure cambiare il modo in cui presenta il valore dei propri prodotti.

Per decidere, Beta combina dati, conoscenza del mercato, osservazione delle dinamiche commerciali e colloqui con le persone coinvolte. Sa che un aumento dei contatti non equivale necessariamente a una crescita delle vendite e che una campagna apparentemente inefficiente può contribuire a costruire una reputazione decisiva nei mesi successivi.

Un sistema generativo può formulare ipotesi, sintetizzare interviste e preparare scenari. Non sostituisce automaticamente la responsabilità di scegliere quale ipotesi meriti di essere testata, quale rischio sia accettabile e quali segnali siano davvero significativi per quella specifica impresa.

Beta può quindi difendere un prezzo superiore a quello di un fornitore generalista, purché dimostri che la propria specializzazione migliora le decisioni del cliente. La relazione personale, da sola, non basta: deve essere sostenuta da competenza, risultati e conoscenza difficilmente trasferibile a un concorrente.

Il confronto economico

Alfa e Beta scelgono strade differenti, ma condividono un principio: non cercano di difendere il prezzo di un’attività facilmente replicabile.

Dimensione	Alfa: modello quantitativo	Beta: specialista di nicchia
Fonte del vantaggio	Dati, modelli e processi riutilizzabili	Conoscenza verticale e giudizio
Ruolo dell’AI	Automatizza e scala l’analisi	Riduce il lavoro preparatorio
Elemento venduto	Sistema decisionale misurabile	Consulenza su problemi specifici
Leva di crescita	Più clienti con costi meno che proporzionali	Maggiore valore per cliente
Rischio principale	Investimenti elevati e dipendenza dai dati	Dipendenza da poche persone o clienti
Difesa del prezzo	Impatto economico dimostrabile	Specializzazione e fiducia guadagnata

Non sono due modelli universalmente superiori. Alfa deve sostenere costi tecnologici, garantire qualità e sicurezza e distinguersi da piattaforme che potrebbero offrire strumenti analoghi. Beta deve evitare che la propria reputazione dipenda da una sola persona e trasformare la conoscenza individuale in un metodo trasferibile.

Entrambe, tuttavia, hanno scelto una posizione riconoscibile. Il loro cliente non compra soltanto ore di lavoro.

Perché la fascia media rischia di essere schiacciata

Immaginiamo ora una terza società, Gamma. Non possiede una piattaforma proprietaria, non dispone di dati esclusivi e non è riconosciuta per una specializzazione particolare. Offre un po’ di tutto: SEO, social media, reportistica, advertising, contenuti, strategia e consulenza.

Gamma non è necessariamente inefficiente. Può avere collaboratori preparati e clienti soddisfatti. Il problema è che molte delle sue prestazioni sono comparabili con quelle di decine di concorrenti.

Quando il cliente può generare autonomamente una prima analisi, produrre bozze di contenuti e ottenere suggerimenti operativi, Gamma deve spiegare perché il proprio intervento vale ancora il prezzo richiesto. Se la risposta è semplicemente «perché abbiamo esperienza», il vantaggio rischia di essere troppo generico.

La concorrenza agisce su due fronti.

Dal basso arrivano professionisti indipendenti che, grazie all’AI, possono offrire servizi operativi a prezzi inferiori rispetto al passato. Dall’alto arrivano grandi operatori e piattaforme che integrano automazione, dati e distribuzione in pacchetti sempre più completi.

Gamma perde così parte del vantaggio che derivava dall’essere abbastanza grande da organizzare il lavoro, ma abbastanza piccola da offrire flessibilità.

La sua risposta non può consistere soltanto nell’adottare gli stessi strumenti dei concorrenti. Se tutti utilizzano una tecnologia simile, il semplice accesso alla tecnologia non costituisce una differenziazione durevole.

Deve scegliere dove accumulare un vantaggio specifico: in un settore, in un problema economico, in un patrimonio di dati, in un processo proprietario oppure nella capacità di accompagnare un cambiamento organizzativo complesso.

La fascia media non scompare necessariamente come dimensione aziendale. Rischia di scomparire come posizionamento privo di una ragione convincente per pagare di più.

La scarsità si sposta dal produrre al giudicare

Per anni, molte imprese hanno pagato consulenti perché non disponevano internamente di tempo, persone o competenze sufficienti per produrre un’analisi. Con l’AI, una parte di questa scarsità si riduce.

Diventa più semplice generare alternative, confrontare strategie, sintetizzare documenti e preparare simulazioni preliminari. Ma la disponibilità di risposte non elimina la difficoltà di scegliere fra risposte incompatibili.

Un’impresa può ricevere dieci proposte per aumentare le vendite e non sapere quale abbia senso sperimentare per prima. Può avere una dashboard piena di indicatori senza capire quali siano causalmente collegati ai risultati. Può automatizzare una campagna e peggiorare la qualità dei clienti acquisiti.

Il valore del consulente si sposta quindi verso alcune attività più difficili da standardizzare:

• Definizione del problema: distinguere il sintomo dalla causa e stabilire quale decisione debba essere presa.
• Valutazione delle evidenze: separare correlazioni, ipotesi e risultati dimostrati.
• Scelta sotto incertezza: confrontare alternative quando i dati non permettono una risposta univoca.
• Responsabilità: dichiarare i limiti di una raccomandazione e rispondere delle scelte concordate.
• Implementazione: modificare processi, incentivi e comportamenti affinché una buona analisi produca risultati reali.

Non bisogna però trasformare il giudizio umano in una nuova formula pubblicitaria. Anche il giudizio può essere mediocre, superficiale o privo di riscontri. Un consulente che si definisce strategico ma non sa collegare le proprie raccomandazioni a ipotesi verificabili rischia di vendere soltanto un’etichetta più elegante.

La scarsità del giudizio diventa un vantaggio economico solo quando il cliente riesce a riconoscerne la qualità e a collegarla a decisioni migliori.

Il problema del prezzo: vendere ore o vendere risultati?

Il cambiamento tecnologico mette sotto pressione anche il modo in cui le consulenze formulano i preventivi.

Se un’attività richiede dieci ore prima dell’introduzione dell’AI e quattro dopo, fatturare esclusivamente il tempo impiegato può penalizzare il fornitore più efficiente. Ma passare automaticamente a un prezzo basato sui risultati non è sempre semplice.

Per legare il compenso ai risultati occorre che questi siano misurabili, che il consulente possa influenzarli in misura significativa e che cliente e fornitore concordino come attribuire gli effetti.

Un aumento delle vendite, per esempio, può dipendere contemporaneamente dalla campagna pubblicitaria, dai prezzi, dalla distribuzione, dalla stagionalità e dal lavoro della rete commerciale. Se il consulente viene remunerato esclusivamente sulla crescita del fatturato, potrebbe assumersi rischi che non è in grado di controllare.

Per questo, una struttura contrattuale ibrida può risultare più adatta:

• una quota fissa per diagnosi, progettazione e attività continuative;
• una componente variabile collegata a indicatori concordati;
• un sistema di misurazione che definisca baseline, periodo di osservazione, esclusioni e responsabilità.

Un esempio: un’agenzia gestisce un programma di acquisizione clienti con un compenso fisso di 4.000 euro mensili e una componente variabile collegata al margine incrementale verificato rispetto a un riferimento concordato. Il contratto deve chiarire come trattare promozioni, variazioni di prezzo, cambiamenti del budget e differenze nella qualità dei clienti.

La metrica non elimina l’incertezza, ma rende più trasparente la relazione fra compenso e valore prodotto.

Anche il modello a canone può rimanere efficace quando remunera un servizio continuativo, un sistema operativo o una capacità specialistica, anziché un numero implicito di ore. La questione non è scegliere una formula di prezzo di moda, ma costruire un contratto coerente con ciò che il fornitore controlla e con ciò che il cliente desidera ottenere.

Tre strategie per non restare intrappolati nel mezzo

Per una consulenza generalista, la transizione richiede più di un nuovo listino o di un abbonamento a un modello linguistico. Occorre ridefinire il prodotto.

Specializzarsi in un problema, non soltanto in un settore

Dire «lavoriamo con le PMI» non è una specializzazione sufficiente. È più utile sapere, per esempio, come ridurre il costo di acquisizione senza peggiorare il margine, come misurare la redditività dei canali per un e-commerce o come migliorare la conversione commerciale di un’impresa B2B.

La specializzazione deve rendere riconoscibili il problema affrontato, il metodo adottato e il tipo di risultato atteso.

Trasformare le attività ripetibili in un sistema

Le procedure che si ripetono fra clienti dovrebbero diventare processi documentati, modelli, strumenti e controlli riutilizzabili. L’obiettivo non è soltanto risparmiare tempo, ma ridurre la dipendenza dalle singole persone e migliorare la coerenza dei risultati.

Un sistema proprietario non deve necessariamente essere un software complesso. Può essere un insieme ben progettato di procedure, basi dati, modelli di analisi, controlli di qualità e criteri decisionali che l’agenzia applica con continuità.

Rendere visibile il valore che precede e segue l’esecuzione

Molte agenzie misurano la produzione: articoli pubblicati, campagne lanciate, report consegnati, riunioni svolte. Sono indicatori utili per controllare il lavoro, ma non dimostrano da soli l’impatto economico.

Il passo successivo consiste nel collegare l’attività a risultati più rilevanti: margine, conversione, retention, costo di acquisizione, valore del cliente nel tempo o riduzione degli sprechi.

Questo richiede metodo e, in alcuni casi, ammettere che l’effetto di un intervento non è ancora dimostrato. La trasparenza sui limiti della misurazione può diventare parte del valore consulenziale, soprattutto quando il mercato è saturo di promesse difficili da verificare.

Il paradosso dell’abbondanza: più contenuti, meno attenzione

La trasformazione delle consulenze non riguarda soltanto i costi. Riguarda anche la quantità di offerta disponibile.

Se produrre contenuti, analisi e proposte diventa più semplice, il mercato può essere sommerso da materiali apparentemente professionali. Il cliente riceve più alternative, ma deve spendere tempo per distinguerle. La disponibilità cresce più rapidamente della capacità di attenzione.

È qui che il tema dell’abbondanza si collega all’irrilevanza: quando molti concorrenti possono produrre output simili, aumentare il volume non basta a costruire una posizione riconoscibile.

Una consulenza può pubblicare il doppio degli articoli, preparare più report e generare più varianti creative senza migliorare la propria capacità di convincere un cliente. La produzione cresce, ma la differenziazione rimane ferma.

In questa situazione, diventano importanti il posizionamento, la reputazione, la qualità delle prove e la coerenza fra ciò che si promette e ciò che si consegna.

La stessa logica aiuta a comprendere la differenza fra prodotto e lock-in. Un singolo deliverable può essere sostituito con relativa facilità; un sistema integrato nei processi del cliente, costruito su dati, competenze e procedure condivise, è più difficile da rimpiazzare. Questo non significa creare dipendenza artificiale o ostacolare il cliente: significa offrire un servizio la cui utilità cresce perché è connesso alle decisioni e alle attività dell’impresa.

Il punto di contatto con la contrapposizione fra Seth Godin e il Lean Marketing è altrettanto interessante. La differenziazione e la capacità di farsi scegliere sono essenziali, ma devono confrontarsi con evidenze e sperimentazione. Una promessa distintiva senza risultati rischia di diventare retorica; una misurazione senza una proposta riconoscibile rischia di ottimizzare un’offerta che nessuno desidera davvero.

Per uscire dalla fascia media, servono entrambe: una ragione per essere scelti e un metodo per dimostrare che quella scelta ha senso.

La nuova domanda per i manager: quale parte del valore sto pagando?

Anche i clienti devono cambiare modo di acquistare consulenza. Se confrontano soltanto il prezzo di due report, rischiano di trattare come equivalenti servizi che hanno finalità molto diverse. Se accettano preventivi elevati soltanto perché presentati come strategici, rischiano invece di pagare per un’etichetta.

Un responsabile marketing dovrebbe distinguere almeno tre livelli.

Il primo è la produzione: quanto costa ottenere un contenuto, un’analisi o una campagna? Qui l’automazione può ridurre tempi e costi, e la trasparenza sui processi è utile.

Il secondo è la capacità analitica: quanto sono affidabili i dati, i modelli e le interpretazioni? Il cliente deve verificare le fonti, le assunzioni, la qualità delle misurazioni e i limiti delle conclusioni.

Il terzo è il contributo decisionale: in che modo il lavoro cambia una scelta, riduce un rischio o migliora un risultato? È il livello che dovrebbe giustificare una parte importante del compenso quando la consulenza opera su problemi complessi.

La domanda da porre a un fornitore non è più soltanto «che cosa consegnerete?». È anche «quale decisione saremo in grado di prendere meglio grazie a questo lavoro, e come verificheremo che sia stato utile?».

Questa domanda non svaluta l’esecuzione. La colloca nel suo giusto contesto: l’esecuzione è indispensabile, ma non sempre costituisce da sola una ragione sufficiente per pagare un premio.

La fascia media non è morta. È finita la protezione dell’indistinguibilità

La previsione più semplice sarebbe annunciare la scomparsa delle agenzie generaliste. Sarebbe anche una previsione troppo facile.

Continueranno a esistere imprese che hanno bisogno di un interlocutore capace di coordinare più attività, mantenere una relazione continuativa e assumersi responsabilità operative. Non tutte possiedono le risorse o il desiderio di gestire direttamente una rete di specialisti e strumenti AI.

Ma il generalismo dovrà dimostrare di essere un vantaggio organizzativo, non soltanto un catalogo di servizi.

Un’agenzia media può diventare il punto di raccordo fra dati, creatività, tecnologia e processi commerciali. Può sviluppare una specializzazione, costruire strumenti riutilizzabili o offrire una gestione integrata che riduca i costi di coordinamento per il cliente. In questi casi, la sua posizione intermedia può essere utile e difendibile.

Il problema riguarda chi rimane nel mezzo senza una competenza distintiva, senza economie di scala e senza una relazione sufficientemente forte con il cliente.

La nuova economia delle consulenze premia due capacità che sembrano opposte: industrializzare ciò che può essere standardizzato e valorizzare ciò che non dovrebbe esserlo. La prima richiede processi, dati e tecnologia; la seconda richiede giudizio, conoscenza del contesto e responsabilità.

Alfa ha scelto di costruire una macchina quantitativa. Beta ha scelto di approfondire una nicchia. Non sappiamo quale delle due crescerà più velocemente, perché il risultato dipenderà dai clienti, dai costi, dalla concorrenza e dalla capacità di mantenere le promesse.

Sappiamo però quale domanda entrambe hanno affrontato: che cosa resterà prezioso quando produrre l’output costerà molto meno?

Per le consulenze, la resa dei conti comincia proprio da qui. Non quando l’AI sostituisce una persona, ma quando il cliente smette di riconoscere un valore distintivo nel lavoro che quella persona produce.

Il futuro non appartiene necessariamente ai più grandi o ai più piccoli. Appartiene a chi riesce a spiegare, dimostrare e difendere il motivo per cui il proprio intervento conta.

---

Approfondimenti:

Forrester — The AI Cost Center Crisis: spiega perché i guadagni di produttività dell’AI non si trasformano automaticamente in maggiori ricavi per le agenzie.

Forrester — As AI Use Expands, B2B Marketers Become More Selective About Agency Spend: approfondisce la selettività dei clienti e il valore delle competenze specialistiche.

Forrester — The Cost Of AI Productivity Is Less Creativity: utile per sviluppare il tema del rischio di sacrificare creatività e differenziazione in nome dell’efficienza.

Pubblicità