L’advertising si sta mangiando i miliardi dell’AI

L’inflazione di contenuti sintetici supera i filtri di brand safety e deprezza l’inventory veramente editoriale

Nelle aste programmatiche, l’ultimo miglio della verification è sempre stato il guardrail che separa un’impression di qualità da un pixel sprecato. Oggi quel guardrail si sta sgretolando sotto una valanga di contenuti generati da AI che i tool di brand safety faticano a riconoscere.

Il problema non è più solo la frode classica, ma uno slop artificiale sufficientemente credibile da superare i controlli lessicali e di contesto su cui si basano le soluzioni pre-bid di DSP e verification vendor. E per la prima volta, gli inserzionisti arrivano a pagare CPM più alti per apparire accanto a questo slop piuttosto che su inventory di testate legittime. È un cortocircuito che trasferisce valore direttamente fuori dall’ecosistema degli editori veri, drenando budget che le agenzie allocano in buona fede.

Il dato, emerso da un’analisi citata su Adweek, mostra che i contenuti AI slop rappresentano già tra l’1,3% e il 2,4% dell’inventario pubblicitario totale, con le piattaforme di social media come ambiente a più rapida espansione. Non è una quota marginale, se si considera che nel programmatic aperto anche pochi punti percentuali di inventory inquinata bastano a deprezzare interi segmenti di traffico. E il meccanismo è subdolo: i sistemi di classificazione addestrati su domini e pattern noti non intercettano la nuova generazione di pagine e video generati in tempo reale da LLM. Così, i controlli di qualità che gli inserzionisti usavano per evitare inventario spazzatura diventano permeabili.

Centinaia di miliardi per un ecosistema più opaco

Il paradosso è che questa deriva avviene mentre i giganti del settore pompano capitali senza precedenti nell’infrastruttura AI, con la promessa di rendere l’advertising più efficiente. I progetti di data center per l’IA di Meta hanno già assorbito centinaia di miliardi di dollari, in un pivot drammatico seguito a lo spostamento dal metaverso all’IA dopo il lancio di ChatGPT. Google, dal canto suo, ha appena rivisto le spese in conto capitale per il 2026 a una forchetta tra 195 e 205 miliardi di dollari, ben sopra la stima precedente per le spese in conto capitale di 180-190 miliardi. E il CFO Anat Ashkenazi ha ribadito che la cifra salirà ancora in modo significativo nel 2027. Sono somme che i trader sugli RTB vedono tradursi in promesse di modelli predittivi migliori, targeting più granulare e creative ottimizzate in tempo reale.

Qualche segnale di efficacia operativa esiste. Il miglioramento del 20% nella consegna di annunci altamente rilevanti grazie all’AI nelle campagne shopping commerce-enabled è un risultato concreto, che si riflette in metriche di performance per chi compra inventory a risposta diretta. Ma è una goccia in un mare di investimenti che, a livello macro, non sta sollevando tutte le barche. E qui si inserisce l’evidenza più scomoda per chi vende la narrativa della rivoluzione produttiva.

La promessa di produttività che i dati smentiscono

Mentre le DSP testano moduli di ottimizzazione basati su AI generativa e le SSP integrano logiche semantiche nei loro yield manager, lo studio del National Bureau of Economic Research del 2026 sulla produttività dell’AI getta ombre lunghe: tra le aziende che hanno adottato strumenti di intelligenza artificiale, molte non hanno visto i guadagni di produttività attesi. Il dato è cruciale per il mondo ad-tech, perché suggerisce che l’automazione spinta non si traduce automaticamente in minor costo per risultato, ma spesso in una corsa agli armamenti dove l’inventory di bassa qualità beneficia delle stesse ottimizzazioni algoritmiche di quella premium.

In pratica, gli stessi modelli di bidding che dovrebbero escludere lo slop finiscono per comprarlo, perché le metriche di engagement a breve termine lo fanno sembrare performante.

La tensione non è tra AI sì o AI no, ma tra infrastruttura e trasparenza. I walled garden stanno costruendo sistemi sempre più potenti per allocare budget, mentre a valle gli strumenti indipendenti di verifica perdono efficacia. Il risultato è un mercato in cui il cost per mille si scollega progressivamente dal valore reale dell’attenzione, e gli editori di qualità faticano a competere con contenuti sintetici prodotti a costo marginale zero. La domanda aperta per chi opera su DSP, SSP e PMP non è se l’AI migliorerà le campagne, ma chi catturerà il valore generato dagli algoritmi quando l’inventory verificata smette di essere un proxy affidabile della qualità editoriale.