Dall’obiettivo di business al progetto AI-driven: il metodo per costruire strategie digitali con KPI reali

L’ho letta per la prima volta nel McKinsey Global Survey di novembre 2025, 1.993 rispondenti in 105 paesi, e ho pensato: questo è il numero che rende inutili tutti gli altri. Non perché sia sorprendente. Perché spiega perché quasi nessuno sa rispondere alla domanda più semplice del mondo: “e tu, quanto stai guadagnando dall’AI?”

Mentre accade questo, la search si sta riorganizzando attorno a una nuova architettura. ChatGPT ha 900 milioni di utenti attivi settimanali. Gemini ha superato i 750 milioni. Il 70,6% del traffico che arriva da questi motori generativi è invisibile a Google Analytics, classificato come “Direct”, quindi ignorato nella maggior parte delle decisioni strategiche (Loamly, “State of AI Traffic 2026”, 446.405 visite analizzate). Quel traffico, però, converte quattro volte meglio del traffico organico tradizionale.

Quello che segue è il metodo che uso con i clienti Fortop per invertire questo ordine: prima l’obiettivo, poi i KPI adeguati all’era AI, poi, e solo poi, la tecnologia. Non è l’unico approccio possibile. È quello che produce risultati misurabili.

Il paradosso: tutti investono, quasi nessuno misura

Il McKinsey Global Survey di novembre 2025, 1.993 rispondenti in 105 paesi, fotografa un’adozione che sulla carta sembra matura. L’88% delle organizzazioni usa regolarmente l’AI in almeno una funzione di business. Il 72% utilizza GenAI, più del doppio rispetto al 33% del 2024. I tre quarti del C-suite la classificano tra le prime tre priorità strategiche.

BCG lo ha misurato su 1.250 aziende: il 60% non ottiene alcun valore materiale dall’AI. Il 35% scala, ma con ritorni che faticano a giustificare l’investimento. Il 5% che funziona davvero? Spende cinque volte la media, ha il triplo di engagement dalla leadership, e non sta ottimizzando processi, sta riscrivendo il modello operativo.

Il modo più rapido per capire perché quasi tutto fallisce è un solo dato, sempre di BCG: il 60% delle aziende parte a implementare l’AI senza aver definito come misurerà il ritorno economico. Si sceglie lo strumento, si avvia il progetto, ci si alloca sopra budget e persone, e solo dopo, se mai, ci si chiede cosa stia producendo. Questa inversione spiega il resto: i tassi di abbandono, gli impatti nulli sul P&L, i board che approvano il budget successivo senza sapere cosa ha prodotto il precedente. Non è una crisi tecnologica. È una crisi di metodo.

Fonti: McKinsey Global Survey nov. 2025 (n=1.993); BCG AI Radar 2025 (n=1.250+); Gartner CMO Spend Survey 2025

I progetti con metriche pre-approvate hanno un tasso di successo del 54% contro il 12% di quelli senza (BCG/Pertama Partners, 2025-2026). Una differenza di 4,5 volte che nessun tool, nessun vendor e nessun budget aggiuntivo può colmare a posteriori.

Il profilo del vincitore è preciso e replicabile. Le aziende “high performer” di McKinsey spendono oltre il 20% dei budget digitali in AI, cinque volte la media, hanno il triplo di engagement dalla leadership senior, e perseguono la trasformazione del modello operativo, non solo efficienza. BCG lo quantifica: le aziende “future-built” ottengono 1,7 volte la crescita dei ricavi, 1,6 volte i margini EBIT, 3,6 volte il rendimento azionario rispetto ai ritardatari.

Il vero problema non è il nuovo ecosistema. È che i tuoi KPI non lo vedono.

Se vuoi capire come ChatGPT, Gemini e Perplexity stanno riscrivendo le regole della visibilità, abbiamo pubblicato un’analisi dedicata. Qui partiamo dal passo successivo: in quello scenario già cambiato, quasi nessuna azienda sta misurando le cose giuste.

Il problema concreto è questo. Il 70,6% del traffico che arriva dai motori generativi entra nei report di Google Analytics 4 classificato come “Direct”, senza referrer, senza campagna, senza canale. È tecnicamente invisibile. Eppure quel traffico converte a un tasso del 10,21%, contro il 2,46% del traffico non-AI. Il canale con il rendimento più alto del tuo mix digitale è quello di cui non sai nulla.

Questo non è un problema tecnico risolvibile con un tag UTM. È un problema strutturale: le metriche che usi per giustificare il budget marketing sono state progettate per un ecosistema che non esiste più. E finché non cambi le metriche, non puoi cambiare le decisioni.

GEO non è una disciplina tecnica: è una scelta di business

C’è un modo sbagliato di inquadrare la GEO, e lo vedo spesso nelle presentazioni ai clienti: trattarla come la “nuova SEO”, un aggiornamento tecnico da delegare al team contenuti. Non è così. La GEO, Generative Engine Optimization, è la risposta strategica a un cambiamento nella struttura del mercato: i decisori d’acquisto chiedono ai modelli linguistici prima di chiedere a Google, e quello che il modello risponde dipende da ciò che il brand ha costruito nel tempo, non da ciò che ha ottimizzato ieri.

Il punto che più cambia le priorità di business è questo: l’86% delle citazioni AI proviene da fonti che i brand già controllano (Yext, 6,8 milioni di citazioni analizzate, luglio-agosto 2025). Siti web (44%), listing (42%), review e social (8%). Non è un problema di scoprire nuovi canali. È un problema di ottimizzare quello che già esiste perché un LLM lo interpreti correttamente quando qualcuno chiede “qual è il miglior fornitore di X?”

I numeri sulla finestra temporale sono quelli che convincono i board più dei numeri sulla visibilità. Il mercato GEO era valutato 886 milioni di dollari nel 2024 ed è previsto a 7,3 miliardi entro il 2031, un CAGR del 34%.

Vale la pena fermarsi su un dato che cambia le priorità operative. Lo studio Ahrefs di dicembre 2025 su 75.000 brand documenta che le brand mention sul web correlano con la visibilità AI a 0,664, mentre i backlink tradizionali si fermano a 0,218. Tre volte la correlazione.

Il buco nero dell’attribution: 70,6% del traffico AI è invisibile

Questo è il problema che nessuno vuole affrontare direttamente, perché tocca le fondamenta di come vengono prese le decisioni di budget. Il report Loamly “State of AI Traffic 2026”, 446.405 visite analizzate, quantifica con precisione l’entità del problema.

Il paradosso è questo: il canale più invisibile è anche il più performante. Microsoft Clarity documenta che i visitatori referenziati dall’AI si iscrivono 2,4 volte e si registrano 10 volte più dei visitatori da search tradizionale.