Predactiv ha messo MCP in produzione

Mancano ancora metriche condivise per distinguere un server in staging da uno in produzione

L’elenco dei sostenitori di MCP — il Model Context Protocol open source nato in casa Anthropic — è cresciuto fino a includere Claude, ChatGPT, Visual Studio Code, Cursor, MCPJam e, da oggi, anche Predactiv. Il 30 giugno 2026 la piattaforma di data collaboration ha annunciato il lancio di un server MCP e di una Platform API già disponibili in produzione. Una notizia che allunga la lista dei nomi illustri e alimenta la narrazione di un ecosistema in piena espansione. Ma se spostiamo lo sguardo dai comunicati stampa ai flussi di dati effettivi, la domanda diventa più scomoda: quanti di questi server MCP sono realmente connessi a workflow critici, con volumi misurabili e SLA documentati? La risposta, per ora, la conoscono in pochi.

L’illusione dell’adozione di massa

Da quando Anthropic ha rilasciato il Model Context Protocol in open source il 25 novembre 2024, la lista di aziende che dichiarano supporto a MCP si è allungata mese dopo mese. Il protocollo nasce con una promessa chiara: offrire uno standard universale e aperto per connettere sistemi di intelligenza artificiale a fonti di dati eterogenee, sostituendo integrazioni frammentate con un unico linguaggio comune. Una value proposition che ha fatto presa su vendor, piattaforme e sviluppatori. Il problema è che il supporto dichiarato non è una metrica di adozione, e l’adozione non è ancora una metrica di valore generato. Chi opera nella marketing analytics lo sa bene: dichiarare un’integrazione con Facebook Ads o Google Analytics non significa che i dati fluiscano correttamente, né tantomeno che quei dati vengano usati per decisioni che spostano il fatturato. E nel caso di MCP, un protocollo giovane — nemmeno due anni di vita pubblica — mancano ancora metriche condivise per distinguere un server in staging da uno che alimenta modelli in produzione. La conseguenza è un paradosso: un ecosistema nato per l’interoperabilità non ha ancora un modo trasparente per dimostrare quanto stia davvero interoperando.

Predactiv in produzione: più di un annuncio?

L’annuncio di oggi prova a spostare il discorso esattamente su questo piano. Il server MCP e la Platform API di Predactiv non sono in beta chiusa né in accesso anticipato: sono live in produzione, utilizzabili subito. Michael Gorman, Chief Product Officer dell’azienda, e Dana Hayes Jr., CEO, hanno scelto di mettere l’accento sulla disponibilità immediata, non sulla roadmap. Per chi segue il mercato delle piattaforme di data collaboration — uno spazio dove Predactiv compete con realtà come LiveRamp — il passaggio è significativo. In un settore in cui l’integrazione tra clean room, modelli AI e fonti di first-party data è il collo di bottiglia che decide il rendimento delle campagne, un server MCP in produzione significa potenzialmente ridurre il time-to-insight per i marketer che devono connettere dati granulari a modelli predittivi senza passare per integrazioni custom.

Detto questo, la disponibilità tecnica non equivale automaticamente a trazione di mercato. Il fatto che il server sia live oggi non ci dice quanti clienti lo stiano già utilizzando in pipeline di attivazione reale, né quali volumi di dati stiano transitando attraverso l’API. Non abbiamo numeri su latenza media, tassi di errore, copertura delle fonti connesse. In altre parole, sappiamo che il pezzo di infrastruttura esiste. Non sappiamo ancora se stia lavorando.

Il paradosso della misurazione aperta

Qui si innesta la questione più ampia che riguarda l’intero ecosistema MCP. L’ironia è evidente: un protocollo nato per abbattere i silos e creare connettività trasparente tra sistemi AI e dati opera in un regime di opacità quasi totale quando si tratta di misurare il proprio successo. Non esiste un framework condiviso per tracciare il numero di server attivi, il volume di chiamate API, il tasso di completamento delle richieste, la percentuale di connessioni che sopravvivono oltre la prima settimana di test. Chi ha familiarità con i metodi di misurazione dell’incrementalità — test geo, holdout, marketing mix modeling, conversion modeling — riconosce il problema strutturale: quando manca una variabile dipendente condivisa, ogni vendor misura il proprio perimetro con le proprie metriche, e il risultato è una collezione di vanity metrics che non sommano a nulla.

MCP ha dalla sua il vantaggio di essere open source, il che teoricamente permetterebbe a una comunità di sviluppatori e analisti di costruire strumenti di osservabilità indipendenti. Già nel novembre 2024, quando Anthropic ha aperto il protocollo, l’idea di fondo era che un ecosistema aperto avrebbe generato più innovazione di uno chiuso. Ma l’apertura del codice non implica automaticamente l’apertura dei dati di utilizzo. Un server MCP può essere deployato su un’istanza privata, dietro un firewall aziendale, e operare per mesi senza che nessuno al di fuori dell’organizzazione sappia se sta effettivamente processando dati o se è stato abbandonato dopo un proof of concept di due settimane. La domanda non è retorica: come facciamo a sapere se un protocollo aperto sta funzionando se non abbiamo accesso ai log?

Per un marketing scientist, questo è il tipo di vuoto informativo che rende difficile costruire un business case. Quando si valuta l’adozione di un nuovo standard di integrazione, le domande da porre sono pragmatiche: quale percentuale dei nostri endpoint sarà coperta? Qual è il costo marginale di manutenzione rispetto all’integrazione custom? Quale uplift misurabile possiamo aspettarci in termini di velocità di delivery dei modelli o accuratezza delle attivazioni? Senza benchmark pubblici — anche solo a livello di categoria — ogni decisione si basa su stime interne, e il rischio di sovrastimare i benefici è concreto.

Predactiv ha fatto un passo nella direzione giusta mettendo il proprio server in produzione e comunicandolo con trasparenza sulla tempistica. Altri vendor, compresi i grandi nomi che popolano la homepage di modelcontextprotocol.io, hanno rilasciato connettori e dichiarato compatibilità senza specificare lo stato operativo. Ma finché l’ecosistema MCP non si doterà di metriche condivise — tassi di adozione verificabili, volumi di transazione, SLA pubblici — il discorso sull’interoperabilità resterà sospeso tra la promessa tecnica e la realtà dei fatti. E in un mercato dove ogni euro di investimento tecnologico deve essere giustificato con un ritorno misurabile, restare sospesi non è una posizione sostenibile a lungo.