L'AI di Meta non insegue i chatbot. Vende più pubblicità

Ben Thompson ha scritto per Zuckerberg il discorso che vorrebbe sentirgli fare alla prossima earnings call. Dietro l'esercizio retorico c'è una tesi che riguarda chiunque faccia marketing con l'AI, l'investimento miliardario in infrastrutture non compra intelligenza generale, compra spazio pubblicitario che prima non esisteva.

Il capex di Meta racconta di più sul futuro della pubblicità che sull'intelligenza artificiale in sé. Il 7 luglio Ben Thompson, editorialista di Stratechery, ha pubblicato un pezzo insolito, un discorso agli investitori scritto per Mark Zuckerberg ma mai pronunciato da lui, in vista della earnings call di Meta del secondo trimestre 2026, prevista per inizio agosto. Thompson mette in bocca al fondatore di Meta l'argomento che secondo lui dovrebbe essere al centro della comunicazione dell'azienda sulla spesa in infrastrutture AI, non ricerca, non prodotti nuovi, ma pubblicità.

Meta ha alzato più volte nel corso del 2026 le stime di spesa in capitale per l'anno, fino a un intervallo tra 125 e 145 miliardi di dollari, quasi il doppio di quanto investito nel 2025 e più di quanto speso nei due anni precedenti messi insieme. Nel primo trimestre 2026 l'azienda ha comunque continuato a macinare utili dal proprio core business, con 55 miliardi di dollari di ricavi pubblicitari, impression in crescita del 19% su base annua e un prezzo medio per annuncio salito del 12%, in un trimestre in cui i ricavi complessivi sono cresciuti del 33% rispetto all'anno precedente. Sono numeri che rendono legittima la domanda che molti analisti si fanno da mesi, perché un'azienda che genera così tanta cassa dalla pubblicità dovrebbe spendere somme di questa portata su modelli linguistici e infrastrutture di calcolo.

Il pixel come nuova unità di inventario

La tesi che Thompson costruisce per Zuckerberg prova a rispondere proprio a questa domanda e lo fa con una frase che merita di essere presa sul serio anche da chi lavora fuori dalla Silicon Valley. L'intelligenza artificiale rende ogni pixel monetizzabile, e questo significa la più grande espansione di inventario pubblicitario mai vista.

Per capire perché questa frase conta bisogna ricordare come è cambiata la pubblicità digitale negli ultimi vent'anni. Prima erano banner in spazi fissi dentro una pagina web, venduti per posizione e non per persona. Poi sono diventati inserzioni dentro un flusso di contenuti, il feed, dove l'algoritmo decideva quando e a chi mostrarli e la vendita si è spostata dalla posizione all'attenzione stimata di chi scorreva lo schermo. In entrambi i casi lo spazio pubblicitario restava comunque uno spazio delimitato, prevedibile, con un inventario che cresceva solo se cresceva il numero di utenti o il tempo che passavano sulla piattaforma. Era, in altre parole, un inventario che dipendeva dalla crescita dell'audience, non dalla qualità con cui quella audience veniva letta.

Quello che Thompson descrive è un salto diverso. L'AI non aumenta lo spazio disponibile aggiungendo utenti, lo aumenta rendendo ogni singolo momento di attenzione un'occasione di targeting più preciso e quindi di un annuncio più efficace, quindi vendibile a un prezzo più alto. È questo che spiega, meglio di qualsiasi slide di investor relations, perché il prezzo medio per annuncio di Meta sia salito del 12% in un trimestre, non perché ci sono più spazi pubblicitari in senso stretto, ma perché ogni spazio esistente vale di più quando l'algoritmo che lo assegna è più bravo a indovinare chi guarderà cosa. È una logica che si applica anche fuori da Meta, da Google alle piattaforme di retail media che vendono spazi dentro i propri siti di e-commerce. Ed è il motivo per cui gran parte della spesa AI delle grandi piattaforme pubblicitarie sta finendo nei sistemi di raccomandazione piuttosto che nei chatbot rivolti al pubblico.

L'obiezione sulla bolla, e perché non basta a smontare la tesi

L'obiezione più ovvia a questo ragionamento è che si tratta, in fondo, di una giustificazione a posteriori per una spesa che molti nel mercato considerano eccessiva. Diversi analisti hanno già segnalato che l'aumento delle stime di capex di Meta preoccupa più di quanto rassicuri, perché il ritorno di quegli investimenti in termini di ricavi aggiuntivi resta difficile da isolare rispetto alla crescita organica della pubblicità digitale, che sarebbe comunque avvenuta anche senza modelli linguistici di ultima generazione. Ed è onesto notare che lo stesso pezzo di Thompson è scritto come se fosse un discorso di marketing rivolto agli investitori, quindi lo strumento retorico che usa per spiegare l'AI è esso stesso un esercizio di persuasione, non un dato di fatto neutro.

Detto questo, l'obiezione riguarda la dimensione della spesa, non il meccanismo che Thompson descrive. Anche se 145 miliardi di dollari fossero più di quanto necessario per ottenere quel risultato, resta vero che il legame tra modelli più capaci e targeting più preciso è già visibile nei numeri trimestrali di Meta e non richiede di credere alle promesse più ambiziose sull'intelligenza artificiale generale per essere vero. È una tesi più modesta di quella che si sente di solito nei dibattiti sull'AI, dove il capex viene spesso giustificato con scenari futuri di automazione totale del lavoro, ma proprio per questo è più difficile da liquidare come semplice hype.

Cosa cambia per chi fa marketing con budget reali

La parte più interessante di questa vicenda, per chi lavora ogni giorno con l'AI applicata al marketing, non riguarda le cifre di Meta ma il cambio di prospettiva che porta con sé. Per anni l'automazione nel marketing è stata raccontata soprattutto come velocità, generare più varianti di un annuncio, scrivere più bozze di copy, produrre più immagini in meno tempo. Quello che i numeri di Meta suggeriscono è che il guadagno più grande non sta lì, sta nella capacità di capire meglio a chi mostrare cosa e quindi di rendere efficace anche un budget che prima non lo sarebbe stato.

Per una piccola impresa questo non significa dover competere sulla scala di Meta, ma significa guardare agli strumenti di AI nel marketing con un criterio diverso da quello con cui li si è guardati finora. Non conta solo quanto contenuto si riesce a produrre, conta quanto quel contenuto arriva a chi ha davvero interesse a vederlo. Ed è una domanda che riguarda tanto una campagna a pagamento quanto la gestione ordinaria di una lista contatti, tanto una campagna su Meta Ads quanto un'automazione interna che segmenta i contatti di un'associazione di categoria o di una PMI manifatturiera, dove i dati raccolti in anni di attività restano spesso inutilizzati proprio perché mancano gli strumenti per leggerli con questa granularità. Il capitale che serve per costruire questi sistemi non è paragonabile a quello di una big tech, ma il principio che li rende efficaci è lo stesso e comincia a essere alla portata di chiunque abbia dati sufficienti da far leggere a un modello, anche una base clienti di poche migliaia di contatti raccolta negli anni senza una strategia precisa.