Come costruire un sistema di agenti AI per vendite e advertising

Un'azienda che vende su più canali — un negozio online, Amazon, campagne su Meta e TikTok — fa i conti con due flussi di dati che vivono in posti diversi: quanto si vende e quanto si spende per venderlo. Tenerli insieme ogni giorno vuol dire aprire quattro pannelli diversi, copiare numeri in un foglio e rifare gli stessi calcoli: il ritorno sulla spesa per canale, quanto incide la pubblicità sul fatturato, cosa è cambiato rispetto a ieri. Fatto a mano, è un lavoro che si ripete identico ogni mattina e che normalmente si fa rimandare al venerdì, quando ormai tre giorni di spesa inefficiente sono già andati.

Un sistema di agenti AI per questo lavoro si regge su cinque pezzi, non uno: la raccolta dei dati dalle API ufficiali delle piattaforme, un archivio dove quei dati restano e si confrontano nel tempo, uno o più agenti che li leggono e producono l'analisi, un passaggio in cui le proposte di azione aspettano l'approvazione di una persona prima di toccare un euro di budget vero, e un modo per tenere insieme l'ordine in cui tutto questo gira. Ognuno di questi pezzi ha un modo per essere fatto bene e uno per essere fatto male, ed è lì che vale la pena guardare prima di cominciare.

Raccolta dati: le API ufficiali delle piattaforme

Il primo pezzo del sistema si collega alle API ufficiali delle piattaforme che contano per il tuo caso: l'API Ads di Amazon per la spesa pubblicitaria e la Selling Partner API per gli ordini e le vendite — sono due API separate, non una sola, e un sistema che vuole mettere in relazione spesa e vendite reali su Amazon deve parlare con entrambe —, l'Insights API dentro la Marketing API di Meta per i dati di campagna, e la Reporting API di TikTok for Business per le sue inserzioni (documentazione ufficiale verificata il 13 ottobre 2026). Ogni mattina questi connettori tirano giù i numeri del giorno prima, canale per canale, campagna per campagna.

Una riga tipica, una volta normalizzata, assomiglia a questa:

Tre cose qui contano più della connessione in sé, e sembrano dettagli finché non bloccano tutto una mattina: i limiti di chiamate per ora che ogni piattaforma impone, i token di accesso che scadono e vanno rinnovati prima che il collegamento si rompa in silenzio, e il fatto che ogni piattaforma chiama le stesse cose con nomi diversi — quello che Amazon chiama ACOS e Meta chiama ROAS non sono la stessa formula letta al contrario, e normalizzarli male inquina tutto quello che viene dopo. Un articolo dedicato di questa serie entra nel dettaglio di come collegare le tre API a un unico database senza farsi sorprendere da nessuno dei tre.

Archivio: un database che il report legge ogni mattina

I dati grezzi finiscono in un database che li tiene, una riga per giorno, canale e campagna, invece che essere ricalcolati ogni volta interrogando le API in diretta — più lento, più fragile, e inutile quando serve confrontare oggi con la settimana scorsa. È da questo archivio che il report del mattino legge, non dalle piattaforme.

I numeri delle piattaforme pubblicitarie non sono definitivi il giorno dopo: per effetto delle finestre di attribuzione, Meta e TikTok possono rivedere all'insù le vendite attribuite a una campagna anche due o tre giorni dopo che è successo. Un archivio che sovrascrive invece di tenere lo storico delle revisioni mostra un grafico che balla senza una ragione visibile, e la prima volta che succede sembra un errore del sistema invece che un comportamento normale delle piattaforme.

Analisi: gli agenti che leggono i numeri, non li inventano

Sopra l'archivio lavora un agente che ogni mattina confronta un giorno con il precedente e un canale con l'altro, calcola gli indicatori standard — il ROAS per canale, l'ACOS per le inserzioni Amazon, il MER come rapporto tra fatturato totale e spesa pubblicitaria totale su tutti i canali insieme — e segnala cosa si è mosso fuori dal range atteso. Il risultato è un paragrafo di report, non trenta righe di tabella da interpretare.

Una riga tipica di quello che un agente così può scrivere:

Un agente a cui chiedi "com'è andata ieri" senza un archivio verificato sotto può scrivere un paragrafo che suona benissimo e cita numeri che non esistono: la tracciabilità, cioè poter risalire da ogni riga del report al dato di origine nell'archivio, è quello che separa un'analisi utile da una inventata con sicurezza. Un articolo della serie è dedicato per intero a ROAS, ACOS e MER e a come leggerli insieme senza farsi ingannare da un canale che sembra ottimo da solo.

Azione: una proposta che aspetta l'approvazione di una persona

Da qui in poi il sistema può proporre, non eseguire. Un agente che vede un adset con spesa costante e zero vendite da giorni non spegne la campagna da solo: scrive una proposta con il motivo e l'impatto stimato, e aspetta che qualcuno la approvi.

L'approvazione umana è il cancello che separa un errore recuperabile da un budget bruciato nel weekend senza che nessuno se ne accorga prima del lunedì, e resta tale anche quando il sistema gira bene da mesi — è proprio lì che si allenta per primo. Lo stesso principio vale per un secondo uso che spesso viaggia accanto a questo sistema, le cold email generate a partire dai segnali di vendita e dal CRM: anche lì l'agente prepara, una persona manda. Vale anche un avvertimento, utile a prescindere da un parere legale vero: l'invio di comunicazioni commerciali B2B in Italia ha vincoli precisi su base giuridica, trasparenza sul mittente e diritto di opposizione immediato, e conviene verificarli con chi segue la privacy in azienda prima di partire — un volume alto di invii automatici è esattamente il tipo di attività che va impostata bene dall'inizio. Due articoli della serie, uno sulle cold email con AI e CRM e uno dedicato a GDPR e cold email B2B in Italia, entrano nel merito senza sostituirsi a un parere legale vero.

Coordinamento: nella maggior parte dei casi basta una pipeline fissa

Resta da decidere come i quattro pezzi sopra si parlano tra loro. Per la maggior parte delle PMI la scelta giusta è la più noiosa: una pipeline con un ordine fisso — prima la raccolta, poi l'archivio, poi l'analisi, poi le proposte — che gira a orario fisso ogni mattina, costruita con strumenti come il Claude Agent SDK o un orchestratore a nodi come n8n. Un agente coordinatore che decide da sé quale passo fare e in che ordine comincia a valere la pena solo quando il flusso di lavoro si ramifica davvero, con canali diversi che richiedono analisi diverse in base a condizioni che cambiano: in un sistema con cinque passi sempre uguali, un coordinatore in più è un pezzo che può decidere di saltare l'approvazione invece di un pezzo che la rafforza. Due articoli della serie confrontano Claude Agent SDK e n8n come scelta di base, e il caso in cui una pipeline fissa non basta più e serve davvero un coordinatore.

Quando questo sistema non serve ancora

Se vendi su un solo canale e la spesa pubblicitaria del mese sta in una cifra a quattro zeri, mettere in piedi cinque livelli con database e agenti è più impegno di quanto il problema ne richieda: un foglio aggiornato due volte a settimana fa lo stesso lavoro con una frazione della complessità. Il sistema comincia a valere il suo costo quando i canali sono almeno due o tre, il report del mattino occupa già una persona per un'ora buona ogni giorno, e le decisioni di budget si rimandano perché nessuno ha il tempo di guardare i numeri in tempo utile. Un articolo della serie è dedicato proprio a quanto costa, in pratica, mettere in piedi un sistema così per una PMI, voce per voce.

Gli articoli di questa serie

Da dove si comincia

Se in questa architettura riconosci il tuo caso — più canali, un report che arriva sempre tardi, decisioni di budget rimandate per mancanza di tempo — il primo passo non è scegliere lo strumento, è capire quale dei cinque pezzi ti costa davvero di più oggi. Se vuoi capire da dove partire nel tuo caso, scrivimi: c'è la consulenza 1:1 gratuita, dove mi racconti come lavori adesso e ti dico dove conviene mettere mano per primo.

Salvatore — claudefacile.com