Una startup chiamata Generation Lab ha recentemente promosso un trattamento che, a suo dire, “blocca la diffusione sistemica dell’invecchiamento nel sangue”. Il problema è semplice: l’azienda non rivela quali siano i due farmaci alla base del prodotto. Per chi si occupa di marketing e intelligenza artificiale, questa vicenda offre uno spunto prezioso su un rischio che riguarda tutti: la tentazione di costruire narrazioni convincenti senza basi verificabili.
Quando la credibilità del fondatore sostituisce le prove
Il caso raccontato da MIT Technology Review è interessante perché la scienziata dietro il prodotto, Irina Conboy, ha una carriera solida a Berkeley alle spalle. Questo genera un effetto psicologico preciso: la reputazione personale viene usata come garanzia al posto dei dati pubblici. Nel marketing basato su AI accade qualcosa di simile quando un’azienda genera contenuti persuasivi (case study, testimonianze, statistiche) senza che chi legge possa verificarne la fonte.
Un esempio concreto: se un tool di AI generativa produce per un cliente una landing page con la frase “il 92% dei nostri utenti ha aumentato le vendite”, quel numero deve poter essere tracciato fino a un dataset reale. Altrimenti si costruisce fiducia su un vuoto, esattamente come nella vicenda Generation Lab, dove il fact sheet promette “salute e giovinezza a tessuti multipli” senza uno studio pubblicato a supporto.
Il ruolo dell’AI nella verifica, non solo nella produzione
Le PMI italiane che iniziano a usare l’intelligenza artificiale per il marketing tendono a concentrarsi sulla produzione di contenuti: post, email, copy pubblicitario. Ma l’AI può servire anche a fare il lavoro opposto, cioè verificare la coerenza tra ciò che si comunica e ciò che si può dimostrare.
Alcuni strumenti permettono già di incrociare automaticamente le affermazioni di un testo con i dati interni dell’azienda (numeri di vendita, recensioni, risultati misurati), segnalando eventuali discrepanze prima della pubblicazione. È una pratica ancora poco diffusa tra i professionisti italiani, ma diventerà sempre più necessaria man mano che i contenuti generati dall’AI si moltiplicano sui canali aziendali.
- Prima di pubblicare un claim, chiedersi: questo dato è tracciabile a una fonte verificabile?
- Usare l’AI anche per il fact checking interno, non solo per la scrittura
- Evitare linguaggio assoluto (“il migliore”, “unico nel suo genere”) senza dati a supporto
Cosa cambia per chi fa consulenza e formazione
Chi offre consulenza AI a piccole imprese ha una responsabilità in più: insegnare a distinguere tra un contenuto persuasivo e uno verificabile. Il caso Generation Lab mostra che anche professionisti stimati (Matt Cook, uno dei medici coinvolti, ha in passato raccomandato trattamenti giudicati “fraudolenti” dalla FDA) possono avallare claim poco solidi quando l’entusiasmo per una tecnologia supera la cautela scientifica.
Per un’azienda italiana, il parallelo è diretto: un tool di AI marketing può generare contenuti eccellenti dal punto di vista stilistico, ma la responsabilità di verificarne la fondatezza resta umana. La formazione su questo punto vale quanto quella sugli strumenti stessi.
La vicenda del “sangue giovane” resterà probabilmente un caso limite, ma la logica che la sostiene, cioè vendere fiducia prima delle prove, è la stessa che minaccia la credibilità del marketing digitale quando si affida troppo, e troppo in fretta, alla produzione automatica di contenuti. Chi lavora con l’AI dovrebbe portarsi a casa una domanda semplice: se dovessi mostrare la fonte di questa affermazione, sarei in grado di farlo?
