In questa intervista sul blog Databricks, Ankur Jain, Chief Cloud and Data Modernization Officer di Acxiom, sostiene una tesi netta: la storia secondo cui prima si costruisce la piattaforma AI e poi si cercano i casi d’uso è rovesciata. Acxiom aiuta i brand a risolvere l’identità dei clienti tra canali e ad arricchire i profili con oltre 10.000 attributi; secondo Jain, chi prova a costruire capacità agentiche su una fondazione legacy o frammentata finisce per passare più tempo a gestire l’infrastruttura che a costruire prodotti.
Prima la fondazione, poi l’AI
Le due stelle polari sono data modernization e agentic marketing, e sono sequenziali, non parallele: non si costruisce un ecosistema di marketing agentico su una base legacy. La migrazione da un ambiente on-premises Hadoop a Databricks ha portato, dice Jain, miglioramenti di performance dell’80-90% su diversi tipi di workload: pipeline che richiedevano 50 o 90+ ore, cioè giorni, ora si completano in 2-3 ore. Il beneficio principale, oltre alla velocità, è aver liberato il team di engineering dalla gestione dell’infrastruttura per concentrarlo sui business outcome.
La catena del valore agentica
Acxiom sta costruendo una value chain end-to-end: dall’identity resolution all’audience planning, fino al media buying, all’attivazione delle campagne e alla performance analytics. L’ETL, tradizionalmente “il palo più lungo della tenda” con mesi di lavoro manuale, si comprime grazie a generazione di codice via prompt e CI/CD accelerata. Sull’esecuzione il cambiamento è più evidente: nell’audience planning un marketer passa un prompt con obiettivo e profilo target e l’agente costruisce i segmenti con sample persona sui dati Acxiom; lo stesso pattern è stato mostrato per il media buying, dove un agente interroga l’inventory, la valuta, decide e attiva le audience sui canali.
Governance e dato come vantaggio competitivo
Trattando dati che includono PII, ogni workflow agentico parte dalla privacy come principio architetturale: i contenuti generati dall’AI non finiscono mai direttamente in una campagna live, ma passano da un workflow di approvazione con revisione legale e human-in-the-loop nei punti a rischio regolatorio o di brand. Cambia anche il modello di delivery: dal trasferimento file via SFTP all’integrazione agentica dei dati direttamente nell’ambiente del cliente, con clean room in partnership con Databricks. È un riposizionamento da fornitore di dati a intelligence layer dentro lo stack di marketing.
- Modernizzazione del dato e AI agentica sono la stessa scommessa, fatta in sequenza.
- La governance non rallenta: serve a garantire che la velocità non costi la fiducia.
- Il first-party data è l’asset più prezioso dei brand, che chiedono controllo e trasparenza.
Fonte: The agentic marketing stack starts with the data layer — https://www.databricks.com/blog/agentic-marketing-stack-starts-data-layer
Hai qualcosa da aggiungere? Unisciti alla discussione.