Per anni, la domanda al centro di ogni conversazione sulla marketing technology è stata la stessa: quale piattaforma scegliere? Quale vendor esegue al meglio una determinata funzione? Quale stack regge il confronto con quello del competitor? Era una domanda ragionevole, in un’epoca in cui il marketing data stack era essenzialmente un catalogo di applicazioni, ognuna con la sua funzione, il suo silo, la sua promessa.
Questa però non è più la domanda giusta. È una delle conclusioni più nette che emergono dalla quinta edizione del report The Modern Marketing Data Stack di Snowflake, costruito sull’analisi di oltre 11.500 clienti attivi e su cinque anni di osservazione continua dell’ecosistema. Nel 2026, le organizzazioni marketing più avanzate non si chiedono quale tool aggiungere allo stack. Si chiedono come fare in modo che l’intelligenza artificiale possa operare nell’organizzazione esistente in modo scalabile, affidabile e responsabile.
Dall’AI che assiste all’AI che agisce
Negli ultimi due anni, l’adozione dell’AI generativa nel marketing è diventata pervasiva. Ma il cambiamento più rilevante che il report Snowflake ha registrato non riguarda la generazione di contenuti o il supporto all’analisi. Riguarda l’emergere dei primi workflow agentici: sistemi che non assistono su un task singolo, ma disegnano workflow, lanciano azioni e influenzano decisioni.
Scott Brinker, analista di chiefmartec e voce di riferimento del settore, lo ha sintetizzato in modo preciso: “L’AI non ha ridefinito lo stack principalmente sostituendo gli strumenti, ma creando un nuovo control plane al di sopra di essi”. I sistemi esistenti continuano a gestire canali ed esecuzione. Ma l’intelligenza si è spostata a monte, in un layer che assembla il contesto, prende le decisioni, e poi guida l’azione su tutto il resto.
Questo significa che la qualità dello stack non si misura più sulla somma delle funzionalità dei singoli tool, ma dalla capacità di quel layer di controllo governato di operare efficacemente.
Il tradeoff che la maggior parte degli stack non risolve
C’è una tensione strutturale che emerge con chiarezza dai dati di questa edizione. Le organizzazioni marketing, oggi, sono chiamate a fare due cose contemporaneamente, e in apparente contraddizione: proteggere i dati del cliente, per soddisfare requisiti di privacy, fiducia e compliance, e usare quegli stessi dati ovunque possano creare valore, dalla personalizzazione alla misurazione all’AI.
La maggior parte degli stack affronta un aspetto lasciando l’altro in secondo piano. Architetture costruite su decine di copie dei dati distribuite tra tool diversi creano latenza, frammentazione e gap di governance che diventano insostenibili nel momento in cui entrano in gioco agenti automatizzati. Il problema non è tecnico, è architetturale. E ha conseguenze dirette sulla velocità con cui un’organizzazione può scalare l’AI in modo sicuro.
La governance non è il freno. È l’infrastruttura
C’è un malinteso diffuso da correggere. Governance non significa rallentare l’innovazione per soddisfare il team legal. Significa costruire l’architettura che permette agli agenti AI di agire con autonomia, offrendo ai team un modo per muoversi più rapidamente senza perdere il controllo.
Kate Mackie, Chief Marketing Strategy and Operations Officer di EY, lo dice in modo diretto: “Senza dati affidabili e ben gestiti, ogni ambizione nel campo dell’AI si riduce a rumore: lenta, rischiosa e impossibile da scalare. I team che oggi hanno successo sono quelli che stanno modernizzando le proprie data foundation, prima di ogni altra cosa.”
La governance deve essere integrata nei processi di accesso, condivisione e attivazione dei dati, non gestita manualmente a monte tramite policy. Semantiche condivise, identity resolution affidabile, consent enforcement automatizzato: non sono requisiti tecnici astratti. Sono le precondizioni perché un agente possa agire senza doversi chiedere ogni volta se si stanno usando i dati giusti nel modo giusto.
Cosa ci dicono cinque anni di dati
L’arco delle cinque edizioni del report racconta una progressione coerente. Nel 2022 venivano mappate sei categorie, con focus sull’adozione. Oggi le categorie sono molte di più, e per la prima volta la governance degli agenti non-umani emerge come categoria esplicita di rischio e opportunità.
I numeri dell’ecosistema confermano una maturazione, non una frammentazione: l’84% dei vendor presenti nell’edizione precedente sono ritornati anche in questa, e l’86% delle organizzazioni che erano leader nel report dell’anno scorso ha mantenuto la propria posizione. Quattordici vendor hanno mantenuto lo status di leader in tutte e cinque le edizioni, un segnale che la rilevanza duratura richiede molto più che feature aggiornate. Richiede integrazione profonda con la realtà operativa dei clienti. Il 64% dei vendor indicati come “ones to watch” nella prima edizione è oggi riconosciuto come leader: il mercato premia chi dimostra di saper crescere, non chi promette di farlo.
La scelta da fare adesso
Il prossimo capitolo del marketing data stack non si gioca sul numero di agenti AI che le organizzazioni riescono a distribuire, ma sulla loro affidabilità e sulla capacità di governarli con piena visibilità su ciò che fanno e sul perché.
Il successo delle organizzazioni non risiede necessariamente nell’estrema automazione, ma piuttosto nel costruire un sistema in cui l’AI può agire in maniera affidabile: con i dati giusti, i permessi giusti, il contesto giusto, e la supervisione umana nel momento in cui conta davvero.
Questo è il significato di governing the agentic enterprise. Ed è una scelta architetturale che le organizzazioni marketing stanno facendo adesso, e che determinerà chi sarà in grado di scalare nei prossimi tre anni.
