Per chi gestisce campagne pubblicitarie, ogni aggiornamento di piattaforma suona come una promessa di risultati. Il 25 agosto scorso, Optimizely ha rilasciato Virtual Teammates, agenti AI che operano come utenti Optimizely di prima classe: hanno un proprio Opti ID, l’identificativo con cui la piattaforma riconosce ogni utente, memoria persistente e capacità di agire su più prodotti. Non si tratta più di chiedersi cosa fanno, ma chi controlla il budget quando un agente può accedervi.

Agenti con un Opti ID: la piattaforma cambia ancora

Il rilascio del 25 agosto non è un semplice aggiornamento. La combinazione di Opti ID, memoria persistente e azione tra prodotti permette di delegare lavoro continuativo invece di dover ri-istruire l’agente a ogni richiesta. Per chi pianifica campagne, questo significa che un agente può ricevere un compito, ricordare il contesto e intervenire su più strumenti senza passare ogni volta dal prompt. È un cambiamento operativo, non solo tecnologico.

Il passaggio arriva dopo una serie di aggiornamenti tecnici già in corso. A metà agosto, il 14 agosto, Optimizely aveva aggiornato i livelli di inferenza Complex e Code per utilizzare claude-opus-5. Già a marzo aveva annunciato che, a partire dal 15 marzo, i modelli LLM di Opal avrebbero incluso la famiglia di modelli Anthropic Claude tramite Google Vertex AI. E lo scorso 30 giugno era stata rilasciata una nuova versione della dashboard Opal Agent Usage, che consente agli amministratori di tracciare le esecuzioni, monitorare il consumo di crediti e vedere quali agenti e utenti sono più attivi. Tutto questo disegna un’architettura in cui l’agente non è un assistente esterno: è un utente interno, con identità e attività misurabile.

Quasi 900 aziende, 47.000 interazioni: il benchmark che conta

Prima di valutare l’ultimo annuncio, vale la pena guardare al percorso che Opal ha già accumulato. Nel maggio 2025 Optimizely ha trasformato Opal in una piattaforma di agenti AI basata sui modelli Gemini di Google. Da allora, secondo il benchmark agentic AI experimentation pubblicato da Optimizely, quasi 900 aziende e 47.000 interazioni sono passate da Opal dal lancio di maggio 2025. Per la stessa azienda, la combinazione di contesto di livello industriale, strumenti specializzati e flussi di lavoro agentici rende Opal “probabilmente il miglior pezzo di ingegneria mai realizzato da Optimizely”.

Per chi fa paid media, questi numeri vanno letti con cautela. Quasi 900 aziende e 47.000 interazioni non dicono se gli agenti migliorano davvero il ROAS (return on advertising spend) o riducono il CPA (costo per acquisizione). Dicono che l’adozione è iniziata e che l’infrastruttura di misurazione esiste: la dashboard Opal Agent Usage traccia esecuzioni e consumo di crediti. Ma un benchmark di trazione non è un benchmark di performance. La domanda resta aperta: questi agenti stanno spendendo meglio, o stanno solo consumando crediti in modo più efficiente?

Adobe cambia nome, le aziende restano guardinghe

Il contesto competitivo rende i numeri ancora più rilevanti. Durante l’Adobe Summit 2026, Adobe ha rinominato Experience Cloud in CX Enterprise, incentrando il nuovo brand su agenti AI e “Coworkers”. Adobe descrive il cambiamento come un passaggio da software di marketing incentrato sugli strumenti a flussi di lavoro orientati agli obiettivi e basati sull’IA. Ma lo stesso reporting segnala che i clienti enterprise non sono universalmente entusiasti degli agenti AI autonomi: imprevedibilità e governance emergono come le principali preoccupazioni. Per chi pianifica, la vera variabile non è il rilascio di Virtual Teammates, ma come limitare l’autonomia degli agenti prima che inizino a spostare budget senza supervisione.

La lezione per chi gestisce budget pubblicitari è concreta: non si tratta di decidere se abilitare gli agenti, ma di decidere come governarli. Un agente con Opti ID e memoria persistente va trattato come un nuovo elemento del media mix, con limiti di spesa, regole di escalation e audit periodici. La dashboard di utilizzo, i modelli di inferenza e i benchmark di adozione sono strumenti utili solo se servono a rispondere a una domanda operativa: questo agente sta spendendo meglio, o sta solo consumando crediti? Senza una risposta, il controllo resta nelle mani di chi non dovrebbe perderlo.